去年，加州聖克魯斯市的犯罪分子偷走了160輛汽車，並犯下了495起入室盜竊案。對於一個擁有6萬人口的城市來說，這算是平均。該市警力面臨的挑戰也是如此。自2001年以來，聖克魯斯警察局（SCPD）在其104名警員中裁掉了10人，而同時，該市人口卻增加了5,500人。如今，警力不足，警局必須以更少的警力完成更多的工作，這幾乎是美國所有警局的共同現狀。但今年夏天，聖克魯斯警察局打擊犯罪的方式改變了。他們啟動了一項為期六個月的實驗，利用大量數據和複雜的演算法來預測未來犯罪最可能發生的時間和地點，以及如何提前部署警力來阻止犯罪。
這種方法被稱為預測性警務，聖克魯斯的這項實驗標誌著數據驅動型打擊犯罪模式向前邁出了一大步。這種模式始於90年代的CompStat系統，該系統利用地圖和統計數據來追蹤犯罪。資料收集技術不斷改進，處理能力不斷提升，警力也不斷完善。在芝加哥，警官們正與伊利諾理工學院的電腦科學家合作開發一種打擊犯罪的演算法。在孟菲斯，一個名為Blue CRUSH（利用統計歷史數據減少犯罪）的計畫依賴IBM開發的分析軟體。在維吉尼亞州里士滿，警方透過採用沃爾瑪和亞馬遜等公司用於預測消費者購買行為的消費者研究技術，成功降低了犯罪率。類似的技術也可以用來預測犯罪者會在何時何地犯案。
聖克魯斯的實驗有所不同。 30歲的數學家喬治‧莫勒（George Mohler）以地震學家預測地震及餘震的演算法為基礎，發展了這項實驗的演算法。演算法針對的是財產犯罪，包括入室竊盜、砸車竊盜和車輛竊盜，今年上半年聖克魯斯的這類犯罪案件增加了25%。莫勒發現，這類犯罪往往會聚集並擴散，其模式與大地震後的餘震類似。聖克魯斯的實驗規模龐大。整個警局都在使用這套軟體。整個城鎮都作為其數據集。而且，由於聖克魯斯的統計數據非常接近平均水平，因此實驗結果幾乎可以應用於任何地方。該計畫於7月1日正式啟動。一週後，我來到這裡，了解這座海濱小鎮的警察部隊是如何改變21世紀打擊犯罪的方式的。
那種「原始警務」的時代已經結束了，過去那種「警力鋪天蓋地，碰運氣」的時代已經一去不復返了。一輛黑白相間的警車緩緩駛入林登街。現在是星期四中午剛過，我坐在副駕駛座上，副警長史蒂夫克拉克正在領導聖克魯斯市預測性警務計畫的推廣工作。克拉克今年47歲，頭髮已經有些灰白，說話帶著衝浪者特有的慵懶腔調。他從小就在這片地區長大，已經在聖克魯斯市當了25年的警察。
近一周以來，聖克魯斯市的60名巡邏警員一直依靠喬治·莫勒的軟體來引導他們前往“熱點區域”，即入室盜竊和車輛盜竊風險最高的區域。該部門將全市劃分為五個區域，每個區域至少有一輛警車執勤。在進行這項試驗之前，警員在沒有接到報警電話時自行決定巡邏地點和方式。現在，他們將專注於巡邏熱點區域，在一個小時內對特定街區進行兩到三次巡邏。警員會在每次輪班前的點名會議上領取他們的熱點區域地圖。克拉克告訴我，此舉的目標是「讓我們在進行基本警務工作方面更有效率」。那種「原始警務」的時代已經一去不復返了，那種「警力鋪天蓋地而來，然後祈禱好運」的時代已經結束了。
