Quand et où la criminalité survient-elle dans les villes ? Pour répondre à cette question, les criminologues se sont auparavant appuyés sur des modèles plutôt statiques. Le crime a été lié, par exemple, à la structure de la population résidente ou à l'utilisation du sol dans un quartier. L'influence de la mobilité sur l'incidence de la criminalité était auparavant une quantité inconnue.

Maintenant, cependant, chercheurs de l'ETH Zurich, l'Université de Cambridge et l'Université de New York ont ​​pu démontrer pour la première fois que la criminalité est directement liée au nombre d'habitants d'une ville, où ils sont et où ils vont. Cristina Kadar, informaticien et ancien doctorant au Mobiliar Lab for Analytics de l'ETH, dirigé l'étude. Elle a récemment présenté les résultats lors d'une conférence (virtuelle) sur les sciences sociales computationnelles.

Analyse des flux de mobilité

Les chercheurs ont calculé les flux de mobilité à partir de données de localisation agrégées et anonymisées. Dans leur étude, ils ont utilisé trois ensembles complets de données anonymisées relatives aux villes de San Francisco, Chicago et Philadelphie des années 2012 et 2013. Ils ont obtenu les informations de la plate-forme technologique de localisation Foursquare, qui est basé sur des millions de "check-ins, " c'est-à-dire des emplacements que les utilisateurs ont activement partagés. Avant de mettre les données à la disposition des scientifiques, l'entreprise s'est assurée que les données personnelles et tous les enregistrements aux adresses domiciliaires des utilisateurs avaient été supprimés.

Dans leur analyse, les chercheurs ont comparé les ensembles de données avec les statistiques de la criminalité de la même période, en se concentrant spécifiquement sur les infractions relatives au vol, vol, agression, cambriolage et vol de véhicules.

Plus d'activité, plus de crimes

Ils ont constaté que plus les données de la plate-forme montraient d'activité pour une heure et un district spécifiques, plus le nombre d'infractions qui y ont été commises est grand.

Lors du calcul de "l'activité, " les chercheurs ont inclus les enregistrements dans les restaurants, des commerces ou des installations sportives ainsi que tous les cas de personnes passant par un quartier donné sur leur chemin entre deux enregistrements. Leurs calculs des chemins entre deux enregistrements étaient basés sur l'hypothèse que les utilisateurs choisissent l'itinéraire le plus court et naviguent à leur guise en utilisant les itinéraires de circulation existants.

Le danger rôde en route

En réalité, ce sont ces trajets intermédiaires qui ont le plus d'influence sur les taux de criminalité. En d'autres termes, le crime est le plus susceptible de survenir dans les zones que les gens traversent entre l'achèvement de deux activités de routine, par exemple sur le chemin du travail aux magasins ou pour participer à des activités récréatives. Les résultats soutiennent une théorie populaire de la criminologie selon laquelle les crimes se produisent là où les chemins des auteurs et des victimes se croisent.

"Je suis ravi que nous puissions utiliser des données qui n'ont essentiellement rien à voir avec des infractions pénales pour caractériser si bien la criminalité, " dit Kadar. Jamais auparavant nous n'avions été en mesure de démontrer le lien entre la mobilité des personnes et la criminalité d'une manière aussi granulaire en termes de temps et d'espace, elle explique.

Les chercheurs ont également réparti leur analyse par type d'activité et d'infraction. Cela a révélé que plus de crimes ont été enregistrés dans des lieux et des périodes avec un grand nombre d'activités récréatives, mais ce n'était pas le cas pour le shopping, par exemple. En ce qui concerne le type d'infraction commise, les chercheurs ont trouvé la relation positive la plus forte entre l'activité et les vols, et le plus faible avec des vols.

Prédictions également possibles

En outre, les chercheurs ont examiné s'il serait possible d'utiliser les données de mobilité pour prédire la criminalité à l'aide de l'apprentissage automatique. Pour faire ça, ils ont entraîné différents modèles une fois avec les ensembles de données Foursquare et une fois uniquement avec des données sur les infractions passées. Prochain, ils vérifiaient l'exactitude des prévisions par rapport aux infractions réelles constatées. Ils ont découvert que les modèles de prédiction alimentés par les données de mobilité fonctionnaient bien mieux que les prédictions basées sur des crimes antérieurs.

Soutien à la recherche

Kadar considère son étude principalement comme un moyen de soutenir la recherche. En fournissant des preuves de la théorie des modèles de criminalité, il aide à mieux comprendre les origines de la criminalité. Elle pense que son travail démontre également l'utilité des mégadonnées pour les sciences sociales computationnelles, mais note que d'autres études sont nécessaires pour valider les résultats avant que les autorités publiques puissent les appliquer pour concevoir et construire des villes plus sûres. En effet, l'analyse doit être revisitée avec un certain nombre d'ensembles de données différents pour calibrer tout biais potentiel de la plate-forme. Et bien que les résultats de l'étude puissent être appliqués aux grandes villes, ils pourraient ne pas être pertinents pour les plus petits.