Система прогнозирования преступлений

Изобретение относится к области прогнозирования преступлений. Технический результат заключается в повышении точности прогноза. Предложены система и способ прогнозирования преступлений, которые предусматривают хранение данных преступлений и метеорологических данных, а также определение прогноза преступления путем корректировки исторического уровня преступности на основании корреляции между прогнозируемым метеорологическим условием и данными преступлений. Предлагаемые система и способ прогнозирования преступлений могут дополнительно предусматривать хранение данных событий и определение прогноза преступления путем дополнительной корректировки исторического уровня преступности на основании корреляции между будущим событием и данными преступлений. 2 н. и 18 з.п. ф-лы, 11 ил.

 

Ссылка на родственную заявку

Согласно настоящей заявке испрашивается приоритет в соответствии с предварительной заявкой на выдачу патента США №62/096,631, поданной 24 декабря 2014 года, содержание которой ссылкой полностью включается в настоящую заявку.

Предшествующий уровень техники настоящего изобретения

Существующие системы анализа преступлений могут предоставить правоохранительным органам исторические данные преступлений, тем самым позволяя сотрудникам правоохранительных органов размещать ресурсы исходя из имевшей место в прошлом криминальной активности. Однако существующие системы анализа преступлений не определяют корреляций между совершенными преступлениями и метеорологическими условиями (или предыдущими событиями) и не предоставляют прогнозы преступления на основании данных, поступающих в реальном масштабе времени, таких как прогнозируемые метеорологические условия (или будущие события).

Существующая статистика преступлений представляет отдельным гражданам (физическим лицам) и владельцам предприятий общее представление о том, являются ли кварталы относительно безопасными или нет. Однако отдельные граждане и владельцы предприятий не имеют доступа к прогнозам преступлений, сделанным на основании корреляций между существующей статистикой преступлений и данными, поступающими в реальном масштабе времени, такими как прогнозируемые метеорологические условия (или будущие события).

Следовательно, существует необходимость в создании системы и способа прогнозирования преступлений, которые позволят правоохранительным органам точно и эффективно распределять ресурсы, позволят отдельным гражданам повысить свою ситуативную осведомленность и выбрать безопасный путь следования, а также предоставят возможность владельцам предприятий предвидеть риск совершения преступления на территории предприятий.

Краткое раскрытие настоящего изобретения

С целью преодоления этих и других недостатков, присущих уровню техники, предложены система и способ прогнозирования преступлений, которые предусматривают хранение данных преступлений и метеорологических данных, а также определение прогноза преступления путем корректировки исторического уровня преступности на основании корреляции между прогнозируемым метеорологическим условием и данными преступлений. Предлагаемые система и способ прогнозирования преступлений могут дополнительно предусматривать хранение данных событий и определение прогноза преступления путем дополнительной корректировки исторического уровня преступности на основании корреляции между будущим событием и данными преступлений.

Краткое описание фигур

Аспекты примерных вариантов осуществления могут быть лучше поняты при обращении к прилагаемым фигурам. Компоненты на фигурах не обязательно представлены с соблюдением масштаба, при этом основное внимание уделяется иллюстрации принципов представленных в качестве примера вариантов осуществления.

На фиг. 1 представлено изображение, иллюстрирующее вид, отображающий точки интереса, графического интерфейса пользователя, который выдается системой прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 2 представлен общий вид системы прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 3 представлена блок-схема системы прогнозирования преступлений, представленной на фиг. 2, в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 4 представлено изображение, иллюстрирующее вид, отображающий уровень улиц, графического интерфейса пользователя, который выдается системой прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 5А-5В представлены изображения, иллюстрирующее виды, отображающие кварталы, графического интерфейса пользователя, которые выдаются системой прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 6 представлено изображение, иллюстрирующее вид, отображающий путь следования, графического интерфейса пользователя, который выдается системой прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 7 представлено изображение, иллюстрирующее модуль предупреждения об опасности совершения преступления и модуль предупреждения об опасности по запросу, которые выдаются системой прогнозирования преступлений через графический интерфейс пользователя в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 8 представлено изображение, иллюстрирующее модули почасового показателя преступности и посуточного показателя преступности, которые выдаются системой прогнозирования преступлений через графический интерфейс пользователя в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения;

На фиг. 9 представлено изображение, иллюстрирующее модули MinuteCast®, выдаваемые системой прогнозирования преступлений через графический интерфейс пользователя в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения; и

На фиг. 10 представлена блок-схема, иллюстрирующая процесс выдачи прогнозов преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения.

Подробное раскрытие настоящего изобретения

Теперь обратимся к фигурам, иллюстрирующим различные виды представленных в качестве примера вариантов осуществления настоящего изобретения. На фигурах и в описании к ним в настоящем документе определенная терминология используется лишь для удобства и не должна рассматриваться как ограничивающая варианты осуществления настоящего изобретения. Кроме того, на фигурах и в приведенном ниже описании подобные элементы обозначают подобными позициями.

На фиг. 1 представлен вид 100, отображающий точки интереса, графического интерфейса пользователя (ГИП), который выдается системой 200 прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения. Как описано ниже, система 200 прогнозирования преступлений может выдавать прогноз преступления для множества идентифицированных пользователем местоположений 110 (в этом примере, точки интереса находятся в пределах и вокруг города Денвер).

На фиг. 2 представлен общий вид системы 200 прогнозирования преступлений. Система 200 прогнозирования преступлений может содержать один или несколько серверов 210 и одну или несколько баз 220 данных, подключенных к нескольким удаленным компьютерным системам 240, таким как одна или несколько персональных компьютерных систем 250 и одна или несколько мобильных компьютерных систем 260, через одну или несколько сетей 230.

