Prevence kriminality s podporou dataminingov´ych model˚u

(1)

Prevence kriminality s podporou dataminingov´ ych model˚ u

Diplomov´ a pr´ ace

M13000203

Studijn´ı program: N2612 – Elektrotechnika a informatika Studijn´ı obor: 1802T007 – Informaˇcn´ı technologie Autor pr´ace: Bc. Jan ˇSr´amek

Vedouc´ı práce: RNDr. Klára C´ısaˇrová, Ph.D.

(2)

Crime Prevention supported by Datamining models

Diploma thesis

M13000203

Study programme: N2612 – Electrical Engineering and Informatics Study branch: 1802T007 – Information technology

Author: Bc. Jan ˇSr´amek

Supervisor: RNDr. Kl´ara C´ısaˇrov´a, Ph.D.

(3)

(4)

(5)

(6)

Podˇ ekov´ an´ı

Rád bych podˇekoval vedouc´ı práce RNDr. Kláˇre C´ısaˇrové, Ph.D. za jej´ı ochotu pˇri pomoci s prac´ı, doporuˇcován´ı materiál˚u a konstruk- tivn´ı pˇripom´ınky. Dále bych rád podˇekoval své pˇr´ıtelkyni, která mˇe vˇzdy velmi podporovala. Stejnˇe tak jako mým rodiˇc˚um, kteˇr´ı mi celé studium umoˇznili.

(7)

Abstrakt

Tato práce se zabývá vyuˇzit´ım dataminingu pro predikci kriminality. Jej´ım c´ılem je navrhnout modely, které by pro vybrané typy trestných ˇcin˚u tento problém ˇreˇsily. Souˇcást´ı práce je reˇserˇse moˇzných datových zdroj˚u, které by mohly pˇri analýze vhodnˇe doplnit data dnes bˇeˇznˇe vyuˇz´ıvaná analytickými oddˇelen´ımi Policie Cesk´ˇ e republiky.

Dále byl navrˇzen a implementován nástroj, který by umoˇznil policejn´ım sloˇzkám sb´ırat data pˇr´ımo z terénu pomoc´ı mobiln´ıho zaˇr´ızen´ı a ukládat je do vytvoˇrené databáze. Byla také vytvoˇrena webová aplikace slouˇz´ıc´ı jako dispeˇcink a administrace. S pouˇzit´ım analytického open-source nástroje Knime byly navrˇzeny ukázkové modely pro moˇznou predikci kriminality.

Kl´ıˇ cov´ a slova

Prevence kriminality, dataming, shlukov´a anal´yza

(8)

Abstract

This thesis focuses on the use of data mining to predict crime. The aim of this thesis is to design models that would solve this issue for selected types of crime. The thesis also contains research of possible data sources that could aptly complement the data that are nowadays commonly used by analytical departments of the Police of the Czech Republic.

Furthermore, a tool that was also designed and implemented would enable police forces to collect data directly from the field using mo- bile devices and store them in a database. Next, a web application was developed within the scope of this thesis. This application can serve for dispatch and administrative purposes. Last, sample models for crime prediction were designed using an open-source analytical tool Knime.

Keywords

Crime prediction, dataming, cluster analysis

(9)

Obsah

Uvod´ 11

2 Prevence kriminality v ˇCR 12

2.1 Typy prevence . . . 12

2.1.1 Prim´arn´ı prevence . . . 13

2.1.2 Sekund´arn´ı prevence . . . 13

2.1.3 Terci´arn´ı prevence . . . 14

2.1.4 Soci´aln´ı prevence . . . 14

2.1.5 Situaˇcn´ı prevence . . . 14

2.2 Souhrn´e informace . . . 15

2.3 Projektov´a podpora prevence kriminality . . . 16

2.3.1 Projekt Mapy budoucnosti . . . 16

2.3.2 Bezpeˇcn´y Kol´ın . . . 17

3 Data pro prediktivn´ı modely prevence kriminality 20 3.1 Volnˇe dostupn´e datov´e zdroje . . . 20

3.2 Otevˇren´a data . . . 23

3.3 Dalˇs´ı data, kter´a mohou pˇrispˇet k predikci . . . 23

3.4 Form´aty dat . . . 24

4 Typy krimin´aln´ıho jedn´an´ı a datamining 25 4.1 Trestn´ı kriminalita a datamining . . . 25

4.2 Ekonomick´a kriminalita a datamining . . . 26

4.3 Internet a trestn´ı jedn´an´ı . . . 26

5 Vytvoˇrený systém pro predikci výskytu trestné ˇcinnosti 27 5.1 Teoretický podklad . . . 27

(10)

5.1.1 Shlukov´a anal´yza . . . 27

5.1.2 Koeficienty asociace objekt˚u . . . 30

5.1.3 Metriky . . . 30

5.1.4 Algoritmus k-means . . . 31

5.1.5 Popis syst´emu . . . 32

5.2 Mobiln´ı aplikace . . . 32

5.3 Datab´aze . . . 34

5.4 Webov´a aplikace . . . 35

5.5 Knime . . . 38

5.6 Bezpeˇcnost . . . 39

5.7 Pouˇzit´a data . . . 39

5.8 Uloha Vloup´´ an´ı . . . 42

5.9 Uloha kapesn´ı kr´´ adeˇze . . . 47

5.10 ´Uloha kr´adeˇze vozidel . . . 49

Z´avˇer 54

(11)

Seznam obr´ azk˚ u

2.1 Trestná ˇcinnost v Kol´ınˇe znázornˇená pomoc´ı metody hot-spots . . . . 18

5.1 Grafické znázornˇen´ı hierarchického shlukován´ı . . . 28

5.2 Grafické znázornˇen´ı nehierarchického shlukován´ı . . . 28

5.3 Diagram vytvoˇren´eho syst´emu . . . 32

5.4 Interface mobiln´ı aplikace . . . 34

5.5 Schéma navrˇzené databáze . . . 35

5.6 Uk´azka pˇrehledu hl´ıdek v ter´enu . . . 37

5.7 Vˇsechny trestn´e ˇciny . . . 42

5.8 Rozdˇelen´ı pˇr´ıpad˚u podle ˇcasov´ych ´usek˚u . . . 43

5.9 R´ano . . . 44

5.10 Den . . . 44

5.11 Veˇcer a noc . . . 44

5.12 Ukázka proudu pro analýzu vloupnán´ı a nasazen´ı hl´ıdek . . . 45

5.13 Výsledek analýzy souvisej´ıc´ıch vloupán´ı . . . 46

5.14 Histogram znázorˇnuj´ıc´ı mnoˇzstv´ı kapesn´ıch krádeˇz´ı podle týdn˚u v roce 47 5.15 Zobrazen´ı krádeˇz´ı rozdˇelených dle kritických obdob´ı . . . 48

5.16 Histogram kr´adeˇz´ı obarven´y podle oblast´ı . . . 49

5.17 Zobrazen´ı rizikov´ych oblast´ı kr´adeˇz´ı automobil˚u . . . 50

5.18 Zastoupen´ı poˇcas´ı pˇri kr´adeˇzi . . . 51

5.19 Histogram ˇcetnosti kr´adeˇz´ı vozu dle roku v´yroby . . . 52

(12)

Uvod ´

Boj proti zloˇcinu je stejnˇe starý jako kriminalita sama. Proto v dneˇsn´ı dobˇe infor- matiky nar˚ustá snaha vyuˇz´ıt dostupné technologie také pro tyto úˇcely. D´ıky tech- nickému pokroku je dnes moˇzné z´ıskávat data z terénu v reálném ˇcase a v tento okamˇzik data také analyzovat. Pˇri vhodném zp˚usobu shromáˇzdˇen´ı informac´ı slouˇz´ı datamining k odhalován´ı na prvn´ı pohled skrytých spojitost´ı. Je tak moˇzné zjistit souvislosti mezi jednotlivými trestnými ˇciny, ˇci okolnostmi události. Po celém svˇetˇe vznikaj´ı projekty zabývaj´ıc´ı se zefektivnˇen´ım práce policie pomoc´ı modern´ıch matematických analytických nástroj˚u. Právˇe zahraniˇcn´ı zkuˇsenosti ukazuj´ı, ˇze na základˇe analýz a predikc´ı lze sn´ıˇzit obecnou kriminalitu aˇz o 30%. Konkrétnˇe tento závˇer pocház´ı ze statistik policejn´ıch orgán˚u mˇesta Memphis ve Spojených státech.

Zde se m´ıstn´ı policie rozhodla provést zásadn´ı zmˇeny ve zp˚usobu práce a vytvoˇrili program Blue CRUSH. Tento zahraniˇcn´ı program jehoˇz myˇslenkou je zefektivnˇen´ı práce policejn´ıch sloˇzek s vyuˇzit´ım dataminingu byl hlavn´ı inspirac´ı pro praktickou ˇcást této diplomové práce.

(13)

2 Prevence kriminality v ˇ CR

2.1 Typy prevence

Prevence kriminality je významná ˇcást bezpeˇcnostn´ı politiky ˇCR. Preventivn´ı politika ˇreˇs´ı bezpeˇcnost spoleˇcnosti v budoucnosti. Jde o to, krimináln´ım ˇcin˚um bránit

´

uˇcinnými opatˇren´ımi. Pˇredv´ıdat páchán´ı trestn´ıch ˇcin˚u a jiného neˇzádouc´ıho jednán´ı v m´ıstˇe a ˇcase a zasáhnout nerepresivn´ımi prostˇredky tak, aby se pravdˇepodobnost páchán´ı trestn´ıch ˇcin˚u sn´ıˇzila co nejv´ıce. Naproti tomu trestn´ı politika ˇreˇs´ı trestn´ı ˇciny, které se jiˇz staly. Jejich vyˇreˇsen´ı a nasazen´ı represe má odradit od páchán´ı trestn´ıch ˇcin˚u a tedy v tomto smyslu má také preventivn´ı funkci. Zaj´ımavým ry- sem je pohled na subjekty, které se na trestn´ı a preventivn´ı politice pod´ılej´ı. Trestn´ı politiku vykonávaj´ı orgány ˇcinné v trestn´ım ˇr´ızen´ı, tj. policie, státn´ı zastupitelstv´ı, soudy a vˇezeˇnstv´ı. Jejich role jsou právnˇe pˇresnˇe vymezené. Preventivn´ı politiku realizuje mnohem v´ıce subjekt˚u. V prevenci p˚usob´ı uˇz vyjmenované orgány a dále orgány státn´ı správy, sdruˇzen´ı obˇcan˚u, c´ırkve, analytická oddˇelen´ı orgán˚u státn´ı správy i obˇcané svou angaˇzovanou úˇcast´ı na ˇzivotˇe obˇcanské spoleˇcnosti. Krimináln´ı ˇcinnost je velmi ˇsiroký okruh jednán´ı a nˇekteré speciáln´ı druhy trestn´ı ˇcinnosti mohou ˇreˇsit pouze týmy expert˚u, kriminalist˚u a kontroln´ıch orgán˚u ve spolupráci s profesionály. Za zm´ınku napˇr´ıklad stoj´ı problém organizovaného zloˇcinu, terorizmu, nebo hospodáˇrské kriminality, poˇc´ıtaˇcového rizikového chován´ı, kyberˇsikany apod.

