Desarrollo de una metodología para caracterizar y predecir el riesgo criminal mediante la generación de modelos espacio-temporales empíricos basados en manejo de datos

Abstract

Con el incremento de la delincuencia se ha hecho necesario que las fuerzas de seguridad busquen más herramientas que les permitan analizar los procesos delictivos y evaluar el posible riesgo criminal, con el fin de poder determinar las acciones tácticas, asignación de recursos policiales y planificaciones a corto y largo plazo para enfrentar este problema. Una de las formas de realizar un análisis de los delitos que ocurren en una ciudad es mediante el análisis de patrones criminales, a través del modelamiento y simulación de datos que entreguen la información necesaria para el estudio de cada una de las variables que intervienen en cada hecho. De esta forma se podrá caracterizar al criminal, su forma de actuar, sus preferencias; factores que servirán para poder predecir hechos que atenten contra de la seguridad ciudadana. En la actualidad existen en el mercado códigos y programas que permiten realizar pre- dicciones de qué zona podrá tener un alto índice de criminalidad, pero los costos de estos programas son muy elevados. La propuesta de este proyecto es generar y verificar un método para caracterizar y predecir el riesgo criminal de un área urbana determinada, usando una base de datos generada en forma artificial. Para la generación de la base de datos se usa un algoritmo que permite al usuario seleccionar un número de zonas urbanas a considerar, las mismas que están constituidas por servicios públicos o privados de todo tipo, y que una vez que se han elegido las zonas el algoritmo generará en forma aleatoria delitos asociados a cada servicio. Los datos generados son utilizados para verificar una metodología de caracterización del riesgo criminal espacial. Pero no basta con esta distribución inicial, ya que el proceso delictivo está en constante cambio. Por esta razón es necesario simular con la inclusión de la variable temporal, mediante la inserción de nueva información de eventos delictivos y la aplicación de un modelo dinámico, donde se obtendrá una distribución espacial del riesgo actualizada. Para obtener un resultado óptimo del modelo espacial, se utiliza un algoritmo de optimización para encontrar la actualización adecuada de la distribución, siendo el resultado final el que se usará en la etapa de predicción. Para la etapa de predicción se realiza un agrupamiento o clustering de la nueva informa- ción (nuevos eventos delictivos), incluidos en la etapa temporal, con la finalidad de encontrar los posibles centros de las zonas de riesgo (atractores criminales). Una vez que se tienen los centros, por medio de un modelo empírico de un atractor criminal y con una determinada ventana de tiempo, se genera una distribución de predicción del riesgo criminal.