Один или несколько серверов 210 могут содержать внутреннее запоминающее устройство 212 и процессор 214. Один или несколько серверов 210 могут представлять собой любое подходящее вычислительное устройство, включая, например, сервер приложений и веб-сервер, размещающий на своих ресурсах веб-сайты, доступные удаленным компьютерным системам 240. Одна или несколько баз 220 данных могут быть расположены в пределах сервера 210, в этом случае они могут храниться на внутреннем запоминающем устройстве 212, или могут находиться за пределами сервера 212, в этом случае они могут храниться на внешнем энергонезависимом машиночитаемом носителе данных, таком как массив внешних жестких дисков или твердотельная память. Одна или несколько баз 220 данных могут храниться на одном устройстве или нескольких устройствах. Сети 230 могут включать в себя любое сочетание сети Интернет, сетей сотовой связи, глобальных вычислительных сетей (ГВС), локальных вычислительных сетей (ЛВС) и т.п. Связь по сетям 230 может реализовываться посредством проводных и(или) беспроводных соединений. Удаленная компьютерная система 240 может представлять собой любое подходящее электронное устройство, предназначенное для посылки и(или) приема данных по сетям 230. Удаленная компьютерная система 240 может представлять собой, например, подключенное к сети вычислительное устройство, такое как персональный компьютер, блокнотный компьютер, смартфон, персональный цифровой помощник (PDA), планшет, портативный детектор погоды, приемник системы глобального позиционирования (GPS), подключенное к сети транспортное средство и т.п. Персональные компьютерные системы 250 могут включать внутреннее запоминающее устройство 252, процессор 254, устройства 256 вывода и устройства 258 ввода. Одна или несколько мобильных компьютерных систем 260 могут включать внутреннее запоминающее устройство 262, процессор 264, устройства 266 вывода и устройства 268 ввода. Внутреннее запоминающее устройство 212, 252 и(или) 262 может представлять собой энергонезависимые машиночитаемые носители данных, такие как жесткие диски или твердотельная память, для хранения команд, которые при исполнении процессором 214, 254 или 264, осуществляют соответствующие части признаков, описанных в настоящем документе. Процессор 214, 254 и(или) 264 может включать центральный процессор (ЦП), графический процессор (ГП) и т.п. Процессор 214, 254 и 264 может быть реализован как одна полупроводниковая интегральная схема или более чем одна интегральная схема. Устройство 256 и(или) 266 вывода может включать в себя устройство отображения, динамики, внешние порты и т.п. Устройство отображения может представлять собой любое подходящее устройство, предназначенное для выдачи видимого света, такое как жидкокристаллический дисплей (ЖКД), светоизлучающий полимерный дисплей (СПД), светоизлучающий диод (светодиод), органический светоизлучающий диод (органический светодиод) и т.п. Устройства 258 и(или) 268 ввода могут включать в себя клавиатуры, манипулятор типа «мышь», трекболы, фото- или видеокамеры, сенсорные координатно-управляющие устройства (тачпэды) и т.п. Тачпэд может накладываться поверх или объединяться с дисплеем для образования чувствительного к касанию дисплея или сенсорного экрана.

Система 200 прогнозирования преступлений может реализовываться командами, хранящимися в одном или нескольких внутренних запоминающих устройствах 212, 252 и(или) 262 и выполняемыми одним или несколькими процессорами 214, 254 или 264.

На фиг. 3 представлена блок-схема системы 200 прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения. Система 200 прогнозирования преступлений может содержать базу 320 данных статистики преступлений, систему 340 географической информации (СГИ), базу 360 данных местоположений пользователя, блок 380 анализа и графический интерфейс 390 пользователя (ГИП).

В базе 320 данных статистики преступлений хранятся данные 322 преступлений. Согласно некоторым вариантам осуществления база 320 данных статистики преступлений также хранит данные 324 местоположения, данные 326 событий и(или) метеорологические данные 328. База 320 данных статистики преступлений может быть любым организованным массивом информации, хранимым либо на одном физическом устройстве, либо на нескольких физических устройствах. База 320 данных статистики преступлений может быть реализована, например, в качестве одной из баз 220 данных, представленных на фиг. 2.

Данные 322 преступлений могут включать в себя информацию, указывающую на местоположение, время, дату, день недели, тип (например, нападение, кража с взломом, грабеж и т.п.) преступлений. Данные 322 преступлений также могут включать в себя оценку тяжести каждого преступления. Местоположения преступлений могут быть представлены в таком формате, чтобы местоположения каждого из преступлений могли быть просмотрены и проанализированы при помощи СГИ 340. Тип преступлений также может включать в себя информацию о том, является ли преступление преступлением против собственности, преступлением против личности и т.п. Для преступления против собственности данные 322 преступлений также могут включать в себя информацию о собственности (например, является ли собственность коммерческим предприятием, жилым домом, транспортным средством и т.п.). Для каждого преступления против личности данные 322 преступлений могут также включать в себя информацию о том, знала ли жертва нападающего или был ли нападающий незнакомым человеком. Данные 322 преступлений также могут включать в себя демографические данные о жертве, такие как возраст, пол, раса, латиноамериканское происхождение, экономическое положение и т.п. Данные 322 преступлений могут быть обновлены либо через ГИП 390, либо путем импортирования дополнительных данных преступлений из другого ресурса.

Данные 324 местоположения могут включать в себя информацию, такую как демографические данные, границы полицейского патрулирования, местоположения общественных учреждений (например, полицейского участка, пожарных частей, школ, церквей, больниц и т.п.), местоположения коммерческих предприятий и т.п. Демографические данные могут быть представлены в форме ковровой сегментации, которая классифицирует жилые районы в качестве одного из 67 различных сегментов на основе социально-экономического и демографического состава жилого района. Эти сегменты могут быть сгруппированы на основе общего жизненного опыта (например, рождения в одном поколении, иммиграции из другой страны) или демографических особенностей. Эти сегменты также могут быть сгруппированы на основе географической плотности (например, главных городских центров, городской периферии, населенных пунктов, принадлежащих к городской агломерации, пригородной периферии, полудеревенской местности, деревенской местности). Данные 324 местоположения могут быть обновлены либо через ГИП 390, либо путем импортирования дополнительных данных местоположения из другого ресурса.

Данные 326 событий хранят местоположения, даты и время прошедших событий, таких как спортивные события, концерты, парады и т.п. События также могут включать в себя государственные выплаты населению. Данные 326 событий могут также включать в себя местоположения, даты и время будущих событий. Данные 326 событий могут быть обновлены либо через ГИП 390, либо путем импортирования дополнительных данных событий из другого ресурса.

Метеорологические данные 328 включают в себя информацию в отношении текущих, предыдущих (прошедших) и прогнозируемых (будущих) метеорологических условий. Метеорологические данные 328 могут быть получены, например, от Accu Weather, Inc., Accu Weather Enterprise Solutions, Inc., государственных учреждений (таких как Национальная метеорологическая служба США, Национальный центр по наблюдению за ураганами США, Министерство по охране окружающей среды Канады, Метеорологическая служба Соединенного Королевства, Метеорологическое управление Японии и т.д.), других частных компаний (таких как Национальная сеть обнаружения молний США, которой владеет и руководит компания Vaisala, Weather Decision Technologies, Inc.), физических лиц (таких как члены Сети наблюдателей) и т.п. База данных метеорологической информации также может включать в себя информацию о стихийных бедствиях (таких как землетрясение), полученную, например, от Геологического управления США.

