Olika metoder för att förutspå var brott kommer att ske

Ny studie, ledd av Maria Camacho Doyle som är doktorand vid Örebro Universitet är nu publicerad i Nordic Journal of Studies in Policing och ska härmed sammanfattas. 

Det kan ofta vara väldigt nyttigt att försöka identifiera vilka platser som har mycket brott - eller ännu hellre vilka platser som kan komma att ha mycket brott i framtiden. När man vet det kan man försöka göra något åt det, där den enklaste (och troligen vanligaste) åtgärden helt enkelt är att skicka fler poliser till platsen - så kallad hot spot policing vilket visat sig vara effektivt för att minska brottsligheten. 

Det finns en mängd olika metoder för att identifiera eller predicera platser med mycket brott, t ex riskterrängmodellering som jag tidigare tagit upp på bloggen. Vanligast är dock att utgå från var det tidigare varit mycket brott, men frågan blir då hur det ska beräknas. Ett vanligt sätt att identifiera platser med mycket brott är genom Kernel Density Estimation (KDE), vilket bland annat finns inbyggt i polisens interna system i Sverige. I en KDE låter man brott influera en viss punkt med fallande kraft desto längre bort brotten är. 10 brott på exakt samma plats ger alltså ett högre värde på den platsen än 10 brott som ligger nära varandra, vilket i sin tur ger ett högre värde än om det är 10 brott längre bort eller om det är 5 brott i närheten (Här finns ett exempel på KDE för gatuvåld i Malmö). En KDE medför i praktiken att man slätar ut skillnader mellan platser, så att det blir en ganska jämn yta. Det fungerar också ganska bra för att identifiera platser med mycket brott. Allt bra alltså?

Njae, en nackdel med KDE är att det för de flesta upplevs som ganska tekniskt. Man stoppar in brott i en modell och får ut en densitetsberäkning utan att riktigt förstå hur det går till eller vad det visar mer exakt. Det är en blackbox, och att justera parametrar i beräkningarna (t ex inom vilka avstånd beräkningen ska göras) upplevs för somliga vara väldigt komplicerat och svårt. 

Ett alternativ till att använda KDE är att helt enkelt räkna hur många brott som finns på en plats, och använda den beräkningen för att identifiera hotspots. Det är något som är lätt att förstå intuitivt, och som kan vara ganska lätt att genomföra. Att det är enklare att förstå är ganska givet och en stor fördel, men huruvida det är lättare att genomföra beror på hur man definierar vad en plats är. Om man utgår från adresser eller koordinater går det ganska lätt att identifiera vilka platser som har mest brott, men det är också en extremt liten analysenhet vilket gör att det kanske inte egentligen är en plats det handlar om. I forskningslitteraturen används ofta gatusegment (från en korsning till nästa korsning på en väg). Ett enkelt sätt att göra det på är också att dela in en stad i rutor och räkna brott i varje ruta. Ett rutnät läggs helt enkelt på staden och sedan beräknas antalet brott i varje ruta enkelt genom olika geografiska informationssystem. 

I vår studie har vi testat att göra just det. Malmö har indelats i 16 737 rutor som är 100x100 meter stora, och sedan räknar vi hur många brott som varit i varje ruta för olika typer av brott. Vi testar sedan olika varianter av KDE jämfört med antalsräkningen för egendomsbrott och våldsbrott, samt nedbrutet på specifika brottskategorier såsom misshandel eller bostadsinbrott. I samtliga fall försöker vi predicera brottsligheten 2017 med tidigare brottslighet, och vi testar olika kombinationer av tidigare tidsperioder för att predicera 2017. Fungerar det bättre att använda 2016 jämfört med 2015? Eller en kombination av 2015 och 2016? Osv osv. 

Jag ska här inte i detalj gå igenom alla analyser och resultat, men istället konstatera att kontentan är att den enklaste och mest rimliga versionen - att ta året innan och bara räkna antalet brott i respektive ruta - ger bra resultat och därför är vettigast att använda. Ibland fungerar KDE något bättre, men skillnaden är ganska marginell, och enkelheten i att bara räkna antal gör att vi föredrar det. 

Vi visar också att det finns skillnader mellan olika brottstyper i hur lätt det är att predicera. Utomhusmisshandel är lättast - och vi visar där att så lite som 0.2% av platserna (rutorna) i Malmö kan fånga upp hela 19% av brotten. Bostadsinbrott däremot är svårare att predicera, och där föreslår vi att analysen kan kompletteras med till exempel near-repeat analyser som jag diskuterat i ett tidigare blogginlägg. Det finns en massa andra nyanser och analyser i studien, och den hågade kan därför med fördel läsa vidare via länken i början av detta inlägg - studien är open access och fritt tillgänglig för alla. 

