利用行车记录仪数据检测警力部署差异
计算机与社会
2023-05-25 v1
摘要
大规模警务数据对于检测警察行为与警务算法中的不平等至关重要。然而，在美国，一类重要的警务数据在很大程度上仍不可得：捕捉哪些社区警力存在最密集的聚合警力部署数据。在此，我们表明，可以通过在公共街道场景的行车记录仪图像中检测警车来量化警力部署水平的差异。利用来自纽约市网约车司机的 24,803,854 张行车记录仪图像数据集，我们发现警车可被高精度检测（平均精度 0.82，AUC 0.99），并识别出 233,596 张包含警车的图像。各社区之间的警车部署水平存在显著不平等。部署水平最高的社区几乎是最低社区的 20 倍。两类截然不同的区域经历了高警车部署——1）密集、高收入、商业区，以及 2）低收入且黑人和西班牙裔居民比例较高的社区。我们讨论了这些差异对警务公平性以及基于警务数据训练的算法的影响。
引用
@article{arxiv.2305.15210,
title = {Detecting disparities in police deployments using dashcam data},
author = {Matt Franchi and J. D. Zamfirescu-Pereira and Wendy Ju and Emma Pierson},
journal= {arXiv preprint arXiv:2305.15210},
year = {2023}
}
备注
To appear in ACM Conference on Fairness, Accountability, and Transparency (FAccT) '23