Prevence kriminality, z jiného úhlu pohledu, je ˇcásti vˇedy zvané kriminologie. Kri- minologie je vˇeda o kriminalitˇe, a jej´ı kontrole. Je multidisciplinárn´ı a do jej´ıho ob- sahu se prom´ıtaj´ı poznatky z jiných vˇedn´ıch obor˚u. Jen pro ilustraci jsou to napˇr´ıklad poznatky psychologie, psychiatrie, medic´ıny i sociologie pro zkoumán´ı a vysvˇetlován´ı chován´ı pachatel˚u a také obˇet´ı. Hledán´ı souvislost´ı a trend˚u krimináln´ıch chován´ı je spojeno se statistikou a dnes i s algoritmy dataminingu a umˇelé inteligence. Nelze vy- nechat souvislost s právn´ım ˇrádem. Výsledky kriminalistického zkoumán´ı by mˇely slouˇzit zákonodárc˚um pˇri formulován´ı a schvalován´ı zákonných úprav. Napˇr´ıklad

(14)

souˇcasnˇe velmi diskutovaná trestn´ı odpovˇednost mladistvých je jiˇz dlouhou dobu ˇreˇsena na p˚udˇe parlamentu ˇCR. Bohuˇzel odborn´ıky garantované názory jsou pre- zentované veˇrejnosti mnohém ménˇe neˇz politicky motivované ˇcasto laické názory.

cit[cis1]

2.1.1 Prim´ arn´ı prevence

Pracuje s celou populac´ı, s dospˇelými i dˇetmi. Jde o aktivity výchovné, vzdˇelávac´ı, r˚uzné poradenské sluˇzby pro nejˇsirˇs´ı veˇrejnost. Spoleˇcnost mus´ı dostávat relevantn´ı odborné informace, mus´ı m´ıt znalost základn´ıch právn´ıch povinnost´ı, vˇedom´ı trestné odpovˇednosti atd. Velký d˚uraz je kladen na pozitivn´ı ovlivˇnován´ı hodnotových mˇeˇr´ıtek pˇredevˇs´ım u dˇet´ı a mládeˇze. ˇReˇsen´ı je v uváˇzené nab´ıdce vyuˇz´ıván´ı volného ˇcasu a to jak nab´ıdkou kulturn´ıch pˇr´ıleˇzitost´ı, tak sportovn´ıch a jiných aktivit.

Primárn´ı prevenci fakticky dˇelá rodina, ˇskola a veˇrejnoprávn´ı media a také orgány veˇrejné správy. Neformálnˇe se na n´ı pod´ılej´ı také r˚uzná zájmová sdruˇzen´ı a spolky.

2.1.2 Sekund´ arn´ı prevence

Jedná se o prevenci pracuj´ıc´ı s rizikovými skupinami, u kterých je pravdˇepodobnost páchán´ı trestné ˇcinnosti nebo skupinami, které mohou být potencionáln´ımi obˇet’mi.

Práce je selektivn´ı podle vˇeku, hroz´ıc´ıho nebezpeˇc´ı, sociálnˇe patologických jev˚u, prostˇred´ı a dalˇs´ıch kriminogenn´ıch situac´ı. Na vysvˇetlen´ı uvedu nˇekteré skupiny, kterým mus´ı být vˇenovaná specializovaná sociáln´ı i vzdˇelávac´ı péˇce. Jedná se napˇr´ıklad o lidi, kteˇr´ı jsou drogovˇe závisl´ı, alkoholovˇe závisl´ı, gambleˇri, sprejeˇri, agresoˇri – výtrˇzn´ıci, vandalové, rasisti, extrémisti a dalˇs´ı. Sekundárn´ı prevence je provádˇená na úrovni státu, kraj˚u, region˚u i m´ıstn´ıch orgán˚u pˇr´ısluˇsnými pracoviˇsti.

Pro ilustraci:

Republikový výbor pro prevenci kriminality je orgán ministerstva vnitra, kraje maj´ı manaˇzery prevence kriminality, podobnˇe maj´ı své manaˇzery i mˇesta. Aktuáln´ı seznamy jsou pˇr´ılohy 2,3,4 této práce. Dalˇs´ı funkce pln´ı ministerstvo práce a sociáln´ıch vˇec´ı, ministerstvo spravedlnosti i ministerstvo zdravotnictv´ı. Mnoho funkc´ı prevence pln´ı i odbory sociáln´ıch vˇec´ı dalˇs´ıch státn´ıch orgán˚u na vˇsech úrovn´ıch státn´ı správy. Dále funguj´ı r˚uzná krizová centra napˇr´ıklad pro drogovˇe ˇci jinak závislé, mnoho obˇcanských sdruˇzen´ı i výzkumných organizac´ı, které studuj´ı pˇr´ıˇciny kriminogenn´ıch situac´ı a pomáhaj´ı hledat postupy prevence.

(15)

2.1.3 Terci´ arn´ı prevence

Se zamˇeˇruje na pachatele, obˇeti a na lokality, kter´e jiˇz byly kriminalitou zasaˇzeny.

Lokality je potˇreba kriminality zbavit, nebo ji alespoˇn limitovat. Pachatele je potˇreba resocializovat, bránit recidivˇe trestné ˇcinnosti a hledat cesty k návratu kriminálnˇe poznamenaných osob do ˇzivota. Hledat moˇznosti pracovn´ıch uplatnˇen´ı pachatel˚u po skonˇcen´ı výkonu trestu, nab´ıdnout jim na trhu uplatnitelné rekvalifikace, poskytnout obˇetem i pachatel˚um sociáln´ı a rodinné poradenstv´ı a mnoho dalˇs´ıch potˇrebných funkc´ı souvisej´ıc´ıch s ˇzivotem odsouzených. Odpovˇedné orgány i v této oblasti prevence jsou výˇse uvedená ministerstva a orgány státn´ı správy. Vzdˇeláván´ı pachatel˚u ve vˇeznic´ıch spadá pod ministerstvo ˇskolstv´ı. Na prevenci kriminality je nˇekdy vhodné d´ıvat se pohledem sociáln´ı a situaˇcn´ı prevence.

2.1.4 Soci´ aln´ı prevence

Tento typ prevence se zabývá zabránˇen´ım sociáln´ımu vylouˇcen´ı osob ze spoleˇcnosti.

Z hlediska obˇet´ı jde o pomoc výchovou a poradenstv´ım k bezpeˇcnému chován´ı a pˇredcházen´ı kritickým situac´ım a to s ohledem na r˚uzný typ kritických situac´ı.

Ohroˇzená osoba, která projde psychologickým a právn´ım poradenstv´ım, pˇr´ıpadnˇe tréninkem v obranných strategi´ıch, je pˇripravená se úˇcinnˇe bránit, pˇr´ıpadnˇe se kri- mináln´ım situac´ım vyhnout. C´ılem tedy je ochrana spoleˇcnosti pˇred vznikem a ˇs´ıˇren´ım spoleˇcensky nepˇrijatelých jev˚u.

2.1.5 Situaˇ cn´ı prevence

Vycház´ı ze znalost´ı výskytu urˇcité kriminality v m´ıstˇe a ˇcase. Z historie a zdoku- mentované trestné ˇcinnosti odvozuje pravdˇepodobnost výskytu jistého druhu kri- mináln´ıch ˇcin˚u. Následnˇe organizaˇcn´ımi ˇci technickými opatˇren´ımi se snaˇz´ı bránit výskytu kriminality. V praxi to znamená napˇr´ıklad instalaci kamerových systém˚u nebo nasazen´ı policejn´ıch hl´ıdek podle výsledk˚u analýz. Patˇr´ı sem také r˚uzné tech- nické bezpeˇcnostn´ı prvky pro zabezpeˇcen´ı majetku, nebo bezpeˇcnostn´ı agentury, ideálnˇe ve spojen´ı s policii ˇCR.

(16)

2.2 Souhrn´ e informace

Na prevenci kriminality se pod´ıl´ı vláda vytváˇren´ım preventivn´ı politiky s poradn´ım orgánem, který se jmenuje Republikový výbor pro prevenci kriminality. Ve výboru jsou zastoupené relevantn´ı resorty. Pro ilustraci odborného meziresortn´ıho zastoupen´ı je sloˇzen´ı výboru následuj´ıc´ı:

ˇreditel odboru bezpeˇcnostn´ı politiky a prevence kriminality, Ministerstvo vnitra ˇCR,

odbor vzdˇeláván´ı, sekce personáln´ı, Ministerstvo obrany ˇCR,

prvn´ı n´amˇestek policejn´ıho prezidenta, Policejn´ı prez´ıdium ˇCR,

odbor sociáln´ıch sluˇzeb a sociáln´ıho zaˇcleˇnován´ı, Ministerstvo práce a sociáln´ıch vˇec´ı,

odbor ochrany práv a dˇet´ı a náhradn´ı rodinné péˇce, Ministerstvo práce a sociáln´ıch vˇec´ı,

legislativn´ı odbor, Ministerstvo spravedlnosti,

odbor vzdˇeláván´ı, oddˇelen´ı prevence a speciáln´ıho vzdˇeláván´ı Ministerstvo ˇskolstv´ı, mládeˇze a tˇelovýchovy,

odbor financov´an´ı kapitol st´atn´ıho rozpoˇctu II, Ministerstvo financ´ı ˇCR,

Nejvyˇsˇs´ı st´atn´ı zastupitelstv´ı,

zástupce ˇreditele odboru výkonu vazby a trestu, Generáln´ıˇreditelstv´ı vˇezeˇnské sluˇzby,

ˇreditel Institutu pro kriminologii a soci´aln´ı prevenci,

oddˇelen´ı kanceláˇre Rady vlády pro záleˇzitosti romské menˇsiny a sekretariátu Rady vlády pro národnostn´ı menˇsiny, Úˇrad vlády ˇCR,

Národn´ı monitorovac´ı stˇredisko pro drogy a závislosti Úˇrad vlády ˇCR,

ˇReditelka, Probaˇcn´ı a mediaˇcn´ı sluˇzba,

Okresn´ı soud Rychnov nad Knˇeˇznou,

(17)

ˇreditel odboru trestn´ı politiky, vˇezeˇnstv´ı, probace a mediace, Ministerstvo spravedlnosti,

Na niˇzˇs´ıch úrovn´ıch spolupracuj´ı na prevenci pˇr´ısluˇsné odbory veˇrejné správy, policie, nevládn´ı organizace a dalˇs´ı instituce jako spolky, obˇcanská sdruˇzen´ı apod.

Na krajské úrovni se vytváˇr´ı programy prevence kriminality. Za jejich realizaci nesou odpovˇednost obecn´ı zastupitelstva, odbor prevence kriminality. Ministerstvo vnitra pak poskytuje metodickou a konzultaˇcn´ı pomoc a dotaˇcn´ı prostˇredky na realizaci preventivn´ıch projekt˚u. C´ılem preventivn´ı politiky je bezpeˇcné prostˇred´ı a zvyˇsuj´ıc´ı se pocit bezpeˇc´ı obˇcan˚u. Pˇrispˇet ke sniˇzován´ı m´ıry a závaˇznosti trestné ˇcinnosti lze mnoha zp˚usoby. Pˇr´ıspˇevkem k situaˇcn´ı prevenci je i tato práce.

2.3 Projektov´ a podpora prevence kriminality

Prevence kriminality ve svých výstupech pˇredstavuje soubor mnoha r˚uzných opatˇren´ı zvyˇsuj´ıc´ıch bezpeˇcnost spoleˇcnosti jak bylo popsáno výˇse. Významnˇe je prevence podpoˇrena realizac´ıˇrady projekt˚u, které maj´ı výzkumný, vzdˇelávac´ı i aplikaˇcn´ı charakter. Nˇekteré z nich byly inspirac´ı pro tuto práci.

