Право і безпека - Науковий журнал (Головко О.М.)

Моделювання в системах прийняття рІшень у боротьбІ зІ злочиннІстю

Деякі сфери суспільних відносин досить жваво реагують на будь-які зміни, що так чи інакше змінюють ефективність цих відносин. Складність злочинності як явища потребує використання людино-машинних систем для підтримки прийняття рішень. У статті розглянутий підхід, що застосовується для прогнозування злочинності в умовах обмежень, якіо накладаються предметною областю.

Надійшла до редколегії 14.06.2008

 

Вступ. Удосконалення інформаційних технологій, збільшення обчислювальних потужностей, широке розповсюдження та доступність обчислювальної техніки зумовили швидке зростання значимості технологій збереження та обробки інформації  в багатьох видах діяльності.

Одним із викликів, породжених стрімким розвитком цивілізації, на думку одного з сучасних філософів – Е.Тоффлера, є зростання інтенсивності обміну та накопичення  інформації, що ставить перед суспільством нові питання та  проблеми, які потребують відповідних підходів та рішень. Так, зміни в  комунікаційному середовищі людини, спричинені новими технологіями передачі даних, суттєво підвищили кількість інформаційних потоків, які обробляються людиною.

Деякі сфери суспільних відносин досить жваво реагують на будь-які зміни, які так чи інакше впливають на ефективність. Зокрема, таким видом є злочинна діяльність. Будь-який доступний засіб, що дозволяє збільшити ефективність злочину, так чи інакше буде застосований для досягнення мети. Одним із таких засобів, який є доступним та  виключно ефективним для вчинення так званих «білокомірцевих» злочинів, є застосування новітніх наукових досягнень в області аналізу даних.

Сучасна кримінальна ситуація характеризується швидким зростанням та переплетенням комунікаційних зв’язків між різними типами злочинців, зокрема, у сфері економічних злочинів, де організована злочинність –  це глобальна проблема практично для всіх розвинутих держав.

За оцінками МВФ, об’єм «брудних грошей» складає від 590 до 1500 млрд. доларів, тобто від 2\% до 5\% сумарного ВВП всіх держав. Фактично, така оцінка  обсягів коштів, задіяних у кримінальних діяннях різного рівня, дозволяє робити висновки про швидкий темп розвитку технологій злочинного світу. Відповідно протидія злочинності вимагає від працівників правоохоронних органів адекватних заходів, спрямованих на попередження злочинності, які  використовували новітні методики обробки даних.

Деякі питання аналізу та прогнозування злочинності розглянуті в наукових роботах [1–7]. Разом із тим практика потребує подальшого розвитку досліджень.

Постановка завдання дослідження. Суттєвими обставинами, що характеризуютьє облік та накопичення інформації про скоєні злочини, в Україні є зміни законодавства, що не дозволяють зібрати достатню кількість інформації для застосування загальновідомих статистичних методик.

Одним із можливих підходів до вирішення цієї проблеми є розробка математичних методів, що дозволяють в умовах неможливості повторення експерименту застосувати існуючі дані для створення управлінського рішення.

Сучасне забезпечення всіх ієрархічних організаційних структур управління, до яких також належать органи внутрішніх справ, належною інформацією – умова їх ефективної діяльності. Закономірність полягає в тому, що в системах управління, які мають чітку функціональну й організаційну структури та забезпечені повноцінною інформацією, створюються сприятливі умови для дії правових норм та зменшення рівня неправомірного прийняття управлінських рішень.

Також необхідно зазначити, що в більшості випадків під час прийняття того чи іншого рішення, пов’язаного із впливом на злочинність, працівник правоохоронних органів повинен враховувати значну кількість впливів, наслідків та суспільних інтересів, що характеризують варіанти рішення. Цей процес характеризується, як правило,  генерацією можливих альтернатив, їх оцінюванням та вибором найкращої, тобто такої, яка з урахуванням усіх різноманітних факторів і вимог оптимізує загальну цінність, щоб якнайповніше відповідати досягненню поставленої мети.

Альтернативою є один із можливих способів досягнення мети або один із кінцевих варіантів розв’язання. Альтернативи відрізняються між собою прийомами та послідовністю використання наявних ресурсів.

 При оцінюванні та прогнозуваннія злочинності таким ресурсом є інформація про скоєні злочини та загальна інформація, що характеризує різні суспільні відносини та процеси, які впливають на рівень злочинності.  Досить часто дані про скоєні злочини є досить суперечливими, і для врахування таких даних повинен залучатися експерт.

Експертне оцінювання привносить суб’єктивність, і важливим є зменшення такого впливу, що досягається залученням декількох експертів. Також, залежно від підходу до обробки даних, обраного експертом, значення прогнозу та ранжування факторів за рівнем впливу може суттєво відрізнятися, що також має бути враховано.

Фактично постає завдання створити систему підтримки прийняття рішень в умовах обмежень, що накладає предметна область, а саме:

неможливість повторення статистичного випадку;

короткі ряди даних;

врахування різних експертних оцінок ;

потреба в багатофакторних дослідженнях.

