AccueilSociété et économiePoints chauds de la criminalité — Processus ponctuel auto-excitant

🚨 Points chauds de la criminalité — Processus ponctuel auto-excitant

Simulez des points chauds de criminalité avec un processus de Hawkes auto-excitant simplifié. Chaque incident augmente temporairement le risque à proximité, modélisant la victimisation quasi répétée et la théorie des vitres brisées. Ajustez la force d'excitation, le taux de fond et la décroissance, puis activez la patrouille des points chauds.

Société et économie3DFacile60 FPS
crime-hotspots ↗ Ouvrir en autonome

🚨 Points chauds de la criminalité — Processus ponctuel auto-excitant

Observez des événements criminels se regrouper dans l'espace et le temps sur une grille régie par un processus auto-excitant simplifié (de Hawkes) : chaque incident élève brièvement le risque d'un autre à proximité, produisant des points chauds qui s'embrasent, se propagent et s'estompent — puis essayez la patrouille des points chauds pour voir une police ciblée les supprimer.

🔬 Ce que cela démontre

Un processus ponctuel spatio-temporel auto-excitant, la même structure mathématique utilisée dans la modélisation des répliques sismiques et appliquée à la criminalité par des chercheurs depuis 2011. Chaque événement injecte de l'excitation dans un voisinage gaussien local, qui décroît exponentiellement dans le temps, reflétant exactement la « victimisation quasi répétée » et l'idée des « vitres brisées » selon laquelle le désordre invite à davantage de désordre.

🎮 Comment utiliser

Augmentez la Force d'excitation pour intensifier le déclenchement quasi répété, augmentez le Taux de fond pour davantage de criminalité spontanée partout, et ajustez le Temps de décroissance pour contrôler la durée pendant laquelle la « chaleur » d'un point chaud persiste. Activez Patrouille pour voir une zone de répression mobile supprimer le cluster actuellement le plus chaud.

💡 Le saviez-vous ?

Il a été démontré dans des données criminelles réelles qu'un cambriolage dans une maison élève le risque de cambriolage dans les maisons voisines pendant plusieurs semaines — un phénomène appelé victimisation quasi répétée qui a directement inspiré les mathématiques utilisées dans les logiciels de police prédictive tels que PredPol.

À propos des points chauds de la criminalité — Processus ponctuel auto-excitant

Cette simulation modélise la criminalité urbaine comme un processus ponctuel spatio-temporel auto-excitant, le cadre introduit en criminologie par George Mohler et ses collègues dans leur influent article de 2011 « Self-Exciting Point Process Modeling of Crime », s'appuyant sur la théorie mathématique des processus de Hawkes développée par Alan Hawkes en 1971 pour décrire les séquences de répliques sismiques. Dans ce modèle, la criminalité ne se produit pas indépendamment à des emplacements aléatoires ; au contraire, chaque incident augmente temporairement la probabilité qu'un autre incident se produise à proximité, de sorte qu'un taux de fond de criminalité « spontanée » est amplifié en clusters visibles — des points chauds — qui s'embrasent, dérivent et se dissipent avec le temps à mesure que l'excitation des événements passés s'estompe exponentiellement.

Ce mécanisme reflète un motif empirique bien documenté appelé victimisation quasi répétée : après un cambriolage, les maisons situées dans un rayon d'environ 400 mètres font face à un risque mesurablement élevé pendant plusieurs semaines, un effet que les criminologues attribuent en partie à des délinquants récidivistes retournant vers une cible familière et vulnérable, et en partie à la théorie des « vitres brisées », selon laquelle les signes visibles de désordre et la criminalité non traitée signalent qu'une zone n'est pas surveillée et invitent à davantage de délits. Ces idées sous-tendent des systèmes réels de police prédictive tels que PredPol (aujourd'hui Geolitica), qui allouent des ressources de patrouille à des points chauds prévus par ordinateur. L'approche reste controversée : si ses partisans soutiennent qu'elle améliore l'efficacité des ressources, des chercheurs et des journalistes ont documenté des boucles de rétroaction dans lesquelles des patrouilles accrues dans des quartiers déjà sur-policés y génèrent davantage de criminalité enregistrée, renforçant les prédictions mêmes qui y ont renvoyé des agents, et ont soulevé des inquiétudes concernant un biais racial et socioéconomique dans les données d'entraînement historiques.

Questions fréquentes

Qu'est-ce qu'un processus auto-excitant (de Hawkes) ?

Un processus de Hawkes est un modèle mathématique d'événements aléatoires dans lequel chaque occurrence augmente temporairement la probabilité que d'autres événements se produisent bientôt après et à proximité, plutôt que les événements n'arrivent indépendamment comme dans un processus aléatoire simple (de Poisson). Développé pour la première fois par Alan Hawkes en 1971 pour modéliser des phénomènes groupés comme les répliques sismiques, il est défini par une intensité de base plus une somme de contributions d'excitation décroissantes de chaque événement passé, faisant du regroupement une propriété émergente et quantifiable du modèle.

Que signifie la « victimisation quasi répétée » ?

La victimisation quasi répétée est le constat empirique, confirmé dans de nombreuses villes et types de délits, qu'une propriété proche d'un crime récent (en particulier un cambriolage) fait face à un risque significativement élevé pendant une période de plusieurs jours à plusieurs semaines, ce risque diminuant à mesure que la distance et le temps depuis l'événement original augmentent. C'est l'un des motifs les plus constants de la criminologie environnementale et l'analogue réel direct du noyau d'excitation spatiale utilisé dans cette simulation.

