Vestnik of the St. Petersburg University of the Ministry of Internal Affairs of Russia Vestnik of the St. Petersburg University of the Ministry of Internal Affairs of Russia Вестник Санкт-Петербургского университета МВД России 2071-8284 2949-1150 111568 УГОЛОВНО-ПРАВОВЫЕ НАУКИ CRIMINAL LAW SCIENCES УГОЛОВНО-ПРАВОВЫЕ НАУКИ Using artificial intelligence for forecasting offenses and crimes in transport: theory and methodology Применение искусственного интеллекта для прогнозирования правонарушений и преступлений на транспорте: теория и методология https://orcid.org/0000-0002-0664-8444 Злоказов Кирилл Витальевич Zlokazov Kirill Vital'evich kzlokazov@mvd.ru

доктор психологических наук;

doctor of psychological sciences;

 https://orcid.org/0009-0007-3870-6382 Сархошян Грант Рубенович Sarkhoshyan Grant Rubenovich nio.spbu@yandex.ru Санкт-Петербургский университет МВД России Россия Saint Petersburg University of the MIA of Russia Russian Federation Управление на транспорте МВД России по Северо-Западному федеральному округу Россия Transport Directorate of the Ministry of Internal Affairs of Russia for the Northwestern Federal District Russian Federation 25 12 2025 25 12 2025 2025 4 98 105 22 05 2025 07 10 2025 https://vestnikspbmvd.ru/en/nauka/article/111568/view

Введение. Актуальность исследования обусловлена вызовами и угрозами объектам транспорта и транспортной инфраструктуры, а также возможностями цифровой трансформации оперативно-служебной деятельности органов внутренних дел Российской Федерации. Рост несанкционированных вмешательств и общественная опасность посягательств требуют оптимизации деятельности полиции на транспорте, которая, в свою очередь может быть эффективно осуществлена с опорой на методы искусственного интеллекта – нейросетевого прогнозирования. Цель – систематизация теории и методологии применения нейросетевых технологий для прогнозирования правонарушений и преступлений на объектах транспортной инфраструктуры, осуществляемая для повышения эффективности деятельности полиции на транспорте. Методы исследования: общенаучные методы анализа, систематизации и конкретизации, использованные в отношении сведений о применении искусственного интеллекта и нейросетевых систем прогнозирования правонарушений и преступлений на транспорте. Результаты. Проанализированы отечественные и зарубежные технологии искусственного интеллекта, применяемые при прогнозировании правонарушений и преступлений, систематизированы нейросетевые методы прогнозирования, пригодные для построения моделей правонарушений и преступлений; конкретизирован алгоритм прогноза правонарушений и преступлений на транспорте и объектах транспортной инфраструктуры посредством нейросетевой технологии применения искусственного интеллекта. Показано, что многослойный персептрон (MLP), рекуррентная нейронная сеть (RNN), временная сверточная сеть (TCN), графовая нейронная сеть (GNN) могут применяться для оперативного (в режиме реального времени) а также стратегического (криминологического) прогноза правонарушений и преступлений на транспорте. Приводятся примеры нейросетевых моделей, используемых для решения задач прогнозирования правонарушений и преступлений на транспорте. С учетом выполненного анализа формулируется алгоритм разработки нейросетевой модели прогноза правонарушений и преступлений. Описываются четыре этапа его осуществления, позволяющие перейти к практическому воплощению (разработке) модели прогноза.

Introduction. The relevance of the study is driven by the challenges and threats to transport facilities and infrastructure, as well as the opportunities for digital transformation of the operational and service activities of the Russian Ministry of Internal Affairs. The increase in unauthorized interference and the public danger of encroachments necessitate the optimization of transport police operations, which can be effectively achieved using artificial intelligence methods, specifically neural network forecasting. The aim is to systematize the theory and methodology of applying neural network technologies to forecast offenses and crimes at transport infrastructure facilities, in order to enhance the efficiency of transport police. Research methods: general scientific methods of analysis, systematization, and concretization, applied to information on the use of artificial intelligence and neural network methods for forecasting transport offenses and crimes. Results. Domestic and foreign AI technologies used in forecasting offenses and crimes were analyzed; neural network forecasting methods suitable for modeling offenses and crimes were systematized; an algorithm for forecasting offenses and crimes in transport and at transport infrastructure facilities using neural network AI technology was specified. It is shown that Multilayer Perceptron (MLP), Recurrent Neural Network (RNN), Temporal Convolutional Network (TCN), and Graph Neural Network (GNN) can be applied for both operational (real-time) and strategic (criminological) forecasting. Examples of neural network models for these tasks are provided. Based on the analysis, an algorithm for developing a neural network forecasting model is formulated, describing its four implementation stages to enable practical model development.