Varierar det för olika brottstyper i hur hög grad platser med mycket folk genererar platser med väldigt mycket brott (hotspots)?

Nu har en ny studie accepterats för publicering, och min vana trogen ska jag därför försöka skriva en kort populärvetenskaplig sammanfattning. Studien är accepterad för publicering i European Journal on Criminal Policy and Resarch och heter Does the association between flows of people and crime differ across crime types in Sweden? (Pre-print länk) 

 Studien bygger vidare på en tidigare studie där jag analyserade våldsbrott vid busshållplatser, och bland annat kom fram till att många av de variabler som förutspår vilka busshållplatser som har mycket brott egentligen snarast mäter var det är mycket folk - och busshållplatser med mycket folk får mer brott eftersom det uppstår fler tillfällen då potentiella gärningspersoner interagerar med potentiella offer på en plats där många människor passerar. 

 I den nya studien bygger jag vidare på de fynden på flera sätt. Dels så studerar jag nu sex olika brottstyper och jämför resultaten för dessa; misshandel utomhus, personrån, cykelstölder, bilinbrott, skadegörelse och anlagda bränder. Dessutom så fokuserar jag nu på sambandet mellan platser med väldigt mycket brott, vilket ofta kallas hotspots, snarare än på ett mer generellt samband. Det här låter kanske nördigt och konstigt, men det är möjligt att en del av de samband som gäller generellt ser annorlunda ut när vi tittar på den väldigt lilla mängden platser som har väldigt höga nivåer av brott, och det finns faktiskt inte så många studier som explicit studerar just de platser som har väldigt höga brottsnivåer. En ytterligare sak jag lägger till i den nya studien är att jag tydligare försöker återkoppla till ett teoretiskt perspektiv - rutinaktivitetsperspektivet - vilket säger att brott uppstår i situationer där en motiverad gärningsperson möter ett lämpligt offer samtidigt som det inte finns tillräckligt med kapabla väktare för att avskräcka från eller förhindra brottet. 

Det här är intressant i relation till platser där det passerar mycket folk, eftersom det kan tänkas påverka alla tre variablerna. En plats med mycket folk kommer i genomsnitt också ha fler förövare. Och offer. Vilket bör öka brottsligheten. Men samtidigt bör platsen ju också ha fler kapabla väktare, vilka kan reducera risken för brott (Figur 1). Totalt sett är det väl etablerat att mer folk leder till mer brott, men flera studier har också visat att även om det blir fler brott kan antalet brott per person som finns på platsen faktiskt minska. En plats där väldigt många brott begås är alltså paradoxalt nog ofta en plats där varje enskild individ löper en mindre risk att utsättas för brott än på en plats med färre brott. 

Figur 1. Förenklad modell av hur stora flöden av människor teoretiskt kan tänkas påverka brottsligheten.

I analysen visar jag att sannolikheten för att en plats ska uppfylla kriteriet om att vara en hotspot (2,3 eller 4 standardavvikelser högre densitet av brottstypen) ökar tydligt om platsen också har många busspassagerare som passerar. Att så skulle vara fallet var väntat, men är ändå av visst intresse eftersom det som sagt är väldigt få studier som har analyserat just dessa platser i relation till andra faktorer. Som kan ses av de blåa prickarna i Figur 2 är dock sambandet betydligt svagare för skadegörelse och anlagd brand än för de andra brottstyperna. Min hypotes är att det åtminstone delvis har att göra med att du kan begå skadegörelsebrott nästan var som helst. Du kan klottra på en lyktstolpe, rispa eller elda på en parkbänk, tända eld på eller rispa en papperskorg eller bil. Osv osv. 

 Figur 2. Oddskvoter för hotspots för sex olika brottstyper i relation till densitet av buspassagerare.

Jag drar sedan den hypotesen ett steg längre, och antar att det finns oändligt med mål för att begå dessa brott. Jag antar dessutom att sambandet mellan de tre olika variablerna i Figur 1 ovan ser likadant ut för alla brottstyper. Båda dessa antagandena är kraftigt förenklade - och felaktiga. Men genom att göra sådana antaganden kan jag testa att teoretiskt lösa ut ekvationen i Figur 1 och försöka sätta en siffra på hur mycket av ökningen i brott som kan kopplas till fler potentiella offer/måltavlor för brott. Jag landar då i att anledningen till att en plats med många busspassagerare oftare också är en hotspot för brott till ca 70-80% beror av att det finns fler potentiella offer/måltavlor där. Det här behöver undersökas noggrannare med en mer exakt metod för att avgöra den relativa vikten av gärningspersoner, offer och kapabla väktare på en plats för den platsens brottslighet, men denna studie är ett försiktigt försök att utveckla vårt tänkande kring hur dessa variabler samvarierar, vilket i sin tur kan bidra till en bättre förståelse för hur vi kan förebygga brott. 

