Un nouvel algorithme développé par l'Université de Surrey et Georgia Tech pourrait donner le dessus aux services de police dans leur lutte contre la criminalité, grâce à sa capacité à traiter rapidement les données en temps réel et à prédire où des activités illégales pourraient se reproduire.

Les services de police du monde entier sont confrontés à des pressions croissantes sur leurs ressources, une réalité qui alimente la croissance des logiciels de police prédictive qui aident les autorités à prendre des décisions sur où concentrer leurs efforts. Une méthode populaire consiste à adapter un modèle de séquence de répliques épidémiques (ETAS) aux données de criminalité urbaine - une approche basée sur une carte en grille qui a permis de prédire deux fois plus de crimes qu'un seul analyste dédié.

Dans un article publié par Computational Statistics and Data Analysis, des chercheurs du Surrey et de la Géorgie, Atlanta, détailler une nouvelle approche similaire à celle utilisée dans les prévisions météorologiques et les missions spatiales Apollo, qui complète ETAS. Les chercheurs ont pu utiliser cette approche pour développer un nouvel algorithme - l'Ensemble Poisson Kalman Filter (EnPKF) - capable de combiner, en temps réel, les données sur la criminalité urbaine et le modèle ETAS. EnPKF est en mesure de fournir des prévisions en temps réel du taux de criminalité et de donner une indication de la probabilité que la criminalité puisse se répéter dans une certaine zone. L'algorithme peut également donner aux services de police des suggestions sur les points chauds de la criminalité à court terme, et quelles ressources supplémentaires sont nécessaires pour faire face à une telle augmentation.

Les mathématiciens ont testé leur algorithme contre des données sur plus de 1000 crimes de gangs violents à Los Angeles, de 1999 à 2002 - un ensemble de données qui présente 33 gangs connus.

Les chercheurs pensent que l'algorithme a un large éventail d'utilisations possibles car l'EnPKF peut faire des prévisions en utilisant des modèles autres qu'ETAS. On pense qu'EnPKF peut être utilisé pour surveiller les retards des trains, des répliques de tremblement de terre et même des réclamations d'assurance en Afrique subsaharienne.

Le Dr David Lloyd du département de mathématiques de l'Université de Surrey a déclaré :« Nous sommes prudemment enthousiasmés par le filtre EnsemblePoisson Kalman, une approche qui nous a donné un aperçu du moment où le crime peut être prédit, et nous a montré l'importance d'utiliser des données en temps réel pour renforcer le système global. Nous sommes déjà sur la bonne voie pour renforcer l'algorithme et l'avons testé par rapport aux données de Chicago.

"Il est important de se rappeler qu'EnPKF, et des algorithmes similaires à celui-ci, sont des outils utilisés pour aider nos forces de l'ordre qui travaillent dur pour assurer la sécurité de nos communautés. Leur utilisation sera finalement déterminée par les besoins de chaque département. »