Метеорологические условия могут включать в себя, например, максимальную температуру за 24 часа, минимальную температуру за 24 часа, качество атмосферного воздуха, уровень обледенения, количество осадков в виде дождя, предполагаемое количество осадков в виде снега, уровень снега на поверхности, арктическую осцилляцию (АО), среднюю относительную влажность, динамику изменения барометрического давления, вероятность метели, облачность, нижнюю границу облаков, вероятность грозы, вероятность выпадения снега в количестве, достаточном для покрытия земной поверхности, вероятность выпадения снега в количестве, достаточном для размокания грунта, вероятность града, вероятность обледенения, вероятность осадков, вероятность дождя, вероятность выпадения снега, наличие облачности, процентный показатель облачности, степень охлаждения, состояние неба в течение суток, направление ветра в течение дня, порывы ветра в течение дня, скорость ветра в течение дня, точка росы, колебание Южного океана, вызванные Эль-Нинью (ENSO), суммарное испарение, ожидаемый уровень интенсивности грозы, вероятность наводнения, тепловой индекс, температуру выше нуля, высокую температуру, предупреждения о приливе, высокую температуру по мокрому термометру, наивысшую относительную влажность, часы обледенения, часы осадков, часы осадков в виде дождя, часы осадков в виде снега, влажность, уровень воды озера, жидкий эквивалент выпавших осадков, низкую температуру, низкую температуру по мокрому термометру, максимальный показатель ультрафиолетового излучения (УФ), многопараметрический показатель ENSO (MEI), Осцилляцию Маддена-Джулиана (MJO), лунную фазу, время восхода луны, время захода луны, состояние ночного неба, порывы ветра в течение ночи, скорость ветра в течение ночи, нормальную низкую температуру, нормальную температуру, однодневную погоду, сумму осадков, накопление осадков, тип осадков, вероятность снега, вероятность образования льда в количестве, достаточном для покрытия земной поверхности, вероятность выпадения снега в количестве, достаточном для покрытия земной поверхности, вероятность выпадения осадков в виде дождя в количестве, достаточном для размокания грунта, показатель RealFeel®, высокий показатель RealFeel®, низкий показатель RealFeel® (REALFEEL является зарегистрированным знаком обслуживания AccuWeather, Inc.), рекордно низкую температуру, рекордно высокую температуру, диапазон относительной влажности, барометрическое давление на уровне моря, температуру поверхности моря, состояние неба, снегонакопление в течение следующих 24 часов, солнечное излучение, барометрическое давление на уровне метеостанции, время восхода, время заката, температуру, тип снега, показатель УФ, видимость, температуру по мокрому термометру, охлаждение ветром, направление ветра, порывы ветра, скорость ветра и т.п. Метеорологические условия могут включать в себя связанные с погодой предупреждения, такие как предупреждения о выходе из берегов реки, данные со станций по наблюдению за грозой, данные со станций по наблюдению за торнадо, данные рассмотрения мезомасштабной системы, предупреждения по районам, предупреждения по зонам/странам, перспективы, прогнозы, наблюдения, специальные метеорологические доклады, предупреждения о молнии, предупреждения о грозе, предупреждения о проливном дожде, предупреждения о сильном ветре, предупреждения о высоких и низких температурах, отчеты о локальных бурях, предупреждения о землетрясении и прогнозы ураганов. Каждое метеорологическое условие может быть выражено на основе временного интервала, такого как дневное значение, почасовая прогнозируемая величина, посуточно прогнозируемая величина, дневное значение год тому назад, накопление или изменения за предыдущий временной интервал (например, 24 часа, 3 часа, 6 часов, 9 часов, предыдущие сутки, последнюю неделю, текущий месяц до сегодняшнего числа, текущий год до сегодняшнего числа, последние 12 месяцев), климатической нормы (например, среднее значение за последние 10 лет, 20 лет, 25 лет, 30 лет и т.п.), прогнозируемого накопления за перспективный период времени (например, 24 часа) и т.п.

Системой 340 географической информации (СГИ) является программная система, разработанная для сбора, хранения, обработки, анализа, управления и представления географических данных (системы географической информации иногда именуют географическими информационными системами). СГИ 340 может быть реализована в качестве команд, выполняемых одним или несколькими серверами 210, как изображено на фиг. 2. Дополнительно или альтернативно, система 200 прогнозирования преступлений может использовать СГИ третьих лиц, такие как Google maps, Ersi и т.п.

База 360 данных местоположений пользователя хранит информацию, указывающую местоположения удаленных компьютерных систем 240 (или пользователей). Местоположение пользователя или удаленной компьютерной системы 240 может быть статическим (т.е. когда пользователь или удаленная компьютерная система 240 являются неподвижными) или динамическим (т.е. когда пользователь или удаленная компьютерная система 240 находятся в движении). В некоторых случаях база 360 данных местоположений пользователя может хранить информацию, указывающую динамическое положение в реальном времени (или почти реальном времени) удаленной компьютерной системы 240. Дополнительно, база 360 данных местоположений пользователя может автоматически и(или) периодически обновляться для включения информации, указывающей динамическое местоположение в реальном времени (или почти реальном времени) удаленной компьютерной системы 240.

Местоположение (статическое или динамическое) удаленной компьютерной системы 240 может быть определено при помощи удаленной компьютерной системы 240, например, при помощи устройства глобальной системы позиционирования (ГСП), встроенного в удаленную компьютерную систему 240, триангуляции в сотовой связи, сетевой идентификации и т.п. Дополнительно или альтернативно, местоположение (статическое или динамическое) удаленной компьютерной системы 240 может быть определено при помощи сервера 210, например, при помощи триангуляции в сотовой связи, сетевой идентификации и т.п. Статическое местоположение пользователя может быть введено пользователем через ГИП 390, например, путем введения местоположения, такого как адрес, город, почтовый индекс США и т.п. Динамическое местоположение пользователя может быть введено пользователем, например, путем введения места назначения и определения при помощи удаленной компьютерной системы 240 или сервера 210 пути следования к месту назначения из исходной точки или текущего местоположения. База 360 данных местоположений пользователя может быть любым организованным массивом информации, хранимым либо на одном физическом устройстве, либо на нескольких физических устройствах. База 360 данных местоположений пользователя может быть реализована, например, в качестве одной из баз 220 данных.

Блок 380 анализа может быть реализован при помощи команд, доступных для одного или нескольких серверов 210 или выполненных ими и(или) загруженных и выполненных удаленными компьютерными системами 240. Блок 380 анализа может быть выполнен с возможностью приема информации из базы 320 данных статистики преступлений, СГИ 340, базы 360 данных местоположений пользователя и ГИП 390.

Графическим интерфейсом 390 пользователя может быть любой интерфейс, позволяющий пользователю вводить информацию для передачи в систему 200 прогнозирования преступлений и(или) выводящий пользователю информацию, полученную из системы 200 прогнозирования преступлений. Графический интерфейс 390 пользователя может реализовываться командами, хранящимися в удаленной компьютерной системе 240 и выполняемыми ею.

Блок 380 анализа использует СГИ 340 для отображения местоположений и времени каждого из преступлений в данных 322 преступлений. Блок 380 анализа определяет, коррелируют ли данные 322 преступлений с одной или несколькими переменными в данных 324 местоположения. Например, блок 380 анализа определяет, коррелируют ли преступления (или некоторые типы преступлений) с демографическими данными кварталов, границами полицейского патрулирования и(или) близостью к общественным учреждениям или коммерческим предприятиям. Если демографические данные включают в себя ковровую сегментацию, которая классифицирует и группирует одинаковые жилые районы, блок 380 анализа определяет, имели ли место в одинаковых жилых районах одинаковые количества и(или) одинаковые типы преступлений.

Блок 380 анализа также определяет, коррелируют ли данные 322 преступлений с одной или несколькими переменными в данных 326 событий. Например, блок 380 анализа может определить, что преступления (или некоторые типы преступлений), включенные в состав данных 322 преступлений, линейно коррелируют с определенным типом события с коэффициентом 1,25 (означающим, что ближе к этому типу события некоторое преступление или некоторый тип преступления являются на 25 процентов более вероятным).

