CC BY
28NATURAL SCIENCES »
COMPUTER SCIENCE AND INFORMATICS ^
Научная статья УДК 004.94
https://doi.org/10.24412/2687-0185-2022-1-103-110 NIION: 2007-0083-1/22-095 MOSURED: 77/27-005-2022-01-294
Опыт и перспективы математического моделирования криминогенной обстановки
Владимир Александрович Минаев1, Константин Михайлович Бондарь2
1 Московский университет МВД России имени В. Я. Кикотя, Москва, Россия, mlva@yandex.ru
2 Дальневосточный юридический институт МВД России, Хабаровск, Россия, bondar_km@mail.ru
Аннотация. Рассматриваются опыт и перспективы применения методологии математического моделирования при решении задач анализа, оценки и прогнозирования криминогенной обстановки. Показано, что базирующиеся на классическом математическом аппарате методы характеризуются ограничением своих возможностей. Напротив, методология имитационного моделирования, учитывающая аналитические подходы и реализуемая на современных платформах, предоставляет новые перспективы в исследованиях криминогенной обстановки.
Ключевые слова: криминогенная обстановка, аналитический метод, имитационный подход, математическое моделирование
Для цитирования: Минаев В. А., Бондарь К. М. Опыт и перспективы математического моделирования криминогенной обстановки // Криминологический журнал. 2022. .№ 1. С. 103-110. https://doi.org/10.24412/2687-0185-2022-1-103-110.
Original article
Experience and prospects of mathematical modeling criminogenic situation
Vladimir A. Minaev1, Konstantin M. Bondar2
1 Moscow University of the Ministry of Internal affairs of Russia named after V. Ya. Kikot', Moscow, Russia, mlva@yandex.ru
2 Far East legal institute of the Ministry of Internal Affairs of the Russian Federation, Khabarovsk, Russia, bondar_km@mail.ru
Abstract. The experience and prospects of applying the methodology of mathematical modeling in solving problems of analysis, assessment and forecasting of the criminogenic situation are considered. It is shown that the methods based on the classical mathematical apparatus are characterized by a limitation of their capabilities. On the contrary, the methodology of simulation modeling, taking into account analytical approaches and implemented on modern platforms, provides new perspectives in the research of the criminogenic situation.
Keywords: criminogenic situation, analytical method, simulation approach, mathematical modeling For citation: Minaev V. A., Bondar K. M. Experience and prospects of mathematical modeling criminogenic situation. Criminological Journal. 2022;(1):103-110. (In Russ.). https://doi.org/10.24412/2687-0185-2022-1-103-110.
Введение. Современное понятие «криминогенная обстановка» является принципиально важным в сфере организации противодействия преступности. Перспективным при этом всегда считалось и остается потенциально необходимым применение методов математического моделирования. На значимость развития таких методов указано в Программе фундаментальных научных исследований в Российской Федерации на дол© Минаев В. А., Бондарь К. М., 2022
госрочный период (2021-2030 гг.), утвержденной распоряжением Правительства Российской Федерации от 31 декабря 2020 г. № 3684-р [1]. В ней отмечается приоритетность применения современных моделей, реализация их на перспективных вычислительными методах и компьютерных платформах.
Наиболее распространенными методами математического моделирования являются аналитические
ЕСТЕСТВЕННЫЕ НАУКИ
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
и имитационные. В области, связанной с исследованиями криминогенной обстановки в нашей стране, исторически первыми, начиная с 60-х гг. XX в., стали методы аналитического моделирования. Они же остаются одним из основных направлений в этой сфере и до настоящего времени. С развитием компьютерной техники, к 70-80-м гг. для решения задач анализа, оценки и прогнозирования криминогенной обстановки, а также управления силами и средствами органов внутренних дел в связи с ее изменениями распространились и методы имитационного моделирования. Их важным преимуществом в научно-практическом плане выступает возможность достаточно оперативной проверки и развития гипотез, которые выдвигаются при создании конкретных моделей. В статье обратимся к рассмотрению состояния в области математического моделирования в решении задач анализа, оценки и прогнозирования криминогенной обстановки, возникающих при этом проблемах и путях их разрешения.