我手裡拿著一小疊紙，十張城市地圖，每張地圖上都用不同的紅方格標出，代表今天的十個犯罪高發區。這些地圖出乎意料地小，只有500英尺乘500英尺。每張地圖上方都有一組統計數據：今天該區域發生犯罪的機率，最有可能發生犯罪的兩個小時時段，以及犯罪類型為入室盜竊或汽車盜竊（克拉克稱之為「盜竊」）的可能性。我翻閱地圖，直到我找到林登街。統計顯示，今天該街發生犯罪的機率為2.06%，如果發生犯罪，入室盜竊與汽車盜竊的機率是3:1。 「這些是高機率時段，」克拉克指著地圖上方的兩個時間點——早上7點和中午12點——說道。
我們經過一位牽著兩隻毛茸茸的馬爾濟斯幼犬的女士。停車後，兩位退休老人，頂著正午的陽光，都戴著寬邊帽，俯身透過警車搖下的車窗向我們打招呼。大多數入室盜竊案都發生在白天，人們都在上班的時候，但我原本以為高發區會在治安不好的街區或附近。克拉克說，他的許多警員通常不會在白班時經過這裡。 「現在我開車沿著這條街行駛，心裡想著，好吧，我們來到了一個入室盜竊高發區。我仔細查看前門，查看前院，尋找打開的紗窗。這說明可能有人在裡面。”
下一個街區，我們經過一個坐在車裡的男人，他正在吃一個看起來像是快餐漢堡的東西。警車駛過時，他微微癱坐在座位上。 “我們得繞回去看看那個‘漢堡神偷’，”克拉克說。 「通常來說，如果你要吃起司漢堡，你會把它帶回家在廚房裡吃，對吧？也許他是在拜訪別人。也許他是在等著幹活。誰知道呢？但說到機率，這個人很可能不住在附近。”
喬治·莫勒坐在聖克拉拉大學地下室辦公室的電腦前。他穿著及膝短褲和一件淺藍色印花襯衫，看起來與其說像個教授，不如說更像個學生（或者說像個獨立搖滾樂手，而他確實是——他在一支名為“田園牧歌”（The Idyllists）的樂隊裡彈貝斯）。莫勒調出了聖克魯斯的犯罪統計數據。 Excel表格左側列出了一串座標，代表每起犯罪的精確位置。每個座標後面都跟著日期、時間和事件代碼——1代表入室盜竊，0代表車輛盜竊。總共有4300起犯罪案件，最早可追溯至2006年。
過去十年，財產犯罪率下降了29%，暴力犯罪率下降了39%。這兩項犯罪率目前均處於1973年以來的最低水平，而1973年正是全國系統性資料收集的開端。人口老化、可卡因氾濫的終結、監禁率的上升等諸多因素都促成了犯罪率的下降。但大多數犯罪學家認為，這主要歸功於比較統計方法的應用，該方法由前紐約市警察局長威廉·布拉頓率先提出。布拉頓將他的方法稱為「比較統計」（CompStat），即警察部門收集近期犯罪數據，繪製犯罪地圖，並根據這些地圖進行巡邏。
「預測犯罪與預測天氣並無二致。只不過你無法改變天氣。」莫勒受地震學啟發而開發的演算法則有所不同。在他的公式中，兩次犯罪之間的距離和時間也是一個數據點，因此它可以評估主要「震」的風險以及與首次事件相關的餘震的風險。 「如果有5000起事件，我們的模型實際上會考慮大約5000起事件：5000乘以4999，再乘以4998，以此類推，」莫勒說。正是這個龐大的二級資料集有助於識別高機率區域，即「後續犯罪」最有可能發生的區域。在搬到聖克拉拉之前，莫勒已經證明他的演算法可以在對洛杉磯聖費爾南多谷的犯罪數據進行模擬運行後有效。莫勒和他在加州大學洛杉磯分校的同事發現，他們的地圖比 CompStat 中使用的地圖成功預測的犯罪數量多 20% 到 95%。