2.3.1 Projekt Mapy budoucnosti

Projekt byl financován z prostˇredk˚u Evropského sociáln´ıho fondu v Operaˇcn´ım programu Lidské zdroje a zamˇestnanost a ze státn´ıho rozpoˇctu ˇCR. Na projektu spo- lupracoval odbor prevence kriminality ministerstva vnitra a výzkumná organizace ACCENDA – Centrum pro vˇedu a výzkum od roku 2014. ˇSlo o to, hledat a poznávat modern´ı nástroje zpracován´ı dat na analýzu a predikci kriminality s c´ılem zvýˇsit efektivitu a kvalitu výkonu veˇrejné správy v oblasti prevence kriminality. Výstupy tohoto projektu byly prezentované na dvoudenn´ı mezinárodn´ı konferenci

”Mapy budoucnosti,“ které jsme se mohli ve 3-ˇclenném týmu FM zúˇcastnit. Tato konference byla cenným zdrojem informac´ı nejen o souˇcasných trendech zpracován´ı sofistiko- vaných analýz pˇr´ıˇcin, souvislost´ı, vazeb a predikce oˇcekávaného vývoje kriminality v CR, ale byla pˇredstavena cel´ˇ a ˇrada evropských a zámoˇrských ˇreˇsen´ı prevence kriminality. Potvrdila, ˇze ve vyspˇelých demokratických spoleˇcnostech na analýzách úzce spolupracuje akademická sféra a bezpeˇcnostn´ı policejn´ı sloˇzky. Dalˇs´ım zjiˇstˇen´ım byl fakt, ˇze projekt Mapy budoucnosti je v oblasti predikˇcn´ıch analýz v ˇCR pr˚ukopn´ıkem a zahraniˇcn´ı znalosti a zkuˇsenosti pˇredstavuj´ı pˇredevˇs´ım motivaci, inspiraci, ˇci také

(18)

zdroj nových postup˚u pro ˇreˇsen´ı kriminality. Závˇery a doporuˇcen´ı vycházej´ı zejména ze studia nasazen´ı predikˇcn´ıch analýz v zem´ıch Evropské unie a Spojených stát˚u amerických. Dnes jiˇz existuj´ı d´ılˇc´ı ˇreˇsen´ı pro vytváˇren´ı map kriminality ve tvaru zobrazen´ı

”hot spot“ a

”cold spot“ m´ıst. Jsou to m´ısta s nejvyˇsˇs´ı a nejniˇzˇs´ı intenzi- tou výskytu vybraného krimináln´ıho jevu. Ze zkoumán´ı ˇcasových závislost´ı, analýza napov´ı, která m´ısta jsou riziková, s jakou pravdˇepodobnost´ı se tam bude vyskytovat sledovaný krimináln´ı jev a kdy se takový ˇcin dá oˇcekávat. Analýzy mohou také po- moct rozˇsifrovat dalˇs´ı otázky, které si kriminalisti pokládaj´ı. Napˇr´ıklad: Proˇc právˇe tato lokalita, proˇc právˇe tento ˇcas, proˇc t´ımto zp˚usobem, proˇc tato obˇet’ a tento pachatel. Souvislosti mohou být ukryté v datech, které má policie k dispozici. K tˇemto moˇznostem pˇredcházen´ı trestné ˇcinnosti obecnˇe panuje jistá ned˚uvˇera. Na stránkách projektu Mapy budoucnosti prob´ıhá anketa mapuj´ıc´ı vyuˇz´ıván´ı opatˇren´ı prevence kriminality, která jsou v souˇcasné dobˇe k dispozici. Z aktuáln´ıho výsledku vyplývá, ˇze 41% respondent˚u se hlás´ı k vyuˇz´ıván´ı podobných opatˇren´ı prevence, 29%

pravdˇepodobnˇe nemá d˚uvˇeru v souˇcasná opatˇren´ı a nevyuˇz´ıvá je a 30% by chtˇelo s prevenc´ı pracovat, ale nev´ı jak. Celkem hlasovalo 2716 lid´ı. Tato ˇc´ısla maj´ı jen ilu- strativn´ı význam, protoˇze hlasován´ı nen´ı autorizované pro relevantn´ı osoby, ˇreˇsitelé projektu, pˇr´ıpadnˇe kriminalisty a analytiky. V neformáln´ıch diskus´ıch se nám potvr- dilo, ˇze ˇrada pˇr´ıtomných skuteˇcnˇe o nasazen´ı pochybuje. Pochybnosti maj´ı koˇreny ve sn´ıˇzeném personáln´ım stavu P ˇCR a pˇr´ıliˇs pˇret´ıˇzených policistech. Nová technologie potˇrebuje ˇcas na vývoj, implementaci a také nasazen´ı a pilotn´ı provoz. Mapy budoucnosti mˇely posunout znalost a ukázat, ˇze i v ˇCR existuj´ı prvn´ı lokáln´ı ˇreˇsen´ı, která vyuˇz´ıvaj´ı nové postupy a metody.

Na konferenci bylo pˇredstaveno unik´atn´ı ˇreˇsen´ı prevence kriminality v Kol´ınˇe.

Ve Stˇredoˇceském kraji se podaˇrilo spojit relevantn´ı instituce, které na prevenci maj´ı zásadn´ı zájem – Policie ˇCR, Mˇestská policie a mˇesto Kol´ın. Projekt má název Bezpeˇcný Kol´ın.

2.3.2 Bezpeˇ cn´ y Kol´ın

Tento zaj´ımavý projekt chce výrazným zp˚usobem eliminovat pouliˇcn´ı kriminalitu, hlavnˇe krádeˇze vloupán´ım a krádeˇze ostatn´ı, ale ˇreˇs´ı i kriminalitu a jej´ı prevenci jako celek.

Pˇr´ıstup k ˇreˇsen´ı kriminality novˇe deklaruje spolupraci m´ıstn´ıch úˇrad˚u a samo- správy. Závadové osoby jsou sledovány a to zejména tak, ˇze se pravidelnˇe kontroluj´ı vytipovaná kritická m´ısta – ubytovny, sbˇerny, nádraˇz´ı vlakové i autobusové. Výkon

(19)

sluˇzby pracovn´ıch hl´ıdek vych´az´ı z urˇcen´ı

”hot spot“, m´ıst, kde je evidovaný výskyt krimináln´ıho chován´ı. Zahraniˇcn´ı zkuˇsenosti [podle závˇereˇcné zprávy projektu Mapy budoucnosti] potvrzuj´ı, ˇze pachatelé se cca v 25 % vrac´ı do tˇechto m´ıst, kde byla v mi- nulosti trestná ˇcinnost páchána nebo tato m´ısta trestnou ˇcinnost

”pˇritahuj´ı“ svými charakteristikami. Mohou to být bary, hospody, herny, nádraˇz´ı, zastávky autobus˚u, sbˇerny v noci parky apod. Geograficky analytický systém dovoluje data r˚uznˇe filtro- vat a podávat aktuálnˇe potˇrebný výsledek analýz. Mapové podklady slouˇz´ı potom pro ˇr´ızen´ı zásah˚u a dohledu. Systém je propojený s obˇcany tak, aby byl sbˇer dat, podnˇet˚u a informac´ı k jakékoliv nezákonné ˇcinnosti co nejlepˇs´ı.

Podle ˇclánku prezentovaném na konferenci [5] celkový pokles trestné ˇcinnosti v mˇestˇe Kol´ın byl oproti roku 2014 o 39 %, oproti roku 2013 je pokles o 50 %, u majetkové trestné ˇcinnosti ˇcin´ı pokles oproti roku 2014 o 57 %, oproti roku 2013 je to pokles o 68 %, u krádeˇz´ı vloupán´ım byl registrován pokles oproti roku 2014 o 56 %, oproti roku 2013 se jedná o pokles o 85 % u krádeˇz´ı prostých ˇcin´ı pokles oproti roku 2014 o 64 %, oproti roku 2013 je pokles o 71%. To jsou velmi nadˇejná ˇc´ısla a potvrzuj´ı, ˇze investice do projektu má i ekonomický efekt.

Obrázek 2.1: Trestná ˇcinnost v Kol´ınˇe znázornˇená pomoc´ı metody hot-spots Zdroj: Policie ˇCR, Mˇestská policie Kol´ın

V prezentaci bylo konstatováno, ˇze je potˇreba zlepˇsit sbˇer dat pˇri ˇsetˇren´ı na m´ıstˇe trestných ˇcin˚u, pˇri kontrolách osob v terénu a to tak, aby policista mˇel k dispozici tablet s aplikac´ı, která mu umoˇzn´ı data vkládat do systému v terénu a také data v terénu z´ıskávat. Aplikace by mˇela poskytovat i pracovn´ı ˇr´ıd´ıc´ı informace. Souˇcasný stav podle dokumentu [5] je takový, ˇze policista vkládá data do systému aˇz v kan-

(20)

celáˇri z kontroln´ıho pap´ırového záznamu. Oˇcekávané pˇr´ınosy budou v efektivnˇejˇs´ım vyuˇz´ıván´ı ˇcasu, okamˇzitˇe po zjiˇstˇen´ı odeslaná informace, at’ uˇz o osobˇe, vˇeci, m´ıstˇe, ovlivn´ı rychlost ˇsetˇren´ı a zvýˇs´ı se i poˇcet policist˚u v ulic´ıch.

(21)

3 Data pro prediktivn´ı modely prevence kri- minality

3.1 Volnˇ e dostupn´ e datov´ e zdroje

Tato ˇcást diplomové práce je zamˇeˇrena na pr˚uzkum dostupných resp. existuj´ıc´ıch relevantn´ıch dat. Jedná se o data, která by mohla doplnit bˇeˇznˇe sb´ıraná data Polici´ı CR a pˇridat t´ım do anal´ˇ yz a predikˇcn´ıch model˚u novou informaci. Byly hledány da- tové zdroje instituc´ı, které mohou m´ıt vhodné informace, veˇrejné dostupné rejstˇr´ıky, ministerské agendy a dalˇs´ı dostupné informace, které by mohly zlepˇsit kvalitu pre- dikˇcn´ıch model˚u.

Data ´ Uˇ radu pr´ ace

Na https://portal.mpsv.cz/sz/download lze dohledat tyto data:

volná m´ısta Úˇradu práce ˇCR v HTML nebo XML formátu,

pˇr´ır˚ustky volných m´ıst Úˇradu práce ˇCR v HTML nebo XML formátu,

volná m´ısta z jednotlivých okres˚u v HTML nebo XML formátu,

seznam insolventn´ıch firem evidovaných Úˇradem práce ˇCR v HTML nebo XML formátu,

mˇes´ıˇcn´ı statistika nezamˇestnanosti.

Z tˇechto dat by mohlo být moˇzné napˇr´ıklad hledat závislost mezi m´ırou kriminality a nedostatkem

”spr´avn´ych“ pracovn´ıch m´ıst.