Блок 380 анализа также определяет, коррелируют ли данные 322 преступлений с одной или несколькими переменными в метеорологических данных 326. Например, блок 380 анализа может определить, что преступления (или некоторые типы преступлений), включенные в состав данных 322 преступлений, линейно коррелируют с метелью с коэффициентом 0,0002, тогда как преступления (или некоторые типы преступлений) линейно коррелируют с температурой RealFeel® более 95 градусов по Фаренгейту с коэффициентом 1,4 (из этого следует, что совершение преступлений в метель является маловероятным, при этом в жару совершение преступлений является на 40 процентов более вероятным, чем обычно).

Исходя из рассмотренных выше корреляций, блок 380 анализа определяет вероятность совершения преступления в конкретном местоположении или в демографически похожем местоположении, в конкретное время дня, в конкретный день недели, в конкретное время года и(или) рядом с конкретным общественным учреждением или конкретным типом коммерческого предприятия. Исходя из совершенных преступлений против физических лиц, блок 380 анализа может определить вероятность совершения преступления против какого-нибудь физического лица, против физического лица, которое не знакомо с преступником, и(или) против физического лица из конкретной демографической группы. Исходя из совершенных преступлений против собственности, блок 380 анализа может определить вероятность совершения преступления в транспортном средстве, в объекте частной собственности, в жилом доме, в коммерческом предприятии и(или) конкретном типе коммерческого предприятия.

Блок 380 анализа также может определить вероятность совершения преступления (или определенного типа преступления) поблизости от будущего события, включенного в данные 326 событий, на основании корреляции совершенных преступлений (или некоторых типов преступлений) с прошедшими событиями, включенными в данные 326 событий.

Блок 380 анализа также может определить вероятность совершения преступления (или определенного типа преступления) во время спрогнозированного метеорологического условия, включенного в метеорологические данные 328, на основании корреляции совершенных преступлений (или некоторых типов преступлений) с прошедшими метеорологическими событиями, включенными в метеорологические данные 328.

Данные 322 преступлений могут обновляться с течением времени. Аналогично, данные 324 местоположения, данные 326 событий и(или) метеорологические данные 328 также могут быть обновлены. Таким образом, блок 380 анализа может определять, коррелируют ли (обновленные) данные 322 преступлений с (потенциально обновленными) данными 324 местоположения, (потенциально обновленными) данными 326 событий и(или) (потенциально обновленными) метеорологическими данными 328.

Данные 322 преступлений могут включать в себя информацию о преступлениях, полученную из официальных сайтов. Дополнительно, данные 322 преступлений могут включать в себя информацию (исходную или подвергнутую анализу) о преступлениях, полученную из сети Интернет, социальных сетей (например, Facebook, Twitter и т.п.), сетевых поисковых машин (например, Google, Bing, Aliaba и т.п.), систем распознавания лиц и т.п. Местоположения преступлений, полученные из информации (исходной или подвергнутой анализу) о преступлениях, могут быть получены из местоположений пользователей, которые загрузили/опубликовали информацию о преступлениях, или непосредственно из информации о преступлениях. Время совершения преступлений, полученное из информации (исходной или подвергнутой анализу) о преступлениях, может быть получено на основании времени загрузки/публикации информации о преступлениях или непосредственно на основании информации о преступлениях.

Данные 322 преступлений могут включать в себя информацию о том, были ли осуждены виновники зарегистрированного преступления. При этом блок 380 анализа может быть использован для сравнения эффективности правоохранительных органов по различным юрисдикциям. Данные 322 преступлений могут также включать в себя информацию о том, является ли сообщение о преступлении ложным. При этом блок 380 анализа может быть использован для анализа ложных сообщений о преступлении.

Система 200 прогнозирования преступлений выдает «прогноз преступления». В контексте настоящего документа под «прогнозом преступления» подразумевают информацию, указывающую на вероятность совершения преступления, как определено выше. Прогноз преступления может быть выражен системой 200 прогнозирования преступлений в качестве выраженной в процентах вероятности совершения преступления, разницы между выраженной в процентах вероятностью совершения преступления и базовым уровнем (например, выраженной в процентах вероятностью совершения преступления в большем географическом районе), скалярной величины (например, 0-100) или категории (например, A-F или зеленый-красный), выбранной на основании выраженной в процентах вероятности совершения преступления или разницы между выраженной в процентах вероятностью совершения преступления и базовым уровнем.

Рассмотрим снова фиг. 1, система 200 прогнозирования преступлений может выдавать прогнозы преступлений для множества идентифицированных пользователем местоположений 110 (в этом примере, точки интереса находятся в пределах и вокруг города Денвер) на виде 100, отображающем точки интереса. ГИП 390 может отобразить прогнозы преступлений на карте при помощи СГИ 340. ГИП 390 может предоставить пользователям возможность уточнять типы преступлений (например, при помощи блока 120 тип преступления) и(или) временной интервал (например, при помощи блока 130 временной интервал) для прогнозов преступлений. Блок 380 анализа вычисляет вероятность того, что одно из заданных пользователем преступлений будет происходить в каждом из идентифицированных пользователем местоположений в заданный пользователем временной интервал, и выдает прогноз преступления для каждого из идентифицированных пользователем местоположений при помощи ГИП 390.

На фиг. 4 представлен вид 400, отображающий уровень улиц, графического интерфейса 390 пользователя, который выдан системой 200 прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения. На фиг. 4 каждая из улиц в пунктирных блоках 420 раскрашена в различные оттенки красного цвета (указывая на повышенный прогноз преступлений относительно базового уровня) и каждая из улиц в пунктирных блоках 440 раскрашена в различные оттенки синего цвета (указывая на пониженный прогноз преступлений относительно базового уровня). И в этом случае, ГИП 390 может предоставить пользователям возможность уточнять типы преступлений (например, при помощи блока 480 тип преступления) и(или) временной интервал для прогноза преступлений. Базовый уровень может представлять собой прогноз преступлений для большего географического района (такого как больший столичный район или штат или государство). Блок 380 анализа вычисляет вероятность того, что преступление (преступления), указанные пользователем, произойдет (произойдут) на каждой из улиц, изображенных на виде 400, отображающем уровень улиц, относительно базового уровня (например, среднего общенационального показателя), а также цвета каждой из улиц, изображенных на виде 400, отображающем уровень улиц, в соответствии с прогнозом преступления.

На фиг. 5А и 5В представлены виды 500а и 500b, отображающие кварталы, графического интерфейса 390 пользователя, которые выданы системой 200 прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения.

Как изображено на фиг. 5В, система 200 прогнозирования преступлений может выдавать прогнозы преступлений для множества кварталов 510. И в этом случае, ГИП 390 может отобразить прогнозы преступлений на карте при помощи СГИ 340. ГИП 390 может предоставить пользователям возможность уточнять типы преступлений (например, при помощи блока 480 тип преступления) и(или) временной интервал (например, при помощи блока 580 дата) для прогнозов преступлений. Блок 380 анализа вычисляет вероятность того, что одно из заданных пользователем преступлений будет происходить в каждом из кварталов 510 в заданный пользователем временной интервал, и выдает прогноз преступления для каждого из кварталов 510 при помощи ГИП 390. Рассмотрим фиг. 5В, как показано в кварталах 512, 514 и 516, вероятность совершения преступления может повыситься от первой даты (11 декабря 2016 года) ко второй дате (12 декабря 2016 года).