Опыт моделирования криминогенной обстановки. Теоретические и практические достижения в рассматриваемой сфере стали результатом активной деятельности видных ученых и практиков страны, которые трудились в ведомственных учреждениях и организациях. В их числе: Академия МВД СССР, ВНИИ МВД СССР, НИИСТ МВД СССР, ВНИИПО МВД СССР, ВИПТШ МВД СССР и многие другие. Их коллективы были в то время нацелены на создание, по существу, нового уровня научного обеспечения процессов управления в органах внутренних дел (ОВД).
Крупные ученые, представляющие разные научные направления Г. А. Аванесов, Ю. М. Антонян, М. М. Бабаев, Ю. Д. Блувштейн, С. Е. Вицин, А. П. Ипа-кян, А. П. Полежаев, Г. А. Туманов и другие, создавали новые научные школы «на стыках наук», позволившие существенно продвинуться такому новому подходу, как математическое моделирование криминогенной обстановки (ранее в похожем контексте более употреблялся термин «оперативная обстановка»).
Так, С. Е. Вицин и его последователи [2; 3] разработали первый прогноз преступности в стране на 1971-1975 гг. Другим примером могут быть результаты научной деятельности представителя технических наук Н. Н. Брушлинского, представленные, в частности, в работе [4]. Им в конце 1960 г. начато развитие нового научно-практического направления по
системному анализу и моделированию деятельности экстренных и аварийно-спасательных служб городов на основе формального аппарата теории активных систем. Данные разработки на базе современных информационных технологий сегодня успешно эксплуатируются во многих городах мира.
Значимым направлением развития в те годы следует считать интеграцию математических методов и моделирования в управленческую деятельность ОВД с реализацией на базе информационных технологий. Отметим, что внедрение последних ускорило развитие ведомственных баз и банков данных, необходимых для обоснования и поддержки управленческих решений. Например, для СССР одной из таких была реализация системы «Зона-М» как автоматизированного банка данных оперативно-розыскного и профилактического назначения. Но имелись и другие разработки, где потребовались информационные технологии. Так, в 1973 г. работы М. Ф. Савелия позволили применить ЭВМ для сбора и обработки информации об административных правонарушениях в Белоруссии [5].
Именно с интеграцией математического моделирования и информационных технологий для совершенствования управленческой деятельности ОВД связаны потенциальные возможности научно-практических разработок того времени. Для иллюстрации такой интеграции приведем пример научно-практического сотрудничества Научного центра исследований проблем управления Академии МВД СССР и Информационного центра МВД Литвы [6], в результате которого выработаны концептуальные понятия криминогенной обстановки, созданы и апробированы многие математические модели в данной сфере, давшие затем начало самостоятельным научно-практическим направлениям. В частности, такие, как модели типологического районирования территорий по состоянию криминогенной обстановки, динамические модели преступности (первичной и рецидивной) с учетом ее самовоспроизводства и латентности; модели взаимосвязи маятниковой миграции и преступности, а также иные модели.
Ряд указанных моделей лег в основу долгосрочного прогноза развития криминальной ситуации в Российской Федерации [7]. В состав коллектива, осуществившего работы по прогнозированию, вошли М. А. Алексеева, М. М. Бабаев, Н. Я. Заблоцкис, Г. Ф. Коимшиди, Е. А. Коновалова, В. И. Кононенко,
NATURAL SCIENCES
COMPUTER SCIENCE AND INFORMATICS
Н. В. Кузнецова, С. В. Максимов, В. А. Минаев, В. И. Селиверстов, Г. К. Синилов, А. Д. Шестак, О. В. Яковлев.
Прогностическое исследование выполнялось в рамках реализации постановления Правительства Российской Федерации [8] и соответствовало стратегическому уровню поддержки управленческих решений в области распределения сил и средств ОВД. Статистической базой исследования явились данные о ведущих показателях криминогенной обстановки за период в 25 лет.