Helikoptrar och evidensbaserat polisarbete i Sverige

 Jag har tillsammans med mina kollegor Kim Nilvall och Johan Kardell vid polismyndighetens Nationella Operativa Avdelning (NOA) fått en ny studie publicerad - The Helicopter Pilot - Swedish Hot Area Policing From Above. 

Studien handlar om ett försök att förebygga anlagda bilbränder under den period då det tenderar att vara flest anlagda bränder - perioden från strax innan skolstart och första månaden av höstterminen. Detta har varit en tid med anlagda bilbränder under många år, och polisen har på flera sätt försökt ha beredskap för - och infört åtgärder mot - det utan större framgång. År 2018 brann det uppemot hundra bilar på en dag i västra Sverige, vilket väckte stor uppmärksamhet och ökade trycket på att göra något åt problemet. 

Under våren 2019 fördes en diskussion på NOA om hur problemet skulle kunna angripas och hur den nationella nivån skulle kunna stötta lokalpolisområdena samt hur det skulle kunna kopplas till en mer generell utveckling mot att arbeta mer evidensbaserat. Polisflyget hör till NOA, och ett förslag om att testa användning av helikoptrar för att patrullera platser med mycket bränder föreslogs. Det bygger på forskning om att polispatruller på platser med mycket brott - hot spot policing - är en väl etablerad metod som kan minska brott, samt på ett fåtal gamla studier som visat att helikopterpatruller kunnat förebygga bostadsinbrott. Detta sågs också som ett sätt att börja arbeta mer evidensbaserat i svensk polis, det vill säga att utgå från studier, testa metoder - och utvärdera resultatet av dessa metoder. 

En analys gjordes av var i Sverige det brukar vara mycket bilbränder, och flera möjliga regioner som hade kunnat vara lämpliga att göra försöket i identifierades. En polisregion tackade ja till införandet, region syd, och en fördjupad analys gjordes av var det brukar vara mycket bilbränder, samt på vilka tider dessa tenderar att inträffa. Utifrån det togs kartor och ett ungefärligt schema fram för när helikoptrarna skulle flyga med utgångspunkt i att flyga på tider lite innan förväntade tidpunkter för bränder - samt med begränsningar om att inte flyga sent för att inte störa de boendes nattsömn. Till skillnad från traditionell hot spot policing som riktar sig till små, specifika platser - oftast med fotpatruller - kan en helikopter se och ses från ett stort område, och det handlar därmed snarare om "hot area policing" istället för "hot spot policing". 

Projektperioden var satt till sex veckor, och polishelikoptrar var tänkta att flyga när de hade tid över för projektet. Vi följde sedan upp det genom att jämföra utvecklingen av bilbränder i de städer som omfattades av helikopterpatruller med andra städer som har höga nivåer av bilbränder. Det visade sig att det var färre bilbränder än tidigare både i de städer där helikoptrarna flög och i andra städer. Minskningen var stor, och ungefär lika stor i båda fallen. Beslutet att testa metoden verkade därmed inte ha någon effekt. 

Men, bara för att det bestäms att helikoptrar ska patrullera i sex veckor behöver det inte betyda att så faktiskt sker. Vi fick tillgång till satellit-data över var helikoptrarna faktiskt varit, och det visade sig att de mestadels flög i början av tidsperioden (Figur 1, massor av markeringar i början av perioden, blir sedan allt glesare). Under senare delar av tidsperioden var det mycket lite helikopter-tid på de utpekade platserna.  Nästa fråga blev då huruvida vi kunde se färre bilbränder på de dagar när helikoptern faktiskt varit på plats?

Figur 1. Antal minuter per dag med helikopterpatrull. 

