Математики из Стэнфорда предложили модель распространения криминальной напряженности в обществе, которая, в теории, может помочь в борьбе с преступностью. Статья ученых появилась в журнале Multiscale Modeling and Simulation, а ее краткое изложение приводится на сайте Стэнфордского университета.
Известно, что криминальная напряженность в городе распределена неравномерно. Имеются своего рода очаги — районы, где происходит существенная часть преступлений. Иногда эти очаги начинают «расползаться», то есть преступность начинает распространяться в соседние районы. При этом такое распространение происходит обычно в виде «волн».
В рамках новой работы ученые построили модель распространения таких волн. Для этого они воспользовались так называемой моделью диффузии-реакции-адвекции. Суть этой модели состоит в том, что она описывает распространения примеси в некоторой среде, принимая во внимание только три процесса — диффузию в среде, взаимодействие вещества со средой и адвекцию — горизонтальный перенос вещества.
Ученые моделировали несколько режимов распространения. Им удалось установить, что, если популяция, в которой происходит распространение, симпатизирует преступникам, то криминальную волну остановить практически нельзя — только тотальной изоляцией. Если население настроено нейтрально по отношению к нарушениям закона, то преступность удерживается в окрестности очагов, при этом, однако, волны напряженности по-прежнему невозможно остановить.
Вместе с тем, если население в целом не одобряет преступников, то волны можно достаточно эффективно останавливать, создавая на их пути препятствия или щели, как называли их ученые. Такими препятствиями могут быть районы проведения полицейской операции или усиленного патрулирования. По словам исследователей, пока у них нет данных, что их модель соответствует действительности, однако, если такие данные будут получены, то последний сценарий поможет полицейским в борьбе с криминогенной обстановкой.
В июне 2012 года французские математики предложили использовать модели диффузии-реакции-адвекции для поиска источников загрязнения по данным о загрязнении в конкретных районах. Оказалось, что в такой модели обратная задача поиска источника может быть эффективно решена.