CC BY
70
■ МОДЕРНИЗАЦИЯ СИСТЕМЫ СУДЕБНОЙ СТАТИСТИКИ НА ОСНОВЕ НОВОЙ ГЕОИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ
Ловцов Дмитрий Анатольевич, доктор технических наук, профессор, заслуженный
деятель науки Российской Федерации, г. Москва Черных Андрей Михайлович, кандидат технических наук, доцент, г. Москва
Аннотация: статья посвящена проблеме своевременного сбора и качественного анализа больших массивов многоаспектной динамической статистической судебной информации с целью выявления устойчивых социально-правовых трендов и закономерностей; предложен путь и рассмотрены концептуально-логические и организационно-технические аспекты реформирования современной судебной статистики на основе внедрения новой геоинформационной технологии, базирующейся на знаниях; приведены содержательные примеры.
Ключевые слова: судебная статистика, анализ, новая геоинформационная технология, модель предметной области, пространственные данные, цифровая модель объекта (местности), атрибуты
MODERNISATION OF JUDICIAL STATISTICS SYSTEM I BASED ON A NEW GEOINFORMATION TECHNOLOGY I
Dmitriy Lovtsov, Doctor of Science in Technology, Professor, Meritorious Scientist of
the Russian Federation, Moscow Andrey Chernykh, Ph.D. in Technology, Associate Professor, Moscow
Abstract: The paper is devoted to the problem of timely collection and qualitative analysis of large amounts of multidimensional dynamic judicial statistical information with a view to identify consistent social and legal trends and patterns. An approach for reforming today's judicial statistics based on the introduction of a new knowledge-based geoinformation technology is proposed, and conceptual, logical, organisational, and technical aspects of such reforming are considered. Substantial examples are presented.
Keywords: judicial statistics, analysis, new geoinformation technology, subject domain model, spatial data, digital model of object (territory), attributes.
Судебная статистика как правовая наука изучает количественную сторону массовых правовых и юридически значимых явлений в неразрывной связи с их качественным содержанием в конкретных условиях места и времени. Причём статистика изучает массовые явления, состоящие из множества отдельных элементов или фактов. Так, преступление - это индивидуальное деяние, обладающее определённым качеством, совокупностью ряда существенных для него свойств, таких как общественная опасность, противоправность, виновность и наказуемость (ст. 14 УК РФ). Преступность же, как известно - это явление массовое, специфический социально-правовой процесс, в котором проявляются наиболее существенные черты отдельных преступлений.
Анализ преступности предполагает сбор, переработку и анализ очень больших динамически изменяющихся массивов разнообразных статистических данных. При этом информация (данные) о правонарушениях и преступности в целом должна отвечать множеству директивных требований, среди которых: достоверность, полнота, своевременность, сопоставимость и др.1
В настоящее время достигнутый научно-технический уровень электронной переработки статистической судебной информации (например, с использованием программного комплекса «Судебная статистика», обрабатывающим табличные
1 Настольная книга администратора суда общей юрисдикции / Под ред. В. М. Лебедева. М.: Юристъ, 2004. 223 с.
данные в формате MS Excel и текстовые данные - в формате программного комплекса SKART/STORM 2) не позволяет решить актуальную научно-прикладную проблему своевременного сбора и качественного анализа больших массивов многоаспектной динамической статистической судебной информации с целью динамического моделирования социально-правовых процессов в обществе и выявления устойчивых трендов и закономерностей. Это представляется возможным сделать на основе внедрения и применения эффективных средств телематики и геоинформатики, а также соответствующей новой (нетрадиционной3) геоинформационной технологии (НГИТ), базирующейся на знаниях (моделях предметной области судебной статистики).
С этой целью подлежит первоочередной целенаправленной модернизации программное обеспечение существующей и развивающейся Государственной автоматизированной системы (ГАС) РФ «Правосудие»4,5, имеющее в своём составе программные изделия «Судебная статистика» и «Судимость» (функциональная подсистема «Судебное делопроизводство и статистика») для выполнения аналитических задач судебной статистики и программное изделие «Визуализация» (подсистема «Административное управление»), обеспечивающее представление информации с использованием картографии. Модернизация данных программных изделий, а также программного изделия «Интеграция» (подсистема «Организационное обеспечение»), предназначенного для обеспечения информационного обмена (интеграции) разнородных информационных ресурсов подсистем ГАС РФ «Правосудие» и организации унифицированного доступа к распределённым информационным хранилищам, позволит продуктивно использовать возможности, предоставляемые национальной инфраструктурой пространственных (географических) данных6 [1].
