Где в рязани стоят камеры гибдд: Камеры гибдд в Рязани на карте 2020

Понравилась эта история? Поделись с другом!

7 итальянских полицейских арестованы за незаконный оборот наркотиков и пытки — RT World News

Италия была потрясена масштабным скандалом после ареста семи офицеров карабинеров, подозреваемых в причастности к ряду преступлений, от торговли наркотиками до незаконных арестов и пыток.

Совершив беспрецедентный шаг, прокуратура города Пьяченца на севере Италии закрыла и изолировала местные казармы карабинеров в рамках расследования против действующих в них офицеров.Шесть местных сотрудников были задержаны, а один помещен под домашний арест.

«Все, что происходило в этих бараках, не было законным», — заявила журналистам главный прокурор Пьяченцы Грация Праделла. Только один офицер, работавший там, не был причастен к тому, что Праделла назвал «шокирующими преступлениями».

Карабинеры входят в состав итальянских вооруженных сил и также выполняют функции гражданской полиции. Тем не менее, обвиняемые, по-видимому, решили использовать свой статус правоохранительных органов для получения преступной прибыли.Семеро обвиняются в преступных схемах, связанных с поставкой наркотиками местным дилерам, их прикрытием, а также незаконными арестами и пытками людей — что Праделла сравнивает с методами печально известных преступных синдикатов Италии.

Другие обвинения, выдвинутые против них после шестимесячного расследования, включают вымогательство, нанесение тяжких телесных повреждений, хищение, злоупотребление служебным положением и мошенничество.

Офицеры сумели избежать наказания за свои преступления как минимум с 2017 года, и даже пандемия коронавируса не помешала их планам. ’’ Пока город Пьяченца подсчитывал количество погибших от коронавируса, эти карабинеры поставляли наркотики торговцам, у которых не было [их] из-за мер по борьбе с Covid », — сказал прокурор .

Офицеры подписали декларации, в которых говорилось, что они просто проверяли наркодилеров, когда они перемещались по городу во время изоляции, чтобы скрыть свои схемы незаконного оборота наркотиков.

Министр обороны Италии Лоренцо Герини попытался смягчить последствия скандала.Он назвал действия подозреваемых «невыразимыми преступлениями» , но предупредил, что происходящее не должно омрачить имидж сил в целом.

Корпус состоял из сотен тысяч преданных своему делу мужчин и женщин, которые делают все возможное, чтобы защитить итальянцев, сказал он. Командование карабинеров немедленно отстранило всех подозреваемых и объявило, что рассматривает «строгих дисциплинарных мер» против них.

Провинция Пьяченца занимает третье место по уровню смертности от COVID-19 в Италии, в то время как сам город пострадал в наибольшей степени в стране.

Понравилась эта история? Поделись с другом!

Расположение камеры | Полиция Западной Австралии

случаев дискриминации на дорожных остановках Департамента полиции Сан-Франциско | Анкуш Бхарадвадж | Август, 2020

Использование проверки гипотез для изучения доказательств расовой дискриминации в полицейском управлении Сан-Франциско. Дорожное движение останавливается

Анкуш Бхарадвадж

В последние несколько месяцев мирные протесты в ответ на публичная казнь Джорджа Флойда и хладнокровное убийство Бреонна Тейлор превратились в движение, возглавляемое поколением молодых американцев, которые видели достаточно черных тел, выложенных полицейскими с применением неоправданной силы.Я пишу не для того, чтобы убедить вас в том, что в нашей полицейской системе присутствует системный расизм: вот статья, которая поможет вам начать работу. Скорее, вместо того, чтобы сосредоточиться на охране правопорядка в целом, я стремлюсь исследовать расовую дискриминацию при остановках движения, проводимых полицейскими управлениями, с помощью анализа данных, в основном с помощью проверки гипотез. Хотя уже есть хорошо исследованные доказательства расовой предвзятости на остановках движения полиции, я хотел изучить расовую дискриминацию на остановках движения, проводимую Департаментом полиции Сан-Франциско.Я решил изучить SFPD, потому что Сан-Франциско считается либеральным городом, и я хотел понять, что на самом деле означает «либеральный» в отношении расизма в полицейском управлении города. Поэтому, когда я начал работать над этим проектом, я задал следующий вопрос:

Имеются ли доказательства дискриминации чернокожих в отношении результатов остановок движения, проводимых Департаментом полиции Сан-Франциско?

