Diseño de un modelo espacio-temporal para caracterizar y predecir el riesgo criminal y análisis de su desempaño usando transformaciones basadas en Kernels Gaussioanos periódicos y funciones wavelet en la fenomenología temporal

Abstract

Una de las mayores preocupaciones a nivel nacional es velar por la seguridad ciudadana. Gracias al masivo almacenamiento de datos es posible utilizar herramientas computacionales que identifiquen los patrones criminales, ayudando a optimizar los recursos policiales destinados a mitigar la delincuencia, siendo Predpol® pionero en el rubro de análisis y predicción de eventos criminales. Este trabajo de tesis muestra un modelo basado en teoría de kernels y análisis de espectros de frecuencia mediante Transformada Wavelet para caracterizar la evolución espacio-temporal del riesgo criminal, permitiendo predecir la actividad delictual. El modelo utiliza información espacio-temporal de eventos criminales ocurridos anteriormente para generar una función de intensidad dinámica, la cual indica donde existe una mayor probabilidad de ocurrir un evento criminal en el futuro. Se separa una base de datos criminal otorgada por Carabineros de Chile en dos conjuntos: una denominado fase priori (captura de la tendencia criminal histórica) y otro como fase posteriori (captura de la tendencia criminal reciente). Usando la información espacial de los datos en cada conjunto se procede a entrenar las medias, covarianzas y pesos asociados a cada componente que define a un Gaussian Mixture Model (GMM). Definidos los componentes espaciales se procede a caracterizar el comportamiento temporal de los delitos asignados a cada componente por medio del entrenamiento de Kernel Periodicos Gaussianos (KPG) o por medio de análisis de Transformada Wavelet (TW). Finalmente se entrega un modelo de predicción espacio-temporal del riesgo criminal capaz de integrar la fase priori y posteriori mediante un coeficiente inter-proceso. El modelo es evaluable en diferentes comunas y su visualización es por medio de grillas espaciales de 150x150m2 y muestrada cada ocho horas según los turnos policiales. Este trabajo de tesis propone el estudio del modelo espacio-temporal de riesgo criminal usando dos métodos de caracterización temporal: una mediante el entrenamiento de sumas de KPG y otro mediante el análisis de espectros de frecuencia usando TW. Siendo posible comparar sus desempeños utilizando un conjunto de entrenamiento y prueba. Se desarrollaron optimizaciones paramétricas en los modelos temporales basado en minimizar el error cuadrático medio del conjunto de prueba de cada componente espacial. Los resultados arrojan que el proceso de caracterización temporal por medio de TW tiene una mejor tasa de aciertos promedio que los modelos de KPG según métricas de desempeños especialmente definidas para el problema: High Risk Porcentage (HRP), True Incident Percentage (TIP) y Area Under Curve (AUC). El modelo de caracterización espacio-temporal del riesgo criminal es ejecutado en 10 comunas de la Región Metropolitana, obteniendo una adecuada tasa de acierto con una reducida cantidad de área, siendo factible su uso para predecir en diferentes comunas. Finalmente se entrega un estudio de la importancia de la información de la fase priori respecto a la posteriori en el desempeño del modelo espacio-temporal de riesgo criminal.