I analysen jämförde vi således antalet bilbränder per dag på dagar med helikopter kontra dagar utan helikopter, och kontrasterade det mellan de städer som deltog i projektet kontra andra städer som brukar ha mycket bilbränder. Som kan ses i Figur 2 var det mindre bilbränder per dag under de dagarna i alla städerna - inklusive i de städer som inte hade några helikoptrar. Som synes vid jämförelse av blå vs röd stapel för de två sista kolumnerna i grafen (Treatment total och Control) var minskningen lite större på platser med helikoptrar, men den var inte stor nog för att bli signifikant (p=.23). Den första kolumnen som visar Malmö uppvisar också den största minskningen för brinnande bilar, men inte heller den är signifikant (p=.07). Slutsatsen är alltså att vi inte ser någon signifikant effekt av helikopterpatruller på bilbränder. 

Figur 2. Anlagd bilbrand per dag med och utan helikopter-närvaro. 

Även om vi i vår studie alltså inte kommer fram till att detta pilotprojekt har haft någon effekt är detta goda nyheter för polismyndigheten. Det här var ett försök att arbeta mer evidensbaserat, att faktiskt försöka ta reda på om något som görs får en effekt. Detta görs alldeles för sällan i svensk polis, och varje steg i den riktningen som tas är enligt min mening en framgång. 

Som påpekats av en av de vetenskapliga granskare som kommenterat studien kan det också vara så att det finns en effekt av helikoptrarna - punktestimatet är exv -0.43 för dagar med helikoptrar - men vi har för låg statistisk kraft för att kunna identifiera det. Med en större studie, eller fler brottstyper inkluderat, kan den statistiska kraften utökas för att få en säkrare bild av huruvida polishelikoptrar kan bidra till att avskräcka från brottslighet. En fördel med att lägga till fler brottstyper till analysen är i så fall också att det kan göras utan nya försök - för att flyga helikoptrar över bostadsområden uppfattas inte sällan som störande för de boende, och är inte något som bör göras i onödan. 

Hur bra är egentligen polisdata rent geografiskt?

Igår kom min senaste studie ut i tidskriften Nordisk politiforskning (Open access, vem som helst kan läsa), och min vana trogen ska jag nu försöka skriva ett kort blogginlägg för att sammanfatta studien.

Mycket av min forskning, och flera av de polisiära arbetsmetoder som forskare varit mest intresserade av på senare år, är beroende av att identifiera var brott begås. Det görs ofta genom att använda brottsanmälningar, och utifrån den adress som där finns angiven "geokoda" brotten, det vill säga placera ut dom på en karta. Flera studier har engagerat sig i frågan om själva geokodningen, hur bra den fungerar, samt hur stor andel av brotten som måste geokodas korrekt för att det ska gå att göra rimliga analyser på datan. Men, inga studier har egentligen funderat över frågan om huruvida den där adressen vi geokodar egentligen ger en korrekt bild av var brottet är begått. Det är vad min studie försöker göra.

Det finns två problem här. Det första problemet är att vi inte alltid vet exakt var brottet har begåtts. Tänk er exempelvis någon som blivit rånad utomhus en sen natt. När polisanmälan görs kommer denna sällan att säga "Storgatan 23B", utan kanske snarare "På möllan, rätt nära bergsgatan", eller "Utanför Högstadieskolan", eller "typ i början av Storgatan". En osäkerhet finns inbyggd i systemet, för denna typ av brott, och den osäkerheten finns inte med i dom platser på en karta där brottet sedan kommer att placeras. Ofta kommer brott i den typen av situationer att placeras lite fel, men det är svårt att veta exakt hur stort felet är.
Ett annat problem är att de adresser som ska geokodas normalt sett utgörs av hus. Men brott begås även utanför hus. Brotten kommer då att tillskrivas ett hus (en adress) i närheten. Ibland finns det inget hus riktigt i närheten, och brottet kommer då att tillskrivas någon annan plats (förhoppningsvis i närheten), det kan gälla vägar där det inte finns adresser (motorvägar exv, eller sträckor av en väg som går längs med en åker), och brotten tilldelas då ofta en "adress" ungefär i mitten av vägsträckan. Det gäller även för parker och torg, där brott ibland tilldelas en adress i närheten, ibland tilldelas en plats i mitten av parken/torget.

Det är rimligt att anta att dessa problem påverkar våra analyser av brottslighet, men det är inte helt lätt att mäta hur stor denna påverkan är. I min studie drar jag nytta av att räddningstjänsten registrerar platser för var anlagda bränder tar plats utan att behöva utgå från adresser och jämför dessa med polisdata över bilbränder för att få en idé om hur stor skillnaden är. Det finns säkerligen felkällor med räddningstjänstens data också, men det är troligt att den är mer korrekt än polisdatan, och vi kan därmed utgå från den för att få en idé om problemets storlek. Eftersom jag utgår från bilbränder är det första av de två problem jag nämner ovan dessutom konstanthållet. Det utbrända bilvraket är lätt att identifiera platsen för, och vi kommer sällan vara i en situation där vi inte kan säga exakt var det hela har skett. I praktiken försöker jag alltså att studera hur stor effekt som fås på var brott kodas av att brott sker utomhus medans adresser bygger på hus.