 интеллектуальное прогнозирование преступлений искусственная нейронная сеть нейросетевой прогноз преступлений нейросетевой анализ правонарушений интеллектуальное предсказание преступлений криминологический прогноз информационные технологии прогнозирования правонарушений crime intelligence forecasting artificial neural network neural network crime prediction neural network offense analysis intelligent crime prediction criminological forecasting IT for offense prediction

Захватов, И. Ю. Прогнозирование как элемент информационно-аналитического обеспечения деятельности органов внутренних дел / И. Ю. Захватов, М. Н. Пчоловский // Высшая школа: научные исследования : материалы Межвузовского международного конгресса, Москва, 24 июня 2021 года. – Москва: Инфинити, 2021. – С. 14-24. Zahvatov, I. Yu. Prognozirovanie kak element informacionno-analiticheskogo obespecheniya deyatel'nosti organov vnutrennih del / I. Yu. Zahvatov, M. N. Pcholovskiy // Vysshaya shkola: nauchnye issledovaniya : materialy Mezhvuzovskogo mezhdunarodnogo kongressa, Moskva, 24 iyunya 2021 goda. – Moskva: Infiniti, 2021. – S. 14-24. Кайбичев, И. А., Кайбичева, Е. И. Математическое моделирование временного ряда количества преступлений в России //Вестник экономики, управления и права. – 2019. – №. 4 (49). – С. 80-85. Kaybichev, I. A., Kaybicheva, E. I. Matematicheskoe modelirovanie vremennogo ryada kolichestva prestupleniy v Rossii //Vestnik ekonomiki, upravleniya i prava. – 2019. – №. 4 (49). – S. 80-85. Киселев, А. А. Сезонность преступности как объект криминологического изучения / А. А. Киселев // Правовая культура. – 2020. – № 2(41). – С. 139-150. Kiselev, A. A. Sezonnost' prestupnosti kak ob'ekt kriminologicheskogo izucheniya / A. A. Kiselev // Pravovaya kul'tura. – 2020. – № 2(41). – S. 139-150. Клейменов, М. П. Уголовно-правовое прогнозирование / М. П. Клейменов. – Томск : Национальный исследовательский Томский государственный университет, 1991. – 167 с. Kleymenov, M. P. Ugolovno-pravovoe prognozirovanie / M. P. Kleymenov. – Tomsk : Nacional'nyy issledovatel'skiy Tomskiy gosudarstvennyy universitet, 1991. – 167 s. Петрова, В. Ю. Роль прогнозирующих моделей в управлении органами внутренних дел (на примере преступлений, связанных с легализацией преступных доходов) / В. Ю. Петрова // Вестник Владимирского юридического института. – 2013. – № 2(27). – С. 107-109. Petrova, V. Yu. Rol' prognoziruyuschih modeley v upravlenii organami vnutrennih del (na primere prestupleniy, svyazannyh s legalizaciey prestupnyh dohodov) / V. Yu. Petrova // Vestnik Vladimirskogo yuridicheskogo instituta. – 2013. – № 2(27). – S. 107-109. Симонова, Е. Н. Реализация логистической регрессии в R, как наименьшей возможной нейронной сети / Е. Н. Симонова // Modern Science. – 2021. – № 1-1. – С. 491-495. Simonova, E. N. Realizaciya logisticheskoy regressii v R, kak naimen'shey vozmozhnoy neyronnoy seti / E. N. Simonova // Modern Science. – 2021. – № 1-1. – S. 491-495. Суходолов А. П., Бычкова А. М. Искусственный интеллект в противодействии преступности, ее прогнозировании, предупреждении и эволюции //Всероссийский криминологический журнал. – 2018. – Т. 12. – №. 6. – С. 753-766. Suhodolov A. P., Bychkova A. M. Iskusstvennyy intellekt v protivodeystvii prestupnosti, ee prognozirovanii, preduprezhdenii i evolyucii //Vserossiyskiy kriminologicheskiy zhurnal. – 2018. – T. 12. – №. 6. – S. 753-766. Ульянов А. Д., Власов Б. Е. Теоретико-методологическое обеспечение аналитической работы в органах внутренних дел в современных условиях //Труды Академии управления МВД России. – 2023. – №. 1 (65). – С. 24-31 Ul'yanov A. D., Vlasov B. E. Teoretiko-metodologicheskoe obespechenie analiticheskoy raboty v organah vnutrennih del v sovremennyh usloviyah //Trudy Akademii upravleniya MVD Rossii. – 2023. – №. 