폭력범과 재산범에 대한 공개적으로 이용 가능한 데이터로부터 시간과 장소 패턴을 학습하고 일주일 뒤 범죄 발생 확률을 90% 정확도로 예측하는 모델을 시카고대학 연구팀이 개발했다.
연구팀은 살인과 상해, 폭행으로 이뤄지는 폭력범과 강도, 절도, 자동차 도둑으로 이뤄지는 재산범 공적 기록을 참조해 각각 범죄로 통보 혹은 체포된 인원수를 도시 범죄 통계나 인구 구성, 빈곤, 이웃에 대한 불만도, 기상 데이터 등에서 학습한 모델로 분석해 일주일 뒤 범죄 발생 확률을 90% 이상 정확도로 예측할 수 있다고 주장하고 있다.
기존 모델에선 도시를 경찰서별 관할이나 교통망 등으로 분할해 1개소에서 범죄가 일어나면 영향이 물결처럼 주위에 균일하게 퍼진다는 예측을 했다. 하지만 이번 모델에선 도시를 300m 사방 타일로 분할해 타일마다 확률을 예측한다. 이를 통해 바이어스 영향을 받기 어렵게 하고 정밀도를 높이는데 성공했다. 연구팀은 범죄가 균일하게 퍼지는 게 아니라 불균일하게 발생한다고 예측했다.
연구팀은 이 모델이 시카고와 애틀랜타, 오스틴, 디트로이트 등 8개 도시에서 기능했다고 주장하고 있다. 또 부유한 지역 범죄에선 체포자가 많고 빈곤 지역 범죄에선 체포자가 감소하고 있는 것으로 밝혀졌다며 대응과 집행에 편향이 있을 가능성을 주장했다.
연구팀은 이 모델 정밀도가 높다고 해서 경찰이 출동하기 위한 지표 등으로 사용해선 안 되며 범죄에 대처하기 위한 도시 정책이나 경찰 전략 툴로 써야 한다고 밝혔다. 관련 내용은 이곳에서 확인할 수 있다.