Прогноз развития криминальной ситуации России осуществлен по разным направлениям на периоды от 5 до 10 лет (с 1996 по 2000 гг., а также с 1996 по 2005 гг.). При этом проводился многомерный кластерный анализ — находились достаточно однородные группы регионов по ряду показателей с их последующим сравнительным анализом групп по криминогенной обстановке. Анализ проводился по следующим показателям: уровень преступности и умышленных убийств; насильственная преступность; хулиганство; корыстно-насильственная преступность; экономическая преступность; преступность несовершеннолетних; групповая преступность; рецидивная преступность; «пьяная» преступность.
Осуществление прогноза подтвердило уже на тот период времени наличие развитых математических технологий, способных количественно обосновать проекты принимаемых стратегических решений. Развитие криминальной ситуации в стране подтвердило адекватность прогнозов, их статистическую значимость.
К сожалению, прогнозных работ подобного плана с того времени не проводилось по ряду организационных, информационно-технологических и иных причин, что, конечно, не могло не сказаться на качестве принятия решений в сфере деятельности ОВД по самым различным ее направлениям.
Состояние и перспективы развития модельных исследований. От отмеченных значимых результатов и до настоящего времени наблюдался период определенного научно-технологического застоя в сфере модельных и прогностических исследований. В то же время определенная работа шла, использовались и развивались статистические методы [9-11], хотя до серьезных модельных исследований в области криминологии и криминологического прогнозирования дело уже не доходило.
Расчетные процедуры, как правило, содержали типовые алгоритмические шаги, диктуемые универсальностью применяемых методов, не вскрывающей внутреннюю структуру исследуемого объекта, в нашем случае — криминогенной ситуации, не давая какой-либо значимой, глубинной, по-существу — новой криминологической информации о состоянии и динамике криминогенной ситуации. А именно получение новой информации является важнейшим свойством хорошей математической модели.
Поэтому интерпретация полученных результатов происходила без глубокого модельного обоснования происходящих криминологических процессов и отсутствия реальной возможности «проигрывания» различных сценариев, вариантов развития криминогенных процессов. В результате сложно описать возможный ход событий, оценить их значимость для деятельности ОВД и обосновать выбор ресурсных затрат для достижения нужного прогнозного развития криминогенной обстановки на определенную перспективу.
Таким образом, на сегодняшнем этапе аналитическая работа в ОВД в основном связана с традиционными статистическими методами и компьютерной обработкой статистической информации, совершенствуются лишь технологические особенности проведения данных процедур без каких-либо концептуальных новшеств, заложенных в развитых математических моделях. В этой связи давно назрела необходимость нового обращения к более совершенным инструментам математического моделирования для данной проблемной области. Речь идет об имитационном моделировании криминогенной обстановки.
Тем более, что на современном этапе практически отсутствуют ограничения технологического компьютерного обеспечения такого рода деятельности. Это связано, прежде всего, с возросшими мощностью компьютерной техники и ее быстродействием, поддерживающей режим расчетов в «реальном масштабе времени», развитым программно-математическим обеспечением.
Особым потенциалом при этом обладает развернутая и развиваемая система информационно-аналитического обеспечения деятельности МВД России (ИСОД МВД России), которая нацелена на реализацию большинства перспективных технологий — поддержка обработки больших данных, расширения интеллектуальной составляющей при
ЕСТЕСТВЕННЫЕ НАУКИ
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
аналитических исследованиях, а также имитационного моделирования.
Кроме того, очень важным моментом является появление эффективных по исследовательским параметрам имитационных компьютерных платформ отечественного производства, типа Апу^гс. Это становится принципиальным с точки зрения совершенствования образовательного процесса в МВД России, в частности, при обучении сотрудников ОВД, которые будут осуществлять информационно-аналитическую деятельность для поддержки управленческих решений.
