{"id":4477,"date":"2014-02-26T08:33:28","date_gmt":"2014-02-26T07:33:28","guid":{"rendered":"http:\/\/jon-lund.com\/main\/?p=4477"},"modified":"2014-03-16T22:56:24","modified_gmt":"2014-03-16T21:56:24","slug":"pas-pa-tyve-i-la-politiet-ved-hvor-og-hvornar-i-slar-til-naeste-gang-bedste-big-data-case-2","status":"publish","type":"post","link":"https:\/\/jon-lund.com\/main\/pas-pa-tyve-i-la-politiet-ved-hvor-og-hvornar-i-slar-til-naeste-gang-bedste-big-data-case-2\/","title":{"rendered":"Pas p\u00e5, tyve i LA. Politiet ved hvor og hvorn\u00e5r I sl\u00e5r til n\u00e6ste gang. Bedste Big Data case #2"},"content":{"rendered":"

De sidste stykke tid har jeg researchet \u201dBig Data\u201d, en af de allerhotteste teknologi-trends lige nu. Jeg har ledt efter virksomheds-cases, hvor \u201cBig\u201d\u2018et i \u201dBig Data\u201d har v\u00e6ret mere end blot et till\u00e6gsord. Hvor \u201cBig Data\u201d har skabt kvalitativt nye l\u00f8sninger, som ikke var muligt i det sm\u00e5. Blandt de mange jeg har v\u00e6ret igennem er der s\u00e6rligt syv der har gjort indtryk. Dem deler jeg de disse dage her p\u00e5 bloggen. F\u00f8rste case var Target – supermarkedet der ved n\u00e5r du venter dig<\/a>. Opdateret: nye cases lagt p\u00e5:\u00a023andme.com l\u00f8ser medicinske g\u00e5der med banebrydende Big Data-approach. Bedste Big Data case #3<\/a>\u00a0samt \u00a0“Google \u2013 alle Store Data\u2019s moder. Bedste Big Data case nummer fire<\/a>“).<\/p>\n

I denne uge g\u00e5r turen til LA, hvor politiet med Big Data har f\u00e5et nedsat antallet af indbrud med 16 %.<\/p>\n

\u201dThe right place at the right time\u201d
\n<\/b>For sm\u00e5 to uger siden, den 13. februar, oplevede Foothill-distriktet i Los Angeles de formentligt f\u00f8rste 24 timer helt uden (registreret) kriminalitet blandt omr\u00e5det 250.000 indbyggere.<\/p>\n

\"Photo:<\/a><\/p>\n

Captain Steven Carmona, LAPD, Foothill discrict\u00a0Billede: NBC<\/a><\/em><\/p>\n

\u00c5rsagen skal blandt andet findes i Big Data, fort\u00e6ller LAPD p\u00e5 deres officielle blog<\/a>. \u201d The use of advanced data analytics allows Foothill Area to place officers in the right place at the right time to prevent crime\u201d som det hedder.\u00a0De sidste tre \u00e5r har Foothill distriktet nemlig v\u00e6ret en af frontl\u00f8berne i en ny \u201dpredictive policing\u201d trend, der netop handler om at forudse hvor forbrydelserne finder sted, f\u00f8r de g\u00f8r det.<\/p>\n

500*500 feet
\n<\/b>Hvor politiet i Foothill-distriktet f\u00f8r i tiden patruljerede ved at k\u00f8re rundt s\u00e5dan lidt p\u00e5 m\u00e5 og f\u00e5, er der i dag anderledes systematik bag ruteplanl\u00e6gningen.<\/p>\n

\"\"<\/p>\n

Et computergenereret heat map, hvor farvetone varierer med forudsagt risiko for indbrud og det tilh\u00f8rende Google Maps. Billede via Technology Review<\/a><\/em><\/p>\n

\"\"<\/p>\n

Og her i en close-up, der viser detaljer med procenter for risikoen for hhv bil-tyverier og indbrud samt mest udsatte tidspunkt p\u00e5 dagen. Taget fra en officiel pr\u00e6sentation af initiativet<\/a>.<\/em><\/p>\n