莫勒承認，用地震來類比並不直觀。 「一個是物理過程，一個是社會過程，」他說，「它們的驅動因素並不相關。但這些模型很靈活，可以描述各種各樣的傳染性過程。」流行病學家利用地震學家的模型來預測疾病的傳播，而同樣的模型在金融領域也越來越普遍。 “企業違約具有傳染性，”莫勒說，“一個事件會引發一系列後續事件。基本上，任何事件只要增加了更多事件發生的可能性，就可以使用這類模型。”
演算法是一系列用於處理和分析大型資料集的漸進式計算。莫勒的演算法利用了聖克魯斯以往入室盜竊案的基本數據，儘管其他犯罪預測演算法可能會納入星期幾、假日或天氣等因素。莫勒的演算法很可能並非總是局限於入室盜竊案，但它最適合用於此類事件。 “我們從最容易建模的入手，”他說，“這是最容易實現的目標。”
就像地震學家無法預測特定的地震一樣，演算法也無法阻止特定的入室盜竊。 “這不像你說的，’某個時間某棟房子會發生犯罪’，然後派警察過去抓人，”莫勒說。 “它的作用是提高巡邏效率。你要覆蓋整個城市，而犯罪在城市中的時空分佈並不均勻。預測犯罪和預測天氣沒什麼區別。只不過天氣你無能為力。”
預測性警務的概念源自於零售業。 2004年，沃爾瑪分析了長達十年的銷售點數據。該公司研究人員發現，颶風來臨前，顧客會大量囤積電池、瓶裝水和手電筒等物品。這並不令人意外。但同樣的分析也揭示了一些不太明顯的現象。 「在惡劣天氣來臨之前，他們的草莓味波普撻（Pop-Tarts）銷量會飆升，」心理學家科琳·麥克休（Colleen McCue）說道。 2009年，她與洛杉磯警察局長查理貝克（Charlie Beck）在執法雜誌《警察局長》（The Police Chief）上合著了一篇題為《預測性警務：我們能從沃爾瑪和亞馬遜身上學到什麼，以應對經濟衰退中的犯罪問題？ 》的論文。
麥克休說，犯罪者也只是另一種類型的消費者。大多數財產竊盜都是機會犯罪，很多都是為了籌集毒資。 「如果毒品價格上漲，財產犯罪就會增加，」她說，「但我們執法部門裡也有一些唯利是圖的人。」麥克休曾在維吉尼亞州里士滿警察局擔任犯罪分析師八年，她是最早運用預測性警務技術的警員之一。 2003年，她分析了伊莎貝爾颶風過後幾週的數據，發現惡劣天氣過後，關於隨機槍擊（里士滿警方稱之為「濫殺無辜」）的投訴有所增加。 「沒人真正知道為什麼會發生這種情況，」她說。但如果能夠預知這種情況的發生，並能準確定位風險最高的區域，警局就可以做好相應的準備。里士滿警察局向麥克休確定的目標區域部署了警力，隨機槍擊事件下降了47%。
在零售業，預測趨勢的能力可以促進銷售。在執法部門，它可以節省金錢。 「每預防一起犯罪，就少逮捕一個人，」麥克休說。他針對里士滿市的這項措施使得該部門在除夕夜可以少部署50名警員，從而節省了1.5萬美元的人員成本。 「這樣就省去了處理和登記罪犯的時間。如果需要在審判前拘留他們，也省去了拘留的費用，以及審判所需的司法資源和監禁所需的懲教資源。”
麥克休表示，零售商也花大量時間思考空間佈局。 「如何引導顧客在店內購物？如何擺放貨架上的商品？我們做的也是類似的事情。我們思考的是，不法分子如何在社區中作案？我們如何部署警力才能有效遏制犯罪？」她認為，未來有一天，警察預測銀行劫匪下一個目標會是哪家書的能力，將堪比Netflix或亞馬遜預測顧客會喜歡哪部電影或哪一本書。數據分析不僅會考慮特定消費者或罪犯過去的「喜好」（例如他們購買的書籍或被盜的車輛），還會考慮其他類似買家或不法分子的偏好。 「只要知道有這種關聯，沃爾瑪就能確保貨架上有足夠的Pop-Tarts（一種印度甜點）來滿足需求。」麥克休說。大型連鎖超市不需要了解為什麼人們在狂風呼嘯時會想吃烤麵包片，就像警察不需要了解為什麼罪犯會開槍或偷車一樣。他們只需要知道作案地點和時間。
