Technology テクノロジー
過去の犯罪発生パターンや周囲の状況に基づき、未来の犯罪が起こりやすい場所を予測できます。さらに、犯罪予測に基づき犯罪が起こりやすい場所を重点的に警備するルートを提示することで、犯罪抑止効果を高めます。
犯罪発生確率が高いと予測されたエリアを重点的に巡回するルートでは、警備効果が大きく向上します。
東京都、名古屋市、足立区での検証では、従来の犯罪予測手法と比較して、1.5倍以上の効果を上げる結果が得られています。CRIME NABIの予測結果の空間分布が、従来手法に比べてより効果的であることが分かります。
Prediction
犯罪予測アルゴリズム過去の犯罪発生情報、人工密度、土地利用データ、天気などのデータを収集し、2種類の独自アルゴリズムをもとに犯罪予測をおこないます。
犯罪者は一度犯行に成功すると同じ手口を繰り返します。犯罪の時間的なパターンを記述できるモデルに対して理論物理の定式化を適用することで、small dataでも安定した計算が可能に。高精度な予測を達成しています。
犯罪発生や人口密度などのさまざまな空間パターンの足しあわせで、予測したい犯罪種別を記述できるようモデル化されています。
このようなアルゴリズムは、通常大きなサイズのデータをinputに入れ、さらに時空間のメッシュ数分だけunknown parameterを決める必要があるため、非常に計算コストが高いことがネックとなります。
Singular Perturbationsではデータを事前圧縮する数理アルゴリズムを独自開発し、高速な予測計算が可能となっています。
従来手法に対し、CRIME NABIの予測手法では実際の犯罪発生マップと大きな相違なく犯罪予測を行うことが可能です。
入力データが増えるほど、従来手法では計算時間がかかるのに対して、CRIME NABIでは圧倒的な高速化を実現できます。
コスト関数最適化のプロセスをO(N^0)で計算できる手法を活用しているため、エッジコンピューティングも可能です。今後モバイルデバイスやドローン、ロボット上で計算を行い最適な警備を行うといった未来にもつながる技術です。
Routing
犯罪予測に基づくルート策定アルゴリズム
犯罪予測で算出されたデータをもとに、重点的な警備ルートを策定します。
予測データからは、最短ではないが安全性を考慮したルートを策定することも可能なため、被害減少に繋げるソリューションとしても活用できます。
- NEDO SBIR推進プログラム 2021
-
NICT委託研究「データ連携・利活用による地域課題解決のための実証型研究開発」
(2018.12~2021.03・終了時評価：最高『S』) - 東京都中小企業振興公社 次世代イノベーション創出プロジェクト2020助成事業
- Code For Japan Summit 2019 2019/09/29
- CEATEC パネルディスカッション「ＡＩ時代に向けたオープンデータ化とオープンデータの活用の推進」2018/10/19
- 官民ラウンドテーブル「犯罪発生情報関連データ」2018/03/29
- 警視庁有識者研究会 2018/02/08
- そのほか東京税関、東京国税局、警察政策学会....など