Исходя из сказанного, первоначальной задачей является методологическая разработка подходов к имитационному моделированию криминогенной обстановки. Реализация одного из таких подходов предпринята при описании динамики преступности [12], информационного противодействия терроризму и экстремизму [13].
Для иллюстрации подхода обратимся к базовой модели динамики преступности [12]. Отразим в ней основные выделенные состояния индивидов и систему переходов между ними (рис. 1).
S
_ъ_
Рис. 1. Блок-схема модели динамики преступности
• состояние 1 формируют законопослушные индивиды, не нарушающие уголовно-правовых запретов. Сюда же относится категория индивидов, отбывших наказания за ранее совершенные преступления и прекративших преступную деятельность. Обозначим их совокупность переменной N(0;
• в состояние 2 входят лица, совершившие преступления, но не выявленные в этой связи право-
охранительными органами, т. е. так называемые латентные преступники. Их совокупность — переменная X(t);
• в состоянии 3 сгруппированы индивиды, совершившие преступления, в отношении которых осуществляются судебно-следственные мероприятия, — переменная Y(t);
• состояние 4 формируют осужденные к наказанию, связанному с лишением свободы, а также осужденные к исправительным работам — переменная Z(t);
• состояние 5 формируется из неустойчивой категории лиц, ранее судимых, при определенных обстоятельствах способных совершить новые преступления или при некотором сочетании факторов полностью порвать с преступным прошлым, — переменная S(t);
• в состояние 6 входят ранее судимые, имеющие после освобождения установку на совершение преступлений и активно ищущие условия для реализации криминального акта, — переменная R(t).
Модель устанавливает зависимость между числом индивидов, которые будут находиться в указанных состояниях в тот или иной момент времени, параметрами, отражающими переходы между состояниями, а также потоки индивидов, поступающих в систему и уходящих из нее.
Адекватность формализованного описания модели в значительной мере зависит от используемых при этом положений и гипотез, выбор и принятие которых представляют достаточно нестандартную задачу, связанную с глубоким криминологическим осмыслением структуры моделируемых процессов, в частности, связанных с ресурсным обеспечением ОВД. Эти положения и гипотезы, как концептуальное основание модели, должны отражать современный уровень теоретических представлений о преступности и результаты ее специальных эмпирических исследований.
Не вдаваясь в содержательное описание принятых предположений и гипотез, приведем базовую модель динамики преступности:
N(t) = M(t) -X(t) - Y(t) - R(t) - Z(t) - S(t);
X(t + 1) = X(t) + а • X(t) + iuR(t) • X(t) - V(t); Y(t + 1) = Y(t) + V(t) - £ =1 Yi.Y() Z(t + 1) = Z(t) + Y4 • Y(t) - £ i = 1 n • Z(t); S(t + 1) = S(t) + Y3 • Y(t) + П2 • Z(t) - (vi + V2) • S(t); (1)
jjiiL.
-^pr-
NATURAL SCIENCES
COMPUTER SCIENCE AND INFORMATICS
R(t + 1) = R(t) + У2 • + • £() + V2 • ад -- р • R(t) • = ао1 • Fl(t) • [1 - ехр (- ап • Х(^ (1))];
V2(t) = ао2 • Я«) • [1 - ехр (- ап • Х^г (1))]; Vз(t; = вз •
где М(1) — численность криминогенно активного населения (лица в возрасте 14-60 лет); Vl(t), V2(t), Vз(t) — число преступников, выявленных в связи с правонарушениями, регистрируемыми по линии уголовного розыска, экономических преступлений и иных служб; Fl(t) и F2(t) — фактическая обеспеченность кадрами аппаратов уголовного розыска и борьбы с экономическими преступлениями.
Базовая модель (1) в соответствующих ее модификациях применена для анализа различных региональных криминологических процессов. В частности, она использовалась для описания динамики преступности в быстроразвивающихся регионах [14], региональной динамики рецидивной преступности [12].
Приведем для примера результаты моделирования динамики рецидивной преступности [12].
