利用车载摄像头数据检测警力部署的不平等
摘要：警务数据对于发现警察行为和警务算法中的不公平至关重要。然而，在美国境内，一种重要的警务数据类型仍然无法获得：捕捉到哪些社区有最重的警力存在的汇总警务部署数据。在这里，我们展示了可以通过在公共街道场景的仪表板摄像头图像中检测到警车来量化警力部署水平的不平等现象。利用来自纽约市搭车司机的24,803,854个仪表板摄像头图像数据集，我们发现可以高准确度地检测出警车（平均精确度为0.82，AUC为0.99），并确定出包含警车的233,596个图像。不同社区的警车部署水平存在显著的不平等现象。部署水平最高的社区比部署水平最低的社区高近20倍。两种截然不同类型的区域经历了高警车部署情况 - 1) 密集的、高收入的商业区；2) 高比例的黑人和西班牙裔居民的低收入社区。我们讨论了这些差异对于警务公平和基于警务数据训练的算法的影响。
作者：Matt Franchi, J.D. Zamfirescu-Pereira, Wendy Ju, Emma Pierson
论文ID：2305.15210
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-05-25