乘坐顺风车遇害事件频发,大数据预防犯罪任重而道远

栏目: 数据库 · 发布时间: 7年前

内容简介:8月24日,温州乐清姑娘搭乘滴滴顺风车被害一事震惊全国。此前,郑州21岁空姐搭乘滴滴顺风车同样被杀害,一时间,滴滴顺风车似乎成了“危险”的代名词。通过百度搜索“顺风车遇害”关键词,相关搜索结果竟多达11900000条,顺风车已然成为犯罪高发区?防范搭乘顺风车被害有哪些措施?互联网、大数据等新兴技术的出现又将为预防顺风车车主犯罪带来哪些新思路?而这样的预防效果又怎么样?我国顺风车的概念最早出现在1998年,公益人王永以免费搭载乘客的方式推出顺风车。2012年,王永联合邓飞、崔永元等公益人发起“春节回家顺风车

8月24日,温州乐清姑娘搭乘滴滴顺风车被害一事震惊全国。此前,郑州21岁空姐搭乘滴滴顺风车同样被杀害,一时间,滴滴顺风车似乎成了“危险”的代名词。通过百度搜索“顺风车遇害”关键词,相关搜索结果竟多达11900000条,顺风车已然成为犯罪高发区?防范搭乘顺风车被害有哪些措施?互联网、大数据等新兴技术的出现又将为预防顺风车车主犯罪带来哪些新思路?而这样的预防效果又怎么样?

动态私密空间下的高犯罪率

我国顺风车的概念最早出现在1998年,公益人王永以免费搭载乘客的方式推出顺风车。2012年,王永联合邓飞、崔永元等公益人发起“春节回家顺风车”活动,将顺风车推到大众眼前。而随着共享经济、020经济模式的兴起,顺风车逐渐从公益性质转向商业性质。2015年,滴滴出行上线顺风车业务,由于价格低廉、出行方便,一个月内日订单破10万。然而,靠补贴方式兴起的顺风车业务一旦诞生,势必面临着商业化与公益化的两难境地。而滴滴顺风车业务在诞生之初也就蕴藏着“罪恶”的种子。

除了上文提到的空姐被害、乐清姑娘遇难事件,滴滴顺风车自上线以来还发生过多起女性被害事件。据不完全统计,在过去四年里,媒体公开报道、有关法院部门处理过的滴滴司机性侵、性骚扰事件,至少有50个案例,而涉及到的53名被害人都是女性。

与一般公共空间不同,顺风车行驶距离长、司机与乘客同在一个私密单元,这样的私密环境更容易激发罪犯的犯罪心理,且由于顺风车行驶路程长、犯罪成本小,犯罪相对容易,顺风车自然也就成了犯罪高发地。而现行保证顺风车安全出行的预防措施主要是通过平台方对入驻司机的审核,但迫于商业压力,平台方往往对入驻司机审核松散,以“社交+出行”的商业战略将乘客置于“被消费”的角色,造成犯罪几率的加大。

超长行驶时间、密闭空间,那么,顺风车犯罪是否无法预防呢?

乐清事件发生后,很多人给出了预防顺风车犯罪的措施,如借鉴Uber的一键报警功能,或者利用数据分析,预知顺风车车主犯罪行为并及时制止犯罪的想法。

科技的进步、互联网的发展无疑为我们带来很多便利,而数据分析带来的强大效果也让我们惊诧,只是,运用数据分析、预测犯罪行为的效果真能实现吗?这样的预测完成度又有多少呢?

大数据预防犯罪离我们还有多远

事实上,数据预防犯罪早在10年前就已出现,只不过早期的犯罪数据分析以人工标记、主观经验判断为主,数据分析的优势并不显著。

而随着物联网、云计算、大数据的发展,数据分析无疑为犯罪预防和犯罪侦查提供了新思路:物联网技术的发展扩展了人们地理位置、生活信息、活动轨迹等数据来源,为罪犯的犯罪数据分析扩展了维度,同时为警方定位追踪罪犯提供了重要依据;云计算基地的建设则形成了多个数据中心,便于警务人员数据采集、存储和实时访问;而数据分析、数据挖掘等技术的发展则有利于罪犯信息的分析,从而方便警方对犯罪高危地、犯罪作案类型、犯罪作案时间的判断,及时调派警力人员对犯罪行为进行制止。

而现行的犯罪作案数据分析的数据主要来自两方面:一是对以往犯罪信息数据作统计分析,包括历史犯罪案件、犯罪人、近期相关犯罪事件数据;二是对地理信息、交通、气象、通信、人员流动、犯罪人消费偏好、犯罪人上网记录等相关数据作分析。前者通过犯罪人的相关数据分析可以预测犯罪高发区,并对一定犯罪区域、犯罪时间、犯罪日期频率较高地作判断和划分;而后者则通过对罪犯上网记录、消费偏好等低密度价值信息分析,对潜在的犯罪嫌疑人提前作预测,以及时对犯罪行为作干预。

利用数据分析预防犯罪,提高犯罪预测准确性,减少犯罪率。事实上,这样的犯罪数据预测在我国现行的警务模式下已取得不少效果,如:2013年北京市公安局怀柔分局利用“犯罪数据分析和趋势预测系统”,加强预测案发地的巡逻防范,到2014年接报的110刑事和秩序类警情就同比下降 27.9%,其中抢劫案下降了近55%。再有,2015年上海市公安机关运用大数据实战应用平台,强化信息综合研判、侦查方式之后,摧毁涉恶团伙589个,抓获犯罪嫌疑人2 442人,破获刑事案件598起,同比增加36%、33.3%和 40.4%”。

只是,这样的犯罪数据预测在抢劫、盗窃等因果联系较强案件和社区等犯罪地点较固定案件中成效较为明显,而对激情式犯罪和因果型犯罪联系不大等案件,效果并不明显。回到顺风车犯罪事件上来,顺风车犯罪的案发地点在车上,多为流动案件且罪犯大都是激情犯罪,作案类型明显属于后者,犯罪数据预测的效果不大。

所以,对于有些人提出利用数据分析预防乘坐顺风车遇害的想法,在当前环境下还处于探索阶段,针对流动性强的网约车犯罪,犯罪数据预测已成为一个信息时代的新课题,需要积极尝试和探索。

那么,对于顺风车犯罪事件,大数据是否就“手无缚鸡之力”呢?答案并不尽然。事实上,通过对罪犯上网记录中潜在的犯罪意识流露、犯罪证据等信息作观察,也可以成为侦查案件的重要情报来源。比如,在乐清女孩被害事件中,就有犯罪嫌疑人钟某作案之前的犯罪意思流露(QQ空间动态的发布、浏览相关作案书籍的记录),这些信息对于警方破案作用巨大。

虽然大数据预防犯罪尚处于初级阶段,但随着物联网、人工智能的技术的发展,相信未来的数据分析不仅在警方侦查,在犯罪预测方面也能给我们带来巨大便利,让每个人都能安全出行。

乘坐顺风车遇害事件频发,大数据预防犯罪任重而道远

责任编辑:方茶云


以上所述就是小编给大家介绍的《乘坐顺风车遇害事件频发,大数据预防犯罪任重而道远》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Data Structures and Algorithms

Data Structures and Algorithms

Alfred V. Aho、Jeffrey D. Ullman、John E. Hopcroft / Addison Wesley / 1983-1-11 / USD 74.20

The authors' treatment of data structures in Data Structures and Algorithms is unified by an informal notion of "abstract data types," allowing readers to compare different implementations of the same......一起来看看 《Data Structures and Algorithms》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码

html转js在线工具
html转js在线工具

html转js在线工具