Для начала дадим следующее определение — будем называть когортой лиц, ранее судимых (ЛРС), освобожденных из исправительных учреждений (ИУ) в конкретный период времени. Тогда общее количество рецидивистов, выявленных в т-м интервале календарного времени равно сумме рецидивистов,
выявленных из каждой когорты ЛРС, освобожденных из ИУ в течение определенного отрезка до т-го интервала календарного времени.
Очевидно, что практическая реализация модели требует использования статистических данных о динамике численности освобожденных из ИУ и динамике численности выявленных рецидивистов. Причем первый из указанных динамических рядов, как показал опыт моделирования, должен быть в 2,5-3 раза длиннее второго.
Модель (1) была реализована на информационном массиве одной из административных единиц бывшего СССР, отличавшейся весьма слабой миграцией ранее судимого населения за пределы своего региона.
С помощью модели достаточно хорошо описывается и объясняется динамика рецидивной преступности в регионе, о чем свидетельствует хорошее согласование модельных и статистических данных (рис. 2): в среднем разница между численностью выявленных рецидивистов по модели и по статистическим данным составила не более 6 %.
Практические расчеты показали, что интервал дискретизации времени лучше всего выбирать равным одному кварталу. Это обусловлено тем, что степень агрегирования статистических данных позволяет хорошо наблюдать характерные колебатель-
Рис. 2. Динамика численности выявленных рецидивистов в регионе (сплошная линия — статистические данные, пунктирная — данные по модели)
ЕСТЕСТВЕННЫЕ НАУКИ
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
ные изменения в динамике рецидива, обусловленные нестационарностью освобождения из ИУ, и в то же время в достаточной мере устранить влияние факторов случайной природы, так называемых шумовых эффектов. Кроме того, такая дискретизация соответствовала периодичности формирования статистических данных о динамике освобождения из исправительных учреждений.
Были подтверждены результаты, указывающие на то, что интенсивность совершения преступлений зависит от факторов сезонности, связанных с тем, что в различные периоды («сезоны») года интенсивность различается, практически оставаясь одинаковой для одних и тех же периодов разных лет.
Помимо влияния нестационарности процесса освобождения из ИУ на динамику рецидивной преступности в регионе (как регистрируемой, так и динамически латентной ее части) значимое влияние оказывает изменение практики деятельности ОВД по борьбе с рецидивом, проявляющееся в изменении интенсивности выявления преступников. Исследование показало, что указанный параметр в существенной мере эволюционирует: на анализируемом пятилетнем интервале времени он изменялся в пределах 0,67-0,91.
Одним из основных показателей, характеризующих криминологическую обстановку в регионе, который должен приниматься во внимание при проведении надзорно-предупредительных, оперативно-разыскных и других мероприятий, планировании работы службы участковых уполномоченных полиции и других служб является численность ранее судимых в регионе. Знание этого показателя позволяет вычислять уровень рецидивной преступности, выражающийся в соотношении количества рецидивистов, совершивших новые преступления, к количеству судимых в регионе и являющихся, как отмечал С. Е. Вицин в работе [3] «наиболее точным общим показателем рецидивной преступности». Однако известно, что получение достоверных данных о количестве ранее судимых в конкретном регионе на основе имеющихся статистических источников — весьма сложно.
Модель же позволяет производить оценку численности судимых в регионе (имеются в виду освобожденные из ИУ) и, как следствие, более обоснованно и правильно в методическом отношении вычислять уровень рецидивной преступности.
Таким образом, компьютерная реализация модели региональной динамики рецидивной преступности (1) позволяет решать задачи, связанные с анализом и прогнозированием характеристик рецидива в связи с нестационарностью освобождения из ИУ, с оценкой изменений численности судимых в регионе. Это дает возможность более целенаправленно управлять силами и средствами ОВД в борьбе с рецидивной преступностью.
Приведенный пример раскрывает большие потенциальные возможности имитационного компьютерного моделирования для создания адекватного инструментария изучения различных аспектов криминогенной обстановки и исследования ее достаточно сложных моделей.
