Aplicação de machine learning na segurança pública: desenvolvimento de um protótipo preditivo para análise de risco de crimes em área urbana.

Abstract

Este estudo descreve o desenvolvimento e a avaliação de um protótipo experimental voltado para a análise de risco criminal no contexto da segurança urbana. O escopo foi delimitado à região da Avenida Águia de Haia, localizada na zona leste de São Paulo. A modelagem utiliza dados georreferenciados e variáveis urbanas para alimentar algoritmos de Machine Learning. Para a metodologia foi realizado o mapeamento dos atributos de entrada, o tratamento destes dados segundo etapas do KDD e logo após a implementação dos algoritmos Regressão Linear Ridge, Random Forest e XGBoost. O desempenho das técnicas foi comparado por métricas quantitativas de regressão, resultando em um ensemble ponderado formado pela média entre os resultados dos métodos escolhidos. A viabilidade do piloto proposto foi avaliada pelo cálculo do score de risco criminal em nível de via. O projeto entrega um protótipo de modelo estruturado, capaz de fornecer métricas para futuras aplicações e análises no campo da segurança urbana.

This study describes the development and validation of an experimental prototype focused on crime risk analysis in the context of urban security. The scope was limited to the “Avenida Águia de Haia” area, in the eastern zone of São Paulo. The modeling uses georreferenced data and urban variables to feed the Machine Learning algorithms. For the methodology, the input attributes were mapped, this data was processed according to KDD steps, and then the Ridge Linear Regression, Random Forest, and XGBoost algorithms were implemented. The performance of the techniques was compared using quantitative regression metrics, resulting in a weighted ensemble formed by the average of the results from the chosen methods. The feasibility of the pilot was validated by calculating the crime risk score in a street. The project delivers a prototype of a structured model capable of providing metrics for future applications and analyses in the field of urban security. Key words: Machine Learning; Urban Attributes; Predictive Modeling; Criminal Risk; Urban Security