Boston Crime Dashboard — Police Analytics

Contexte & objectif

Ce projet présente un dashboard construit sur le jeu de données publics de la ville de Boston et vise à fournir aux équipes police et sécurité un outil opérationnel de pilotage pour :

• visualiser les zones à forte concentration d'incidents,
• suivre l'évolution temporelle des crimes (année, mois, heure),
• prioriser les ressources et concevoir des actions préventives.

L'objectif est d'aider au déploiement de patrouilles de manière efficace et à l'allocation dynamique des ressources selon les périodes critiques.

Données & méthodologie

• Source : données publiques Boston Police (incidents par géolocalisation, type d'infraction, timestamp, district).
• Période du tableau : 2014–2019 (extrait visible sur le dashboard).
• Pré-traitement : normalisation des noms de quartiers, géocodage, agrégation par sectorisation (quarter/district), catégorisation UCR (Part Three, Part Two, Other).
• Mesures calculées : total incidents, incidents par heure/mois/année, top offense groups, incidents par quartier, indicateur de gravité (UCR Part).

Outils : Tableau pour la restitution, Python (Pandas, GeoPandas) pour préparation des données et agrégations.

Dashboard — vue générale

Le dashboard s'ouvre sur un bandeau executive contenant des KPIs-clés (tels qu'illustrés) :

• Reporting Area : 63,322,770
• Total district : 12
• Total incidents : 176,298

Viennent ensuite plusieurs vues complémentaires :

1. Un histogramme des nombre d'incidents par gravité (UCR Part) — on voit clairement la dominance des catégories Part Three et Part Two (ex. 111,746 et 64,542 incidents respectivement dans l'extrait).
2. Un bar chart des Top 10 des types d'infraction (Offense Code Group) : motor vehicle accidents, medical assistance, investigate person, drug violation, simple assault, vandalism, towed, investigate property, property lost, etc.
3. Une carte spatiale (map) avec des bulles proportionnelles au nombre d'incidents par quartier : Boston et ses environs montrent des hotspots importants (ex. bulles indiquant 11,890 — 19,089 — 10,266 — 26,873 incidents selon quartiers affichés).
4. Trois petites séries temporelles synthétiques : incidents par année (2014–2018/2019), par mois (distribution intra-annuelle), et par heure (heures de pointe identifiables).
5. Un panneau de filtres latéral (année, trimestre, mois, jour de la semaine, heure, UCR Part, district, Offense Code Group) pour explorer le dataset en profondeur.

Accéder au dashboard interactif : Voir le dashboard

Résultats clés

À partir du dashboard et des vues agrégées, les principaux constats sont :

• Concentration spatiale forte : la majorité des incidents est concentrée dans un petit nombre de quartiers du centre de Boston et zones adjacentes — plusieurs quartiers affichent des totaux entre ~10k et ~27k incidents sur la période.
• Typologie des incidents : les infractions les plus fréquentes incluent des accidents de la route (Motor Vehicle Accident Response), des demandes d'assistance médicale, des investigations liées à personnes, des violations liées aux stupéfiants, des agressions simples et vandalisme.
• Gravité : les UCR Parts montrent deux classes dominantes (Part Three > Part Two), indiquant que de nombreux incidents sont de gravité variable mais majoritairement non-féminicides/rares crimes graves (selon classification UCR).
• Temporalité :
  • un pic annuel est visible sur certaines années (période 2016–2017 montre des valeurs plus élevées),
  • la distribution mensuelle met en évidence des mois plus actifs (pouvant refléter une saisonnalité),
  • la courbe horaire identifie des plages horaires critiques (par exemple créneaux matin/soir sur l'extrait).

Recommandations opérationnelles

Les recommandations suivantes visent à prioriser l'action à court et moyen terme.

P0 — Actions immédiates (sécurité & allocation)

• Renforcement ciblé des patrouilles dans les quartiers identifiés comme hotspots (les bulles les plus grandes). Prioriser les créneaux horaires à forte activité identifiés par la courbe horaire.
• Postes de première intervention mobile lors des pics saisonniers ou événements locaux : déployer des unités temporaires pour désengorger le centre.
• Système d'alerte : définir des seuils (ex. +20% incidents vs 3‑mois rolling) qui déclenchent une réallocation rapide des ressources.

P1 — Actions tactiques (2–6 mois)

• Campagnes préventives locales : sensibilisation sur la sécurité routière, prévention vandalisme, campagnes ciblées pour réduire les incidents récurrents identifiés.
• Optimisation des dispatch rules : prioriser selon la gravité UCR Part et taux de récurrence par lieu/heure pour réduire le temps de réponse.
• Analyse des causalités : croiser les incidents avec événements locaux, météo, et les données socio-économiques pour affiner les interventions.

P2 — Actions analytiques & stratégiques

• Modèle prédictif spatio‑temporel (Poisson/GAM/Random Forest) pour anticiper la probabilité d'incident par zone et créneau horaire.
• Segmentation des types d'incidents pour créer des playbooks d'intervention (accident, medical assistance, drug violation, vandalism, etc.).
• Suivi d'impact : déployer KPI de suivi (reduction des incidents par hotspot, temps de réponse, taux de récidive) et mesurer l'efficacité des mesures.

Conclusion

Le dashboard Boston Crime est une base pour la priorisation opérationnelle : il combine une cartographie, une typologie et des séries temporelles pour guider les décisions tactiques et stratégiques. En combinant les actions immédiates (P0) et les analyses prédictives (P2), il est possible d'améliorer significativement la réactivité et l'efficacité des interventions.

Prendre contact

Projet réalisé à partir de données publiques — Boston Police sur Tableau Public dans le cadre du Mastère Spécialisé à Audencia