Analysen här är inget fancy alls. Det är bara beskrivande statistik över hur skillnaderna ser ut. Jag åskådliggör det också med en väldigt enkel karta över ett bostadsområden som ni kan se nedan. Gula prickar är där polisen registrerat en bilbrand. Röda fyrkanter är platser där räddningstjänsten registrerat en bilbrand vid samma tid. Om man bortser från strecken mellan de olika som visar vilka incidenter som hör ihop kan det vid en första anblick se ut som att de ligger rätt nära varandra. Men faktum är att de flesta incidenterna i polisens data ligger ganska tydligt på fel plats. Den gula pricken uppe i högra hörnet är en bra illustration av det jag nämnde ovan med platser där det inte finns några adresser. Detta är en sådan väg, och den gula prick som syns där ligger ungefär i mitten av vägen, och har tre olika bilbränder registrerade på samma plats. Dessa tre bränder har i själva verket varit på andra platser, två av dom ca 200 meter söderut.

När jag på detta sätt jämför de platser där bilbränder registrerats i hela Malmö landar jag att polisens data tenderar att vara (median) strax över 80 meter "fel" om vi utgår från räddningstjänsten som facit. 80 meter är inte jättemycket, men ponera att polisen ska arbeta med hot spot policing (skicka poliser till brottsbelastade platser för att förebygga/förhindra brott), men blir skickade till en plats motsvarande den med tre bilbränder ovan. De kommer då att landa på en plats där det inte egentligen finns någon orsak att vara. Det här är troligen av mindre betydelse i de flesta fall då polisen också utgår från sin lokalkännedom, men det är likaväl en faktor som är väl värd att ha i åtanke, både för polisen och för oss forskare som studerar geografiska mönster av brottslighet. Det är också rimligt att anta att dessa fel är ännu större för brott som inte är lika lätta som bilbränder att identifiera en exakt plats för, t ex gatuvåld vilket är något som polisen ofta inriktar sig mot.
Eftersom felet huvudsakligen är slumpmässigt blir det inte något större problem så länge det bara är mönstren vi är intresserade av, men så fort vi börjar intressera oss för specifika platser är det något som vi bör vara medvetna om. Det är möjligt att felet är annorlunda i andra städer och för andra brott, men eftersom ingen annan försökt mäta det förut har vi nu i alla fall tagit ett första steg mot en förståelse för de utmaningar detta kan medföra.

Ökad risk för inbrott efter att grannen blivit utsatt

Igår publicerades en ny studie som jag skrivit tillsammans med Laura Hoppe som tidigare var masterstudent hos oss och numera är tillbaka i sitt hemland Tyskland där hon nu ska bli polis. Min vana trogen ska jag nu försöka att populärvetenskapligt sammanfatta artikeln så att resultaten blir mer allmänt tillgängliga.

Studien återfinns i European Journal of Criminology och berör fenomenet att ett inbrott relativt ofta brukar följas av ett nytt inbrott i närheten av den första händelsen, ett fenomen som kallas "nära återkommande mönster" på bökigt översatt svenska - near repeat patterns på engelska. Det här är ett fenomen som är väldigt väl belagt för inbrott, med en mängd studier internationellt och faktiskt även en svensk studie av mina kollegor Peter Lindström och Elina Martinez-Olsson. Anledningen till att dessa mönster uppstår antas teoretiskt bero på två mekanismer. Dels så kommer tjuvar efter ett framgångsrikt inbrott att få en "boost" och antingen själva återvända till ett närliggande hus, eller tipsa andra tjuvar om platsen. Men dels så kan det också handla om att platsen är "flaggad", att den uppvisar temporärt en ökad lämplighet för inbrott vilket gör att tjuvar oberoende av varandra kan dras till samma plats för att begå ett inbrott. 

