🚨 Гарячі точки злочинності — Процес самозбудження

Процес Гоукса — це математична модель випадкових подій, у якій кожна подія тимчасово підвищує ймовірність того, що незабаром поруч станеться ще одна, замість того щоб події виникали незалежно одна від одної, як у простому випадковому (пуассонівському) процесі. Вперше розроблений Аланом Гоуксом 1971 року для моделювання кластерних явищ, таких як афтершоки землетрусів, він визначається базовою інтенсивністю плюс сумою згасаючих внесків «збудження» від кожної минулої події, завдяки чому кластеризація стає емерджентною, кількісно вимірюваною властивістю моделі.

Вікторимізація поблизу — це емпіричний факт, підтверджений у багатьох містах і для різних видів злочинів: об'єкт неподалік від недавнього злочину (особливо крадіжки зі зломом) стикається зі значно підвищеним ризиком протягом кількох днів чи тижнів після події, причому ризик спадає зі збільшенням як відстані, так і часу від початкової події. Це один із найстійкіших патернів у середовищній кримінології та прямий реальний аналог просторового ядра збудження, використаного в цій симуляції.

«Сила збудження» масштабує, наскільки кожна подія злочину підвищує поле ризику у своєму найближчому оточенні, — приблизний аналог «коефіцієнта розгалуження» в термінології процесів Гоукса, тобто очікуваної кількості похідних подій, безпосередньо спричинених однією «батьківською» подією. Низькі значення тримають події майже незалежними (пуассоноподібними) і розсіяними; високі значення наближають коефіцієнт розгалуження до 1, породжуючи драматичні, самопідтримувані кластери гарячих точок — подібно до майже критичної епідемії.

Теорія розбитих вікон, запропонована Джеймсом К. Вілсоном і Джорджем Келлінгом 1982 року, стверджує, що видимий безлад — розбиті вікна, графіті, сміття — сигналізує про брак соціального контролю і провокує ескалацію злочинності, тож активна боротьба з дрібним безладом може запобігти серйознішим правопорушенням. Вона надихнула стратегії «нульової терпимості» та підтримання порядку в поліцейській діяльності таких міст, як Нью-Йорк. Критики вважають емпіричні докази цього причинно-наслідкового ланцюга слабкими, зазначають, що теорію використовували для виправдання агресивного патрулювання дрібних правопорушень у бідних районах і районах національних меншин, а спостережене зниження злочинності могло бути наслідком інших чинників — наприклад, економічних змін чи загального посилення поліцейської присутності, а не саме боротьби з безладом.

Поліцейська діяльність за гарячими точками зосереджує патрульні ресурси на невеликій кількості місць, що відповідають за непропорційно велику частку злочинів, — на основі досліджень, які показують, що злочинність дуже сильно сконцентрована в просторі: за так званим «законом концентрації злочинності» приблизно половина злочинів у місті припадає менш ніж на 5% вуличних сегментів. Рандомізовані контрольовані дослідження, зокрема відомі експерименти в Міннеаполісі та Джерсі-Сіті, здебільшого фіксують скромне, але реальне зниження злочинності в оброблених гарячих точках з обмеженим «витісненням» злочинності в сусідні райони, що робить цю стратегію однією з найкраще підтверджених доказами, хоча ефект залежить від тактики й контексту.

Прогнозна поліцейська діяльність використовує статистичні моделі або моделі машинного навчання — часто побудовані на основі процесів Гоукса, як і в цій симуляції, — щоб передбачити, де й коли ймовірно станеться злочин, і відповідно спрямовувати патрулі; відомими комерційними прикладами були PredPol (перейменований на Geolitica) і HunchLab. Задокументована критика включає зворотні петлі, коли прогнози концентрують патрулі в районах, які й так надмірно патрулюються, що породжує там більше зареєстрованих злочинів і підкріплює майбутні прогнози незалежно від справжнього рівня злочинності; занепокоєння тим, що історичні дані про арешти вбирають расові та соціально-економічні упередження; і обмежені незалежні докази того, що прогнози справді перевершують прості карти гарячих точок. Кілька міст США, зокрема Лос-Анджелес, розірвали контракти з PredPol через ці занепокоєння.

В однорідному пуассонівському процесі події трапляються незалежно з постійною середньою частотою, без «пам'яті» про минулі події, тож кластеризація виникає лише випадково і швидко розсіюється. У цій самозбуджувальній симуляції кожна подія активно підвищує локальну частоту на певний період після себе, породжуючи справжню, стійку й просторово структуровану кластеризацію — реальні дані про злочинність незмінно демонструють більшу кластеризацію, ніж передбачає пуассонівська модель, тому кримінологи натомість перейшли на моделі типу Гоукса.

Джордж Молер, який тоді працював у Санта-Клара, а пізніше — дослідники, пов'язані з UCLA, зокрема Мартін Шорт, П. Джеффрі Брантінгем і Джордж Тіта, адаптували сейсмологічну математику Гоукса до міських даних про злочинність у серії статей, що почалися приблизно 2008–2011 років і були офіційно опубліковані під назвою «Self-Exciting Point Process Modeling of Crime» у Journal of the American Statistical Association. Ця робота заснувала підгалузь математичної кримінології, яка розглядає злочинність як вимірюваний стохастичний просторово-часовий процес, і безпосередньо привела до появи комерційного програмного забезпечення для прогнозної поліцейської діяльності.