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 118065 УГОЛОВНО-ПРАВОВЫЕ НАУКИ CRIMINAL LAW SCIENCES УГОЛОВНО-ПРАВОВЫЕ НАУКИ The application of artificial intelligence for predicting offences 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 30 03 2026 30 03 2026 2026 1 128 143 22 05 2025 20 03 2026 https://vestnikkf.ru/en/nauka/article/118065/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 this study stems from the challenges and threats facing transport facilities and infrastructure, as well as the opportunities presented by the digital transformation of the operational activities of the internal affairs agencies of the Russian Federation. The rise in unauthorised interference and the public danger posed by such offences necessitate the optimisation of police operations in the transport sector, which, in turn, can be effectively achieved by relying on artificial intelligence methods – specifically, neural network forecasting. Objective: to systematise the theory and methodology of applying neural network technologies for forecasting offences and crimes at transport infrastructure facilities, carried out to enhance the effectiveness of police operations in the transport sector. Research methods: general scientific methods of analysis, systematization and specification, applied to data on the use of artificial intelligence and neural network systems for forecasting offences and crimes in transport. Results. Domestic and foreign artificial intelligence technologies used in the prediction of offences and crimes have been analysed; neural network prediction methods suitable for constructing models of offences and crimes have been systematised; an algorithm for predicting offences and crimes in transport and at transport infrastructure facilities using neural network technology based on artificial intelligence has been specified. It has been demonstrated that a multi-layer perceptron (MLP), a recurrent neural network (RNN), temporal convolutional network (TCN) and graph neural network (GNN) can be applied for operational (in real-time) as well as strategic (criminological) prediction of offences and crimes in transport. Examples are provided of neural network models used to solve the problem of forecasting offences and crimes in transport. Based on the analysis carried out, an algorithm is formulated for developing a neural network model for forecasting offences and crimes. Four stages of its implementation are described, enabling the practical realization (development) of the forecasting model

 интеллектуальное прогнозирование преступлений искусственная нейронная сеть нейросетевой прогноз преступлений нейросетевой анализ правонарушений интеллектуальное предсказание преступлений криминологический прогноз информационные технологии прогнозирования правонарушений intelligent crime prediction artificial neural network neural network crime prediction neural network analysis of offences intelligent prediction of crimes criminological forecasting information technologies for offence prediction

Mishra R. K. [et al.]. Analysis of criminal landscape by utilizing statistical analysis and deep learning techniques // Journal of Applied Security Research. 2024. Vol. 19, №. 4. P. 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. Vol. 19, №. 4. P. 560–585. 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. Vol. 112. P. 103143. https://doi.org/10.1016/j.cities.2021.103143 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. Vol. 112. P. 103143. https://doi.org/10.1016/j.cities.2021.103143 Johnson T. L. [et al.]. Police facial recognition applications and violent crime control in US cities // Cities. 2024. Vol. 155. P. 105472. https://doi.org/10.1016/j.cities.2024.105472 Johnson T. L. [et al.]. Police facial recognition applications and violent crime control in US cities // Cities. 2024. Vol. 155. P. 105472. https://doi.org/10.1016/j.cities.2024.105472 Kim G. [et al.]. Crime Mapping in Urban Environments Using Explainable AI: A Case Study of Daegu, Korea // Sustainable Cities and Society. 2025. Vol. 130. P. 106507. https://doi.org/10.1016/j.scs.2025.106507 Kim G. [et al.]. Crime Mapping in Urban Environments Using Explainable AI: A Case Study of Daegu, Korea // Sustainable Cities and Society. 2025. Vol. 130. P. 106507. https://doi.org/10.1016/j.scs.2025.106507 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. Vol. 115. P. 105858. https://doi.org/10.1016/j.scs.2025.106507 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. Vol. 115. P. 105858. https://doi.org/10.1016/j.scs.2025.106507 Захватов И. Ю., Пчоловский М. Н. Прогнозирование как элемент информационно-аналитического обеспечения деятельности органов внутренних дел / Высшая школа: научные исследования : материалы Межвузовского международного конгресса, г. Москва, 24 июня 2021 г. Москва : Инфинити, 2021. С. 14–24. Zahvatov I. Yu., Pcholovskiy M. N. Prognozirovanie kak element informacionno-analiticheskogo obespecheniya deyatel'nosti organov vnutrennih del / Vysshaya shkola: nauchnye issledovaniya : materialy Mezhvuzovskogo mezhdunarodnogo kongressa, g. Moskva, 24 iyunya 2021 g. Moskva : Infiniti, 2021. S. 14–24. Clavell G. G. Exploring the ethical, organizational and technological challenges of crime mapping: A critical approach to urban safety technologies // Ethics and Information Technology. 