1 (65). – S. 24-31 Федорова О. Б., Хейло Л. Г. Статистические методы анализа, оценки и прогнозирования оперативной обстановки: учебно-методическое пособие для сотрудников штабных подразделений органов внутренних дел //М.: ОАД МВД России. – 2018 Fedorova O. B., Heylo L. G. Statisticheskie metody analiza, ocenki i prognozirovaniya operativnoy obstanovki: uchebno-metodicheskoe posobie dlya sotrudnikov shtabnyh podrazdeleniy organov vnutrennih del //M.: OAD MVD Rossii. – 2018 Шалагин А. Е., Шарапова А. Д. Криминологическое прогнозирование и планирование в деятельности органов внутренних дел //Вестник экономики, права и социологии. – 2017. – №. 2. – С. 127-130 Shalagin A. E., Sharapova A. D. Kriminologicheskoe prognozirovanie i planirovanie v deyatel'nosti organov vnutrennih del //Vestnik ekonomiki, prava i sociologii. – 2017. – №. 2. – S. 127-130 Alsubayhin A., Ramzan M. S., Alzahrani B. Crime Prediction Model using Three Classification Techniques: Random Forest, Logistic Regression, and LightGBM //International Journal of Advanced Computer Science & Applications. – 2024. – Т. 15. – №. Alsubayhin A., Ramzan M. S., Alzahrani B. Crime Prediction Model using Three Classification Techniques: Random Forest, Logistic Regression, and LightGBM //International Journal of Advanced Computer Science & Applications. – 2024. – T. 15. – №. Ansfield, B. The broken windows of the Bronx: Putting the theory in its place //American Quarterly. – 2020. – Т. 72. – №. 1. – С. 103-127. Ansfield, B. The broken windows of the Bronx: Putting the theory in its place //American Quarterly. – 2020. – T. 72. – №. 1. – S. 103-127. Bifari, E. et al. Text mining and machine learning for crime classification: using unstructured narrative court documents in police academic //Cogent Engineering. – 2024. – Т. 11. – №. 1. – С. 2359850. Bifari, E. et al. Text mining and machine learning for crime classification: using unstructured narrative court documents in police academic //Cogent Engineering. – 2024. – T. 11. – №. 1. – S. 2359850. Clavell, G. G. (2018). Exploring the ethical, organizational and technological challenges of crime mapping: A critical approach to urban safety technologies. Ethics and Information Technology, 20(4), 265–277. https://doi.org/ 10.1007/s10676-018-9477. Clavell, G. G. (2018). Exploring the ethical, organizational and technological challenges of crime mapping: A critical approach to urban safety technologies. Ethics and Information Technology, 20(4), 265–277. https://doi.org/ 10.1007/s10676-018-9477. Dakalbab, F. et al. Artificial intelligence & crime prediction: A systematic literature review //Social Sciences & Humanities Open. – 2022. – Т. 6. – №. 1. – С. 100342. Dakalbab, F. et al. Artificial intelligence & crime prediction: A systematic literature review //Social Sciences & Humanities Open. – 2022. – T. 6. – №. 1. – S. 100342. Johnson, T. L. et al. Police facial recognition applications and violent crime control in US cities //Cities. – 2024. – Т. 155. – С. 105472. Johnson, T. L. et al. Police facial recognition applications and violent crime control in US cities //Cities. – 2024. – T. 155. – S. 105472. Kim, G. et al. Crime Mapping in Urban Environments Using Explainable AI: A Case Study of Daegu, Korea //Sustainable Cities and Society. – 2025. – С. 106507. Kim, G. et al. Crime Mapping in Urban Environments Using Explainable AI: A Case Study of Daegu, Korea //Sustainable Cities and Society. – 2025. – S. 106507. Lee, W. D. et al. The influence of intra-daily activities and settings upon weekday violent crime in public spaces in Manchester, UK //European Journal on Criminal Policy and Research. – 2021. – Т. 27. – №. 3. – С. 375-395 Lee, W. D. et al. The influence of intra-daily activities and settings upon weekday violent crime in public spaces in Manchester, UK //European Journal on Criminal Policy and Research. – 2021. – T. 27. – №. 