圣克鲁斯实验：城市的犯罪可以预测和预防吗？

去年，加利福尼亚州圣克鲁斯市的犯罪分子偷窃了 160 辆汽车，犯下了 495 起入室盗窃案。对于一个拥有 6 万人口的城市来说，这大概是平均水平。而该市警察部队面临的挑战也是如此。自 2001 年以来，尽管该市人口增长了 5,500 人，但圣克鲁斯市警察局却解雇了 10 名警员中的 10 名。该部门现在必须用更少的资源做更多的事情，这几乎是美国所有警察部队的现状。但今年夏天，圣克鲁斯市警察局打击犯罪的方式发生了变化。它开始了一项为期六个月的实验，使用大量数据和复杂的算法来预测未来犯罪最有可能发生的时间和地点——以及如何先发制人地部署警员来阻止犯罪。

这种方法被称为预测性警务，圣克鲁斯的实验代表了数据驱动的打击犯罪模式的一次飞跃，该模式始于 20 世纪 90 年代的 CompStat，使用地图和统计数据来追踪犯罪。数据收集技术得到了改进，处理能力得到了提高，警察部队也改进了他们的执法方法。在芝加哥，警察正与伊利诺伊理工学院的计算机科学家合作开发一种打击犯罪的算法。在孟菲斯，一个名为 Blue CRUSH（利用统计历史减少犯罪）的项目依赖于 IBM 创建的分析软件。在弗吉尼亚州里士满，警方通过采用沃尔玛和亚马逊用来预测人们会购买什么的消费者研究技术来减少犯罪。类似的技术可以用来预测罪犯会在何时何地采取行动。

圣克鲁斯的实验有所不同。30 岁的数学家乔治·莫勒 (George Mohler) 以地震学家用来预测地震及其余震的算法为基础，制定了实验算法。该算法针对财产犯罪，包括入室盗窃、汽车入室盗窃和车辆盗窃，今年上半年，圣克鲁斯的此类犯罪上升了 25%。莫勒发现，此类犯罪往往以类似于大地震后震动的方式聚集和蔓延。圣克鲁斯的实验范围很广。整个部门都在使用该软件。整个城镇都作为其数据集。而且由于圣克鲁斯在统计上非常平均，其实验结果几乎可以应用于任何地方。该项目于 7 月 1 日上线。一周后，我来到这里，了解这个海滨小镇的警察部队如何改变 21 世纪打击犯罪的方式。

“原始警务”的时代已经一去不复返了，那时警察局可以“派出大量警力，然后祈祷你能走运”。黑白相间的巡逻车缓缓驶入林登街。这是星期四刚过中午，我和副局长史蒂夫·克拉克一起坐在副驾驶座上，他正在领导圣克鲁斯预测性警务计划的推广。克拉克今年 47 岁，留着灰白的平头，说话带有冲浪者的悠闲语调。他在这个地区长大，在圣克鲁斯当了 25 年的警察。

近一周以来，圣克鲁斯的 60 名巡警一直依靠乔治·莫勒的软件来引导他们前往“热点地区”，即入室盗窃和车辆盗窃风险最高的地区。该部门将其城市划分为五个区域，每个区域至少有一辆警车值班。在实验之前，当没有电话来电时，每个警官都会决定在哪里以及如何集中时间。现在他们将专注于巡逻热点地区，在一小时内沿着特定街区巡逻两到三次。警官们在每次轮班前的点名会议上领取他们的热点地图。克拉克告诉我，目标是“让我们更聪明地完成警察工作的基本要素”。“原始警务”的时代已经一去不复返了，那时该部门可以“派出大量警察上街，然后希望你能走运”。

我手里拿着一小叠纸，上面是 10 张城市地图，每张地图上都标有不同的红框，代表今天的 10 个犯罪热点。这些地图出奇地小，只有 500 英尺 x 500 英尺。每张地图上方都有一组统计数据：今天该地区发生犯罪的概率、最有可能发生犯罪的两个小时窗口期，以及犯罪是入室盗窃或汽车盗窃（克拉克称之为“盗窃”）的可能性。我翻阅这叠纸，直到找到林登街，统计数据显示，今天发生犯罪的概率为 2.06%，如果发生犯罪，入室盗窃与汽车盗窃的概率为 3：1。“这些是高概率窗口，”克拉克指着地图上方的两个时间点说道，分别是早上 7 点和中午。

我们经过一位女士，她正牵着两只毛茸茸的马耳他小狗。在停车处，两位退休人员在正午的阳光下戴着宽边帽，俯身透过警车打开的车窗打招呼。大多数入室盗窃案发生在白天，人们都在工作，但我原以为高发区会在治安不好的社区或附近。克拉克说，这不是他的许多警官通常在白班期间经过的城区。“现在，当我开车沿街行驶时，我在想，好吧，我们正处于一个入室盗窃高发区。我在看前门。我在看前院。我在寻找外面的纱窗。这告诉我也许有人在里面。”