Для получения данных об остановках движения я использовал данные, собранные Stanford Open Policing Project, группой исследователей и журналистов из Стэнфордского университета, которые собирали и стандартизировали данные об остановках транспортных средств и пешеходов от правоохранительных органов по всей стране.Более подробную информацию о структуре их данных можно найти здесь.

После импорта данных об остановках движения в Сан-Франциско в Python я начал очистку и подготовку данных для следующего этапа анализа. Сначала я визуализировал значения NA в наборе данных с помощью тепловой карты (показанной ниже) с помощью пакета Seaborn Python.

На этой тепловой карте красный цвет указывает на наличие значения NA. Поскольку столбцы «contraband_found» и «search_basis» содержат слишком много значений NA для решения с помощью вменения, я просто удалил эти столбцы из набора данных.Для обработки оставшихся значений NA из набора данных также была удалена любая строка, содержащая значение NA.

Наконец, последний шаг подготовки данных — убедиться, что каждый столбец имеет соответствующий тип данных. Для этого набора данных мне нужно было только изменить столбец «дата» на объект datetime.

Теперь, когда данные подготовлены, пора перейти к исследовательскому анализу данных. Первым шагом в этом процессе было отображение счетчиков каждого значения в категориальных столбцах набора данных с помощью функции Pandas value_counts.Во время этого шага я заметил, что возникла проблема в столбце «reason_for_stop», так как некоторые строки были помечены новой причиной, хотя для этой причины уже существовала установленная категория. Например, несмотря на то, что уже было много остановок, которые произошли в результате «проверки DUI», для нескольких остановок было указано «Moving Violation | DUI Check» как их «reason_for_stop». Сделав шаг назад, я вернулся к этапу очистки и подготовки данных, чтобы исправить все вхождения этой ошибки.

Эта ситуация иллюстрирует ключевой аспект процесса анализа данных; Хотя проще рассматривать процесс науки о данных как линейную серию шагов от предварительной обработки данных до EDA и до анализа / моделирования данных, реальность такова, что в большинстве случаев вам нужно сделать шаг назад, чтобы решить ранее непредвиденные проблемы в ваши данные.

Затем я определил функцию, основанную на функции кросс-таблицы Pandas для построения кросс-таблицы пропорций по двум факторам. Используя эту функцию, я создал таблицу, в которой сравнивается расовая доля людей, арестованных в результате остановки движения, по каждой уникальной причине остановки движения. Затем эта таблица была визуализирована в виде гистограммы, чтобы по каждой причине остановки можно было сравнить доли каждой расовой группы, которые были арестованы в результате остановки движения.

Уже сейчас выясняется, что чернокожие лица арестовываются чаще, чем остальное население, особенно когда причиной остановки являются «Нарушение ПДК» и «BOLO / APB / Warrant».

Чтобы ответить на мой вопрос, мне понадобятся некоторые конкретные доказательства, а не только гистограмма. В этой связи я буду использовать проверку гипотез, когда аналитик проверяет предположение, используя данные выборки, чтобы сделать утверждение о популяции, которую должна представлять выборка. Из множества конкретных тестов, которые я могу использовать, я использовал двухпропорциональный Z-тест, который можно использовать для определения значимости разницы между двумя пропорциями образцов.

При проведении проверки гипотез очень важно сформулировать вашу нулевую гипотезу, которая является утверждением о вашем параметре совокупности, и вашу альтернативную гипотезу, которая прямо противоречит вашей нулевой гипотезе. Например, моя нулевая гипотеза утверждает, что доля чернокожих, арестованных в результате остановки движения SFPD, меньше или равна доле людей всех других рас, арестованных в результате остановки движения SFPD. С другой стороны, моя альтернативная гипотеза утверждает, что доля чернокожих, арестованных в результате остановки движения SFPD, больше, чем доля людей всех других рас, арестованных в результате остановки движения SFPD.