Заключение. Рассмотренные опыт и вопросы развития математического моделирования в решении задач анализа, оценки и прогнозирования криминогенной обстановки, совершенствования на этой основе информационно-аналитической деятельности ОВД, убедительно показывают актуальность, перспективность и научно-практическую значимость рассматриваемой методологии.
Вместе с тем, последние два десятилетия показали существенное ослабление в развитии методологии математического моделирования как потенциально эффективного инструментария в управлении ОВД, раскрывающего принципиально новые возможности обработки больших объемов информации, приближающего реализацию концепций искусственного интеллекта при поддержке управленческих решений, практически снижающие их зависимость от сложностей многомерности и неопределенности в информационном обеспечении.
В то же время, более рациональная и целенаправленная загрузки ИСОД МВД России задачами, базирующимися на концепциях системного математического моделирования, для реализации которых она собственно и создавалась, пока мало используемый ресурс.
А ведь имеющиеся теоретические и практические достижения в имитационном подходе к «проигрыванию» вариантов развития криминогенной обстановки сегодня подкреплены не только возросшим уровнем современного ведомственного компьютерного парка, но и наличием развитых программных платформ для требующихся характеристик имитационного моделирования.
NATURAL SCIENCES
COMPUTER SCIENCE AND INFORMATICS
Библиографический список
1. Программа фундаментальных научных исследований в Российской Федерации на долгосрочный период (2021-2030 гг.): распоряжение Правительства Российской Федерации от 31 декабря 2020 г. № 3684-р.
2. Вицин С. Е. Системный подход и преступность. М. : Академия МВД СССР, 1980.
3. Вицин С. Е., Москвин А. И. Методологические основы прогнозирования в управленческой деятельности в сфере правопорядка: лекция. М. : Академия МВД СССР, 1982.
4. Брушлинский Н. Н. Моделирование оперативной деятельности пожарной службы. М. : Стройиз-дат, 1981.
5. Исторические сведения кафедры управления деятельностью подразделений обеспечения охраны общественного порядка Академии управления МВД Российской Федерации // URL://https://а.мвд.рф/do-ситеШ/7422930.
6. Моделирование оперативной обстановки и долгосрочное криминологическое прогнозирование. Разработка методологических и организационно-методических основ моделирования оперативной обстановки (промежуточный отчет). М. : Академия МВД СССР, НЦИПУ, 1979.
7. Алексеева М. А., Бабаев М. М., Заблоцкис Н. Я. и др. Долгосрочный прогноз развития криминальной ситуации в Российской Федерации. М. : Академия МВД России, ВНИИ МВД России, 1996.
8. О разработке прогноза и программы социально-экономического развития Российской Федерации на 1996-2000 гг., прогноза и концепции социально-экономического развития Российской Федерации на 1996-2005 годы: Постановление Правительства Российской Федерации от 27 ноября 1995 г. № 1170.
9. Федорова О. Б., Хейло Л. Г. Статистические методы анализа, оценки и прогнозирования оперативной обстановки: учеб.-метод. пособие. М. : ОАД МВД России, 2018.
10. Комплексный анализ состояния преступности в Российской Федерации и расчетные варианты ее развития: аналитический обзор / Ю. М. Антонян, Д. А. Бражников, М. В. Гончарова и др. М. : ВНИИ МВД России, 2018.
11. Ульянов А. Д., Захватов И. Ю., Болдырев У. К. Оперативная обстановка: понятие, анализ, прогноз:
учеб. пособие. М. : Академия управления МВД России, 2020.
12. Минаев В. А. Кадровые ресурсы органов внутренних дел: современные подходы к управлению. М. : Академия МВД СССР, 1991.
13. Андреев А. А., Бондарь К. М., Минаев В. А. Терроризм и экстремизм: моделирование информационного противодействия: моногр. Хабаровск, 2020.
14. Минаев В. А., Курушин В. Д., Захаров Д. В. Математическое моделирование региональных криминологических процессов / под ред. В. А. Минаева. Новосибирск : ВЦ СО РАН, 1992.