在下一个街区，我们经过一名男子，他坐在车里，吃着看起来像快餐汉堡的东西。巡逻车驶过时，他稍稍瘫坐在座位上。“我们要绕回来看看汉堡先生，”克拉克说。“通常，如果你要吃一个芝士汉堡，你会把它带进屋里，在厨房里吃，对吧？也许他正在拜访某人。也许他正在等着装修房子。谁知道呢？但说到概率，这个人可能不住在附近。”

乔治·莫勒坐在圣克拉拉大学地下室办公室的电脑前。他穿着及膝短裤和淡蓝色印花纽扣衬衫，看上去不像教授，更像是学生（或者说是独立摇滚歌手，他确实是——他在一个名为“田园风光”的乐队中演奏贝斯）。莫勒调出了圣克鲁斯的犯罪统计数据。Excel 电子表格左侧是一串坐标，即单个犯罪的精确位置。每个坐标后面都有日期、时间和代码来识别事件——1 表示入室盗窃，0 表示车辆盗窃。总共有 4,300 起犯罪事件，最早可追溯到 2006 年。

在过去十年中，财产犯罪下降了 29%，暴力犯罪下降了 39%。目前，这两个数字都处于 1973 年以来的最低水平，当时全国范围内开始系统性的数据收集。人口老龄化、毒品泛滥的结束、监禁率上升等许多因素都导致了犯罪率的下降。但大多数犯罪学家认为，比较统计法的运用功不可没。这种统计法由纽约市前警察局长威廉·布拉顿 (William Bratton) 率先采用。在布拉顿称之为 CompStat 的方法中，警察局收集近期犯罪的数据，绘制地图，并根据这些地图进行巡逻。

“预测犯罪和预测天气没什么不同。只不过你无法改变天气。”莫勒受地震学启发而提出的算法则有所不同。在他的公式中，两起犯罪之间的距离和时间也是一个数据点，因此它可以评估主要“震荡”的风险以及与第一起事件相关的余震风险。“如果有 5,000 起事件，我们的模型实际上会考虑 5,000 起事件的数量级：5,000 乘以 4,999 乘以 4,998，依此类推，”莫勒说。这个庞大的二次数据集有助于识别高概率区域，即最有可能发生“后续犯罪”的区域。在搬到圣克拉拉之前，莫勒证明了他的算法可以在对洛杉矶圣费尔南多谷的犯罪数据进行的模拟中发挥作用。莫勒和他的加州大学洛杉矶分校的同事发现，他们的地图成功预测的犯罪率比 CompStat 使用的地图高出 20% 至 95%。

莫勒承认地震的类比并不直观。“一个是物理过程，一个是社会过程，”他说。“从驱动因素来看，它们没有关联。但这些模型很灵活，它们描述了各种类似传染的过程。”流行病学家使用地震学家的模型来预测疾病的传播，同样的模型在金融界也越来越普遍。“公司违约具有传染性，”莫勒说。“一个事件将引发一系列进一步的事件。基本上，任何时候，只要一个事件增加了更多事件发生的可能性，就可以使用这类模型。”

算法是一系列渐进式计算，用于处理和分析大量数据。莫勒的算法基于过去圣克鲁斯入室盗窃案的基本数据，尽管其他犯罪预测算法可能将一周中的几天、节假日或天气纳入其中。莫勒的算法很可能并不总是局限于入室盗窃，但它最适合于这种类型的事件。“我们从最容易建模的东西开始，”他说。“这是最容易实现的。”

正如地震学家无法预测特定地震一样，算法也无法阻止特定入室盗窃。“算法并不是那种你可以说‘这个时间这所房子会发生犯罪’然后派警察去抓人的事情，”莫勒说。“算法让巡逻更加高效。你需要覆盖整个城市，而犯罪在空间和时间上并不是均匀分布在城市中的。预测犯罪和预测天气没什么不同。只不过天气是你无法控制的。”

预测性警务通过零售业进入执法领域。2004 年，沃尔玛分析了十年来的销售点数据。该公司的研究人员发现，在飓风来临之前，其客户会囤积电池、瓶装水和手电筒等。这并不奇怪。但同样的分析也揭示了一些不那么明显的现象。“在恶劣天气来临之前，他们的 PopTarts（实际上是草莓味 Pop-Tarts）销量飙升，”心理学家科琳·麦克库 (Colleen McCue) 说。2009 年，她与洛杉矶警察局长查理·贝克 (Charlie Beck) 在执法杂志《警察局长》上合作撰写了一篇论文，题为“预测性警务：我们可以从沃尔玛和亚马逊身上学到什么，如何在经济衰退中打击犯罪？”