(22)

Data z port´ alu justice.cz

Na tomto webu je moˇzné z´ıskat informace z prostˇred´ı soudnictv´ı v ˇCR. Portál je provozován Ministerstvem spravedlnosti ˇCR. Je moˇzné z´ıskat následuj´ıc´ı data:

rejstˇr´ık trest˚u,

obchodn´ı rejstˇr´ık,

insolvenˇcn´ı rejstˇr´ık,

evidence ´upadc˚u,

seznamy soudc˚u, st´atn´ıch z´astupc˚u, soudn´ıch znalc˚u,

poˇcet ˇz´adost´ı o v´ypis z trestn´ıho rejstˇr´ıku podle mˇes´ıc˚u (CSV, 2008-2015),

poˇcet ˇzádost´ı o výpis z trestn´ıho rejstˇr´ıku dle krajských úˇrad˚u (CSV, 2008- 2015).

Data ˇ Cesk´ e spr´ avy soci´ aln´ıho zabezpeˇ cen´ı

Na adrese http://www.cssz.cz/cz/o-cssz/informace/statistiky/ lze nal´ezt n´asleduj´ıc´ı data:

d˚uchodov´a statistika,

nemocensk´a statistika, pracovn´ı neschopnost (v pr˚ubˇehu let),

v´yvoj pˇr´ıjm˚u pojiˇst’oven v pr˚ubˇehu mˇes´ıc˚u a let.

Pomoc´ı tˇechto dat by bylo moˇzné analyzovat proˇc a kdy se lidé v´ıce pojiˇst’uj´ı. Dále jsou k dipozici údaje o plnˇen´ı povinnost´ı zamˇestnavatel˚u (plátci pojistného, nedo- platky, d˚uchodové a nemocenské pojiˇstˇen´ı) rozdˇelené dle kraj˚u. Záznamy o neplnˇen´ı tˇechto povinnost´ı pˇredstavuj´ı pˇr´ımo krimináln´ı jednán´ı. Bohuˇzel veˇskerá data jsou ve formátu PDF, ˇc´ımˇz znaˇcnˇe ztˇeˇzuj´ı moˇznost strojového ˇcten´ı.

(23)

Data z ˇ Cesk´ eho statistick´ eho ´ uˇ radu

Portál https://www.czso.cz/ je bohatý zdroj informac´ı. Je zde moˇzné z´ıskat data nejen v souborech formátu PDF, ale také jsou k dispozici jako HTML tabulky.

Zdrojem tˇechto dat je veˇrejná databáze ˇCS Ú. Jako potenciálnˇe zaj´ımavá data byla vybrána:

pr˚umˇern´e hrub´e mˇes´ıˇcn´ı mzdy podle pohlav´ı v kraj´ıch,

pr˚umˇerné hrubé mˇes´ıˇcn´ı mzdy zamˇestnanc˚u podle hlavn´ıch tˇr´ıd klasifikace zamˇestnán´ı CZ-ISCO v kraj´ıch,

výdaje na dávky nemocenského pojiˇstˇen´ı podle druh˚u dávek v kraj´ıch,

vyplacené dávky státn´ı sociáln´ı podpory podle druhu dávek v kraj´ıch,

vyplacené dávky státn´ı sociáln´ı podpory podle druhu dávek v okresech,

sociáln´ı sluˇzby poskytované v zaˇr´ızen´ıch sociáln´ıch sluˇzeb v kraj´ıch,

pr˚umˇern´y poˇcet osob nemocensky pojiˇstˇen´ych v kraj´ıch,

zamˇestnanost/nezamˇestnanost v kraj´ıch,

poˇcet cizinc˚u podle okres˚u, vˇeku,

obvinˇen´ı podle pohlav´ı,

trestn´e ˇciny a jejich objasnˇenost.

Rejstˇ r´ıky jako dalˇ s´ı zdroj informac´ı

Na serveru http://www.rejstriky.info/ je dostupný vyhledávaˇc s analytickým výstupem. Portál poskytuje zaj´ımavou sluˇzbu grafického zobrazen´ı podnika- telských vazeb mezi jednotlivými podnikatelskými subjekty. Je moˇzné vyhledávat v následuj´ıc´ıvh katerogi´ıch:

obchodn´ı rejstˇr´ık,

ˇzivnostensk´y rejstˇr´ık,

insolvenˇcn´ı rejstˇr´ık,

(24)

administrativn´ı registr ekonomick´ych subjekt˚u (ARES),

platiˇci/neplatiˇci DPH.

3.2 Otevˇ ren´ a data

Neziskov´a organizace Open Knowledge definuje otevˇren´a data jako:

”Taková data, která jsou zveˇrejnˇená na internetu zp˚usobem, který neomezuje ˇzádné uˇzivatele ve zp˚usobu jejich pouˇzit´ı pro nekomerˇcn´ı i komerˇcn´ı úˇcely (technicky ani legislativnˇe) a opravˇnuje vˇsechny uˇzivatele k jejich dalˇs´ımu ˇs´ıˇren´ı, pokud t´ımto ˇs´ıˇren´ım nedojde k omezen´ı práv ostatn´ıch uˇzivatel˚u.“

Smyslem otevˇrených dat je tedy moˇznost nahlédnut´ı ˇci vyuˇzit´ı informac´ı pro odbornou veˇrejnost. M˚uˇze tak doj´ıt k vytvoˇren´ı zaj´ımavých aplikac´ı ˇci analýz veˇrejnost´ı, na které veˇrejná správa napˇr. nemá finance. V praxi jsou otevˇrená data publikována orgány veˇrejné správy za úˇcelem vyˇsˇs´ı transparentnosti.

Otevˇren´a data mus´ı b´yt:

publikována v maximáln´ım moˇzném rozsahu a kvalitˇe,

snadno dostupn´a a dohledateln´a na internetu,

strojovˇe ˇciteln´a,

zpˇr´ıstupnˇena pod jasnˇe dan´ymi licencemi pro komerˇcn´ı i nekomerˇcn´ı pouˇzit´ı.

Z tˇechto d˚uvod˚u nen´ı moˇzné oznaˇcit za otevˇrená data napˇr´ıklad zveˇrejnˇené tabulky ve formátu PDF, ˇci ve formˇe HTML stránky. Na portálu http://portal.

gov.cz/portal/obcan/rejstriky/data/ je moˇzné pouˇz´ıt nástroj Národn´ı katalog otevˇrených dat (NKOD), který umoˇzˇnuje snaˇzˇs´ı orientaci a vyhledáván´ı v otevˇrených datech publikovaných veˇrejnou správou ˇCR. Otevˇrená data pˇredstavuj´ı d´ıky své re- levanci významný zdroj informac´ı pro budouc´ı predikˇcn´ı modelován´ı.

3.3 Dalˇ s´ı data, kter´ a mohou pˇ rispˇ et k predikci

Chován´ı pachatel˚u m˚uˇze ovlivˇnovat mnoho aspekt˚u. Pˇri zkoumán´ı zdroj˚u dat pro objasnˇen´ı trestné ˇcinnosti, bylo zjiˇstˇeno, ˇze k odhalen´ı m˚uˇze významnˇe pˇrispˇet po- chopen´ı chován´ı pachatele. Hledat ˇsiroké souvislosti je vˇec pˇr´ısluˇsného vzdˇelán´ı,

(25)

praxe i talentu kriminalist˚u analytik˚u. Ke kaˇzdému typu trestné ˇcinnosti je tˇreba pˇristupovat odliˇsnˇe. Hledat zobecnˇen´ı pˇr´ıˇcin, a pˇrenést je do návrhu dat, je nároˇcný

´

ukol, proto bylo k tomuto ˇreˇsen´ı pˇristoupeno v urˇcit´e m´ıˇre

”laicky“. V datech, která byla v této práci pouˇzita (viz. kapitola 5.7), chybˇely údaje o poˇcas´ı, které jinak vy- tvoˇrená aplikace u nových dat automaticky z´ıskává (viz. kapitola 5.4). To by mohlo nˇekteré typy krimináln´ıho jednán´ı ovlivnit. Proto dalˇs´ım zdrojem dat je informance o aktuáln´ım poˇcas´ı v dobˇe trestného ˇcinu. Jedna z nejvýznamˇejˇs´ıch informac´ı je údaj o lokaci, kde k ˇcinu doˇslo. Vzhledem k moˇznosti vyuˇzit´ı nových technologi´ı se nab´ız´ı vyuˇzit´ı systému GPS. Tato varianta byla také pouˇzita v praktické ˇcásti.

3.4 Form´ aty dat

Kromˇe dat ze serveru ˇCeské správy sociáln´ıho zabezpeˇcen´ı lze vˇsechna data expor- tovat do pˇrijatelného formátu (XML, XLS), se kterým lze dále pracovat. K dat˚um byla vˇzdy dostupná také metadata, která strukturu popisovala. Ve formátu XLS byly názvy sloupc˚u popsány. Pro formát XML platilo, ˇze lze pˇr´ıpadnˇe stáhnout doplˇnuj´ıc´ı soubor, který jednotlivé identifikátory spoj´ı se slovn´ımi popisky. Pˇri pro- zkoumáván´ı dat nebylo zjiˇstˇeno nic, co by dˇelalo softwaru Knime problém s konverz´ı.

Data pocház´ı z oficiáln´ıch zdroj˚u, tud´ıˇz by mˇela být korektn´ı a úplná.

(26)

4 Typy krimin´ aln´ıho jedn´ an´ı a datamining

Nasazen´ı dataminingových úloh do ˇreˇsen´ı krimináln´ıho jednán´ı lze vidˇet ze dvou

´

uhl˚u pohledu. Jeden pˇr´ıstup m˚uˇze ve velkých datech hledat skryté korelace, spojitosti, podobnosti napov´ıdaj´ıc´ı, kdo by mohl být pachatelem. Podm´ınkou je m´ıt data dostateˇcnˇe velká. Druhý postup by analyzován´ım historie predikoval potˇrebu nasazen´ı techniky a lid´ı v m´ıstˇe a ˇcase tak, aby se ˇcin nestal. Opˇet lze jen zopakovat potˇrebu m´ıt správná data. Závˇer nˇekolika jednán´ı na mˇestské policii, policii ˇCR a osobn´ıch jednán´ı na workshopu a konferenci

”Mapy budoucnosti“ potvrdil, ˇze se postupnˇe nové technologie zavádˇej´ı. Jsou k dispozici r˚uzné mapové materiály

”hot spot˚u“, veˇrejnˇe dostupný webhttp://www.mapakriminality.cz/, kde lze dohledat souhrnné statistiky s r˚uzným stupnˇem filtrován´ı, ˇci zobrazovat hustotu kriminality.

4.1 Trestn´ı kriminalita a datamining

Pro prevenci kriminality lze pouˇz´ıt data o trestných ˇcinech jako jsou vraˇzdy, znásilnˇen´ı, loupeˇze, rvaˇcky, krádeˇze automobil˚u, vykrádán´ı aut, výroba a distribuce drog, ˇr´ızen´ı pod vlivem a pracovat s daty podobnˇe jak je popsáno v praktické ˇcásti.

Trestné ˇciny, jak je kategorizuje krimináln´ı oddˇelen´ı P ˇCR jsou uvedené v pˇr´ıloze 5 . Nasazen´ım algoritm˚u shlukové analýzy lze nacházet multidimenzionaln´ı podobnosti ˇci nepodobnosti popsaných trestných ˇcin˚u. Predikovat jejich výskyt v m´ıstˇe a ˇcase a napˇr´ıklad c´ılenˇe nasadit na kritická m´ısta hl´ıdky. Jednotlivé kategorie trestných ˇcin˚u je tˇreba ˇreˇsit vˇzdy podle z´ıskaných dat a specifik pˇr´ısluˇsného trestn´ıho jednán´ı.