I vår studie undersöker vi fenomenet lite närmare under en sexårsperiod i Malmö. Det vi gör är att titta dels på det generella mönstret över alla sex år, men också att bryta ut vart och ett av de sex åren separat och analysera dessa. Vi kommer fram till att near repeat mönster återkommer både för alla åren sammantaget och för vart och ett av de sex åren separat. Inom 100 meter från ett första inbrott och en vecka är risken i genomsnitt 2.3x högre för ett nytt inbrott, mellan 100 och 200 meter bort är risken 1.9x högre och så vidare. Detta vara fullständigt väntat och helt i linje med tidigare studier, men eftersom vi analyserar sex år kan vi också notera skillnader mellan åren. Vi finner då att det är ganska stor variation mellan olika år. Inom en vecka och 100 meter var som nämnts den genomsnittliga riskökningen 2.3 gånger - men detta varierar från 1.8 till 2.9. Dessa skillnader blir väldigt tydliga när vi studerar de lite svagare sambanden som inträffar efter mer än en vecka och mer än 100 meter bort. Ett sådant exempel är att det för vissa år finns en signifikant ökning av risken för ett inbrott 300 meter ifrån ett första inbrott inom en vecka med upp till 1.7 gånger högre risk, men för vissa år finns det ingen riskökning alls. Detta speglar i viss mån att det finns en variation i var inbrott inträffar, och hur koncentrerade dessa är, vilket kan ses på den figur från artikeln som summerar koncentrationerna. Det är på ungefär samma platser i staden som de gråsvarta koncentrationerna återfinns, men vissa år är de mörkaste fläckarna (högst koncentration) i en del av staden, och andra år i en annan del av staden.

Vi har gett vår studie undertiteln stabilitet och förändring för att betona våra fynd. De grundläggande mönstren är stabila, inom korta avstånd och korta tidsperioder finns återkommande en signifikant ökning av risken för bostadsinbrott efter ett första bostadsinbrott. Men också förändring, för även om de grundläggande mönstren är stabila så finns det också tydliga årliga skillnader. Vi försöker också ge förslag på möjliga orsaker till dessa förändringar, med utgångspunkt i två exempel vilka är markerade på kartan i övre högra hörnet. Bostadsområdet Kroksbäck är det kanske tydligaste exemplet, vilket 2013 och 2014 uppvisade mycket höga koncentrationer av inbrott. Dessa inbrott sammanföll med att fasaderna i området renoverades varpå en mängd inbrott inträffade inom bara några månaders tid. Via byggnadsställningarna var det enkelt att klättra upp till en lägenhet, slå in en ruta och ta sig därifrån med stöldgodset. Det är ett exempel på vad som i inledningen till denna text benämndes att en plats temporärt "flaggas" som lämplig för att begå brott, och effekten är här så stor att den får genomslag på statistiken för inte bara Kroksbäck, utan hela Malmö. När fasadrenoveringen är över (och dessutom några av tjuvarna gripits) sjunker inbrottsfrekvensen till mer normala nivåer, liksom styrkan i near repeat mönstren eftersom inbrotten nu inte lika tydligt inriktas mot en specifik plats under en begränsad tid.

Detta är kunskap som kan användas, och i viss utsträckning redan används av svensk polis, i det förebyggande arbetet. Efter ett inbrott kan det vara lämpligt för grannsamverkansföreningar eller liknande sammanslutningar att vara särskilt uppmärksamma. I flera svenska kommuner har det också testats att be körskolor förlägga sina lektioner till områden där det nyligen varit inbrott för att det ska finnas människor på plats vilket kan tänkas avskräcka tjuvar. Nyligen genomfördes också ett randomiserat experiment i England där polisen utifrån near repeat principen gav brottsförebyggande råd och hjälp i områden där det nyligen varit inbrott, vilket resulterade i en viss brottsförebyggande effekt. Det vår studie tillför till detta arbete är att det kan vara värt att särskilt inrikta dessa insatser mot platser där det kan finnas anledning att tro att risken för inbrott ökat givet någon förändring i den fysiska (eller sociala) miljön. När det finns byggnadsställningar uppsatta vilket underlättar lägenhetsinbrott är det nog en bra idé att satsa lite extra på det förebyggande arbetet.

Concentration of gun violence in three Swedish cities

A few months ago the crime analyst Jeff Asher from New Orleans posted some maps highlighting the concentration of gun violence in New Orleans and in Chicago/Baltimore on twitter. Since I've been working on gun violence for a while with Joakim Sturup, Amir Rostami and Anders Sandholm I was intrigued by Jeffs analysis and now I have finally attempted to do something similar for Sweden.