Одним із аспектів проблеми генерації альтернатив є проблема розробки  методик прогнозування злочинності з урахуванням обмежень, що накладає предметна область.

Попередня обробка даних. Облікові дані, одержані з інформаційних систем, які функціонують в ОВС, та інших джерел, подаються у вигляді динамічного ряду:

,                      (1)

де    – сумарна кількість скоєних злочинів або окремих видів для t-го моменту часу.

Цей ряд є початковим для розв’язування зазначених задач. Тут узагалі можуть бути дані, які не відповідають його можливостям.  Це може бути спричинене технічними помилками оператора або сильним  короткочасним впливом невідомого чинника. Тому при розв’язуванні кожної задачі виконується перевірка статистичними методами наявності аномальних  рівнів у початковому динамічному ряді.

При аналізі сезонності розв’язуються такі підзавдання:

1) виявлення в часовому ряді тренда, тобто загальної тенденції динамічного ряду;

2) виявлення в часовому ряді сезонних коливань;

3) фільтрація компонентів ряду, тобто виділення трендового, сезонного та випадкового складників. Зазначимо, що за допомогою випадкового складника статистичними методами перевіряється адекватність моделі;

4) аналіз динаміки сезонної хвилі;

5) дослідження чинників, які визначають сезонні коливання.

Для розв’язання цих задач може використовуватися метод, запропонований у роботі [8]. Прогнозування злочинності чи її окремих видів здійснюється методами на основі кривих зростання та адаптивними методами [9]. При виборі конкретного методу треба враховувати, що моделі на основі кривих зростання використовуються тоді, коли  динамічний ряд має тренд і загальні умови, які визначають розвиток показника в минулому, залишаться без істотних змін протягом  періоду попередження. За криві зростання доцільно брати поліноміальні (першого, другого, третього ступеня) чи експоненціальні  (просту й модифіковану експоненти).

Адаптивна модель прогнозування злочинності. Адаптивну модель прогнозування злочинності доцільно використовувати тоді, коли спостерігаються значні коливання динамічного ряду даних або відсутній лінійний тренд. Зважаючи на рівень точності, яка потрібна для кримінологічних досліджень, і специфіку явища, модель можна  подати у вигляді

    Y(t+k)=A0+A1´k,                       (2)

де коефіцієнт A0 – значення, близьке до останнього рівня, й, по суті, відображає закономірний складник цього рівня. Коефіцієнт A1 визначає приріст, який сформувався в основному до кінця періоду спостережень і який відображає (правда, меншою мірою) швидкість зростання на більш ранніх етапах. Одним із важливих кримінологічних завдань є побудова статистичної, тобто такої, що ґрунтується на статистичному матеріалі, моделі злочинності. Така модель дозволяє аналізувати вплив різних факторів на рівень злочинності. Побудова вказаної моделі здійснюється так. Позначимо сукупність факторів, які впливають на рівень злочинності, через

,

де k –  кількість факторів. Кожний із факторів приймає декілька значень, тому сукупність факторів (факторний простір) можна подати в матричній  формі:

    де , .

За статистичну модель можна використовувати будь-яку поліноміальну модель, найпростішою з яких є лінійна:

,

де коефіцієнти bi,  знаходять методом найменших квадратів із використанням теорії планування обчислювальних експериментів.

Серед множини досліджених факторів існують такі, що істотно впливають на зміну значення функції (рівня злочинності), і такі, що впливають  на неї несуттєво. Відбір істотно значущих факторів здійснюється за допомогою статистичного критерія Ст’юдента [10,11]. Для реалізації вказаних завдань і створено автоматизоване робоче місце користувача-аналітика. Його функціональне наповнення забезпечує діставання даних для формування динамічних рядів із інтегрованого банку даних та інших джерел і проведення досліджень, зв’язаних зі сформульованими задачами. Розглянута вище методика була реалізована у вигляді програмного забезпечення й застосована до наявних даних по Україні для створення короткострокового прогнозу. Перед прогнозуванням з’ясо­вувалася наявність аномальних рівнів ряду. Аномальні рівні ряду можуть бути викликані двома причинами: технічними, а саме, похибками при реєстрації, збереженні, передаванні, або  впливом певного фактора чи факторів, які проявляються епізодично. Якщо аномальність рівня пов’язана з технічними причинами, то рівень треба виправити або не враховуватися при прогнозуванні. У разі дії епізодичного фактора аномальний рівень ряду враховується як при прогнозуванні, так і при аналізі динамічного ряду.

Приклади  На рис. 1 – 4 подані дані прогнозування загальної злочинності та дані за видами злочинів на 2006 рік по Україні. Для прогнозування використаний адаптивний метод, розроблений у Харківському національному університеті внутрішніх справ. За рівень значимості вибрано a = 0,05. Початковими для прогнозування, є дані наведені в роботі [12] й відображені на цих же рисунках як у вигляді графіка, так і у вигляді таблиці. На рисунках, крім точкового, вказаний також інтервальний прогноз.