Следующим шагом является определение уровня значимости. Проведение проверки гипотезы позволяет рассчитать p-значение с использованием вашей тестовой статистики, и если ваше p-значение меньше вашего уровня значимости, вы отклоняете нулевую гипотезу, и наоборот. Для моего Z-теста я установил уровень значимости 0,01.

А теперь пора провести Z-тест. Используя функцию statsmodels proportions_ztest, я рассчитал Z-оценку и p-значение, сравнивая долю чернокожих людей, арестованных за остановку трафика SFPD, и долю людей всех других рас, арестованных за остановку трафика SFPD.При рассмотрении всего набора данных с ранее упомянутой нулевой гипотезой, альтернативной гипотезой и уровнем значимости результаты моего Z-теста привели меня к тому, что я отверг нулевую гипотезу и пришел к выводу, что темнокожих людей арестовывают чаще, чем людей других рас. в результате остановки трафика SFPD. Затем я повторил этот процесс, на этот раз разделив набор данных для каждого «reason_for_stop» перед проведением Z-теста. Результаты этого шага показаны ниже.

Таким образом, хотя темнокожие люди арестовываются с большей частотой, чем люди других рас, по всему набору данных, эта разница в частоте арестов сохраняется только при рассмотрении остановок движения из-за «механических или ненормальных». -Подвижное нарушение (В.C.) »,« BOLO / APB / Ордер »,« Подвижное нарушение »и« Нарушение MPC ».

Во время экспериментов с набором данных меня заинтересовала связь между продолжающейся джентрификацией округа Сан-Франциско и количеством остановок движения транспорта. В результате я решил продвинуть свой проект дальше и посмотреть, есть ли корреляция между джентрификацией и остановками движения.

Во-первых, мне нужно было определить, какие показатели я бы использовал для определения джентрификации. Вдохновленный этой статьей, я решил, что буду использовать доход и уровень образования для определения джентрификации.

Затем мне нужно было выяснить, как я буду получать эти данные специально для Сан-Франциско. К счастью, пакет CensusData Python предоставляет доступ к данным опроса американского сообщества. Наряду с официальной документацией Бюро переписи населения США я обнаружил совокупную заработную плату домохозяйства или доход от заработной платы и самый высокий уровень образования жителей округа Сан-Франциско с 2009 по 2015 год.

Чтобы сравнить эти показатели с количеством остановок движения транспорта, проведенных SFPD каждый год в период с 2009 по 2015 год мне пришлось сначала масштабировать данные, чтобы они варьировались от 0 до 1, чтобы лучше визуально сравнить, как меняются эти показатели:

Предполагая, что увеличение совокупного дохода домохозяйства из-за заработной платы или зарплаты и увеличение доли жители с высшим или профессиональным образованием указывают на рост джентрификации, похоже, что количество остановок движения, проводимых SFPD каждый год, уменьшается с джентрификацией (за исключением значительного увеличения количества остановок движения с 2014 по 2015 год).Чтобы найти конкретные доказательства этого утверждения, я обнаружил корреляцию между уровнями наивысшего образовательного уровня, совокупным доходом домохозяйства, обусловленным заработной платой или окладом, и количеством остановок в году:

Из приведенной выше тепловой карты мы можем окончательно заключить, что существует умеренная отрицательная корреляция между нашими двумя показателями джентрификации и количеством остановок движения за год. Конечно, к такому выводу следует относиться с недоверием, поскольку джентрификация намного сложнее, чем две метрики, которые я использовал.

В рамках этого проекта я выявил расовую дискриминацию на остановках движения, проводимых полицейским управлением Сан-Франциско. В частности, черные люди арестовываются в результате остановки движения в Сан-Франциско чаще, чем люди всех других рас.

Кроме того, я обнаружил, что существует умеренная отрицательная корреляция между джентрификацией в Сан-Франциско и количеством остановок движения, проведенных SFPD в период с 2009 по 2015 год. Это означает, что по мере роста джентрификации Сан-Франциско количество связанных остановок трафика падает.

Код, использованный для этого проекта, можно найти здесь.

В качестве отказа от ответственности, использование SFPD не делает человека расистом . SFPD как организация демонстрирует образцы расизма, которые могут происходить из различных источников, таких как подготовка полиции, культура департаментов и т. Д., Но это не подтверждает, что офицеры SFPD являются расистами.