2 Там же.
3 Ловцов Д. А. Информационная теория эргасистем. Тезаурус. М.: Наука, 2005. 248 с.
4 Техническое задание на проектирование ГАС РФ «Правосудие». М.: НИИ «Восход», 2004. 97 с.
5 ГАС РФ «Правосудие». Общее описание системы. Часть 1. Общие сведения. 2008.
URL: http://www.sudrf.ru/files/tech_docs_2008/pd.pdf
6 Концепция создания и развития инфраструктуры пространственных данных Российской Федерации, одобренная
Использование национальной инфраструктуры пространственных данных Российской Федерации на основе НГИТ их переработки и графической визуализации позволит, в частности, повысить эффективность решения следующих практических задач судебной статистики [2]:
• классификация противозаконных процессов и явлений с учётом пространственных характеристик;
• районирование и типология преступных деяний;
• выявление определяющих факторов нарушения законодательства;
• временной анализ преступлений;
• выявление связей преступлений и социальной сферы региона;
• анализ и прогнозирование судебной нагрузки в рамках пространственно распределённой судебной системы и др.
При ведении судебного статистического учёта с использованием НГИТ в учитываемые данные различного вида, такие как краткое описание объекта (события, процесса, явления, правоотношения и др.) - «семантическая информация» и совокупность свойств и количественно-качественных признаков (атрибутов) объекта - «атрибутивная информация», добавляется пространственная характеристика -«координатная информация» (например, при учёте уголовных преступлений, географические координаты места совершения преступления) [2]. Информация об атрибутах пространственных объектов (текстовая, графическая, фото, видео, аудио и др.), а также их местоположение являются обязательным компонентом при моделировании или решении аналитических задач судебной статистики на основе НГИТ. Эта информация используется для создания цифровых иерархических (многослойных) моделей предметной области судебной статистики (рис. 1), ориентированных в пространстве, которые можно исследовать как визуально (на экране монитора), так и автоматизированно - с помощью специального программного обеспечения.
При переработке и анализе первичной статистической информации создаваемые с помощью НГИТ аналитические группировки по качественным признакам имеют вид слоя на базовой пространственной цифровой модели местности или объекта (см. рис. 1). Цифровая пространственная модель местности может быть картой различного
Распоряжением Правительства РФ от 21 августа 2006 г. № 1157-р // Собрание законодательства РФ. 2006. № 35. С. 3775.
$ п
Транспорт Кадастровый учёт земель Население Жилые кварталы Уголовная преступность
Административная противоправность
Рис. 1. Структура многослойной цифровой модели предметной области
судебной статистики
вида (векторная, растровая и др.) и содержания (топокарта, карта плотности населения, план города, план здания или комнаты, 30-карта и др.) [1, 2]. Слой, отображающий статистические данные в виде «точек» (рис. 2, а) и их содержательные характеристики на цифровой модели местности (рис. 2, б), а также продукционные прави-
ла (знания) их переработки, представляет собой частную модель предметной области судебной статистики, например, такой как «Уголовная преступность», «Судимость», «Административная противоправность», «Гражданско-правовая де-ликтность», «Транспортная аварийность» и др.
При анализе набора статистических данных,
а) слой данных судебной б) цифровая модель района учёта
статистики статистических данных на карте
Рис. 2. Данные судебной статистики в БДЗ НГИТ
имеющих пространственную привязку, на основе векторной (в виде набора координатных пар) цифровой модели каждому объекту слоя соответствует запись в базах семантических, атрибутивных и координатных данных и знаний (БДЗ), обеспечивающая привязку информации к местности. Это соответствие обеспечивается назначением каждому объекту соответствующего уникального идентификатора. При этом в результате ввода (любым способом) в БДЗ НГИТ данных судебной статистики об-
разуется слой или слои электронной модели пространственной информации, которые содержат идентифицированные пространственные объекты, связанные с базой атрибутивных данных и знаний, соотносящихся с данными судебной статистики.