На фиг. 6 представлен вид 600, отображающий путь следования, графического интерфейса 390 пользователя, который выдан системой 200 прогнозирования преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения. На фиг. 6 сплошные линии 610 окрашены зеленым цветом (что указывает на низкую вероятность совершения преступлений), при этом пунктирные линии 620 окрашены желтым и красным цветом (что указывает на среднюю и высокую вероятности совершения преступлений).

Как изображено на фиг. 6, система 200 прогнозирования преступлений может выдавать прогноз преступления для каждой точки вдоль пути следования. И в этом случае, ГИП 390 может предоставить пользователям возможность уточнять типы преступлений и(или) временной интервал для прогнозов преступлений. Поскольку вид 600, отображающий путь следования, предназначен для помощи путешественникам, система 200 прогнозирования преступлений может быть предварительно настроена для выдачи прогноза по преступлениям, с которыми могут столкнуться путешественники, такими как преступления против личности, когда жертва не знает преступника, кража автомобиля и т.п.

На фиг. 7-10 представлены модули, выдаваемые системой 200 прогнозирования преступлений при помощи ГИП 390. Система 200 прогнозирования преступлений может быть объединена с настраиваемой системой анализа погоды, описанной в международной заявке PCT/US2014/55004, которая ссылкой включена в настоящий документ.

На фиг. 7 представлены модуль 710 предупреждения об опасности совершения преступления и модуль 720 предупреждения об опасности по запросу, которые выдаются системой 200 прогнозирования преступлений через графический интерфейс 390 пользователя в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения.

Как проиллюстрировано модулем 710 предупреждения об опасности совершения преступления, система 200 прогнозирования преступления может выдавать предупреждение об опасности, когда прогноз преступления превышает порог для предупреждения об опасности. Система 200 прогнозирования преступления может предоставить пользователю возможность идентифицировать одно или несколько местоположений, преступлений, типов преступлений, временных интервалов и(или) порог для предупреждения об опасности. Блок 380 анализа рассчитывает вероятность того, что преступление (или заданное пользователем преступление или преступление, имеющее отношение к заданному пользователем типу преступления) произойдет в каждом из идентифицированных пользователем местоположений в заданный пользователем временной интервал, и выдает предупреждение об опасности совершения преступления (как показано, например, в модуле 710 предупреждения об опасности совершения преступления), если прогноз преступления превышает (установленный или заданный пользователем) порог для предупреждения об опасности в идентифицированном пользователем местоположении.

Согласно другому варианту осуществления система 200 прогнозирования преступлений может выдавать предупреждения об опасности совершения преступления в удаленную компьютерную систему 240, когда прогноз преступления для местоположения удаленной компьютерной системы 240 превышает (установленный или заданный пользователем) порог для предупреждения об опасности. Местоположение удаленной компьютерной системы 240 может быть определено самой системой 240 или сервером 210 и сохранено в базе 360 данных местоположений пользователя. Согласно этому варианту осуществления блок 380 анализа рассчитывает вероятность того, что преступление (или заданное пользователем преступление или преступление, имеющее отношение к заданному пользователем типу преступления) произойдет в местоположении удаленной компьютерной системы 240, и выдает предупреждение об опасности совершения преступления, если прогноз преступления превышает (установленный или заданный пользователем) порог для предупреждения об опасности. Согласно этому варианту осуществления система 200 прогнозирования преступлений может быть предварительно настроена для определения прогнозов по преступлениям, с которыми могут столкнуться физические лица (например, преступления против личности, когда жертва не знает преступника).

Согласно другому варианту осуществления система 200 прогнозирования преступлений может выдавать прогноз преступления для текущего местоположения мобильной компьютерной системы 260 и направлять его в мобильную компьютерную систему 260. Прогноз преступления может быть выражен в виде шкалы (например, от 0 до 100 или зеленый-желтый-красный), которая отображает прогноз преступления или отношение прогноза преступления к базовому уровню. Базовый уровень может представлять собой уровень для предыдущего местоположения мобильной компьютерной системы 260.

Как проиллюстрировано модулем 720 предупреждения об опасности по запросу, система 200 прогнозирования преступления может позволить пользователю получать прогнозы преступлений на основе заданного пользователем запроса. Заданный пользователем запрос может включать в себя одно или несколько типов преступлений, множество идентифицированных пользователем местоположений и заданный пользователем временной интервал. В модуле 720 предупреждения об опасности по запросу указывается, что с шести часов вечера до полуночи 69 идентифицированных пользователем местоположений имеют прогноз по всем преступлениям («Общий показатель преступности») выше 50; 50 идентифицированных пользователем местоположений имеют прогноз по грабежу выше 75; 29 идентифицированных пользователем местоположений имеют прогноз по краже автомобиля выше 30; и 15 идентифицированных пользователем местоположений имеют прогноз по общественным беспорядкам.

На фиг. 8 представлены модуль 810 почасового показателя преступности и модуль 820 посуточного показателя преступности, которые выдаются системой 200 прогнозирования преступлений через графический интерфейс 390 пользователя в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения.

Модуль 810 почасового показателя преступности отображает линейные графики почасовых прогнозов преступлений для идентифицированного пользователем местоположения (в этом случае прогнозы по грабежу и поджогу). Модуль 820 посуточного показателя преступности отображает линейные графики посуточных прогнозов преступлений для идентифицированного пользователем местоположения (в этом случае прогнозы по связанным с наркотиками преступлениям и убийствам).

На фиг. 9 представлены модули MinuteCast® 910 и 920, выдаваемые системой 200 прогнозирования преступлений через графический интерфейс 390 пользователя в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения. MinuteCast® представляет собой гиперлокальный, поминутный прогноз за короткий период времени, такой как 120 минут (MINUTECAST является зарегистрированным знаком обслуживания AccuWeather, Inc.). Модуль MinuteCast® 910 показывает, что в течение 120 минут опасность преступления отсутствует, а это значит, что прогноз преступления ниже порога. Модуль MinuteCast® 920 показывает, что более высокие уровни преступления прогнозируются после 75-й минуты. Временная шкала имеет зеленую область 922, указывающую на более высокий прогноз преступления, желтую область 924, указывающую на еще более высокий прогноз преступления, и красную область 926, указывающую на еще более высокий прогноз преступления.

На фиг. 10 представлен процесс 1000 выдачи прогнозов преступлений в соответствии с одним представленным в качестве примера вариантом осуществления настоящего изобретения.