Jinak bude postavený model pro vloupán´ı do bytových jednotek, jinak pro vraˇzdy ˇci jinou násilnou ˇcinnost.

(27)

4.2 Ekonomick´ a kriminalita a datamining

Jedná se typicky o bankovn´ı podvody, ˇci pran´ı ˇspinavých penˇez, které by mohlo být odhaleno dˇr´ıve, neˇz dojde k finanˇcn´ım ztrátám. Predikovat, zda klient bude schopen

´

uvˇer splácet, nemus´ı m´ıt a ve vˇetˇsinˇe pˇr´ıpad˚u nemá krimináln´ı základ. Procento tˇech, kteˇr´ı ˇzádaj´ı o úvˇer s úmyslem jej nesplácet a jedná se o úvˇerový podvod, bude malé, ale ˇskoda s t´ım spojená m˚uˇze být velká. Jinak je to s podezˇrelými transakcemi, které mohou banku závaˇznˇe poˇskodit. Nasazen´ım klasifikaˇcn´ıch algoritm˚u, resp. model˚u, a také algoritm˚u shlukové analýzy, se lze ekonomickým ˇskodám bránit. Pojistné a dotaˇcn´ı podvody jsou dalˇs´ı kategorie podvodného jednán´ı, které lze takto predikovat.

4.3 Internet a trestn´ı jedn´ an´ı

Internet, kromˇe nesporných pozitiv, pˇrinesl nové hrozby. O uˇzivatel´ıch internetu je moˇzné zjistit mnoho dat, a o neinformovaných uˇzivatel´ıch

”skoro vˇse“. Na sociáln´ıch s´ıt´ıch uˇzivatelé na sebe prozrazuj´ı detaily o svých zájmech, o tom kde se právˇe nacház´ı, kdy a na jak dlouho opouˇst´ı domov apod. Z tˇechto informac´ı a pohybu uˇzivatele internetem lze chytˇre sestavit profil uˇzivatele a c´ılenˇe s n´ım posléze manipulovat. Ovlivˇnován´ı uˇzivatel˚u a vytváˇren´ı zájmových skupin s agre- sivn´ım nepˇrátelským zamˇeˇren´ım, ˇs´ıˇren´ı radikáln´ıch teroristických myˇslenek, je velmi nebezpeˇcné. Úlohy zabývaj´ıc´ı se odhalován´ım nebezpeˇcných osob t´ımto zp˚usobem se jiˇz dnes v praxi pouˇz´ıvaj´ı.

(28)

5 Vytvoˇ ren´ y syst´ em pro predikci v´ yskytu trestn´ e ˇ cinnosti

Pˇri úˇcasti na workshopu Mapy budoucnosti a následných jednán´ıch na P ˇCR i MP v Liberci, vznikla myˇslenka doplnit analytickou ˇcást predikován´ı výskytu trestn´ı ˇcinnosti o mobiln´ı aplikaci, která umoˇzn´ı do systému pos´ılat data z terénu, tato data následnˇe v kanceláˇri upravit a pouˇz´ıt pro modelován´ı. Výsledkem pro sledo- vané trestné ˇciny vloupán´ı do budov, kapesn´ı krádeˇze a krádeˇze automobil˚u, bude mapa”hot spot˚u“ a doporuˇcen´ı, kdy a kde je potˇreba nasadit policejn´ı hl´ıdky nebo kamerový dohled. Modely jsou postavené na algoritmech shlukové analýzy.

5.1 Teoretick´ y podklad

5.1.1 Shlukov´ a anal´ yza

Shluková analýza[1][2] je statistická metoda patˇr´ıc´ı mezi

”uˇcen´ı bez uˇcitele“. C´ılém takovéto analýzy je sjednocen´ı urˇcitých objekt˚u do shluk˚u, tak aby si objekty v jednom shluku byly navzájem podobné a zároveˇn byly odliˇsné od objekt˚u mimo tento shluk. Shlukovou analýzu je moˇzné provádˇet na mnoˇzinˇe objekt˚u, které jsou popsány prostˇrednictv´ım stejného souboru znak˚u, ˇci na mnoˇzinˇe znak˚u, které jsou charakterizovány pomoc´ı skupiny objekt˚u, nesouc´ı tyto znaky. Shlukovac´ı metody lze rozdˇelit podle c´ıle na:

Hierarchické shlukován´ı: Je systém navzájem r˚uzných neprázdných podmnoˇzin mnoˇziny X, v nˇemˇz pr˚unikem kaˇzdých dvou podmnoˇzin je bud’

jedna z nich nebo prázdná mnoˇzina a v nˇemˇz existuje alespoˇn jedna dvo- jice podmnoˇzin, jejichˇz pr˚unikem je jedna z nich. V pr˚ubˇehu hierarchického shlukován´ı vzniká tzv. dendogram. Tento diagram znázorˇnuje jednotlivé kroky analýzy, pˇriˇcemˇz na horizontáln´ı ose jsou vzdálenosti mezi jednotlivými shluky

(29)

a na svislé ose jednotlivé kroky rozdˇelen´ı. Volbou konkrétn´ı úrovnˇe lze pak vybrat optimáln´ı ˇreˇsen´ı analýzy.

Obrázek 5.1: Grafické znázornˇen´ı hierarchického shlukován´ı Zdroj: http://analyticstraining.com/

Nehierarchické shlukován´ı: Je systém navzájem r˚uzných neprázdných podmnoˇzin mnoˇziny X, v nˇemˇz pr˚unikem kaˇzdých dvou podmnoˇzin nen´ı ˇzádná z nich.

Obrázek 5.2: Grafické znázornˇen´ı nehierarchického shlukován´ı Zdroj: http://analyticstraining.com/

(30)

Znaky

Kaˇzdý objekt je popsán p-tic´ı stav˚u pˇredem daných p znak˚u. To znamená, ˇze konkrétn´ı objekt v analýze je reprezentován p-rozmˇerným vektorem. Znaky objekt˚u a mnoˇziny jejich stav˚u mohou být:

Kvalitativn´ı znaky: Koneˇcn´a mnoˇzina popisuj´ıc´ıch term´ın˚u. Mohou b´yt bud’

nomináln´ı nebo ordináln´ı. Nomináln´ı term´ıny jsou takové, které nelze nˇejakým kritériem ˇradit, jako nepˇr´ıklad barva (ˇcervená, ˇzlutá, apod.). Ordináln´ı term´ıny je moˇzné uspoˇrádat (malé, stˇredn´ı, velké). Kvalitativn´ım znakem m˚uˇze být také binárn´ı znak urˇcuj´ıc´ı pouze pˇr´ıtomnost daného pˇr´ıznaku napˇr: savec - (ano/ne), ˇci pohlav´ı - (muˇz/ˇzena).

Kvantitativn´ı znaky: Jsou vyj´adˇreny pomoc´ıˇc´ısla z urˇcit´eho intervalu. Tato ˇ

c´ısla mohou být celá i reálná. Napˇr: výˇska - (145,6 cm)[2]

Standardizace dat

V popisných datech, coˇz jsou znaky objekt˚u, se m˚uˇze stát, ˇze nˇekterá vstupn´ı promˇenná (znak) je ˇrádovˇe na vyˇsˇs´ı ˇskále oproti jinému znaku. Napˇr´ıklad cena auta, oproti poˇctu dˇet´ı, kdyˇz objekt bude klient banky, o kterém zjiˇst’ujeme predikci splácen´ı poskytnutého úvˇeru. Pˇri mˇeˇren´ı

”vzdálenost´ı“ objekt˚u nebo podobnosti objekt˚u, by dominuj´ıci znak zast´ınil znaky mˇeˇrené na niˇzˇs´ı ˇskále. Proto je vhodné vˇsechny znaky transformovat na stejnou ˇskálu - rozsah. Pro soumˇeˇritelnost vˇsech znak˚u se pouˇz´ıvá standardizace dat. Pˇr´ıkladem standardizace dat m˚uˇze být transformace na z-skóry. [2]

1. V´ypoˇcet stˇredn´ı hodnoty a smˇerodatn´e odchylky:

¯ z_j = 1

n

X

i=1

¯

z_ij, s_j =

"

1 n

n

X

i=1

(z_ij − ¯z_j)²

#¹₂

2. Pˇrepoˇcet p˚uvodn´ıch hodnot znaku na standardizovan´e hodnoty:

xij = zij − ¯zj

s_j

Dalˇs´ımi metodami standardizace jsou transformace na interval h0, 1i nebo h−1, 1i nebo logistická funkce, ArcTg, ˇci jiné speciáln´ı transformace.

(31)

5.1.2 Koeficienty asociace objekt˚ u

[3]Koeficienty asociace vyjadˇruj´ı m´ıru podobnosti jednotlivých objekt˚u za pouˇzit´ı vˇsech atribut˚u. Tento zp˚usob zjiˇst’ován´ı podobnosti, se tedy týká objekt˚u, reprezen- tovanými pouze kvantitativn´ımi znaky. K vizualizaci pomáhá asociaˇcn´ı tabulka.

Tabulka 5.1: Asociaˇcn´ı tabulka xi

1 0 xj 1 a b

0 c d

Ve výˇse zobrazené tabulce je moˇzné vidˇet dva objekty Xⁱ a X^j , které obsahuj´ı p atribut˚u. P´ısmena v tabulce pˇredstavuj´ı:

a – poˇcet znak˚u, kde oba objekty dosahuj´ı hodnoty 1,

b – poˇcet znak˚u, kde objekt Xⁱ m´a hodnotu 0 a objekt X^j m´a hodnotu 1

c – poˇcet znak˚u, kde objekt Xⁱ m´a hodnotu 1 a objekt X^j m´a hodnotu 10

d – poˇcet znak˚u, kde oba objekty dosahuj´ı hodnoty 0.

S tˇemito hodnotami d´ale pracuj´ı konkr´etn´ı koeficienty asociace. Pˇr´ıklad Haman- nova koeficientu asociace:

a + d − (b + c) a + b + c + d

5.1.3 Metriky

[3]Geometrický model je do posuzován´ı vnesen pouˇz´ıván´ım metrik. Je-li objekt Xⁱ, maj´ıc´ı p znak˚u, tak ho lze zobrazit do p-rozmˇerného metrického prostoru. Met- rický prostor je tvoˇren dvoj´ıc´ı (M, ρ), kdy M , je libovolná neprázdná mnoˇzina a ρ, oznaˇcované jako metrika, je zobrazen´ı: M × M → R, pˇriˇcemˇz pro objekty A, B a C z mnoˇziny M mus´ı platit:

1. ρ(A, B) = 0 ⇔ A = B 2. ρ(A, B) ≥ 0

3. ρ(A, B) = ρ(B, A)

(32)

4. ρ(A, C) ≤ ρ(A, B) + ρ(B, C) Pˇr´ıklady metrik:

Euklidovsk´a: de(A, B) =pPp

i=1(a_i− b_i)²

Manhattansk´a: dm(A, B) =Pp

i=1|a_i− b_i|

Chebyshevova: dch(A, B) = max |ai− bi|

5.1.4 Algoritmus k-means

K-means, neboli k-stˇred˚u, je metoda nehierarchické shlukové analýzy popsaná v 1967 Johnem MacQueenem. Úkolem algoritmu je rozdˇelit mnoˇzinu vektor˚u dimenze p do k podmnoˇzin (shluk˚u) tak, aby byla nejmenˇs´ı suma vzdálenost´ı jednotlivých vektor˚u od stˇredu pˇr´ısluˇsné podmnoˇziny. Celý algoritmus lze implementovat pomoc´ı následuj´ıch 4 krok˚u:

1. Rozdˇelen´ı vˇsech objekt˚u do k nepr´azdn´ych shluk˚u.

2. V´ypoˇcet tˇeˇziˇstˇe kaˇzd´eho shluku pˇri tomto rozdˇelen´ı.

3. Rozˇrazen´ı vˇsech objekt˚u do shluk˚u, podle nejmenˇs´ı vzd´alenosti k tˇeˇziˇsti.

4. Pokud doˇslo ke zmˇenˇe pˇriˇrazen´ı, opakuj od kroku 2.

Tento postup je v praxi velmi citlivý na poˇcáteˇcn´ı pozice jednotlivých shluk˚u. Jsou- li tato inicializaˇcn´ı tˇeˇziˇstˇe vyb´ırána náhodnˇe, m˚uˇze doj´ıt k odliˇsným výsledk˚um analýzy. Je proto tˇreba pro hledán´ı optimáln´ıho výsledku algoritmus nˇekolikrát zopakovat. Tomuto jevu je moˇzné se vyhnout pomoc´ı apriorn´ı znalosti o vstupn´ıch datech a nevolit tak poˇcátky zcela náhodnˇe.