在離開林登街之前，克拉克用車上電腦記錄了我們的駕駛路線。每次簽到都能收集更多數據，六個月的試用期結束後，這些記錄將幫助莫勒評估該計畫的有效性。克拉克查了一下「漢堡神偷」的車牌號碼，沒有發現任何線索。然後他查看了熱點地圖，我們駛向市中心，前往一座本週一直被標記的三層停車場。 「你可以看出，像這樣的地方極易發生汽車竊盜案，」克拉克一邊說著，一邊帶我們蜿蜒而上，走向敞開的屋頂。 「這裡很偏僻，有很多出口。你可以背著背包走到這裡，砸碎車窗，搶走錢包，然後逃之夭夭。”
預測性警務最常見的批評之一是，它無法告訴警察任何他們原本不知道的資訊。克拉克說，在聖克魯斯，有些警員週日到週三上班，有些警員則週三到週六上班。一天有三個班次，每四個月輪換一次。警員不一定會與非同一班次的同事交流，這可能導致警局整體知識的缺失。不可避免地，警隊中會有一些新警員，一些新警員剛到這個地區，或者只是不夠警惕。目前還沒有一個完善的系統（甚至根本沒有系統）來記錄退休警員的機構知識。儘管他們的經驗可能非常寶貴，但即使是最優秀的警員也無法像電腦一樣處理資訊。 「人腦一次最多只能處理三到四個變量，」洛杉磯警察局的警長肖恩·馬利諾夫斯基說道，他計劃啟動自己的預測性警務項目。人類情感豐富，感知容易受到影響，而電腦則保持客觀中立。克拉克注意到地圖上的12點和14點。 「這些高機率時間段未必會觸發警報，」他說。
下午過去了，夜班開始巡邏。無線電傳來的電話越來越多：我們接到一起汽車被盜、一起公共廁所襲擊案的報案，還有一起八歲女孩在海灘上走失的案件，據描述，她穿著粉紅色T恤和Hello Kitty人字拖（很快就找到了）。我親眼目睹的唯一一起逮捕事件，是一個瘦得皮包骨、身上佈滿針眼的女子，她因搶劫錢包被捕。被搶的錢包屬於一名大學生，她是住在離海濱步道幾個街區外破舊的彼得潘汽車旅館裡的一群青少年之一。當警察登記搶劫犯的證詞時，我站在一旁和孩子們聊天，他們是來自美國南部腹地的基督徒，整個夏天都待在加州海岸，賣冰淇淋和T卹，傳福音。我試著向他們解釋我的使命：地圖、統計數據，以及在犯罪發生之前阻止犯罪的努力。 「聽起來像《少數派報告》，」一個孩子說。
2010年10月，一名持9毫米手槍的男子向五角大廈、海軍陸戰隊徵兵站和海軍陸戰隊博物館連開數槍（事件發生在深夜，無人受傷）。麥克休與國土安全部合作，制定了一個“狙擊手偏好模型”，用於預測槍手的下一個目標。這名狙擊手專注於軍事目標，這使得這項任務顯得格外迫切。 “我們週五晚上從健身房請來了一位高級政府官員，”麥克休說，“他幫我們收集了數據，我們利用周末時間建立了模型。”
