Технологии будущего против криминала

Например, с этой целью в Нью-Йорке в 2007 г. было принято решение о создании централизованного операционного центра общественной безопасности. Было интегрировано более 100 разрозненных источников данных. Все потоки информации от патрульных машин, тысяч камер видеонаблюдения, звонки от свидетелей в виде неструктурированных данных поступают на корпоративную шину данных и преобразуются в универсальный формат. Затем аналитические инструменты ассоциируют информацию, помещая ее в определенный контекст, и распределяют ее согласно запросам пользователей. Аналитическая система ассоциирования распознает не только структуру, но и значение информации, включая взаимоотношения между различными частями. Создание единого хранилища позволило снизить преступность в городе на 27%.

Был реализован также сервис поиска полезных данных из плохо документированной информации: жалоб граждан, отчетов полиции, записей на номер 911, протоколов арестов и др. Все эти данные изобилуют неточностями, сокращениями, аббревиатурами, специальными терминами и т.п., и выявление нужных сведений и взаимосвязей при помощи традиционного контекстного поиска в них крайне затруднено.

В результате удалось достичь общего повышения эффективности работы. Применение инструментария поиска и анализа позволило сформировать описание событий, классифицировать их (при этом поиск осуществляется по неструктурированной информации, содержащей порой неточные описания). В первые недели эксплуатации системы на основании данных отчетов были раскрыты несколько старых дел по убийствам.

В целом это позволяет создать простые, унифицированные представления для каждого аспекта работы полиции, включая планирование, отчетность и совместную работу.

Ключевыми элементами работы операционного центра полиции Нью-Йорка является пространственно-временная модель города и поведенческие модели, которые используются для связывания наиболее вероятных сценариев для криминалистов. Центр по раскрытию преступлений реального времени (RTCC) использует ситуативный подход к большим данным, который требует особых навыков для составления запросов и интерпретации извлекаемых знаний. В результате каждое обращение к большим данным является уникальным поиском, в отличие от стандартных систем анализа информации в транзакционных и других системах управления реляционными базами данных с их фиксированными запросами и типовыми задачами.

Свою эффективность доказала система Blue CRUSH (от англ.: Crime Reduction Utilizing Statistical History – «Снижение преступности на основе статистических данных»), разработанная компанией IBM, которая поставляет полицейским подготовленные на основе имеющейся статистики совершения преступлений сведения о зонах потенциальной угрозы совершения преступления с указанием места (в пределах нескольких кварталов) и времени (в пределах нескольких часов конкретного дня недели). Подобного рода профилактическое прогнозирование привело к снижению уровня преступности в г. Мемфисе на 31%, из которых 15% приходится на тяжкие преступления.

Благодаря расширенному использованию ИТ в борьбе с преступностью и с чрезвычайными обстоятельствами, стало возможным:

• реализовать автоматический анализ видеоинформации для предотвращения преступлений;

• ускорить расследование преступлений в 1030 раз;

• использовать автоматизированные предсказания, поиск ассоциативных связей и техники кластеризации данных для ускорения принятия решений;

• автоматизировать процесс построения регламентов ответа на чрезвычайные ситуации;

• обеспечить сопровождение событий и отображение местонахождения сил и средств в реальном времени.

В 2001 году IBM приобрела британскую компанию i2 Group, которая разрабатывала аналитические средства для правоохранительных органов, спецслужб, военной разведки и специалистов по борьбе с «фродом».

Один из продуктов, основанных на i2, – специально для полиции. Он позволяет быстро получить доступ к информации, накопленной американскими правоохранительными органами, и проявить в ней скрытые связи между людьми, местами, автомобилями, мобильными телефонами и тому подобными объектами.