Vlastnosti algoritmu k-means:

jednoduchost,

prvky se mohou pˇreskupovat mezi shluky,

pouze pro kvantitativn´ı data,

konverguje v koneˇcn´em poˇctu krok˚u k nˇejak´emu ˇreˇsen´ı,

m˚uˇze existovat v´ıce ˇreˇsen´ı v závislosti na poˇcáteˇcn´ıch podm´ınkách.

(33)

5.1.5 Popis syst´ emu

V rámci diplomové práce byl vytvoˇren systém, který umoˇzˇnuje ˇreˇsit moˇznou úlohu prevence proti kriminalitˇe. Inspirac´ı pro tento systém byl americký program Blue CRUSH. C´ılem bylo vyˇreˇsen´ı celého ˇretˇezce poˇc´ınaje od sbˇeru dat, po jejich vy- hodnocen´ı. Celý systém se zkládá ze tˇr´ı základn´ıch ˇcást´ı, pˇriˇcemˇz kaˇzdá ˇcást je autonomn´ı nástroj. Prvn´ı ˇcást systému je mobiln´ı aplikace, kterou pouˇz´ıvá policista v terénu pro sbˇer dat v reálném ˇcase. Tato data jsou následnˇe odeslána na webový server, který pˇredstavuje druhou ˇcást systému, kde se data zpracuj´ı a uloˇz´ı do databáze. Webová aplikace také mimo jiné slouˇz´ı jako dispeˇcink a administraˇcn´ı rozhran´ı. Posledn´ı ˇcást´ı je analytický nástroj Knime, který se pˇripojuje do databáze a pomoc´ı vytvoˇrených model˚u analyzuje data a produkuje výstup.

Obrázek 5.3: Diagram vytvoˇreného systému

5.2 Mobiln´ı aplikace

Jedna z hlavn´ıch motivac´ı ohlednˇe z´ıskáván´ı dat byla rychlost. Právˇe moˇznost sle- dovat situaci v reálném ˇcase otev´ırá dalˇs´ı moˇznosti pro zefektivnˇen´ı práce. Proto byla zvolena moˇznost vyuˇzit´ı mobiln´ıho zaˇr´ızen´ı, které by mˇela hl´ıdka pˇr´ımo v terénu a odes´ılala veˇskeré informace pomoc´ı internetu na stanici. Jako platforma byl zvolen operaˇcn´ı systém Android. D˚uvodem tohoto rozhodnut´ı byla pˇredevˇs´ım jistá zkuˇsenost s programován´ım pro tuto platformu. Základn´ı funkce mobiln´ı apli-

(34)

kace jsou GPS tracking a v pˇr´ıpadˇe vytovˇren´ı nového záznamu o trestné ˇcinnosti pak odeslán´ı tˇechto dat.

Po spuˇstˇen´ı uˇzivatel vid´ı pˇrihlaˇsovac´ı formuláˇr, kde je potˇreba vyplnit sluˇzebn´ı ˇc´ıslo policisty a jeho heslo. Po odeslán´ı dojde k autentizaci na stranˇe webového serveru. Po úspˇeˇsném pˇrihláˇsen´ı je uˇzivatel vyzván aby uvedl, zda se jedná o pˇeˇs´ı hl´ıdku, ˇci hl´ıdku s vozem. Následuje pˇrechod na základn´ı obrazovku souˇcasnˇe se spuˇstˇen´ım GPS trackingu. Aktualn´ı pozice zaˇr´ızen´ı se odes´ılá kaˇzdých deset vteˇrin spoleˇcnˇe s pˇr´ısluˇsným ˇcasem, informac´ı o pˇrihláˇseném uˇzivateli a pracovn´ım módu (v˚uz, pˇeˇs´ı).

Aplikace se zkládá ze tˇr´ı fragment˚u (obrazovek), pˇriˇcemˇz kaˇzdý pˇredstavuje typ trestné ˇcinnosti. Na kaˇzdém fragmentu je dále moˇzné upˇresnit ˇcinnosti, ˇci vyplnit informace o okolnostech. Mezi tˇemito fragmenty je moˇzné pˇrep´ınat pomoc´ı

”slidu“

prstem vpravo ˇci vlevo, nebo pomoc´ı navigace v horn´ı ˇcásti aplikace. V kaˇzdém fragmentu je moˇznost odeslat záznam o trestném ˇcinu pomoc´ı tlaˇc´ıtka v doln´ı ˇcásti.

Kaˇzdý odeslaný záznam mus´ı m´ıt údaj o poloze, proto je nutné vˇzdy po spuˇstˇen´ı poˇckat na vyhledán´ı satelit˚u GPS. Jakmile jiˇz aplikace z´ıská tento údaj je moˇzné kdykoliv odeslat záznam o trestné ˇcinnosti. V pˇr´ıpadˇe, ˇze v m´ıstˇe odeslán´ı nen´ı signál druˇzic dostateˇcný, pouˇzije se vˇzdy posledn´ı známý údaj o poloze. Stáˇr´ı posledn´ı informace polohy je moˇzné zkontrolovat vˇzdy v potvrzovac´ım oknˇe, které se vyvolá pˇri odeslán´ı kaˇzdého záznamu o trestné ˇcinnosti.

Poˇzadavky na mobiln´ı aplikaci jsou:

Android 4.1 a novˇejˇs´ı,

GPS modul,

pˇr´ıstup k internetu.

(35)

Obr´azek 5.4: Interface mobiln´ı aplikace

5.3 Datab´ aze

Pro uchován´ı dat byl zvolen databázový systém MySQL. D˚uvodem byla pouˇzitelnost ve spojen´ı s webovou aplikac´ı a zároveˇn podpora ze strany nástroje Knime. Návrh databáze bylo tˇreba realizovat podle pouˇzitých dat. P˚uvodn´ım zámˇerem bylo z´ıskat konkrétn´ı podobu dat pomoc´ı spolupráce s polici´ı ˇCR v Liberci. Aˇckoliv se pˇredpokládalo, ˇze pro úˇcely diplomové práce bude moˇzné z´ıskat tato anonymizo- vaná data, nakonec k tomu bohuˇzel nedoˇslo. Byl proto pouˇzit cviˇcný dataset, jehoˇz struktura byla s polici´ı konzultována. Po konzultaci bylo zjiˇstˇeno, ˇze tato datová struktura je

”podobná“ té, kterou pouˇz´ıvá Policie ˇCR a m˚uˇze tak poslouˇzit pro návrh databáze.

Pouˇzitý dataset mˇel podobu jednoho CSV souboru, kde byly zapsány veˇskeré trestné ˇciny jako jednotlivé ˇrádky. Pˇri návrhu bylo tˇreba tabulku normalizovat a následnˇe upravit pro vytvoˇrenou aplikaci.

(36)

Obrázek 5.5: Schéma navrˇzené databáze

Ze schématu je patrné ˇze veˇskeré události se odkazuj´ı na tabulku location.

Záznamy v této tabulce pˇredstavuj´ı jak data z´ıskaná GPS trackingem tak polohu trestných ˇcin˚u. Kaˇzdý ˇrádek také nese informaci o uˇzivateli, módu ve kterém hl´ıdka operovala, popˇr. poˇcas´ı v dané lokaci v pˇr´ısluˇsném ˇcase.

5.4 Webov´ a aplikace

Pro vyˇrizován´ı poˇzadavk˚u z mobiln´ı aplikace a správu databáze byla vytvoˇrena webová aplikace. Pˇri tvorbˇe byl pouˇzit ˇceský webový PHP framework Nette.

D˚uvody pouˇzit´ı Nette frameworku:

kvalitn´ı objektov´y n´avrh MVC

vysok´e n´aroky na bezpeˇcnost

výborné lad´ıc´ı nástroje (TRACY )

ˇcesk´a komunita

(37)

Zpracov´ an´ı poˇ zadavk˚ u

Prvn´ım úkolem webové aplikace bylo zpracován´ı poˇzadavk˚u z mobiln´ı aplikace.

Tyto poˇzadavky maj´ı formu HTTPS GET poˇzadavk˚u. Parametry tˇechto poˇzadavk˚u pˇredstavuj´ı zaslaná data. Pro zachován´ı relevance dat bylo tˇreba dodrˇzet pravidlo, ˇze v jednom okmaˇziku, m˚uˇze být pod jedn´ım uˇzivatelským úˇctem pˇrihláˇseno vˇzdy pouze jedno zaˇr´ızen´ı. Tento problém byl v systému vyˇreˇsen pomoc´ı token˚u. Princip je takový, ˇze pˇri kaˇzdém novém pˇrihláˇsen´ı z mobiln´ı aplikace, se na stranˇe serveru vygeneruje unikátn´ı hash ˇretˇezec a uloˇz´ı se do databáze k pˇr´ısluˇsnému uˇzivateli. V tento okamˇzik je také zaslán do mobiln´ı aplikace a jeho pˇrijet´ı slouˇz´ı zároveˇn jako potvrzen´ı pˇrihláˇsen´ı. Tento ˇretˇezec je generován pomoc´ı funkce bcrypt z id uˇzivatele a je k nˇemu pˇripojena náhodná s˚ul. T´ımto postupem by se mˇelo zamezit moˇzným koliz´ım token˚u. Token je zas´ılán v kaˇzdém poˇzadavku a na jeho základˇe docház´ı k identifikaci uˇzivatele. V pˇr´ıpadˇe, ˇze token pˇri zpracován´ı poˇzadavku nen´ı v da- tabázi nalezen, je jisté ˇze byl vygenerován jiˇz nový, v d˚usledku pˇrihláˇsen´ı z jiného zaˇr´ızen´ı. V tomto okamˇziku je na mobiln´ı zaˇr´ızen´ı zaslán pˇr´ıkaz k odhláˇsen´ı uˇzivatele.

D˚usledkem je vˇzdy priorita nov´eho pˇrihl´aˇsen´ı.

