Desarrollo de un modelo predictivo para identificar la probabilidad de robo de vehículos en la Ciudad de Santiago

Abstract

El robo de vehículos en Santiago, es un fenómeno que se encuentra en aumento en los últimos años. El costo promedio de un vehículo asegurado asciende a cerca de $6.000.000. Considerando los robos de vehículos ocurridos en el año 2015, sin considerar los vehículos que fueron recuperados, los costos asociados al robo ascienden a un monto cercano a los $59.910 millones de pesos. No solo hay costos económicos asociados, hay personas que sufren sensación de inseguridad o traumas que deben ser tratados con ayuda psicológica. En esta memoria se desarrolló un modelo predictivo para la detección de lugares de robo de vehículos en la ciudad de Santiago, basándose en datos proporcionados por la asociación de aseguradoras de automóviles. Además, se utilizaron las siguientes fuentes de información: datos de contexto extraídos de imágenes de los lugares de robo para contar con una caracterización in situ; una caracterización de lugares de Santiago en función de puntos de interés social, y variables temporales y de huida. El modelo desarrollado fusiona las fuentes anteriores por medio de diferentes redes neuronales. Los resultados permiten clasificar lugares donde han ocurrido robos con una exactitud del 66%, precisión del 69% y memoria del de 61%. Se utilizaron también diversas técnicas de aprendizaje profundo para encontrar patrones asociados al robo de vehículos. Dentro de los hallazgos se encuentra una tendencia alta y significativa al robo en lugares cercanos a centros educativos, centros comerciales masivos, centros de belleza tales como gimnasios y centros de estética. También, existe una tendencia al robo al acercarse al Costanera Center y alejarse del centro de Santiago. Existe mayor propensión de robo en horarios de menor tráfico y al anochecer, mientras que la variable de huida de un lugar definida como la velocidad de escape en este punto, considerando efectos de tráfico no resulto estadísticamente significativa en el estudio.