На стадии 1002 определяют одно или несколько местоположений. Каждое местоположение может быть одиночной точкой (например, адресом здания, перекрестком, местом с некоторой широтой и долготой и т.п.) или большим географическим районом (например, кварталом, административно-территориальной единицей, юрисдикцией правоохранительных органов и т.п.). Местоположение(я) могут быть введены пользователем, определены на основании местоположения мобильной компьютерной системы 260, определены на основании пути следования и т.п. Если система 200 прогнозирования преступлений выдает карту (как показано, например, на видах 500а и 500b, отображающих кварталы), местоположения могут быть определены на основании местоположений, видимых пользователем на ГИП 390.

На стадии 1004 определяют временной интервал. В некоторых примерах временной интервал может быть введен пользователем (как описано выше, например, со ссылкой на вид 100, отображающий точки интереса, виды 500а и 500b, отображающие кварталы, и модуль 720 предупреждения об опасности по запросу). Временной интервал по умолчанию может быть временным интервалом, который включает в себя текущий момент времени. Например, временной интервал по умолчанию может быть временным интервалом, начинающимся в текущий момент времени и распространяющимся на ближайшее будущее, как описано выше со ссылкой на вид 400, отображающий уровень улиц, вид 600, отображающий путь следования, модуль 710 предупреждения об опасности совершения преступления. Согласно другому примеру временной интервал по умолчанию может быть временным интервалом, завершающимся в текущий момент времени и распространяющимся на недавнее прошлое, как описано выше со ссылкой на модуль 810 почасового прогноза преступлений и модуль 820 посуточного прогноза преступлений.

В некоторых случаях система 200 прогнозирования преступлений выдает прогноз по всем типам преступлений. В некоторых случаях система 200 прогнозирования преступлений выдает прогноз по ограниченному поднабору преступлений. В этих случаях на стадии 1006 определяют один или несколько типов преступлений. Тип преступления может быть конкретным правонарушением (например, нападением, кражей с взломом, грабежом и т.п.). Тип преступления также может быть определен серьезностью правонарушения (например, фелония, мисдиминор и т.п.) или тяжестью правонарушения. Тип преступления также может определяться тем, является преступление преступлением против собственности, преступлением против личности и т.п. В случае преступления против собственности тип преступления может определяться типом собственности (транспортное средство, жилой дом, коммерческое предприятие, конкретный тип коммерческого предприятия, такой как розничный магазин, и т.п.). В случае каждого преступления против личности тип преступления может определяться тем, знала ли жертва нападающего или был ли нападающий незнакомым человеком, и(или) демографической информацией о жертве (возраст, пол, раса, латиноамериканское происхождение, экономическое положение и т.п.). Тип(ы) преступления могу быть заданы пользователем. Тип(ы) преступлений могут быть выбраны при помощи системы 200 прогнозирования преступлений на основании определенного типа прогноза преступления. Например, система 200 прогнозирования преступления может выбрать тип(ы) преступления, релевантные для одиночного путешественника (например, преступления против личности, когда жертва не знает преступника, кража автомобиля и т.п.), если система 200 прогнозирования преступления определяет, что прогноз преступления должен быть выдан через вид 600, отображающий путь следования.

На стадии 1008 определяют исторический уровень преступности для каждого из местоположений, определенных на стадии 1002. Исторический уровень преступности определяют на основании случаев из данных 322 преступлений для местоположения, определенного на стадии 1002, в течение временных интервалов, подобных временному интервалу, определенному на стадии 1004 (например, одно и то же время суток, один и тот же день недели, одно и то же время года и т.п.), для каждого из типов преступлений, определенных на стадии 1006 (если только пользователь специально не задал тип преступления).

На стадии 1010 определяют прогноз преступления для каждого из местоположений, определенных на стадии 1002. Прогноз преступления может быть равен историческому уровню преступности, определенному на стадии 1008. Дополнительно или альтернативно, система 200 прогнозирования преступлений может определить прогноз преступления путем корректировки исторического уровня преступности, определенного на стадии 1008, на основании ближайших событий, включенных в данные 324 событий, и(или) метеорологических прогнозов из метеорологических данных 328. Система 200 прогнозирования преступлений может корректировать прогноз преступления на основании данных 324 событий путем определения того, включают ли данные 324 событий какие-либо события для местоположений, определенных на стадии 1002, в течение временного интервала, определенного на стадии 1004, определения того, коррелирует ли тип событий, включенных в данные 324 событий, с данными 322 преступлений, как описано выше, и корректировки прогноза преступления на основании указанной корреляции (если она имеет место) между типом событий, включенных в данные 324 событий, и данными 322 преступлений. Аналогично, система 200 прогнозирования преступлений может откорректировать прогноз преступления на основании метеорологических данных 328 путем определения метеорологического прогноза для местоположений, определенных на стадии 1002, в течение временного интервала, определенного на стадии 1004, определения того, коррелируют ли прогнозируемые метеорологические события с данными 322 преступлений, как описано выше, и корректировки прогноза преступления на основании указанной корреляции (если она имеет место) между метеорологическими условиями и данными 322 преступлений.

На стадии 1012 выдают прогноз преступления для каждого из местоположений, определенных на стадии 1002.

Система 200 прогнозирования преступлений предоставляет преимущества для правоохранительных органов. Например, вид 400, отображающий уровень улиц, и виды 500а и 500b, отображающие кварталы, предоставляют информацию, которая может позволить правоохранительным органам точно и эффективно развернуть свои ресурсы. Согласно другому примеру сотрудник правоохранительных органов может быть экипирован мобильной компьютерной системой 260 (например, интеллектуальный информационный портал (ЮР), выпускаемый компанией Motorola Solutions), которая может быть сконфигурирована для выдачи некоторых из описанных выше возможностей. Таким образом, сотруднику правоохранительных органов могут быть предоставлены прогнозы преступлений в режиме реального времени для местоположений, находящихся рядом с мобильной компьютерной системой 260.

Система 200 прогнозирования преступлений предоставляет преимущества для физических лиц. Например, система 200 прогнозирования преступлений предоставляет возможность физическим лицам выбрать безопасный путь следования (как показано, например, на виде 600, отображающем путь следования). Согласно другому примеру система 200 прогнозирования преступлений позволяет повысить ситуативную осведомленность физических лиц путем выдачи предупреждений об опасности совершения преступлений (как продемонстрировано, например, модулем 710 предупреждения об опасности совершения преступлений и модулями MinuteCast® 910 и 920). Прогнозы преступлений могут быть адаптированы системой 200 прогнозирования преступлений к конкретному пользователю. Например, блок 380 анализа может определить вероятность совершения преступления против физического лица из демографической группы пользователя.

Система 200 прогнозирования преступлений также предоставляет преимущества для владельцев предприятий. Например, система 200 прогнозирования преступлений предоставляет владельцам предприятий возможность предвидеть риск преступлений (таких как, например, магазинная кража, преступления против собственности) на территории предприятий (как продемонстрировано, например, модулем 720 предупреждения об опасности по запросу). Согласно другому примеру владелец предприятия, решающий, закрывать ли магазин во время ближайшего события, может использовать систему 200 прогнозирования преступлений для определения того, существует ли повышенный риск совершения преступления во время указанного события.