Bibliographic list
1. The program of fundamental scientific research in the Russian Federation for the long-term period (2021-2030): Decree of the Government of the Russian Federation dated December 31, 2020 No. 3684-R.
2. Vitsin S. E. System approach and crime. M. : Academy of the Ministry of Internal Affairs of the USSR, 1980.
3. Vitsin S. E., Moskvin A. I. Methodological foundations of forecasting in management activities in the field of law and order: lecture. M. : Academy of the Ministry of Internal Affairs of the USSR, 1982.
4. Brushlinsky N. N. Modeling of operational activities of the fire service. M. : Stroyizdat, 1981.
5. Historical information of the Department of Management of the activities of public Order Security Units of the Academy of the Ministry of Internal Affairs of the Russian Federation // URL://https://a.mia.rf/do-cument/7422930.
6. Modeling of the operational situation and long-term criminological forecasting. Development of methodological and organizational-methodological foundations for modeling the operational situation (interim report). M. : Academy of the Ministry of Internal Affairs of the USSR, NCIPU, 1979.
7. Alekseeva M. A., Babaev M. M., Zablotskis N. Ya. et al. Long-term forecast of the development of the criminal situation in the Russian Federation. M. : Academy of the Ministry of Internal Affairs of Russia, Research Institute of the Ministry of Internal Affairs of Russia, 1996.
8. On the development of the forecast and program of socio-economic development of the Russian Federation for 1996-2000, forecast and concept of socio-economic development of the Russian Federation for
ЕСТЕСТВЕННЫЕ НАУКИ
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
1996-2005: Decree of the Government of the Russian Federation of November 27, 1995. No. 1170.
9. Fedorova O. B., Heilo L. G. Statistical methods of analysis, assessment and forecasting of the operational situation: textbook.-method. manual. M. : OAD of the Ministry of Internal Affairs of Russia, 2018.
10. Comprehensive analysis of the state of crime in the Russian Federation and calculated variants of its development: analytical review / Yu. M. Antonyan, D. A. Brazh-nikov, M. V. Goncharova et al. M. : Research Institute of the Ministry of Internal Affairs of Russia, 2018.
11. Ulyanov A.D., Grabatov I. Yu., Boldyrev U. K. Operational situation: concept, analysis, forecast: stu-
dies. manual. M. : Academy of Management of the Ministry of Internal Affairs of Russia, 2020.
12. Minaev V. A. Personnel resources of internal affairs bodies: modern approaches to management. M. : Academy of the Ministry of Internal Affairs of the USSR, 1991.
13. Andreev A. A., Bondar K. M., Minaev V. A. Terrorism and extremism: modeling of information counteraction: monogr. Khabarovsk, 2020.
14. Minaev V. A., Kurushin V. D., Zakharov D. V. Mathematical modeling of regional criminological processes / ed. by V. A. Minaev. Novosibirsk : VC SB RAS, 1992.
Информация об авторах В. А. Минаев — профессор кафедры специальных информационных технологий Московского университета МВД России имени В. Я. Кикотя, доктор технических наук, профессор;
К. М. Бондарь — профессор кафедры информационного и технического обеспечения ОВД Дальневосточного юридического института МВД России, кандидат технических наук, доцент.
Information about the authors V. A. Minaev — Professor of the Special Information Technologies Department of the Moscow University of the Ministry of Internal affairs of Russia named after V. Ya. Kikot', Doctor of Technical Sciences, Professor;
K. M. Bondar — Professor of the Department of Information and Technical Support of the Department of Internal Affairs of the Far East legal institute of the Ministry of Internal Affairs of the Russian Federation, Candidate of Technical Sciences, Associate Professor.
Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests.
Статья поступила в редакцию 24.01.2022; одобрена после рецензирования 07.02.2022; принята к публикации 21.02.2022.
The article was submitted 24.01.2022; approved after reviewing 28.02.2022; accepted for publication 21.02.2022.