McCue 表示，罪犯只是另一种类型的消费者。大多数财产盗窃都是机会犯罪，许多都是出于对毒资的需求。“如果毒品价格上涨，财产犯罪就会增多，”她说。“但我们执法部门也有一些草莓 Pop-Tarts。” McCue 曾在弗吉尼亚州里士满警察局担任犯罪分析师八年，她是那里最早部署预测警务技术的人之一。2003 年，她分析了飓风伊莎贝尔过后的几周的数据，发现恶劣天气过后，对随机枪击的投诉（里士满警方称之为“乱枪”）有所增加。“没有人真正知道为什么会发生这种情况，”她说。但是，如果知道这种情况将会发生，并且能够确定风险最高的区域，该部门就可以做好相应的准备。里士满警察局向 McCue 确定的目标区域派遣警员，随机枪击减少了 47%。

在零售业，预测趋势的能力可以促进销售。在执法方面，它可以节省资金。“每阻止一次犯罪，你就不必逮捕任何人，”McCue 说，他的里士满计划意味着该部门可以在一个新年前夜少部署 50 名警员，节省 15,000 美元的人员成本。“你没有时间处理和登记罪犯。如果你需要在审判前拘留他们，你没有相关的拘留费用，也没有司法资源来审判他们，也没有惩教资源来监禁他们。”

McCue 表示，零售商也花了很多时间考虑空间问题。“你如何在商店中引导顾客？你如何在货架上摆放物品？我们也在做类似的事情。我们在问，坏人如何在社区中移动？我们如何部署警力以打击犯罪？”她说，有一天，警察可以像 Netflix 或亚马逊预测客户会喜欢什么电影或书籍一样，熟练地预测银行劫匪下次会抢劫哪个分行。数据分析不仅结合了特定消费者或罪犯的过去行为（“喜欢”）（基于他们买过什么书或偷过什么车），还包括其他类似买家或坏人所表现出的偏好。McCue 表示：“只要知道存在关系，沃尔玛就可以确保货架上有足够的 Pop-Tarts 来满足需求。”大型商场无需理解为什么人们在狂风呼啸时会渴望吃烤面包，就像警察无需理解为什么罪犯会开枪或偷车一样。他们只需要知道发生在何时何地。

在我们离开林登街之前，克拉克在他的仪表盘电脑上记录了我们的行车记录。每次检查都意味着更多的数据，在六个月的试用期之后，记录的检查将帮助莫勒确定该计划的有效性。克拉克检查了汉堡窃贼的车牌，但一无所获。然后他查看了热点地图，我们前往市中心，前往一个整周都被标记的三层停车场。“你可以看到，像这样的地方很容易发生汽车盗窃，”克拉克说，我们曲折地走向敞开的屋顶。“你被孤立了。你有很多出口。你可以背着背包走到这里，砸碎窗户，拿上钱包，然后离开。”

对预测性警务最常见的批评之一是，它不会告诉警察他们不知道的任何信息。克拉克说，在圣克鲁斯，一些警察周日到周三工作，而另一些警察则从周三到周六工作。白天有三个班次，每四个月警察换班一次。警察不一定会与不在同一班次的同事交谈，这可能导致部门的集体知识出现空白。不可避免的是，一些警队成员会是新上任的、刚到这个地区的，或者只是警惕性不够。并不总是有一个好的系统（或根本没有任何系统）来获取退休警察的机构知识。尽管他们的经验可能是无价的，但即使是最好的警察也无法像计算机那样处理信息。“人类的大脑一次不能权衡三四个以上的变量，”洛杉矶警察局的警长肖恩·马林诺夫斯基说，他计划推出自己的预测性警务计划。人类是感性的，我们的看法很容易受到影响，而计算机是公正的。克拉克在地图上标注了 12:00 和 14:00。“这些高概率时间窗口不一定会发出 ping 信号，”他说。

下午过去了，晚班开始巡逻。无线电里打来的电话越来越多：我们接到的报警电话有汽车被盗、公共卫生间发生袭击、一名身穿粉色 T 恤和 Hello Kitty 人字拖的八岁女孩在海滩失踪（她很快就被找到了）。我目睹的唯一一次逮捕是一个瘦骨嶙峋、身上有针眼的女人，她因抢劫钱包被捕。那个包属于一名大学生，她是住在离木板路几个街区远的肮脏的彼得潘汽车旅馆的一群青少年中的一员。警察登记抢劫者时，我站在那里和孩子们聊天，他们是来自美国南部的基督徒，整个夏天都在加州海岸卖软冰淇淋和 T 恤，传播福音。我试着解释我自己的使命：地图、统计数据、在犯罪发生前阻止犯罪的努力。“听起来像《少数派报告》”，其中一个孩子说。