Выше описаны предпочтительные варианты осуществления, однако специалисты в данной области техники, ознакомившиеся с настоящим раскрытием, легко поймут, что в пределах объема настоящего изобретения существуют и другие варианты осуществления. Например, раскрытия конкретного числа компонентов аппаратных средств, модулей программного обеспечения и т.п. являются иллюстративными, а не ограничивающими объем настоящего изобретения. Следовательно, настоящее изобретение должно рассматриваться как ограниченное лишь прилагаемой формулой изобретения.

1. Компьютеризированный способ определения и выдачи прогноза преступления, при этом способ предусматривает:

хранение данных преступлений в базе данных, при этом данные преступлений включают в себя информацию, указывающую на местоположения и время совершения преступлений;

хранение метеорологических данных в базе данных, при этом метеорологические данные включают в себя предыдущие и прогнозируемые метеорологические условия; определение местоположения прогноза преступления; определение временного интервала прогноза преступления;

определение, исходя из метеорологических данных, прогнозируемого метеорологического условия для местоположения прогноза преступления в течение временного интервала прогноза преступления;

определение, исходя из данных преступлений и предыдущих метеорологических условий, включенных в метеорологические данные, корреляции между преступлениями, включенными в данные преступлений, и прогнозируемым метеорологическим условием;

определение, исходя из данных преступлений, исторического уровня преступности в местоположении прогноза преступления для временных интервалов, подобных временному интервалу прогноза преступления;

определение прогноза преступления путем корректировки исторического уровня преступности на основании корреляции между преступлениями, включенными в данные преступлений, и прогнозируемым метеорологическим условием; и

выдачу прогноза преступления в удаленную компьютерную систему.

2. Способ по п. 1, в котором временные интервалы, подобные временному интервалу прогноза преступления, являются временными интервалами, которые представляют собой то же время суток, что и временной интервал прогноза преступления.

3. Способ по п. 1, который дополнительно предусматривает:

хранение данных событий в базе данных, при этом данные событий включают в себя предыдущие и будущие события;

определение, исходя из данных событий, будущего события для местоположения прогноза преступления в течение временного интервала прогноза преступления; и

определение, исходя из данных преступлений и предыдущих событий, включенных в данные событий, корреляции между преступлениями, включенными в данные преступлений, и прошедшими событиями;

при этом прогноз преступления определяют путем дополнительной корректировки исторического уровня преступности на основании корреляции между преступлениями, включенными в данные преступлений, и будущим событием.

4. Способ по п. 1, в котором

данные преступлений дополнительно включают в себя информацию, указывающую на типы преступлений;

способ дополнительно предусматривает определение типа преступления; при этом

корреляцию между преступлениями, включенными в данные преступлений, и прогнозируемым метеорологическим условием определяют на основании корреляции между преступлениями, которые относятся к определенному типу преступления, и прогнозируемым метеорологическим условием;

исторический уровень преступности определяют на основании исторического уровня преступности для преступлений, которые относятся к определенному типу преступления, в местоположении прогноза преступления для временных интервалов, подобных временному интервалу прогноза преступления;

прогноз преступления определяют путем корректировки исторического уровня преступности на основании корреляции между преступлениями, которые относятся к определенному типу преступления, и прогнозируемым метеорологическим условием.

5. Способ по п. 3, в котором тип преступления вводится пользователем.

6. Способ по п. 3, в котором тип преступления определяют на основании демографических данных пользователя.

7. Способ по п. 1, в котором временной интервал прогноза преступления задается пользователем.

8. Способ по п. 1, в котором временной интервал прогноза преступления определяют на основании текущего момента времени.

9. Способ по п. 1, в котором местоположение прогноза преступления выбирают на основании местоположения удаленной компьютерной системы.

10. Способ по п. 1, дополнительно содержащий:

хранение профиля пользователя для пользователя, причем профиль пользователя включает в себя пороговое значение прогноза преступления; определение местоположения пользователя;

определение прогноза преступления для местоположения пользователя;

сравнение прогноза преступления для местоположения пользователя с пороговым значением прогноза преступления;

отправление предупреждения пользователю в ответ на определение, что прогноз преступления для местоположения пользователя соответствует или превышает пороговое значение прогноза преступления.

11. Система прогнозирования преступлений, содержащая:

базу данных, в которой хранятся данные преступлений и метеорологические данные, при этом данные преступлений включают в себя информацию, указывающую местоположения и время преступлений, и метеорологические данные включают в себя предыдущие и прогнозируемые метеорологические условия; и

блок анализа, который

определяет местоположение прогноза преступления; определяет временной интервал прогноза преступления;

определяет, исходя из метеорологических данных, прогнозируемое метеорологическое условие для местоположения прогноза преступления в течение временного интервала прогноза преступления;

определяет, исходя из данных преступлений и предыдущих метеорологических условий, включенных в метеорологические данные, корреляцию между преступлениями, включенными в данные преступлений, и прогнозируемым метеорологическим условием;

определяет, исходя из данных преступлений, исторический уровень преступности в местоположении прогноза преступления для временных интервалов, подобных временному интервалу прогноза преступления;

определяет прогноз преступления путем корректировки исторического уровня преступности на основании корреляции между преступлениями, включенными в данные преступлений, и прогнозируемым метеорологическим условием; и

выдает прогноз преступления в удаленную компьютерную систему.

12. Система по п. 11, в которой временные интервалы, подобные временному интервалу прогноза преступления, являются временными интервалами, которые представляют собой то же время суток, что и временной интервал прогноза преступления.

13. Система по п. 11, в которой

база данных хранит данные событий, включающие в себя предыдущие и будущие события; при этом блок анализа

определяет, исходя из данных событий, будущее событие для местоположения прогноза преступления в течение временного интервала прогноза преступления; и

определяет, исходя из данных преступлений и предыдущих событий, включенных в данные событий, корреляцию между преступлениями, включенными в данные преступлений, и прошедшими событиями; и

прогноз преступления определяется путем дополнительной корректировки исторического уровня преступности на основании корреляции между преступлениями, включенными в данные преступлений, и будущим событием.

14. Система по п. 11, в которой

данные преступлений дополнительно включают в себя информацию, указывающую на типы преступлений;

блок анализа дополнительно определяет тип преступления; при этом

корреляция между преступлениями, включенными в данные преступлений, и прогнозируемым метеорологическим условием определяется на основании корреляции между преступлениями, которые относятся к определенному типу преступления, и прогнозируемым метеорологическим условием;

исторический уровень преступности определяется на основании исторического уровня преступности для преступлений, которые относятся к определенному типу преступления, в местоположении прогноза преступления для временных интервалов, подобных временному интервалу прогноза преступления; и

прогноз преступления определяется путем корректировки исторического уровня преступности на основании корреляции между преступлениями, которые относятся к определенному типу преступления, и прогнозируемым метеорологическим условием.

15. Система по п. 13, в которой тип преступления вводится пользователем.

16. Система по п. 13, в которой тип преступления определен на основании демографических данных пользователя.

17. Система по п. 11, в которой временной интервал прогноза преступления задается пользователем.

18. Система по п. 11, в которой временной интервал прогноза преступления определен на основании текущего момента времени.

19. Система по п. 11, в которой местоположение прогноза преступления выбрано на основании местоположения удаленной компьютерной системы.

