Kan AI forudsige en bys fremtidige kriminalitetshotspots ved at analysere satellitbilleder og befolkningsdata ?

Maskinlæringsystemer kombinerer nu satellitbilleder, demografiske tendenser og historiske kriminalitetsregistre for at forudsige, hvor visse forbrydelser sandsynligvis vil stige i de kommende måneder. Disse forudsigelser anvendes af nogle kommunale sikkerhedsprogrammer til at allokere ressourcer.

Forskere har gjort betydelige fremskridt inden for anvendelsen af maskinlæringsalgoritmer til at analysere satellitbilleder og befolkningsdata med henblik på at forudsige kriminalitetens hotspots. Ved at udnytte satellitbilleder kan AI-modeller identificere miljømæssige faktorer såsom byforfald, fattigdom og mangel på grønne områder, der er forbundet med højere kriminalitetsrater. Befolkningsdata giver yderligere indsigt i demografiske og socioøkonomiske faktorer, der kan bidrage til kriminalitet. Studier har vist, at kombinationen af disse datakilder kan forbedre nøjagtigheden af kriminalitetsforudsigelser. For eksempel kan en model, der analyserer satellitbilleder for at identificere træk som forladte bygninger, dårlig belysning og tæt vegetation, kombineres med befolkningsdata om befolkningstæthed, indkomstniveauer og uddannelse for at forudsige områder med høj kriminalitet. Selvom denne tilgang viser lovende resultater, kan dens effektivitet variere afhængigt af datakvaliteten, de specifikke algoritmer, der anvendes, og den lokale kontekst. Derudover er der bekymringer omkring potentielle skævheder i dataene og risikoen for at opretholde eksisterende sociale uligheder. Udviklingen af mere sofistikerede og nuancerede modeller, der kan tage højde for disse kompleksiteter, er et aktivt forskningsområde.

+- administreret 13. maj 2026 · Kilde: National Institute of Justice — https://nij.ojp.gov, Science Direct — https://www.sciencedirect.com