2010 年 10 月，一名手持 9 毫米手枪的男子向五角大楼、海军陆战队征兵站和海军陆战队博物馆连开数枪（事件发生在深夜，无人受伤）。McCue 与国土安全部合作制定了一个“狙击手偏好模型”，可以预测枪手的下一个袭击地点。狙击手专注于军事目标，这让这项任务变得异常紧迫。“我们让一位高级政府官员在周五晚上离开健身房，”McCue 说。“他为我们获取了数据，我们在周末创建了模型。”

对于他们的模型，McCue 的团队依赖两种类型的数据：之前的枪击事件，以及每个目标周围区域的地理空间信息，包括道路、地形甚至每个社区的社会经济状况。“你去哪里，你经常去的地方——这能说明很多问题，”McCue 说。仔细观察过去目标的特征可以让犯罪分析师确定可能存在风险的新区域，鉴于这项工作的被动性质，这是一项至关重要的技能。“犯罪和恐怖主义几乎就像地毯下的泡沫，”她说。“发生了一些坏事，你投入了大量资源，然后它就移动了。”目标是领先于运动。

和莫勒的软件一样，麦库伊的软件也能绘制出未来最有可能遭到袭击的区域地图。在麦库伊将地图发送给地方、州和联邦执法机构三天后，狙击手再次发动袭击，向弗吉尼亚州伍德布里奇一栋办公楼内的海岸警卫队招募哨所开枪。尽管这次袭击的地点似乎与之前的地点不同，但这座办公楼还是位于麦库伊认为的高概率目标区域之一。弗吉尼亚州北部到处都是军事目标，但麦库伊的模型却发现了伍德布里奇办公楼后面茂密的树林以及通往附近高速公路的便捷通道。海岸警卫队枪击事件发生后，枪手便销声匿迹。直到 6 月中旬，他在五角大楼外的阿灵顿公墓被捕，才再次杳无音讯。“他是在模型确定的最高概率区域之一被捕的，”麦库伊说。

了解罪犯的目标和了解零售店的顾客想要什么并没有什么不同。了解连环狙击手的目标和了解拿铁咖啡爱好者想要什么并没有什么不同。“当你选择咖啡店时，你可能不知道为什么，”McCue 说。但星巴克知道。你想要好的停车位，方便的公共交通或步行通道。星巴克研究该地区的人口统计数据，以确保路过的人能负担得起 5 美元购买他们的特色饮品，就像 McCue 结合地理空间数据来指导狙击手追捕一样。今天，国防部使用类似的过程来预测战区中简易爆炸装置 (IED) 袭击风险最高的区域。“如果我要放置 IED，我需要确保人们会经过该区域，”McCue 说。“我需要了解目标人群的日常活动。数学非常相似。”

克拉克说，当预测性警务于 7 月首次在圣克鲁斯推出时，一些警官告诉他，他们认为这听起来像“巫术”。依靠数学来打击财产犯罪与许多警官对犯罪行为的看法背道而驰。“我认为有些人认为这是对他们技能的侮辱。其他人担心这会增加额外的工作量，”克拉克说。但是，在一个小时内穿过一个 500 x 500 英尺的热点地区并不算多难。这正是关键所在。警务工作中的小而有针对性的努力可以带来巨大的变化。在 20 世纪 80 年代末和 90 年代初，纽约市交通局专注于清除每节地铁车厢上的涂鸦，并严厉打击跳过旋转门而不付钱的人。到 1996 年，地铁系统中的重罪率下降了 50%。到今年年底，洛杉矶警察局希望开始测试莫勒的算法。洛杉矶警察局局长马林诺夫斯基表示：“我们可能会在整个城市进行几项实验，一些是暴力犯罪，一些是财产犯罪。”

与圣克鲁斯不同，洛杉矶的实验将像临床试验一样进行，在控制区内预测和跟踪犯罪，但不会引入预测性警务方法。马林诺斯基说，他的部门正在密切关注圣克鲁斯的实验。虽然结果还为时过早，但令人鼓舞。截至 7 月底，财产犯罪比去年同期下降了 27%，这是一个令人印象深刻的下降，尤其是考虑到今年前六个月犯罪率上升了 25%。此外，在热点地区发现了七名罪犯。

7 月的一个下午，在三层车库，两名女子因偷窥汽车而被拘留。其中一人因持有甲基苯丙胺而被通缉，另一人则携带毒品。8 月底，在距离林登街几个街区的地方，警察拦下了一名行为可疑的男子。当他们搜查他时，发现了几天前附近发生的入室盗窃案中偷来的物品。“这家伙戴着那起盗窃案受害者的戒指，”克拉克说。“而他现在却在我们的一个区域里闲逛。”