Особенности реализации и направления развития методик прогнозирования состояния и уровня преступности в РФ

Актуальность исследования заключается в том, что анализ современных методов моделирования и прогнозирования преступности позволяет создавать наиболее подходящие и эффективные модели, которые могут быть использованы государственными органами для борьбы с преступностью; определить основные факторы, влияющие на состояние преступности.

Целью работы является теоретический анализ современных методов моделирования и прогнозирования преступности, которые могут быть использованы в системе государственного управления правоохранительной сферой.

Задачи исследования – теоретический анализ существующей практики моделирования и прогнозирования криминогенной ситуации и определение наиболее эффективных методов.

Методы исследования теоретический анализ информации.

Надежные прогнозы преступности являются одним из основных факторов совершенствования системы правосудия в целом и ее инфосферы в частности, что, в свою очередь, обеспечивает согласованность межведомственных подходов к своевременной корректировке и согласованность используемых математических моделей прогнозирования. Чтобы укрепить внутреннюю правовую систему и устранить детерминанты преступности, необходимо работать с точными статистическими данными и качественными прогнозами, разработанными на их основе.

1.              Осипов В. А. Некоторые аспекты прогнозирования развития экстремистской преступности в Российской Федерации // Вестник Белгородского юридического института МВД России им. И. Д. Путилина. 2019. № 4. С. 17–22.

2.              Пилюгина Т.В., Пичкуренко Е.А., Венди А.А. Математические методы прогнозирования преступности // Аспект. 2015. № 1. С. 98-103.

3.              Суходолов А.П., Бычкова А.М. Искусственный интеллект в борьбе с преступностью, ее прогнозирование, предупреждение и развитие // Общероссийский криминологический журнал. 2018. Т. 12. № 6. С. 753-766.

4.              Kadar C., Maculan R., Feuerriegel S. Public decision support for low population density areas: An imbalance-aware hyper-ensemble for spatio-temporal crime prediction // Decision Support Systems. 2019. № 119. С. 107—117.

5.              Shoesmith G. L. Space—time autoregressive models and forecasting national, regional and state crime rates // International Journal of Forecasting. 2013. № 29. С. 191—201.