3. – S. 375-395 Marciniak, D. Algorithmic policing: An exploratory study of the algorithmically mediated construction of individual risk in a UK police force //Policing and society. – 2023. – Т. 33. – №. 4. – С. 449-463. Marciniak, D. Algorithmic policing: An exploratory study of the algorithmically mediated construction of individual risk in a UK police force //Policing and society. – 2023. – T. 33. – №. 4. – S. 449-463. Massarelli, C., Uricchio, V. F. The contribution of open-source software in identifying environmental crimes caused by illicit waste management in urban areas //Urban Science. – 2024. – Т. 8. – №. 1. – С. 21. Massarelli, C., Uricchio, V. F. The contribution of open-source software in identifying environmental crimes caused by illicit waste management in urban areas //Urban Science. – 2024. – T. 8. – №. 1. – S. 21. Mishra, R. K. et al. Analysis of criminal landscape by utilizing statistical analysis and deep learning techniques //Journal of Applied Security Research. – 2024. – Т. 19. – №. 4. – С. 560-585. Mishra, R. K. et al. Analysis of criminal landscape by utilizing statistical analysis and deep learning techniques //Journal of Applied Security Research. – 2024. – T. 19. – №. 4. – S. 560-585. Mukherjee, K. et al. Uncovering spatial patterns of crime: A case study of Kolkata //Crime Prevention and Community Safety. – 2024. – Т. 26. – №. 1. – С. 47-90. Mukherjee, K. et al. Uncovering spatial patterns of crime: A case study of Kolkata //Crime Prevention and Community Safety. – 2024. – T. 26. – №. 1. – S. 47-90. Saunders, J., Hunt P., Hollywood, J. S. Predictions put into practice: a quasi-experimental evaluation of Chicago’s predictive policing pilot //Journal of experimental criminology. – 2016. – Т. 12. – №. 3. – С. 347-371 Saunders, J., Hunt P., Hollywood, J. S. Predictions put into practice: a quasi-experimental evaluation of Chicago’s predictive policing pilot //Journal of experimental criminology. – 2016. – T. 12. – №. 3. – S. 347-371 Singh, A. et al. An introduction on the impact of artificial intselligence (ai) in forensic science: a study on the role of ai in crime prevention //Dinesh, An introduction on the impact of artificial intselligence (ai) in forensic science: a study on the role of ai in crime prevention (October 25, 2024). – 2024. Singh, A. et al. An introduction on the impact of artificial intselligence (ai) in forensic science: a study on the role of ai in crime prevention //Dinesh, An introduction on the impact of artificial intselligence (ai) in forensic science: a study on the role of ai in crime prevention (October 25, 2024). – 2024. van Sleeuwen S. E. M., Ruiter, S., Steenbeek, W. Right place, right time? Making crime pattern theory time-specific //Crime Science. – 2021. – Т. 10. – №. 1. – С. 2. van Sleeuwen S. E. M., Ruiter, S., Steenbeek, W. Right place, right time? Making crime pattern theory time-specific //Crime Science. – 2021. – T. 10. – №. 1. – S. 2. Yang, S. et al. The impact of surveillance cameras and community safety activities on crime prevention: Evidence from Kakogawa City, Japan //Sustainable Cities and Society. – 2024. – Т. 115. – С. 105858. Yang, S. et al. The impact of surveillance cameras and community safety activities on crime prevention: Evidence from Kakogawa City, Japan //Sustainable Cities and Society. – 2024. – T. 115. – S. 105858. Zeng, M., Mao, Y., Wang, C. The relationship between street environment and street crime: A case study of Pudong New Area, Shanghai, China //Cities. – 2021. – Т. 112. – С. 103143. Zeng, M., Mao, Y., Wang, C. The relationship between street environment and street crime: A case study of Pudong New Area, Shanghai, China //Cities. – 2021. – T. 112. – S. 103143.