Patruljeringen guides i dag af sk\u00e6rme i politibilerne (eller p\u00e5 b\u00e6rbare computere, tablets eller smartphones) der viser betjentene Foothill-distriktet opdelt i kasser p\u00e5 500*500 feet. Og for hver kasse kan betjentene se, hvor mange procents risiko der er for biltyverier og indbrud \u2013 og p\u00e5 klokkeslet hvorn\u00e5r den er st\u00f8rst.<\/p>\n

Jordsk\u00e6lvs-altgoritmer bag
\n<\/b>Det nye ved disse forbrydelseskort er ikke at LAPD nu har et Google-agtigt kort p\u00e5 mobilen at k\u00f8re rundt efter. Det er heller ikke i sig selv s\u00e6rligt banebrydende, at fortiden hj\u00e6lper betjentene til at forudse fremtiden. Det er m\u00e5den der sker p\u00e5.<\/p>\n

Forbrydelseskortene viser nemlig ikke bare gentagelser af simple m\u00f8nstre fra fortiden. Dem er der alt for f\u00e5 af til, at de kan forudsige noget s\u00e6rligt. Derimod viser de avancerede variationer af fortidens komplekse m\u00f8nstre. Faktisk er forbrydelseskortene \u2013 bogstaveligt talt \u2013 bygget p\u00e5 algoritmer, lavet til at forudsige jordsk\u00e6lv.<\/p>\n

Eller rettere: algoritmer, lavet til at forudsige eftersk\u00e6lvene efter et jordsk\u00e6lv. For hvor jordsk\u00e6lvet selv er n\u00e6sten umuligt at forudse, f\u00f8lger eftersk\u00e6lvene et komplekst m\u00f8nster, viste det sig, da forskere unders\u00f8gte f\u00e6nomenet. Og efter succesfuldt at have lavet modeller, der faktisk kunne hj\u00e6lpe med at sl\u00e5 fast hvor sk\u00e6lv nummer to, tre og fire ville ramme,\u00a0 blev metoden overf\u00f8rt til kriminalitet. Ogs\u00e5 her viste det sig nemlig at en lovovertr\u00e6delse typisk trak en hale af flere andre efter sig. En af \u00e5rsagerne \u2013 hvad ang\u00e5r indbrud \u2013 bundede simpelt hen i den gamle sandhed om, at forbryderen vender tilbage til sit \u00e5sted. N\u00e5r f\u00f8rst en indbrudstyv havde l\u00e6rt et sted at kende, var det simpelthen meget lettere at sl\u00e5 til igen.<\/p>\n

Bandeh\u00e6vn
\n<\/b>Men ogs\u00e5 vold viste sig at f\u00f8lge samme m\u00f8nster. Ved bandeopg\u00f8r f.eks. f\u00f8lger et angreb fra den ene side ofte f\u00f8rer nye geng\u00e6ldelser med sig som figuren herunder viser.<\/p>\n

\"\"<\/p>\n

Locke-Lowell inter-gang violence 1999-2002<\/em><\/p>\n

Figuren er fra pr\u00e6sentationen \u201dHollenbeck, Los Angeles. Source: Santa Cruz and Los Angeles Predictive Policing 6 month trial\u201d af LAPD og forskerne bag fors\u00f8get. Og de fremh\u00e6ver, hvordan denne fordeling temmelig pr\u00e6cist viser sig at passe med efter-sk\u00e6lv sandsynlighedsgraferne.<\/p>\n

 <\/p>\n

Figuren er fra pr\u00e6sentationen \u201dHollenbeck, Los Angeles. Source: Santa Cruz and Los Angeles Predictive Policing 6 month trial\u201d<\/a> af LAPD og forskerne bag fors\u00f8get. Og de fremh\u00e6ver, hvordan denne fordeling temmelig pr\u00e6cist viser sig at passe med efter-sk\u00e6lv sandsynlighedsgraferne.<\/p>\n

