Géoinformatique et géostatistique : un aperçu

Cartographie de la criminalité à l'aide d'agents d'intelligence artificielle dans le comté de Nairobi, au Kenya

Mbani BO, Odera PA et Kenduiywo BK

L’analyse et la prévision de la criminalité demeurent une tâche assez difficile, car le système criminel est trop complexe. À Nairobi, la criminalité constitue un défi de plus en plus grand pour la police, malgré des efforts accrus pour lutter contre le vice. Cela est dû au fait que les facteurs sous-jacents qui conduisent à une augmentation des événements criminels, notamment la prolifération des
armes à feu légères, la présence de groupes criminels organisés, la répartition inéquitable des ressources, les mauvaises politiques d’aménagement du territoire urbain, le chômage des jeunes et la toxicomanie, associés à une force de police mal préparée, tant en termes de ressources que de logistique, n’ont pas encore été pleinement traités. Par conséquent, le lien entre la
survenance d’un crime et sa localisation spatiale est une relation clé dans la modélisation de la criminalité. Cet article présente une approche spatiotemporelle basée sur des agents pour modéliser les événements criminels en exploitant la convergence de deux technologies : l’intelligence artificielle et les systèmes d’information géographique. L’intelligence artificielle (IA) est
utilisée pour intégrer le comportement humain dans des agents qui explorent l’environnement spatial de manière autonome tout en apprenant de l’expérience. Plus précisément, l’algorithme d’IA utilisé dans l’étude est une forme d’apprentissage par renforcement appelé q-learning. L'apprentissage par renforcement est un type d'approche d'apprentissage automatique
qui modélise, dans les agents, la capacité à trouver leur chemin le long des réseaux de rues, en apprenant de l'expérience à chaque itération au fur et à mesure que la simulation se déroule. Trois types d'agents ont été conçus dans cette simulation : les agents délinquants, les agents cibles et les agents gardiens. La simulation multi-agents a été développée dans le logiciel Netlogo. Netlogo
L'environnement permet à un utilisateur de concevoir un environnement artificiel comprenant les trois agents, y compris les emplacements possibles de survenance de crimes après plusieurs itérations pour générer des modèles de criminalité. En plus de concevoir des agents qui participent à un événement criminel, un modèle de terrain à risque a été généré en superposant un ensemble de facteurs de risque potentiels qui influencent un événement criminel. Ces facteurs ont d'abord été testés pour leur colocalisation avec la survenance de crimes à l'aide d'un test du Chi carré et finalement superposés pour générer une surface de terrain à risque. Une validation pour tester la précision du modèle a été réalisée en comparant les décomptes de crimes générés par la simulation à ceux rapportés par les autorités. La mesure utilisée dans la comparaison est le coefficient de corrélation du rang du lancier. La validation donne un coefficient de corrélation de 0,4 indiquant qu'il existe un certain degré de corrélation positive puisque pour une corrélation positive parfaite, nous nous attendons à un coefficient de corrélation de 1. Le coefficient de corrélation est un peu faible en raison de diverses hypothèses formulées dans cette simulation, telles que le fait de n'autoriser les agents à se déplacer que le long d'un réseau de rues et de limiter le type de crime au seul vol de rue. De plus, l’ensemble des facteurs de risque potentiels pris en compte dans la génération de la surface de risque est fini alors qu’en réalité, dans la vie réelle, les facteurs qui motivent la criminalité sont complexes, multidimensionnels et presque infinis en nombre.