As I will show below gun violence appears to be at least as concentrated in Sweden as it is in New Orleans. More generally there are however some notable differences between the US and Sweden. Most importantly, gun violence is much rarer in Sweden. In our study on near repeat patterns for shootings we identify 948 shootings over 5 years across the three biggest Swedish cities (938 of which we could geocode), and in the case of Stockholm this includes the whole county with over 2 million residents. Our study areas in total cover about 3 million residents, meaning the gun violence rate is around 6 incidents per 100 000 population and year. This includes all confirmed firearm discharges reported to the police - not just incidents where someone actually was hit by a bullet. Counting shootings with a casualty drops the number to 378, about 2.5 shootings per 100 000 residents and year. This can be compared with the 462 shootings reported by Jeff Asher for 2016 alone in New Orleans.

In the city of Malmö 2011-2015 there were a total of 289 shooting incidents, of which 136 involved someone injured or killed. 44% of the 289 incidents took place in 11 neighborhoods comprising 16% of the population or 4% of the municipal area. And 46% of incidents with a casualty take place in 10 neighborhoods comprising 15% of population or 4% of the area. This can be compared with the 16.7% of populated land accounting for 54% of shootings in New Orleans as reported by Jeff Asher. The map below includes land not populated, but as can be clearly seen in the map below (click to see a bigger version) the shootings are also very concentrated within these neighborhoods. Actual concentrations would be much higher if using a smaller level of aggregation - for instance as shown below regarding the Stockholm and Gothenburg examples.

Shootings with casualty in Malmö municipality, 2011-2015

For Stockholm and Gothenburg I have much less neighborhood level data. But to just visualize the patterns I have done maps that are similar to that of Malmö, but which depart from a national area designation used by the police. These areas are smaller than the ones used in the Malmö map above, and the maps are not entirely comparable, but to show the concentration of gun violence they should work fairly well.

In Stockholm the pattern of concentration appear to be similar. The map below shows that 12 areas of the city with at least two gun violence casualties are recorded for 33 out of 70 shooting incidents with injury or death. Notably however the rate is much lower in Stockholm than in Malmö, with a total of 197 shootings, 70 of which with a casualty, and almost 3 times bigger population. In addition the areas with high concentration of shootings are much more spread out than in Malmö. The proximity of disadvantaged neighborhoods with criminal networks in Malmö has previously been suggested to be one of the factors that may help explain the high rate of gang violence in the city.

Shootings in Stockholm municipality, 2011-2015

In Gothenburg 11 areas with at least 2 gun violence casualties are recorded for a total of 33 out of 88 incidents with an injury or death, or 37.5%. While this percentage is small, this is just 11 out of 1110 areas (the map doesnt show the whole municipality). Those 11 areas only account for 0.7% of the land - but this number is clearly somewhat mis-representative as the municipal boundaries used here include large areas of sea to cover the archipelago. As mentioned above I dont have much data over Gothenburg and Stockholm readily available, but while I cannot give an accurate number of just how high the area-level concentration is, I can with some confidence say that the concentration is very high. The rate in Gothenburg is higher than in Stockholm, but lower than in Malmö, and similarly to Stockholm the areas with many shootings are quite spread out across the city.

Shootings in Gothenburg municipality, 2011-2015. 

 The pattern regarding concentration of gun violence is nevertheless quite clear. In all three cities a small part of the city accounts for a large share of the shootings. This can be related to the law of crime concentration which states that a small number of places account for a majority of crimes. That it is applicable to shootings is not surprising, but it is interesting none the less. The fact that concentrations of shootings appear to be fairly similar in otherwise dissimilar countries such as the US and Sweden points to some stability of the patterns of concentrations. To further assess the issue we'd need to do more rigorous calculations however, which lie beyond the scope of this blog post.

Kameraövervakning på stortorget i Malmö - Uppdaterat

Blogginlägget uppdaterat (160610) med info kring skillnad avseende när alla kameror var aktiva! Tack till Gustav Alexandrie som uppmärksammade detta!

