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
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.
BIG DATA,
BIG DATA,
BIG DATA,
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,
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
Vols avec violences enregistrés à Paris de 2005 à 2014 - 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 2,000 0 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
VOLS AVEC VIOLENCES
Nom Nombre Opérationnalisation Distance Incrément À emporter (fastfood) 447 Proximité et densité 3 Blocks Half Abribus 1 828 Proximité 3 Blocks Half Attractions touristiques 644 Proximité 3 Blocks Half Cafés bars 3 444 Proximité et densité 3 Blocks Half Café à 1 179 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) 1 319 Proximité et densité 3 Blocks Half Magasins d alimentation 1 257 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 1 037 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 18 478 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)
Nom Op retenue SI Coef VRR Café bars Proximité 450 1.5461 4.6931 Interpellations Racolage Proximité 100 0.9426 2.5665 Terrasses et étalages Proximité 150 0.9012 2.4626 Interpellation stupéfiants Proximité 100 0.8460 2.3304 Magasins d alimentation Proximité 225 0.4983 1.6458 Stations de metro Proximité 100 0.4169 1.5172 Distributeurs de billets (DAB) Proximité 100 0.3763 1.4569 Pharmacies Proximité 150 0.2360 1.2662 Night clubs Proximité 225 0.2117 1.2357 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.
R = 0,40 Score Z = - 77, 61 P = 0,000000 Distance attendue = 89,88 m Distance observée = 35,96 m ET = 60,90 Distribution groupée
Ne sont retenues que les cellules significatives à 95 %. Elles correspondent au phénomène de concentration des vols avec violences sur Paris en 2014.
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.
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.
Segments d anticipation du déplacement Carte globale RTM = Segments de déplacement Segments faibles Segments RTM hot spot Segments hot spot Voies
Z O O M
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
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 ;
1. IL EST DONC INDISPENSABLE DE TRAVAILLER AVEC LES AGENTS DU TERRAIN 2. LE CHAMP ADRESSE
MERCI DE VOTRE ATTENTION jean-luc.besson@inhesj.fr Special Thanks go to : Leslie Kennedy (Rutgers CPS) Joël Caplan (Rutgers CPS) Laurent Lefebvre (préfecture de police) Cécile Aerdeman (préfecture de police)