中文

针对暴力犯罪长期与临时热点的警务:一项受控现场实验

应用统计 2020-11-13 v1 机器学习

摘要

基于热点的警务方案旨在通过在高犯罪地点增加主动巡逻来威慑犯罪。虽然大多数热点方案针对易于识别的长期热点,我们引入了预测临时热点的模型,以实现犯罪预防的有效性与公平性目标,并展示了在宾夕法尼亚州匹兹堡评估热点预测应用以预防严重暴力犯罪的交叉实验的结果。在 12 个月的实验期内,匹兹堡警察局指派制服巡逻警员前往每周预测的严重暴力犯罪长期与临时热点,这些热点占城市面积的 0.5%。我们发现,与对照热点相比,处理热点内严重暴力犯罪数量在统计和实际意义上均显著减少,FBI 分类的第一类暴力(P1V)犯罪(即杀人、强奸、抢劫和加重攻击)总体减少 25.3%,非洲裔美国人及其他非白人 P1V 犯罪受害者减少 39.7%。我们发现临时热点增加了巡逻的空间分散度,其 P1V 犯罪减少百分比高于长期热点,但预防的犯罪总数较少。仅步行巡逻(而非车载巡逻)在热点中取得了统计显著的犯罪减少。我们未发现犯罪转移的证据;相反,我们发现犯罪预防效益向相邻区域有弱统计显著的溢出。此外,我们未发现以社区为导向的热点巡逻导致对少数族裔或其他群体过度执法的证据。

关键词

引用

@article{arxiv.2011.06019,
  title  = {Policing Chronic and Temporary Hot Spots of Violent Crime: A Controlled Field Experiment},
  author = {Dylan J. Fitzpatrick and Wilpen L. Gorr and Daniel B. Neill},
  journal= {arXiv preprint arXiv:2011.06019},
  year   = {2020}
}

备注

15 pages, 3 figures