2018. Vol. 20, № 4. P. 265–277. https://doi.org/10.1007/s10676-018-9477 Clavell G. G. Exploring the ethical, organizational and technological challenges of crime mapping: A critical approach to urban safety technologies // Ethics and Information Technology. 2018. Vol. 20, № 4. P. 265–277. https://doi.org/10.1007/s10676-018-9477 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. Vol. 12, № 3. P. 347–371. https://doi.org/10.1007/s11292-016-9272-0 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. Vol. 12, № 3. P. 347–371. https://doi.org/10.1007/s11292-016-9272-0 Ansfield B. The broken windows of the Bronx: Putting the theory in its place // American Quarterly. 2020. Vol. 72, № 1. С. 103–127. https://doi.org/10.1353/aq.2020.0005 Ansfield B. The broken windows of the Bronx: Putting the theory in its place // American Quarterly. 2020. Vol. 72, № 1. S. 103–127. https://doi.org/10.1353/aq.2020.0005 Mukherjee K. [et al.]. Uncovering spatial patterns of crime: A case study of Kolkata // Crime Prevention and Community Safety. 2024. Vol. 26, № 1. P. 47–90. https://doi.org/10.1057/s41300-024-00198-4 Mukherjee K. [et al.]. Uncovering spatial patterns of crime: A case study of Kolkata // Crime Prevention and Community Safety. 2024. Vol. 26, № 1. P. 47–90. https://doi.org/10.1057/s41300-024-00198-4 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. 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. 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. Vol. 8, № 1. Р. 21. https://doi.org/10.3390/urbansci8010021 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. Vol. 8, № 1. R. 21. https://doi.org/10.3390/urbansci8010021 Marciniak D. Algorithmic policing: An exploratory study of the algorithmically mediated construction of individual risk in a UK police force // Policing and society. 2023. Vol. 33, № 4. Р. 449–463. https://doi.org/10.1080/10439463.2022.2144305 Marciniak D. Algorithmic policing: An exploratory study of the algorithmically mediated construction of individual risk in a UK police force // Policing and society. 2023. Vol. 33, № 4. R. 449–463. https://doi.org/10.1080/10439463.2022.2144305 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. https://doi.org/10.17150/2500-4255.2018.12(6).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. https://doi.org/10.17150/2500-4255.2018.12(6).753-766 Клейменов М. П. Уголовно-правовое прогнозирование : монография. Томск : Национальный исследовательский Томский государственный университет, 1991. 167 с. Kleymenov M. P. Ugolovno-pravovoe prognozirovanie : monografiya. Tomsk : Nacional'nyy issledovatel'skiy Tomskiy gosudarstvennyy universitet, 1991. 167 s. Киселев А. А. Сезонность преступности как объект криминологического изучения // Правовая культура. 2020.№ 2 (41). С. 139–150. Kiselev A. A. Sezonnost' prestupnosti kak ob'ekt kriminologicheskogo izucheniya // Pravovaya kul'tura. 2020.№ 2 (41). S. 139–150. 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. https://doi.org/10.24412/2072-9391-2023-465-24-31 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. https://doi.org/10.24412/2072-9391-2023-465-24-31 Bifari E. [et al.]. Text mining and machine learning for crime classification: using unstructured narrative court documents in police academic // Cogent Engineering. 2024. Vol. 11, № 1. P. 2359850. DOI:10.1080/23311916.2024.2359850 Bifari E. [et al.]. Text mining and machine learning for crime classification: using unstructured narrative court documents in police academic // Cogent Engineering. 2024. Vol. 11, № 1. P. 2359850. DOI:10.1080/23311916.2024.2359850 Dakalbab F. [et al.]. Artificial intelligence & crime prediction: A systematic literature review // Social Sciences & Humanities Open. 2022. Vol. 6, № 1. P. 100342. https://doi.org/10.1016/j.ssaho.2022.100342 Dakalbab F. [et al.]. Artificial intelligence & crime prediction: A systematic literature review // Social Sciences & Humanities Open. 2022. Vol. 6, № 1. P. 100342. https://doi.org/10.1016/j.ssaho.2022.100342 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. Vol. 27, № 3. Р. 375–395. https://doi.org/10.1007/s10610-020-09456-1 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. Vol. 27, № 3. R. 375–395. https://doi.org/10.1007/s10610-020-09456-1 Петрова В. Ю. Роль прогнозирующих моделей в управлении органами внутренних дел (на примере преступлений, связанных с легализацией преступных доходов) // 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) // Vestnik Vladimirskogo yuridicheskogo instituta. 2013. № 2 (27). S. 107–109.