BIG DATA, ANTICIPACIÓN, 3CITIES PROYECTO PREDICCIÓN DE LA DELINCUENCIA : NUEVAS METODOLOGÍAS DE ANÁLISIS DEL DELITO EN EL CONTEXTO URBANO

Transcription

1 SEGUNDA SESIÓN PLENARIA NUEVAS METODOLOGÍAS DE ANÁLISIS DEL DELITO EN EL CONTEXTO URBANO BIG DATA, ANTICIPACIÓN, PREDICCIÓN DE LA DELINCUENCIA : 3CITIES PROYECTO MÉXICO 04 DE NOVIEMBRE 2015 JEAN-LUC.BESSON@INHESJ.FR

2 3 V + 1 VOLUME - VOLUME MASSIF DE DONNÉES, EN NOMBRE, EN TAILLE, À RECUEILLIR, ANALYSER ET EXPLOITER. VÉLOCITÉ VARIÉTÉ + 1 VALEUR OUTILS D ANALYSE ET DE MODÉLISATION INNOVANTS.

3 BIG DATA,

4 BIG DATA,

5 BIG DATA,

6 BIG DATA, L OBJECTIF EST DE METTRE EN ÉVIDENCE LES FACTEURS CONTEXTUELS SIGNIFICATIVEMENT AGGRAVANTS QUI FAVORISENT LA CONCENTRATION GÉOGRAPHIQUE ET TEMPORELLE DE CERTAINES INFRACTIONS (HOT SPOT) ET DE COMPARER LES RÉSULTATS. 3CITIES,

7 PROJET 3CITIES Étape 1 Acquérir et structurer les données Récupérer les données (police et contexte) Nettoyer Géocoder Vérifier LES FACTEURS CONTEXTUELS DE RISQUE PERMETTENT-ILS D'ANTICIPER LES LIEUX D'INFRACTIONS COMMIS SUR LA VOIE PUBLIQUE? APPLICATION DU MODÈLE RTM (RISK TERRAIN MODELING) Étape 2 Mettre en œuvre le modèle Étape 3 Comparer les résultats Définir les infractions à analyser Définir les facteurs aggravants et les opérationnaliser Lancer le modèle Par type d'infraction Par territoire Publier Ajuster le modèle Expérimenter Utiliser Enseigner

8 Vols avec violences enregistrés à Paris de 2005 à Coefficient de variation = 9,7 % 3CITIES DATA 20,000 18,000 16,000 14,000 12,000 10,000 8,000 6,000 4,000 2,

9 VOLS AVEC VIOLENCES

10 Nom Nombre Opérationnalisation Distance Incrément À emporter (fastfood) 447 Proximité et densité 3 Blocks Half Abribus Proximité 3 Blocks Half Attractions touristiques 644 Proximité 3 Blocks Half Cafés bars Proximité et densité 3 Blocks Half Café à Proximité 3 Blocks Half Grands magasins CC 36 Proximité et densité 3 Blocks Half Cinémas 86 Proximité et densité 3 Blocks Half Collèges lycées Ens Sup 476 Proximité 3 Blocks Half Distributeurs de billets (DAB) Proximité et densité 3 Blocks Half Magasins d alimentation Proximité et densité 3 Blocks Half Stations de métro 244 Proximité 3 Blocks Half Night clubs 285 Proximité et densité 3 Blocks Half Parcs et jardins 617 Proximité 3 Blocks Half Pharmacies Proximité 3 Blocks Half Bureau de Poste 210 Proximité 3 Blocks Half Distributeurs de préservatifs 31 Proximité 3 Blocks Half Interpellation racolage 836 Proximité et densité 3 Blocks Half Sanisettes 398 Proximité 3 Blocks Half Stations essence 144 Proximité 3 Blocks Half Stupéfiants 7650 Proximité et densité 3 Blocks Half Terrasses et étalages Proximité et densité 3 Blocks Half Facteurs de risque 21 facteurs théoriques aggravant de risque Testés sur 6 distances Seuil de longueur de recherche = 150 m Influence maxi = 450 m (3x 150)

11

12

13 Nom Op retenue SI Coef VRR Café bars Proximité Interpellations Racolage Proximité Terrasses et étalages Proximité Interpellation stupéfiants Proximité Magasins d alimentation Proximité Stations de metro Proximité Distributeurs de billets (DAB) Proximité Pharmacies Proximité Night clubs Proximité Exemple : 4,7 VRR = 4,7 fois de probabilités, en moyenne, pour une femme, d être victime d un vol avec violence sans arme sur la voie publique, dans un périmètre de 450 m autour d un café bar.

14 R = 0,40 Score Z = - 77, 61 P = 0, Distance attendue = 89,88 m Distance observée = 35,96 m ET = 60,90 Distribution groupée

15 Ne sont retenues que les cellules significatives à 95 %. Elles correspondent au phénomène de concentration des vols avec violences sur Paris en 2014.

16 Le risque par cellule s étend de 1 à 393. Une cellule à 393 signifie qu elle représente 393 fois plus de risque qu une cellule de valeur 1.

17 Ne sont retenues que les cellules significatives à 95 % Elles correspondent au phénomène de concentration des risques de vols avec violences sur Paris en 2014.

18 Segments d anticipation du déplacement Carte globale RTM = Segments de déplacement Segments faibles Segments RTM hot spot Segments hot spot Voies

19 Z O O M

20 À L INTERNATIONAL, POUR LE MÊME TYPE D INFRACTION, GLENDALE (AZ) EN A RETENU 10, CHICAGO (IL) 12, KANSAS CITY (TX) 8 ET NEWARK (NJ) 10. MICRO LOCAL FACTEURS LOCAUX

21 L ANALYSE A PRODUIT UNE CARTE DES SEGMENTS À RISQUE EN LIEN AVEC LEUR CONTEXTE DE PROXIMITÉ. = LIEUX D ANTICIPATION DE DÉPLACEMENT = LIEUX D ÉMERGENCE PROBABLE DE NOUVEAUX HOT SPOTS ;

22 1. IL EST DONC INDISPENSABLE DE TRAVAILLER AVEC LES AGENTS DU TERRAIN 2. LE CHAMP ADRESSE

23 MERCI DE VOTRE ATTENTION Special Thanks go to : Leslie Kennedy (Rutgers CPS) Joël Caplan (Rutgers CPS) Laurent Lefebvre (préfecture de police) Cécile Aerdeman (préfecture de police)