| Hunt等[26] | 2012.06.04—2012.12.21 | 美国路易斯安那州什里夫波特警察局 | 在3个指挥中心下共设计3个控制区和3个试验区： ① 指挥中心1包括2个试验区；② 指挥中心2包括1试验区和1控制区； ③ 指挥中心3包括2控制区 | 多元逻辑回归模型 | 居住区和商业区入室盗窃、盗窃机动车、盗窃机动车内财物 | 时间：每月
空间：犯罪风险概率为“中”（40%~60%）、“高”（60%以上）的122 m×122 m网格 | 预测性警务实践在减少财产犯罪方面的作用与传统警务模式没有明显区别。但研究者并不确定这是由于模型本身缺陷，还是因当地犯罪率过低、各区警务工作差异所致 |
| Mohler等[24] | 2011.11.07— 2012.04.27
2012.03.31— 2012.09.14
2012.05.16— 2013.01.10 | 美国洛杉矶的3个警区 | 由ETAS模型、警局犯罪分析师分别做出犯罪预测，确定最高发的20个或40个网格。随机决定当天采取何种预测结果，并在早晨点名时告知巡逻警察被选用的犯罪预测高发网格。 | 传染型余震序列（ETAS）模型 | 入室盗窃、盗窃机动车、盗窃机动车内财物 | 时间：每天
空间：150 m×150 m空间网格 | 采用ETAS算法，每个预测区中警察巡逻时间每增加1000 min，犯罪数量预期减少1起。相当于在中等巡逻强度（每天每个预测区域31 min）下，可使每个警区每周的平均犯罪数量减少4.3起，降幅为7.4%。采用警局犯罪分析师的预测结果，无统计学显著差异 |
| Ratcliffe等[25] | 2015.06.01— 2015.08.25
2015.11.01— 2016.01.31 | 美国费城 | 将20个警区随机分为4组：1组对照区，采用日常巡逻策略；3组干预区，警务策略分别是：仅告知警员预测高发区域、使用有标记警车巡逻预测高发区域、使用无标记车辆和便衣警员巡逻预测高发区域。 | HunchLab软件 | 财产类犯罪
暴力类犯罪 | 时间：每天8 h；财产类犯罪为 8:00—16:00，暴力类犯罪为 18:00—次日2:00
空间：每个警区内预测犯罪概率最高的3个网格（152 m×152 m） | 财产类犯罪：均无统计显著性影响，但使用标记警车区的犯罪数量平均降幅31%，其他干预区平均降幅不明显。暴力类犯罪：均无统计显著性影响，且各实验区犯罪数量的平均降幅也不明显 |