\"\"<\/p>\n

13 % f\u00e6rre forbrydelser
\n<\/b>Det var ikke kun den 13. februar i \u00e5r Foothill m\u00e6rkede effekten af deres Big Data politiarbejde. Faktisk viste en opg\u00f8relse at kriminaliteten i det hele taget faldt med imponerende 13 % i de f\u00f8rste fire m\u00e5neder efter at systemet i 2011 var blevet taget i anvendelse, fort\u00e6ller det Big Data-firma, predpol<\/a>, som systemet i dag markedsf\u00f8res af.<\/p>\n

\"\"<\/p>\n

Kriminaliteten falder med 13% efter indf\u00f8relsen af Big Data hos Foothill. Kilde: Predpol<\/a><\/em><\/p>\n

Og if\u00f8lge LAPDs egen Sean Malinowksi var reduktionen i indbrud langt st\u00f8rre. De f\u00f8rste seks m\u00e5neder havde de 25% f\u00e6rre indbrud sammenlignet med de samme seks m\u00e5neder \u00e5ret f\u00f8r, som han her fort\u00e6ller til NBC<\/a>.<\/p>\n

Derfor er Foothill-casen god
\n<\/b>Der er to ting jeg s\u00e6rligt godt kan lide ved Foothill-casen:<\/p>\n

1. Det er rigtig Big Data tankegang
\nKriminalitetsmodellen bag er begavet tryllestavst\u00e6nkning. Det er m\u00f8nstergenkendelsen der er i fokus og er grunden til at modellen virker. Forklaringerne, som jeg ogs\u00e5 har gengivet her – at forbryderen vender tilbage til sit gerningssted og at bander sl\u00e5r igen \u2013 er bare efterrationaliseringer. M\u00e5ske er der hundrede andre sammenh\u00e6nge, der forklarer systematikken. Og det er modellen s\u00e5dan set ligeglad med. Alt hvad den g\u00f8r er at afsl\u00f8re sammenh\u00e6nge der rent faktisk giver mening.<\/p>\n

L\u00e6g i den sammenh\u00e6ng m\u00e6rke til at modellen fungerer i real-time. I det \u00f8jeblik banderne m\u00e5tte blive mere tilgivende eller tyvene mindre vanepr\u00e6gede, \u00a0og andre sammenh\u00e6nge tilgeng\u00e6ld m\u00e5tte vinde frem, vil modellen automatisk rette til. Og g\u00f8re det med det samme.<\/p>\n

2. Det virker
\nCasen her er ogs\u00e5 god, fordi den er s\u00e5 veldokumenteret. Og fordi tallene taler et tilsyneladende meget tydeligt sprog. Hvor mange andre cases er mere eksempel-agtige i det, er Foothill enormt godt belyst.<\/p>\n","protected":false},"excerpt":{"rendered":"

De sidste stykke tid har jeg researchet \u201dBig Data\u201d, en af de allerhotteste teknologi-trends lige nu. Jeg har ledt efter virksomheds-cases, hvor \u201cBig\u201d\u2018et i \u201dBig Data\u201d har v\u00e6ret mere end blot et till\u00e6gsord. Hvor \u201cBig Data\u201d har skabt kvalitativt nye l\u00f8sninger, som ikke var muligt i det sm\u00e5. Blandt de mange jeg har v\u00e6ret igennem… L\u00e6s mere »Pas p\u00e5, tyve i LA. Politiet ved hvor og hvorn\u00e5r I sl\u00e5r til n\u00e6ste gang. Bedste Big Data case #2<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[],"_links":{"self":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts\/4477"}],"collection":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/comments?post=4477"}],"version-history":[{"count":7,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts\/4477\/revisions"}],"predecessor-version":[{"id":4533,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts\/4477\/revisions\/4533"}],"wp:attachment":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/media?parent=4477"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/categories?post=4477"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/tags?post=4477"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}