Координатные данные можно представить в виде кортежа: < X, X !5>,
где X, X - пространственные (географические) координаты; 15 - идентификаторы наборов 5, I = 1,.. .,л статистических данных.
Наборы 5., / = 1,...,п данных судебной стати- мерные матрицы М,, / = 1,...,п слоёв модели, в
стики, размещённых в различных слоях моде- которой столбцы и строки - это пространствен-
ли предметной области, имеют фиксированную ные координаты, а элементы - идентификато-
«вертикальную» связь между слоями. Совокуп- ры Г и соответствующие векторы атрибутов А.р,
ность 5 наборов данных можно представить в / = 1,...,п;у = 1,...,к; I = 1,...,тнаборов 5, / = 1,...,п
виде п-мерной матрицы М, содержащей дву- статистических данных:
Х\ Х2
Хт
У\ У2 Ук
/п(ль У1; Аи) 1п(х\; У2; А12) • .. Ьк&х; Ук; А^)
к\(Х2; У1; А21) /22(^2; У2; А22) • •• 12к(Х2; Ук; А2к)
/т1(хт; У1; Ат1) /т2(хт; У2; Ат2) • • • /тк(хт;Ук; Атк)
Оперируя с численными показателями - элементами векторов А ш , / = 1,.,п; у = 1,.. .,к; I = 1,.. ,,т элементов п-мерной матрицы М, например, с использованием алгебры нечётких множеств, задавая экспертно функции принадлежности нечётких множеств статистических данных различных слоёв модели и бинарные отношения элементов множеств, возможно получать содержательные расчётные результаты целенаправленного статистического анализа и осуществлять перестройку (коррекцию) самой модели предметной области с целью принятия рациональных управленческих решений на определённой территории (регион, область, муниципальное образование и др.).
На основе применения правил переработки статистической информации с учётом обоснован-
ной (или директивной) функционально достаточной совокупности Ак, к = 1,.,К информационно-статистических показателей [3, 4] качества функционирования судебной системы в целом можно выявлять устойчивые тренды и закономерности социально-правовых процессов в обществе с их графической визуализацией.
При этом для пространственной (картографической, объёмной) визуализации результатов анализа судебной статистики наиболее наглядны отображаемые значения относительных величин или удельных весов (коэффициентов) Аи, I = 1,...^, характеризующих долю (%) отдельных частей (единиц атрибута-признака А., / = 1,...,п) в общем объёме совокупности правонарушений:
_ Число единиц (или объем) признака по группе ^^ Общее число единиц (или объем признака)
Удобным инструментом визуализации данных судебной статистики является «раскраска» описанных объектов аналогично тому, как это делают на обычных географических картах. Порождать свою раскраску ячеек сетки, проекций, данных и др. объектов могут различные характеристики данных. Это могут быть известные классификационные признаки, значения, зависимости, производные и др. Любые результаты функционального анализа над данными судебной статистики могут служить основой для цветовой визуализации в виде отдельного слоя. Такие цветовые модели можно построить с использованием арсенала средств и методов НГИТ.
Во-первых, с помощью средств НГИТ можно изобразить сами данные судебной статистики. При этом можно отображать различные разбиения на подмножества данных, в соответствии со значением признаков, характеризующих различные виды нарушения законодательства.
Во-вторых, на цифровой пространственной модели можно изобразить произвольные функции координат данных, поскольку каждой точке с координатами (х, у) на двумерной карте соответствует точка 15 в п-мерном пространстве данных. Кроме этого, на карте можно отображать такие координатные функции, как плотность распределения (рис. 3) данных
в пространстве или плотность того или иного стей подмножеств, интерес могут представлять
подмножества данных. Саму плотность можно цветовые модели, отвечающие значению отно-
рассчитать с помощью какой-либо непараме- сительных плотностей подмножеств на фоне
трической оценки. Кроме собственно плотно- общего распределения.
