支持欧洲非法边境跨境预测的政策：通过混合方法

本文提出一种混合方法，用于预测欧洲五条主要迁徙路线上非法边境跨境的情形，时间范围为一年。该方法整合了机器学习技术与来自迁移专家的定性见解。这种方法旨在通过纳入人工评估的协变量来提升数据驱动模型的预测能力，这一创新措施旨在应对突发性迁移模式变化以及传统数据集的局限性。该方法直接回应了欧盟迁移与庇护议定书中所阐述的预测需求，支持庇护与迁移管理法规（AMMR），旨在为政策制定者提供战略决策、早期预警系统及欧盟成员国之间的团结机制所需的政策相关预测。通过将数据驱动建模与专家判断融合，本工作契合既有学术建议，引入面向欧盟迁移治理的新型操作工具。该方法经已知数据测试和验证，展示了其在迁移相关政策情境下的适用性和可靠性。