Pˇri zpracován´ı poˇzadavk˚u pˇridávaj´ıc´ıch nový záznam trestné ˇcinnosti, aplikace z´ıskává data o poˇcas´ı. Zdrojem dat je portál http://openweathermap.org, který poskytuje komunikaˇcn´ı API pro z´ıskáván´ı meteorologicých dat na základˇe GPS souˇrednic. Sluˇzba nab´ız´ı 60 poˇzadavk˚u za minutu zdarma, coˇz bylo pro potˇreby diplomové práce zcela dostaˇcuj´ıc´ı. V z´ıksáných datech je vˇzdy uveden popis poˇcas´ı, bl´ıˇzˇs´ı informace a teplota. Vˇsechny tyto informace jsou vˇzdy ukládány do databáze.

On-line dispeˇ cink

Webová aplikace také umoˇzˇnuje monitorovat akutáln´ı situaci v terénu. V levém navigaˇcn´ım panelu jsou poloˇzky

”Pˇrehled“ a

”Heat mapa“. Pˇrehled nab´ız´ı on-line sledován´ı vˇsech aktivn´ıch hl´ıdek v terénu. Tato funkce byla realizována pomoc´ı Go- ogle Maps API. Jelikoˇz se data v diplomové práci soustˇred´ı na Liberec a jeho bl´ızké okol´ı, je vˇzdy pˇri naˇcten´ı stránky mapa zamˇeˇrena na tuto lokalitu. Na mapové podklady jsou vykreslovány markery oznaˇcuj´ıc´ı posledn´ı zaznamenanou polohu daného uˇzivatele. Markery maj´ı dvˇe moˇzné barvy, pˇriˇcemˇz modrá barva znamená pˇeˇs´ı hl´ıdku a ˇcervená barva hl´ıdku, která má k dispozici v˚uz. Jestliˇze mobiln´ı zaˇr´ızen´ı neodes´ılá pozici déle neˇz tˇri minuty, pˇr´ısluˇsný marker zeˇsedivý. Na ikony je moˇzné kliknout, ˇc´ımˇz se rozbal´ı informaˇcn´ı okno o dané hl´ıdce. V tomto oknˇe je vypsáno jméno

(38)

uˇzivatele a sluˇzebn´ı ˇc´ıslo policisty. Merkery jsou aktualizovány pravidelnˇe kaˇzdých deset vteˇrin. Naˇcitán´ı i aktualizace pozic bylo vytvoˇreno pomoc´ı AJAXU a prob´ıhá tak na pozad´ı.

Obrázek 5.6: Ukázka pˇrehledu hl´ıdek v terénu

Heat mapa nab´ıc´ı moˇznost zobrazen´ı krimináln´ıch ˇcin˚u pomoc´ı dvourozmˇerné tepelné mapy. Tato mapa je opˇet vytvoˇrena pomoc´ı Google Maps API. V pravé ˇcásti mapy se nacház´ı filter. Filter slouˇz´ı k moˇznosti zobrazen´ı jen vybraných druh˚u trestných ˇcin˚u. Dále je moˇzné vybrat pomoc´ı datepicker˚u konkrétn´ı ˇcasové obdob´ı.

Implicitnˇe je nastaveno obdob´ı za posledn´ı rok. Toto zobrazen´ı slouˇz´ı pˇredevˇs´ım pro nalezen´ı nejv´ıce rizikov´ych oblast´ı, tzv.

”hot-spot˚u“.

Administrace

V aplikaci byla vytvoˇrena v´ıceúrovˇnová struktura oprávnˇen´ı. Kaˇzdý uˇzivatel je zaˇrazen do urˇcité skupiny, které náleˇz´ı r˚uzná oprávnˇen´ı. Nadˇrazená skupina vˇzdy rozˇsiˇruje skupinu podˇr´ızenou, ˇc´ımˇz pˇreb´ırá vˇsechny jej´ı vlastnosti. Vytvoˇrené skupiny v aplikaci jsou:

guest

user

(39)

admin

Skupina guest je v aplikaci prakticky nevyuˇzita, pˇredstavuje sp´ıˇse moˇznost pro pˇr´ıpadné restrikce klasických uˇzivatel˚u. Uˇzivatelé skupiny user se mohou pˇrihlásit do webové aplikace a maj´ı k dipozici on-line dipeˇcink, tedy pˇrehled a heat mapy.

Pokud se pˇrihlás´ı uˇzivatel ze skupiny admin, zobraz´ı se v pravé horn´ı ˇcásti navigace, vedle uˇzivatelského jména, poloˇzka

”Administrace“. V administraci je moˇzné spra- vovat uˇzivatelské úcty a veˇskeré trestné ˇciny v databázi. Uˇzivatelé je moˇzné v administraci vyhledat podle jména, pˇr´ıjmen´ı, ˇci sluˇzebn´ıho ˇc´ısla. Bˇehem zadávn´ı znak˚u do vyhledávac´ıho formuláˇre systém naˇseptává moˇzné výsledky. V sekci administrace vloupán´ı je moˇzné, mimo editace, také záznamy zpracovávat. Zpracován´ım je myˇsleno doplnˇen´ı informac´ı, které se neodes´ılaj´ı pˇr´ımo z mobiln´ı aplikace. Pro práci s databáz´ı bylo v aplikaci pouˇzito databázové ORM Lean Mapper. Toto rozˇs´ıˇren´ı frameworku umoˇzˇnuje práci s databáz´ı na úrovni objekt˚u (entit), které si uˇzivatel nadefinuje. Jednou ze zaj´ımavavých vlastnost´ı je moˇznost entitˇe, která reprezentuje záznam v databázi, jako vlastnost pˇridat kompletn´ı jinou entitu ˇci jejich kolekci.

5.5 Knime

Posledn´ı ˇcást´ı systému jsou vytvoˇrené modely, které analyzuj´ı z´ıskaná data. K vy- tvoˇren´ı model˚u bylo pouˇzito analytické prostˇred´ı Knime. Jedná se o komerˇcn´ı open- source nástroj vyv´ıjený ve spolupráci s nˇemeckou univerzitou v Kostnici. Apli- kace je zaloˇzena na licenci GPLv3. Knime nab´ız´ı editor, ve kterém je uˇzivateli umoˇznˇeno pomoc´ı grafického rozhran´ı vytvoˇrit

”procesn´ı datový tok“. Ten se skláda z pˇredpˇripravených uzl˚u, které uˇzivatel spoj´ı a vytvoˇr´ı tak ˇretˇezec, který je pˇri spuˇstˇen´ı sekvenˇcnˇe zpracován. V aplikaci je k dispozici mnoho uzl˚u nab´ızej´ıc´ıch funkce pro pˇr´ıpravu dat, klasifikaci, strojové uˇcen´ı, ˇci tvoˇren´ı grafických výstup˚u.

Uˇzivateli je také umoˇznˇeno, v pˇr´ıpadˇe absence uzlu s poˇzadovanou funkcionalitou, vytvoˇrit vlastn´ı uzel, jehoˇz logika je naprogramována pomoc´ı jazyka JAVA, R a dalˇs´ıch. Vytvoˇrené modely v rámci diplomové práce jsou popsány v kapitole 5.8 a 5.9.

(40)

5.6 Bezpeˇ cnost

Vzhledem k povaze dat bylo nutné zohlednit bezpeˇcnost vytvoˇreného systému. Z celkového návrhu, potaˇzmo smˇeru toku dat, je zˇrejmé, ˇze mobiln´ı aplikace nemá pˇr´ıstup k databázi. Nicménˇe pro pˇrihláˇsen´ı do mobiln´ıho zaˇr´ızen´ı je tˇreba zaslat pˇrihlaˇsovac´ı údaje smˇerem k serveru. Pro minimalizaci rizik útoku typu

”man in the middle“ je tato komunikace realizována pomoc´ı protokolu HTTPS. Z tˇechto d˚uvod˚u je webová aplikace hlavn´ı ˇcást´ı, skrze kterou by bylo moˇzné útoˇcit na z´ıskaná data.

Jednou z pˇr´ıˇcin volby Nette byl d˚uraz na bezpeˇcnost v tomto framewrorku.

Framework sám o sobˇe totiˇz kvalitnˇe oˇsetˇruje veˇskeré vstupy formuláˇr˚u. Mezi typy

´

utok˚u, kter´e framework ´uspˇeˇsnˇe ˇreˇs´ı, patˇr´ı:

cross-site scripting (XSS),

cross-site request forgery (CSRF),

URL attack, control codes, invalid UTF-8

session hijacking, session stealing, session fixation

Nette framework také nab´ız´ı nˇekolik zp˚usob˚u, jak ˇreˇsit oprávnˇen´ı uˇzivatel˚u. Ve vytvoˇrené aplikaci bylo pouˇzito statické ACL (Acces Control List). T´ımto zp˚usobem bylo kontrolováno pˇri zpracován´ı vˇsech formuláˇr˚u a pˇred vykreslen´ım jednotlivých stránek, zda je uˇzivatel pˇrihláˇsený a jestli má pro danou akci pˇr´ısluˇsná oprávnˇen´ı, ˇc´ımˇz v kombinaci s kvalitnˇe oˇsetˇrenými vstupny proti potenciáln´ım útok˚um, je výraznˇe niˇzˇs´ı moˇznost napaden´ı. Dále, jak jiˇz bylo zm´ınˇeno v kapitole 5.2, celá aplikace také pracuje na zabezpeˇceném protokolu HTTPS.

5.7 Pouˇ zit´ a data

Pro praktick´e ´ulohy bylo potˇreba pracovat s vˇetˇs´ım mnoˇzstv´ım relevatn´ıch dat.

Protoˇze se nepodaˇrilo z´ıskat skuteˇcn´a policejn´ı data, bylo potˇreba vytvoˇrit vlastn´ı mnoˇzinu. Pro ´ulohy 5.8 a 5.9 byla pouˇzita

”ˇskoln´ı data“, která maj´ı podobnou strukturu i obsah jako data skuteˇcná, ale poloha byla z jiné lokality.

Na základˇe tˇechto dat doˇslo také k návrhu databáze. Tento dataset mˇel podobu jednoho souboru ve formátu csv. Kaˇzdý ˇrádek tohoto souboru pˇredstavoval konkrétn´ı záznam o trestné události a sloupce popisovaly okolnosti pˇr´ıpadu.

(41)

Tabulka 5.2: Struktura a popis vstupn´ıho souboru

Atribut Popis

cislo pripadu Identifikaˇcn´ı ˇc´ıslo pˇr´ıpadu Kod Kódové znaˇcen´ı události souradnice X X-ová souˇradnice na mapˇe souradnice Y Y-ová souˇradnice na mapˇe datum Datum, ve kterém doˇslo k pˇr´ıpadu

MO vstup Zp˚usob vstupu

MO misto M´ısto vstupu

MO zabezp Zp˚usob zabezpeˇcen´ı

MO alarm Alarm

MO cinnost Zamˇeˇren´ı budovy

MO odchod Opuˇstˇen´ı budovy

MO zabdvere Zabezpeˇcen´ı dveˇr´ı MO neporadek Zanechán nepoˇrádek MO sejf Pokus o vyloupen´ı sejfu MO zpusobvstupu Okolnosti vstupu Kaud Odcizený audio pˇrehrávaˇc Kvid Odcizený video pˇrehrávaˇc Kpocitac Odcizený poˇc´ıtaˇc

Pobleceni Ukradeno obleˇcen´ı

Ppenize Ukradeny pen´ıze

Pkredit Ukradena kreditn´ı karta

Plek Ukradeny l´eky

Ptelefon Ukraden telefon

Phodiny Ukradeny hodiny

Pkalk Ukradeny kalkulaˇcky

Palkoh Ukraden alkohol

Pzaznam Ukraden audio z´aznam

Psperky Ukradeny ˇsperky

Ppenez Ukradena penˇeˇzenka

Pdvere Ukradeny dveˇre

Pokno Ukradeno okno

Pautomat Vykradený výdejn´ı automat Ptelauto Vykradený telefonn´ı automat

(42)

Byl proto vytvoˇren script pro migraci tˇechto dat do datab´aze vytvoˇren´e aplikace.

