警车缓缓拐进一条小街，来到一个被计算机圈定为（可能发生犯罪案件的）“热区”的地方。从笔记本电脑的显示来看，最近4个小时内（10点至14点）有人可能在这个150 ×150米的“热区”作案。负责这一区的副警长特别注意停在路边的车辆，如果有人在车内吃午饭，他会更加警惕，因为现在是11点30分，在车上吃饭的人肯定不是这个地方的人，更值得怀疑。在离小街尽头100米处的街边果然停了一辆车，里面坐着三个男子，一动不动。警车继续往尽头方向开着，几分钟后又折返回来，发现那三个人还是一动不动地坐在那里。副警长和其他警官于是对他们实施检查，经和中心联系，得知其中两名是正在被警方追捕的嫌疑人；另外还在车上搜出了毒品，于是三名男子全被戴上手铐。“这是最精确的一次预料性出击。”副警长不无得意地说。

　　警局的计算机软件是怎么知道什么地方和什么时候犯罪的可能性特别高的呢？其实靠的就是复杂的数学模型，但这种模型最早是用在别的领域的，比如用来对一次地震后的余震作统计用；或者用在物流系统上。世界最大的商业零售贸易企业集团沃尔玛百货公司在几年前发现，只要有飓风预报，顾客便会改变他们的购物行为，会超量购置瓶装水、手电筒、粘结带、夹心饼干等，为什么偏偏是这些东西，没有人去进一步研究，关键是顾客在做一些引起物流专家高度重视的事情，这意味着在一次强暴风过后，货架上必须有足够的上述物品。

　　根据同样的数学原理，犯罪学专家于是开始探索犯罪统计中的异常现象，设计出供警方在犯罪分子出手前先发制人的“预料性出击”模型。警方知道，在一些地方的武器展览会后，暴力犯罪会增加，然而出乎意料的是暴力犯罪并不发生在展览会后的那个周末，而是两周以后。为使软件找到这种有关时间和空间方面的相互关系，事先必须输入大量相关数据，警方计算机不仅储存着犯罪行为的种类和地点，而且拥有无数作案的月份、日期、钟点、天气（包括月相）、作案现场附近的特殊事件（如体育比赛等）、周围的设施（如酒吧、商店等）、有关发工资日期的信息……数据越多，模型的计算精度越高。

　　软件中甚至存有心理学知识和信息，比如罪犯是有犯罪习惯的人、作案者往往会回到作案地……这些信息也会被模型顾及到。预料性出击能使刑事犯罪率下降，提高警方破案速度、节省警力。最早开始实践这一行动的是美国洛杉矶警局，后来，波兰和英国（伯明翰和曼彻斯特）也采用了这一模型。有的国家则认为必须对费用和效用先作切合实际的评估，根据国情和警力状况再来考虑。