а) распределение плотности
населения
б) распределение плотности правонарушнаий
Рис. 3. Цветовые модели данных судебной статистики
В-третьих, цветовые модели позволяют составлять по множеству X нескольких цветовых моделей, которые являются проекциями данных судебной статистики. Первая из таких моделей визуализирует сами данные. Последовательность проекций атрибутов данных судебной статистики позволяет моделировать социальные события и процессы в обществе, коллективе и др. с высокой точностью, а в случае неполных данных позволяет правдоподобно восстанавливать пропущенные или прогнозировать их.
Средства НГИТ позволяют проводить цветовое моделирование данных судебной статистики и по плотности их распределения, оцененной с помощью различных непараметрических показателей. Наиболее часто рассматривается двумерное распределение «точек» на карте (см. рис. 3; более тем-
ным участкам соответствуют более высокие значения плотности). При этом наибольшую эффективность в решении задач пространственного анализа и прогнозирования даёт построение цветовой модели данных судебной статистики по плотности точек в исходном п-мерном пространстве (рис. 4).
В основе построения трёхмерных моделей данных лежат показатели отношения количества преступлений и количества населения на данной территории. Разнонаправленность векторов преступлений и плотности населения (плотность населения падает, а количество преступлений растёт) указывает, в частности, на необходимость анализа выбранного района по другим показателям (национальному, социальному, гендерному и др.) с целью определения тенденций в совершении правонарушений.
б)
Рис. 4. Цифровые модели изменения относительных величин в трёхмерном пространстве
Для большинства классификационных задач, например, поиска соотношений между проживающим на данной территории населением, инфраструктурой различного назначения и системой судопроизводства, это позволяет полученные статистические данные соотносить с исследуемыми процессами и явлениями в обществе.
Использование функциональных возможностей НГИТ позволяет на основе построения слоёв статистических данных решать задачи классификации, прогнозирования, зонирования и районирования, проведения временного анализа в пространстве и др.
В качестве примера применения средств НГИТ в ГАС РФ «Правосудие» цифровую пространственную модель предметной области «Уголовная преступность» можно построить по данным статистических таблиц ГИАЦ МВД России7. Пусть исходные данные содержат информацию о нарушениях законодательства в 18 субъектах РФ по Центральному федеральному округу (ЦФО), ранжированные по различным признакам.
Исходные таблицы (см. рис. 5) содержат следующие поля-признаки (часть из них является независимыми признаками, часть рассчитывается по явным формулам): название субъекта РФ; регион местонахождения субъекта; количество пре-
ступлений совершённых за период tk в субъекте; количество преступлений, совершённых за предыдущий период tk-1 в субъекте; темпы роста преступлений; социальный состав преступников; половой состав преступников; категории преступлений; население субъекта; социальный состав населения субъекта; инфраструктура государственных учреждений субъекта; инфраструктура учреждений культуры и образования субъекта и др.
При ситуационной корректировке модели предметной области можно использовать периодические отчётные данные Судебного департамента: «Отчёт о работе судов общей юрисдикции по рассмотрению уголовных дел по первой инстанции», «Отчёт о работе судов общей юрисдикции о рассмотрении гражданских дел по первой инстанции», «Отчёт о суммах ущерба от преступлений, суммах материальных взысканий в доход государства, количестве вынесенных постановлений об уплате процессуальных издержек за счет средств федерального бюджета и назначении экспертиз» и др. (полученные путём выгрузки данных из СУБД Oracle Database Standard Edition в формате табличного редактора MS Excel)8. При этом для некоторых слоёв данных в качестве координат пространства можно использовать отношения по-
Рис. 5. Исходные данные в программе-конструкторе запросов НГИТ
7 Преступность и правонарушения (2009-2013): Статистический сборник. М.: ГИАЦ МВД России, 2014. 180 с.
8 Сайт Судебного департамента при Верховном Суде Российской Федерации. URL: http://www.cdep.ru/index. php?id=79
казателей данных судебной статистики как независимых признаков.
Из исходных таблиц (см. рис. 5) в программе-конструкторе запросов выбираются соответствующие данные по субъектам ЦФО, а также осуществляется их анализ. При запросе статистических данных по конкретному субъекту ЦФО отображается таблица с абсолютными значениями показателей и графической (картографической) визуализацией соответствующего субъекта с его цветовой дифференциацией.