麥克休的團隊在建立模型時，主要依賴兩種類型的數據：以往的槍擊事件，以及每個目標區域週邊的地理空間信息，包括道路、地形，甚至每個社區的社會經濟狀況。 「你去哪裡，你常去的地方——這些都反映了你的很多信息，」麥克休說。仔細研究以往目標的特徵，可以讓犯罪分析師識別出可能存在風險的新區域，鑑於這項工作的被動性，這項技能至關重要。 「犯罪和恐怖主義就像地毯下的泡沫，」她說。 「一旦發生不好的事情，你投入大量資源，然後它就轉移了。」目標是搶在它轉移之前。
麥克休的軟體和莫勒的軟體一樣，都能產生未來攻擊風險最高的區域地圖。麥克休將地圖發送給地方、州和聯邦執法機構三天后，狙擊手再次犯案，向弗吉尼亞州伍德布里奇一棟辦公大樓內的海岸警衛隊招募站開槍。儘管這次的地點似乎與先前的攻擊不同，但這棟辦公大樓卻位於麥克休預測的高風險目標區域內。北維吉尼亞遍布軍事目標，但麥克休的模型識別出了伍德布里奇辦公大樓後方茂密的樹林以及通往附近高速公路的便利交通。海岸警衛隊槍擊案發生後，槍手消失。直到六月中旬，他才在五角大廈外的阿靈頓國家公墓被捕。 「他是在模型預測的高風險區域之一被捕的，」麥克休說。
了解罪犯的目標與了解零售店顧客的需求並無本質差異。了解連環狙擊手的目標與了解咖啡愛好者的需求也並無本質差異。 「你選擇咖啡店的時候，可能根本不知道為什麼，」麥克休說。但星巴克卻很清楚。你會想要方便停車、便利的大眾運輸或步行可達的路段。星巴克會研究週邊地區的人口統計數據，確保路過的人能夠負擔得起5美元的特飲，就像麥克休利用地理空間數據來協助狙擊手的搜尋工作一樣。如今，美國國防部也採用類似的方法來預測戰區簡易爆炸裝置（IED）攻擊的高風險區域。 「如果我要放置簡易爆炸裝置，我需要確保有人會經過該區域，」麥克休說。 “我需要了解目標人群的日常活動。其中的原理非常相似。”
克拉克說，今年7月聖克魯斯首次引入預測性警務時，一些警員告訴他，他們覺得這聽起來像是「巫術」。依靠數學來打擊財產犯罪，這與許多警員對犯罪行為的認知相違背。 「我認為有些人覺得這是對他們技能的侮辱。有些人則擔心這會增加工作量，」克拉克說。但在一個小時內，開車穿過一個500英尺乘500英尺的犯罪熱點區域，這要求並不高。而這正是關鍵所在。警務工作中一些小小的、有針對性的措施就能帶來巨大的改變。 1980年代末90年代初，紐約市交通管理局致力於清除每節地鐵車廂上的塗鴉，並嚴厲打擊逃票行為。到了1996年，地鐵系統的重罪案件數量下降了50%。洛杉磯警察局希望在今年底開始測試莫勒的演算法。 「我們可能會在全市範圍內進行幾項實驗，一些針對暴力犯罪，一些針對財產犯罪，」洛杉磯警察局隊長馬利諾夫斯基說。
與聖克魯斯不同，洛杉磯的這項實驗將以臨床試驗的方式進行，設有對照區域，在這些區域內，犯罪情況會被預測和追踪，但不會引入預測性警務方法。馬利諾夫斯基表示，他的部門正在密切關注聖克魯斯的實驗。雖然結果尚不足以得出結論，但前景可觀。截至7月底，財產犯罪率比去年同期下降了27%，這是一個令人矚目的降幅，尤其考慮到今年前六個月的增幅高達25%。此外，警方還在犯罪高發生區抓獲了七名罪犯。
七月的一個下午，在三層停車場，兩名女子因偷窺車輛被警方拘留。其中一人因持有冰毒而被通緝；另一人則攜帶了毒品。八月下旬，在距離林登街幾個街區的地方，警方攔下了一名形跡可疑的男子。搜查後，他們發現他身上藏有幾天前附近一起入室盜竊案的贓物。 “這傢伙竟然戴著那起盜竊案受害者的戒指，”克拉克說，“而他現在就在我們的轄區裡閒逛。”