20. Система по п. 11, дополнительно содержащая:

базу данных профиля пользователя, которая хранит профиль пользователя для пользователя, причем профиль пользователя включает в себя пороговое значение прогноза преступления, при этом блок анализа дополнительно выполнен с возможностью:

определения местоположения пользователя;

определения прогноза преступления для местоположения пользователя;

сравнения прогноза преступления для местоположения пользователя с пороговым значением прогноза преступления;

отправления предупреждения пользователю в ответ на определение, что прогноз преступления для местоположения пользователя соответствует или превышает пороговое значение прогноза преступления.



 

Похожие патенты:

Изобретение относится к области вычислительной техники. Технический результат заключается в сокращении времени создания адекватной модели.

Группа изобретений относится к области машинного обучения и может быть использована для оценки обучающих объектов. Техническим результатом является повышение эффективности алгоритма машинного обучения при экономии вычислительных ресурсов.

Изобретение относится к области техники связи. Технический результат – повышение достоверности информации о качестве предоставляемых услуг связи.

Изобретение относится к области вычислительной техники. Технический результат заключается в предоставлении самообновляющегося устройства для характеризации предмета, которое выполнено с возможностью автоматического обновления параметров своей памяти на основе параметров памяти других машин из соответствующей сети машин.

Изобретение относится к средствам для выбора потенциально ошибочно ранжированного документа в наборе поисковых результатов в ответ на запрос. Технический результат заключается в повышении точности машинного обучения.

Изобретение относится к способу моделирования конфликтных ситуаций. Технический результат заключается в повышении точности моделирования конфликтных ситуаций.

Изобретение относится к вариантам устройств “умного дома”, а именно к системе, способу и аппарату для группировки интеллектуальных устройств. Способ и система для группировки интеллектуальных устройств включают в себя терминал группировки и, по меньшей мере, два выбранных интеллектуальных устройства.

Группа изобретений относится к средствам предоставления информации для водителей. Технический результат – повышение точности определения информации, которую необходимо предоставить водителю.

Изобретение относится к извлечению информации из текстов на естественных языках. Техническим результатом является повышение точности сентиментного анализа текстов на естественном языке, осуществляемого на уровне аспектов текстов.

Изобретение относится к способу моделирования преднамеренных повреждений элементов сети связи и может быть использовано при проектировании сетей связи для оценки эксплуатационных показателей.

Изобретение относится к насосным узлам. Технический результат – обеспечение насосного узла с дополнительно оптимизированной конструкцией, за счет уменьшения размера приводного мотора, которая является эффективной даже для работы не с полной, а с частичной нагрузкой.

Изобретение относится к области вычислительной техники для обработки массивов данных. Технический результат заключается в повышении точности поиска в структурированном массиве данных, содержащем, по меньшей мере, синтаксические единицы (СЕ) лингвистического предложения и их идентификационные данные.

Изобретение относится к области вычислительной техники для обработки массивов данных. Технический результат заключается в повышении точности предварительной обработки текста на естественном языке.

Изобретение относится к области вычислительной техники для обработки массивов данных. Технический результат заключается в повышении точности предварительной обработки текста на естественном языке для его последующей индексации и обработки.

Изобретение относится к средствам обработки информации за счет автоматизации формирования логических выводов при обработке массивов данных. Технический результат заключается в сокращении времени обработки и повышении достоверности логических выводов за счет постоянного контроля и подтверждения в процессе обработки данных.

Изобретение относится к области обработки структурированных массивов данных. Технический результат заключается в точности поиска в структурированном массиве данных.

Изобретение относится к области вычислительной техники для семантической обработки данных. Технический результат заключается в повышении точности обработки голосовых запросов.

Изобретение относится к железнодорожной автоматике для регулирования движения. Устройство содержит блоки: получения информации о текущем поездном положении, получения нормативного графика движения поездов, прокладки ниток пассажирских поездов и электропоездов, прокладки ниток грузовых поездов, моделирования тяговых режимов поезда, хранения информации по полигону, извлечения информации по полигону из блока хранения, развязки ниток поездов, получения данных об условиях пропуска поездов, получения данных о планируемых «окнах», формирования энергосберегающего графика движения поездов, ручного ввода данных, хранения прогнозного графика, передачи прогнозного графика в систему управления движением поездов, сопоставления эталонного, прогнозного и исполненного графиков, получения исполненного графика, отображения и регистрации информации, сервер предварительной обработки перегонной информации, нормативно справочной информации по участкам низкого уровня с учетом тяговых расчетов, имитационной модели участка в рельсовых цепях и продвижения поезда по высокоскоростной железнодорожной магистрали, эталонного графика пропуска поезда, нормативно справочной информации по раздельным пунктам, имитационной модели графика движения, эталонного графика прохождения раздельных пунктов магистрали, датчиков прохождения границ рельсовых цепей, датчиков прохождения границ раздельных пунктов, позиционирования поездов, интеллектуального моделирования и управляющих ресурсов, идентификатора фрагментов графика движения поездов, конструктора виртуальных раздельных пунктов, а также модули проверки реализации графика и нормативного графика, сервер предварительной обработки станционной информации.

Изобретение относится к вычислительной технике. Технический результат заключается в расширении класса решаемых задач, включая задачи, которые не обладают списочным гомоморфизмом.
Изобретение относится к области обработки данных, а именно к классификации текстовых данных. Технический результат - более точная классификация текстовых данных путем исправления случайных опечаток и преднамеренных искажений слов (например, замена кириллических букв аналогичными латинскими).

Изобретение относится к способу и устройству анализа и обработки больших данных. Технический результат заключается в повышении точности анализа функциональных процессов. В способе получают фазы процесса и пороговые значения значимых характеристик функционального процесса, для каждой фазы устанавливают характеристики, определяют размер и визуальное представление, формируют отображение фаз в виртуальной области, получают данные об исполнении каждого экземпляра процесса, включающие время исполнения каждой фазы, значимые характеристики каждой фазы, производят анализ каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик, причем при анализе проверяется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса проверяется каждый экземпляр фазы на превышение порогового значения значимых характеристик, формируют интеллектуальные подсказки по оптимизации процесса или отдельных фаз на основании проведенного анализа, отображают результаты исполнения экземпляров процесса в виртуальной области и интеллектуальные подсказки по оптимизации процесса или отдельных фаз на основании проведенного анализа. 2 н. и 4 з.п. ф-лы, 4 ил.

Изобретение относится к области прогнозирования преступлений. Технический результат заключается в повышении точности прогноза. Предложены система и способ прогнозирования преступлений, которые предусматривают хранение данных преступлений и метеорологических данных, а также определение прогноза преступления путем корректировки исторического уровня преступности на основании корреляции между прогнозируемым метеорологическим условием и данными преступлений. Предлагаемые система и способ прогнозирования преступлений могут дополнительно предусматривать хранение данных событий и определение прогноза преступления путем дополнительной корректировки исторического уровня преступности на основании корреляции между будущим событием и данными преступлений. 2 н. и 18 з.п. ф-лы, 11 ил.

Наверх