Система, разработанная австралийскими исследователями, позволит более точно прогнозировать преступления, используя информацию о географическом положении.
В работе, опубликованной в журнале EPJ Data Science, команда исследователей из RMIT показала, как данные о местоположении и деятельности пользователей из приложения Foursquare в сочетании с алгоритмами рекомендаций позволяют предсказывать преступления точнее, чем когда-либо.
Пользователи Foursquare рассказывают о своих местонахождениях и действиях, когда отмечаются в разных местах (чекины). В исследовании задействовали данные более 20 тысяч чекинов пользователей из Брисбена и около 230 тысяч чекинов пользователей из Нью-Йорка.
Доктор Флора Салим из RMIT полагает, что информация о перемещениях горожан, поступающая в режиме реального времени, позволит прогнозировать вероятность различных событий, происходящих в городской среде. Однако для устранения пробелов в данных, привязанных к конкретным местам, исследователи разработали алгоритмы рекомендаций, похожие на те, что используются для рекомендации похожих песен в Spotify.
«По словам Салима, значительная часть жителей города не всегда пользуется приложением, а лица, совершившие преступления, не публиковали об этом информацию. Для устранения недостатков и прогнозирования дальнейших действий в различных ситуациях были применены рекомендательные системы».
В процессе тестирования система демонстрировала более точные прогнозы определенных видов преступлений в конкретных городских районах по сравнению с текущими моделями, основанными на анализе криминальных тенденций.
В Брисбене новая система продемонстрировала на 16% более высокую точность в прогнозировании случаев нападений по сравнению с существующими моделями. Кроме того, она оказалась на 6% точнее в предсказании незаконных проникновений, на 4% эффективнее при выявлении наркопреступлений и грабежей, а также на 2% лучше в прогнозировании мошеннических действий. В Нью-Йорке точность прогнозов была улучшена на 4% при обнаружении грабежей и наркопреступлений, мошенничества и незаконного проникновения, и на 2% в случаях нападений.
Систему можно легко масштабировать для обработки больших данных из любой социальной платформы, приложения или мобильной сети, собирающей данные о местоположении.
Этот случай демонстрирует лишь один из способов применения данных пользователей для прогнозирования их поведения в различных приложениях.