 

 

 

Загальна кількість злочинів

Рис. 1

Точковий прогноз: 491488.

Інтервальний прогноз: від 461619  до  521357.

Початкові дані:

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

480478

539299

571891

641860

617262

589208

575982

558716

553594

503676

450661

556351

520105

485725

Аномальні рівні: 2002, 2003.

Злочини загально-кримінальної спрямованості

Рис. 2

Точковий прогноз: 442865.

Інтервальний прогноз: від 422918 до  462811.

Початкові дані:

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

430128

479574

484457

531429

500461

469393

456559

440594

449047

420607

408274

513148

475934

440618

Аномальні рівні: 1995, 2002, 2003.

Тяжкі та особливо тяжкі злочини

Рис. 3

 

Точковий прогноз: 186688.

Інтервальний прогноз: від 174417 до  198959.

Початкові дані:

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

226159

203802

191919

182133

183815

185497

209896

263989

233999

197520

Аномальних рівнів немає.

Убивства

Рис. 4

Точковий прогноз: 2959.

Інтервальний прогноз: від 2690 до 3227.

Початкові дані:

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

3679

4008

4571

4783

4896

4529

4563

4624

4806

4571

4296

4041

3788

3315

Аномальних рівнів немає.

 

Висновки. Питання посилення охорони громадського порядку, бо­ротьби зі злочинністю потребують повсякденного підвищення оперативності роботи, змістовного вивчення та своєчасного обліку змін в оперативній обстановці, забезпечення системного й ритмічного реагування на ці зміни. Важливе місце тут займає вчасне збирання інформації про вчиненні злочини та надзвичайні події. В зв’язку з цим в Україні, як і в решті країн світу, боротьбі зі злочинністю приділяється досить велика увага, що виявляється у використанні для боротьби з цим соціальним деліктом останніх наукових досягнень, зокрема, досягнень у галузі математики, інформатики та обчислювальної техніки.

Неперервний аналіз цієї інформації дає можливість розробляти та приймати попереджувальні управлінські рішення, здійснювати повсякденний контроль за функціонуванням правоохоронних органів із головних напрямків їх діяльності, вчасно коригувати розміщення та використання наявних сил і засобів.

Саме на основі одержаної інформації співробітники правоохоронних органів здійснюють неперервне оперативне управління силами й засобами, аналізують поточну оперативну обстановку, формують управлінські рішення й контролюють їх виконання. Існуюча традиційна система стеження за оперативною обстановкою на рівні правоохоронного органу на сьогодні не дозволяє швидко вживати відповідні заходи і найбільш ефективно впливати на неї, контролювати і спрямовувати її розвиток.

Потрібність, складність і трудоємність цієї роботи вимагають пошуку нетрадиційних методів, засобів і можливостей.

Міжнародна та вітчизняна практика підтвердила ефективність використання людино-машинних систем у діяльності правоохоронних органів.

 

Література

Гернет М. Н. Моральная статистика. –  М., 1922.

Litterman, R.B. 1986. Forecasting with Bayesian vector autoregressions – Five years of experience. Homicide Studies 1, no. 2 .

LeBeau, J.  L. 1988. Comment – weather and crime. Justice Quarterly 5: 301–9.

Landau, Sima F., and Daniel Fridman. 1993. The seasonality of violent crime: The case of robbery and homicide in Israel. J. of Research in Crime and Delinquency 30, No. 2: 163–91.

Jeffeies, E., J. LaVigne, J. Szakas, C. Nahabedian, L.Mazerolle, T. Conover, K. Harries, D. Williamson, N. Levine, R. Langworthy, J.DeVoe, L. Groff, and P. Canter. 1998. A multi-method exploration of crime 'Hot Spots'. Crime Mapping Research Center (project in process).

Harries, K. D., and S.J. Stadler. 1986. Aggravated assault and the urban system: Dallas. J. Environmental Systems 15, no. 3: 243–53. Annals of the Association of American Geographers 74: 590-604.

Cohen, L. E., and M. Felson. 1979. Social change and crime rate trends: A routine activity approach. American Sociological Review 44: 588–607.

Зацеркляний М. М., Бабій А. С. Автоматизація аналізу сезонних коливань рівня злочинності // Право і безпека. –  2005. –  № 43. –  С. 163–167.

Зацеркляний М. М., Бабій А. С. Аналіз тенденцій розситку злочинності // Системи обробки інформації. –  2007. –  №4(62). –  С. 153–156.

Лебедев Е. А. Об аппроксимации распределений Стьюдента в равномерной метрике // Доповіді НАН України.  –  1997. –  № 6. –  С. 30–33.

Гольдберг А. М., Козлов В. С. Общая теория статистики.  М.: Финансы и статистика, 1985.

Статистичний бюлетень. – К.: Державний комітет статистики України. – 2003-2005.