Que contrôle le curseur de force d'excitation ?

La force d'excitation détermine à quel point chaque événement criminel élève le champ de risque dans son voisinage local, à peu près analogue au « ratio de branchement » en terminologie de processus de Hawkes — le nombre attendu d'événements consécutifs directement déclenchés par un événement parent. Des valeurs faibles maintiennent les événements proches de l'indépendance (façon Poisson) et dispersés ; des valeurs élevées poussent le ratio de branchement vers 1, produisant des clusters de points chauds spectaculaires et auto-entretenus, similaires à une épidémie presque critique.

Qu'est-ce que la théorie des vitres brisées, et pourquoi est-elle controversée ?

La théorie des vitres brisées, proposée par James Q. Wilson et George Kelling en 1982, soutient que le désordre visible — vitres brisées, graffitis, détritus — signale un manque de contrôle social et invite à une escalade de la criminalité, de sorte que traiter agressivement le désordre mineur peut prévenir des délits plus graves. Elle a inspiré des stratégies de police de « tolérance zéro » et de maintien de l'ordre dans des villes dont New York. Les critiques soutiennent que les preuves empiriques de la chaîne causale sont faibles, qu'elle a été utilisée pour justifier une police agressive des délits mineurs dans les quartiers minoritaires et à faible revenu, et que les réductions de criminalité observées peuvent provenir de facteurs sans rapport comme des changements économiques ou une augmentation générale de la présence policière plutôt que de la répression du désordre spécifiquement.

Qu'est-ce que la police des points chauds, et est-ce efficace ?

La police des points chauds concentre les ressources de patrouille sur le petit nombre d'endroits responsables d'une part disproportionnée de la criminalité, sur la base de recherches montrant que la criminalité est fortement concentrée dans l'espace — la « loi de la concentration de la criminalité » décrit souvent environ la moitié de la criminalité d'une ville se produisant sur moins de 5 % des segments de rue. Des essais contrôlés randomisés, notamment les influentes expériences de points chauds de Minneapolis et Jersey City, constatent généralement des réductions modestes mais réelles de la criminalité dans les points chauds traités, avec un « déplacement » limité de la criminalité vers les zones voisines, ce qui en fait l'une des stratégies policières les mieux étayées par les preuves, bien que les effets varient selon la tactique et le contexte.

Qu'est-ce que la police prédictive, et quelles sont les principales critiques ?

La police prédictive utilise des modèles statistiques ou d'apprentissage automatique, souvent construits sur des fondations de processus de Hawkes comme celui de cette simulation, pour prévoir où et quand la criminalité est susceptible de se produire et pour diriger les patrouilles en conséquence ; PredPol (rebaptisé Geolitica) et HunchLab en étaient des exemples commerciaux marquants. Les critiques documentées incluent des boucles de rétroaction où les prédictions concentrent les patrouilles dans des quartiers déjà sur-policés, y générant davantage de criminalité enregistrée et renforçant les prédictions futures indépendamment des taux de criminalité sous-jacents réels ; des inquiétudes selon lesquelles les données d'arrestations historiques intègrent un biais racial et socioéconomique ; et des preuves indépendantes limitées que les prévisions surpassent significativement de simples cartes de points chauds. Plusieurs villes américaines, dont Los Angeles, ont mis fin à leurs contrats avec PredPol suite à ces préoccupations.

En quoi cela diffère-t-il d'un modèle criminel aléatoire simple (de Poisson) ?

Dans un processus de Poisson homogène, les événements se produisent indépendamment à un taux moyen constant sans mémoire des événements passés, si bien que le regroupement n'apparaît que par pur hasard et se dissout rapidement. Dans cette simulation auto-excitante, chaque événement élève activement le taux local pendant une période par la suite, produisant un regroupement réel, persistant et spatialement structuré — les données criminelles réelles montrent systématiquement plus de regroupement qu'un modèle de Poisson ne le prédit, ce qui explique précisément pourquoi les criminologues ont adopté des modèles de type Hawkes à la place.

Qui a été le pionnier de cette approche en criminologie ?

George Mohler, alors à l'université de Santa Clara, puis des chercheurs affiliés à l'UCLA dont Martin Short, P. Jeffrey Brantingham et George Tita, ont adapté les mathématiques sismologiques de Hawkes aux données de criminalité urbaine dans une série d'articles à partir d'environ 2008–2011, formellement publiés sous le titre « Self-Exciting Point Process Modeling of Crime » dans le Journal of the American Statistical Association. Ce travail a fondé le sous-domaine de la criminologie mathématique qui traite la criminalité comme un processus spatio-temporel stochastique mesurable et a directement conduit à des logiciels commerciaux de police prédictive.

⚙ Sous le capot

Chaque incident criminel élève temporairement le risque à proximité dans ce processus de Hawkes auto-excitant — ajustez la force d'excitation et activez la patrouille des points chauds.

spatial statisticsHawkes processurban studiescriminology

3D · Moteur de rendu Three.js / WebGL · Cible 60 FPS · fonctionne entièrement côté client, sans installation

Qu'avez-vous trouvé ?

Ajouter les étapes de reproduction (facultatif)