Результаты графически визуализируются (в частности, коэффициенты преступности по каждому субъекту, по каждой социальной и этнической группе и др.; удельные веса отдельных видов и категорий преступлений и др.) и документируются (например, табличный отчёт и диаграмма
количества преступлений в субъекте за определённое время, диаграмма национального состава субъектов и др.) на п-мерной цифровой модели ЦФО (рис. 6; см. также рис. 4).
Подобное отображение данных будет получено и при использовании семантических характеристик преступления, например, таких, как ущерб от правонарушения или количество лиц участвующих в правонарушении и др. То есть, анализ статистических данных может происходить по различному набору показателей, которые в используемых сейчас системах электронной обработки судебной статистики используются не полностью. Эффективный многоаспектный анализ статистических данных на основе средств НГИТ делает возможным информационную поддержку принятия решений в режиме ситуационного центра.
Рис. 6. Визуализация результатов анализа данных судебной статистики
Одним из преимуществ НГИТ является наиболее естественное (для человека) визуальное представление, как пространственной информации, так и любой другой информации, имеющей отношение к объектам, расположенным в пространстве. Причём под пространством понимается не только трехмерное пространство, но и любое абстрактное пространство произвольной размерности.
Электронная обработка статистических данных, скомпонованных по различным признакам и имеющих пространственную привязку, упрощает ввод данных, их классификацию и каталогизацию, позволяет проводить анализ поступивших данных по широкому кругу показателей и строить
модели объекта, события, процесса и др. Ведение пространственного учёта об объектах или процессах, подлежащих анализу в судебной системе, даёт возможность выявлять и оценивать новые (скрытые) взаимосвязи, эффективно моделировать и проводить математический анализ социально-правовых процессов и явлений в обществе.
Целенаправленная модернизация современной системы электронной переработки судебных статистических данных на основе внедрения и применения средств новой геоинформационной технологии, базирующейся на знаниях, позволит в недалёком будущем создать принципиально новую систему судебной статистики.
Таким образом, рассмотрены концептуально-логические и организационно-технические аспекты и приведены содержательные примеры реформирования современной судебной статистики на основе внедрения эффективной НГИТ.
Литература
1. Цветков В. Я. Пространственные данные и инфраструктура пространственных данных // Успехи современного естествознания. 2013. № 3. С. 87-89.
2. Ловцов Д. А., Черных А. М. Геоинформационные системы: Учебное пособие. М.: РГУП, 2012. 188 с.
3. Ловцов Д. А., Богданова М. В., Михайлов М. А. Статистика: Учебное пособие / Под ред. Д. А. Ловцова. М.: РГУП, 2010. 120 с.
4. Анализ и оценка материалов отчёта группы компаний «Консалтум» по разработке системы критериев и показателей эффективности деятельности органов судебной власти: Отчёт о НИР / МБРР, РГУП; руководитель В. А. Ниесов. М:, 2009. 90 с.
Дальнейшая модернизация системы судебный статистики возможна на внедрении и применении сопряженных средств телематики, обеспечивающих сетевой (распределённый) оперативный и защищённый сбор статистической информации.
References
1. Cvetkov V. Ya. Prostranstvenny'e danny'e i infrastruktura prostranstvenny'x danny'x // Uspexi sovremennogo estestvoznaniya. 2013. # 3. S. 87-89.
2. Lovcov D. A., Cherny'x A. M. Geoinformacionny'e sistemy': Uchebnoe posobie. M.: RGUP, 2012. 188 s.
3. Lovcov D. A., Bogdanova M. V., Mixajlov M. A. Statistika: Uchebnoe posobie / Pod red. D. A. Lovcova. M.: RGUP, 2010. 120 s.
4. Analiz i ocenka materialov otchyota gruppy' kompanij "Konsaltum" po razrabotke sistemy' kriteriev i pokazatelej e'ffektivnosti deyatel'nosti organov sudebnoj vlasti: Otchyot o NIR / MBRR, RGUP; rukovoditel' V. A. Niesov. M:, 2009. 90 s.