Komplikaci pˇredstavovaly také údaje o poloze, kde k trestné ˇcinnosti doˇslo. V datasetu byly nereálné X,Y souˇradnice které bylo potˇreba pˇrepoˇc´ıtat na GPS koordináty mˇesta Liberec. Údaje o poloze v datasetu tvoˇrily také pˇri vˇetˇs´ım pˇribl´ıˇzen´ı pˇresnou ˇctvercovou s´ıt’. Pro d˚uvˇernˇejˇs´ı podobu dat byl kaˇzdé nové poloze pˇriˇcten náhodný koeficient. Ukázka vzorce pro pˇrepoˇcet polohy:

’longitude ’ => (

($value - $this::X_KNIME_MIN) / $this::X_KNIME_RANGE)

* $this::X_GPS_RANGE + $this::X_MIN

+ rand(($this::X_GPS_RANGE/100) / 50, ($this::X_GPS_RANGE/100) )

Vˇsechny záznamy, které byly vloˇzeny migraˇcn´ım scriptem, maj´ı nastaveného uˇzivatele id = 5, coˇz je uˇzivatel pod kterým se nelze do aplikace pˇrihlásit a slouˇz´ı pouze pro úˇcely migrace.

Pro úlohu 5.10 byla nasimulována vstupn´ı data ve spolupráci s Mˇestskou polici´ı v Liberci. Jedná se záznamy odcizených vozilel v obdob´ı dvou mˇes´ıc˚u. Tato data byla shromáˇzdena pomoc´ı vytvoˇrené mobiln´ı aplikace a nebylo je tak potˇreba upravovat.

Ze stejn´eho d˚uvodu jiˇz tak´e v datech nechybˇela informace o poˇcas´ı.

Popis ´ ulohy

C´ılem praktické úlohy bylo vytvoˇrit softwarový model ˇreˇsen´ı pro odhalován´ı spojitost´ı mezi trestnými ˇciny a následný návrh zefektivnˇen´ı práce policejn´ıch sloˇzek.

Prvn´ım úkolem bylo nalezen´ı pˇr´ıpad˚u vloupán´ı do budov, které vykazuj´ı podobné charakteristiky a následnˇe stanovit rozloˇzen´ı policejn´ıch hl´ıdek tak, aby vhodnˇe pokrývaly oblasti s výskytem vloupán´ı podle denn´ı doby. Druhým úkolem bylo nalezen´ı oblast´ı, ve kterých docház´ı ke kapesn´ım krádeˇz´ım v souvislosti s roˇcn´ım obdob´ım. Následnˇe pak identifikovat ˇcasové úseky a m´ısta, kde byl abnormáln´ı nár˚ust právˇe tˇechto trestných ˇcin˚u. Pro vytvoˇren´ı návrhu byla zvolena aplikace pro statis- tické zpracován´ı dat Knime. Prostˇred´ı Knime dokáˇze pracovat s typem datetime a umoˇzˇnuje tak snadno odvodit konkrétn´ı hodnoty ˇcasových jednotek. Pro tyto úlohy byly dovozeny sloupce hodina a týden.

Pro zadán´ı týkaj´ıc´ı se vloupán´ı do budov byla vˇetˇsina sloupc˚u ponechána, aby bylo moˇzné pomoc´ı spoleˇcných znak˚u pozdˇeji hledat spojitosti mezi jednotlivými

(43)

pˇr´ıpady. V pˇr´ıpadˇe kapesn´ıch krádeˇz´ı byly migrovány pouze sloupce urˇcuj´ıc´ı polohu a ˇcasový údaj události tak, jak jej zaznamenává mobiln´ı aplikace.

Obr´azek 5.7: Vˇsechny trestn´e ˇciny

5.8 Uloha Vloup´ ´ an´ı

V této ˇcásti úlohy byla provedena analýza vloupán´ı do budov. C´ılem bylo vytvoˇrit model, kerý by rozdˇelil jednotlivá vloupán´ı do skupin na základˇe jejich polohy a ˇcasu kdy se ˇcin odehrál, tak aby toto rozdˇelen´ı mohlo být pouˇzito pro efektivn´ı rozm´ıstˇen´ı policejn´ıch hl´ıdek. Bˇehem dne se také poˇcet policejn´ıch hl´ıdek mˇen´ı a proto bylo zvoleno následuj´ıc´ı rozdˇelen´ı dne na:

R´ano - ˇcas: 2h vˇc. - 7h. V tuto dobu m´a policie k dispozici dvˇe hl´ıdky.

Den - ˇcas: 7h vˇc. - 18h. Pˇres den mohou b´yt v ter´enu hl´ıdky ˇctyˇri.

Veˇcer a Noc - ˇcas: 18h vˇc. - 2h. Pˇres noc jsou v ter´enu dvˇe policejn´ı hl´ıdky.

Na zákldadˇe tˇechto pravidel byl v datech odvozen nový sloupec Usek dne, urˇcuj´ıc´ı do jaké ˇcásti dne pˇr´ıpad patˇr´ı. Pomoc´ı uzlu CrossTab bylo moˇzné jednoduˇse zjistit základn´ı statistické údaje tohoto rozdˇelen´ı:

(44)

Obrázek 5.8: Rozdˇelen´ı pˇr´ıpad˚u podle ˇcasových úsek˚u

Dalˇs´ım krokem byla shluková analýza dat na skupiny odpov´ıdaj´ıc´ı poˇctu hl´ıdek, které jsou v dané ˇcásti dne k dispozici. Pro clusterován´ı byl zvolen algoritmus K-means. Jelikoˇz c´ılem bylo data rozdˇelit podle polohy, vstupn´ımi atributy byly GPS koordináty longitude a latitude. Poˇcet cluster˚u odpov´ıdal vˇzdy poˇctu hl´ıdek. V prostˇred´ı Knime je také moˇzné nastavit maximáln´ı poˇcet iterac´ı algoritmu. V tomto pˇr´ıpadˇe bylo ponecháno pˇrednastavených 99. Výsledky shlukové analýzy:

(45)

Obrázek 5.9: Ráno Obrázek 5.10: Den

Obr´azek 5.11: Veˇcer a noc

Nasazen´ı hl´ıdek

Nyn´ı bylo potˇreba jednotlivé hl´ıdky rozm´ıstit do terénu. Pro pˇriˇrazován´ı oblast´ı ve mˇestˇe byl vytvoˇren seznam orientaˇcn´ıch bod˚u a pˇr´ısluˇsných GPS souˇradnic v podobˇe testového souboru ve formátu CSV. Kaˇzdý bod reprezentoval urˇcitou oblast mˇesta Liberec. Na tyto orientaˇcn´ı body byl aplikován vytvoˇrený clusterovac´ı model.

V tuto chv´ıli byly body rozdˇeleny hl´ıdkám. Dále bylo moˇzné vyuˇz´ıt vzdálenosti kaˇzdého orientaˇcn´ıho bodu od centroidu pˇr´ısluˇsného shluku. Tato vzdálenost resp.

jej´ı obrácená hodnota reprezentuje m´ıru závaˇznosti dané oblasti. Knime pro tento výpoˇcet nemá ˇzádný uzel, nicménˇe nab´ız´ı moˇznost naprogramován´ı vlastn´ıho uzlu v jazyce java. V datech byl tedy vytvoˇren nový sloupec pomoc´ı vzorce:

1

p(lat − latc)²+ (long − long_c)²

Rozdˇelen´ı ˇctyˇr hl´ıdek ve dne zamˇeˇruj´ıc´ı se na vloupán´ı do byt˚u vypadá následovnˇe:

(46)

Proud pro analýzu vloupán´ı a následné nasazen´ı hl´ıdek v prostˇred´ı Knime vypadá takto:

Obrázek 5.12: Ukázka proudu pro analýzu vloupnán´ı a nasazen´ı hl´ıdek

(47)

Nalezen´ı souvisej´ıch vloup´ an´ı

Pomoc´ı seskupovac´ıch metod bylo c´ılem nalézt vloupán´ı, která spolu souvisej´ı, na základˇe modus operandi (charakteristice proveden´ı zloˇcinu) a výpisu odcizených pˇredmˇet˚u. Aby bylo moˇzné na tyto vstupn´ı atributy pouˇz´ıt shlukovou analýzu, bylo nejprve potˇreba z nomináln´ıch znak˚u vytvoˇrit pomocné indikátorové atributy popisuj´ıc´ı výskyt jednotlivých pˇr´ıznak˚u, které budou metrické a mohou slouˇzit pro výpoˇcet vzdálenosti. Tuto funkci v prostˇred´ı Knime provád´ı uzel One to many. S takto pˇripravenými daty bylo moˇzné zaˇc´ıt s analýzou. Pro tˇr´ıdˇen´ı byl opˇet vybrán algoritmus K-means. V reálné situaci by bylo moˇzné volit poˇcet cluster˚u následovnˇe:

Pouˇzit´ım algoritmu pro z´ısk´an´ı ide´aln´ıho poˇctu skupin. Napˇr: metoda Two- step.

Pomoc´ı apriori znalosti o úloze. Napˇr: Skuteˇcnost, ˇze ve mˇestˇe existuj´ı dvˇe organizované skupiny zabývaj´ıc´ı se touto trestnou ˇcinnost´ı.

Volba náhodného poˇctu a následné zkoumán´ı výsledk˚u.

Pro tuto analýzu byly zvoleny dvˇe skupiny. Výsledek analýzy:

Obrázek 5.13: Výsledek analýzy souvisej´ıc´ıch vloupán´ı

Na výsledném grafu je prvn´ı skupina oznaˇcena hvˇezdiˇckou a druhá skupina koleˇckem. Dále jsou vˇsechny body obarveny dle promˇenné týden, která do analýzy ne- vstupovala. Je tak moˇzné vypozorovat nejen rozdˇelen´ı podle charakteristiky zloˇcinu, ale i ˇcasového horizontu. Návrh ˇreˇsen´ı v programu Knime:

(48)

5.9 Uloha kapesn´ı kr´ ´ adeˇ ze

V této úloze byla vstupem mnoˇzina záznam˚u o kapesn´ıch krádeˇz´ıch. Pˇri prohlédnut´ı dat pomoc´ı histogramu byla zjiˇstˇena dvˇe kritická obdob´ı tˇechto trestných ˇcin˚u.

Obrázek 5.14: Histogram znázorˇnuj´ıc´ı mnoˇzstv´ı kapesn´ıch krádeˇz´ı podle týdn˚u v roce

Z histgramu lze vyˇc´ıst, ˇze neobvyklé mnoˇzstv´ı krádeˇz´ı se odehrálo ve 23. a 38.

týdnu. Pomoc´ı uzlu Ruleset Editor byl vytvoˇren nový atribut stav, který rozdˇelil krádeˇze na ty, které se staly v kritických obdob´ıch, a mimo nˇe. V tuto chv´ıli bylo ˇzádouc´ı zjistit, ve kterých oblastech ke krádeˇz´ım doˇslo v souvislosti s t´ımto rozdˇelen´ım.