Nu har min studie om kameraövervakningen på stortorget i Malmö publicerats i International Criminal Justice Review,  och det är därmed dags för ett nytt blogginlägg. Generellt sett har kameraövervakning en relativt svag effekt, det fungerar framför allt på planerade egendomsbrott som bilinbrott, även om en svensk studie över kameraövervakningen i Stockholms T-bana också noterar en minskning av personrån. På senare år har ett större intresse däremot börjat riktas mot aktivt övervakade kameror som är direkt kopplade till polisinsatser. I USA har ett par studier funnit rätt bra effekter av att använda den typen av kameraövervakning till att effektivisera polisarbete på särskilt brottsutsatta platser, vilket funnits även minska våldsbrott. I Sverige har den här typen av övervakning kopplad till polisarbete bedrivits under flera år, och i Stockholm har BRÅ utvärderat effekten av insatsen. BRÅ kommer fram till att det inte haft någon signifikant effekt på brottsligheten, men ser ett visst värde i att kameramaterialet ibland används vid utredningar och noterar att polisen upplever kamerorna som ett viktigt instrument.
I Malmö har kameraövervakning funnits i området runt stortorget sedan augusti 2012, och var i full gång vid stortorget från början av november samma år. Det är den övervakningen som jag försökt utvärdera utifrån den snäva frågan om huruvida det har minskat förekomsten av misshandel i offentlig miljö. Till skillnad från kameraövervakning mer allmänt finns här en genomtänkt idé för hur detta ska kunna ha en förebyggande effekt. Kamerorna är endast aktiva på de tidpunkter när flest våldsbrott begås, helgnätter. Under dessa tider övervakas kameramonitorerna av en polis som spanar efter situationer där brott kan uppstå. Om denne polis till exempel ser två grupper av unga män som ser ut att vara avogt inställda till varandra kan hen snabbt meddela en polispatrull som finns på plats (det ska alltid finnas minst en patrull vid stortorget på helgnätter) och denna patrull kan i idealfallet hinna fram och de-eskalera situationen innan våld faktiskt utbrutit.

För att kunna identifiera en eventuell effekt av insatsen måste vi ha något att jämföra med, och i min studie har jag valt att använda mig av två olika typer av kontroller. Detta eftersom misshandelsbrott har minskat relativt kraftigt över hela staden, och det blir därmed intetsägande att konstatera att det också har minskat på Stortorget. På bilden nedan visas mängden misshandel i offentlig miljö fördelat på Stortorgsområdet (blå), det andra utelivsområdet i Malmö, Möllevången (röd), samt resten av staden (grön), och som kan noteras var det en kraftig minskning mellan 2011 och 2012. Vad detta beror på vet vi inte, även om det kan noteras att Malmöpolisen under denna period fick ett kraftigt tillskott av resurser vilken möjligen kan ha haft en viss inverkan.




För att utröna vilken effekt som kan kopplas till kameraövervakningen jämför jag dels utvecklingen av misshandel i offentlig miljö på helgnätter i det kameraövervakade området med utvecklingen i ett annat krogtätt och våldsdrabbat område - Möllevången - vid samma tidpunkter. Jag definierar jämförelseområdet utifrån hur stor densitet av nattklubbar det är i områdena i enlighet med kartan nedan där det stora blåmarkerade området i norr är stortorget, och det något mindre området söder om det utgör kontrollområdet.

Dessutom jämför jag stortorget på helgnätter med stortorget på vardagsnätter då kamerorna ej är aktiva. I min analys testar jag också en rad olika storlekar på vad som ska inkluderas avseende stortorget samt två olika stora varianter på kontrollområdet Möllevången (som syns med streckade linjer på kartan).

Resultaten som syns i tabellen nedan visar att misshandel gick ner med 20% på stortorget under de tider då kameraövervakning var aktiv, men misshandel gick ner med 37.5% på Möllevången. I jämförelsen mellan helgnätter och vardagsnätter på stortorget visade det sig finnas en icke-signifikant relativ minskning av misshandel när kamerorna är aktiva. Det verkar därmed ej som att kamerorna har haft någon effekt, men det går inte att helt utesluta eftersom den statistiska kraften i studien är låg.

	17/8 2011 – 16/8 2012	17/8 2012 – 16/8 2013	Difference	Relative effect size (95% CI)
Treatment (Exp 50)	35	28	-20.0%
Control area	32	20	-37.5%	.78 (0.34-1.78)
Control time	16	21	+31%	1.64 (0.66-4.05)

Slutsatsen av det hela är att ingen effekt av kameraövervakningen har kunnat påvisas. När jag testar att bara jämföra från den period då alla kameror var aktiva i början av november resulterar det också i icke-signifikanta effekter relativt båda kontrollerna, och ännu närmare en nolleffekt (Kontrollområden 0.89 - 95% CI 0.31-2.54, Kontrolltid 0.86, 95% CI 0.27-2.68). Jag vill dock understryka att det inte kan uteslutas att kamerorna har haft effekt. Tanken bakom denna typ av kameraövervakning är rimlig, och det har påvisats effekt av motsvarande studier i USA. En inte orimlig slutsats av mina resultat samt BRÅs resultat från Stockholm är dock att denna typ av kameraövervakning för att understödja polisarbete på brottsutsatta platser i alla fall har en mindre effekt i Sverige än vad som påvisats i USA - om det nu har någon effekt över huvud taget.