Inferência preditiva geoespacial da criminalidade em Porto Alegre : uma abordagem de aprendizado de máquina

Abstract

Novas estratégias para o enfrentamento da criminalidade no Brasil são necessárias, haja vista o recorde dos índices de crimes violentos registrados nos últimos anos. Dessa forma, o objetivo desta pesquisa é demonstrar o potencial da utilização da inteligência artificial como ferramenta no combate à criminalidade. Foram testados quatro tipos diferentes de modelos na predição de eventos criminosos e do nível de criminalidade em cada localidade, sendo eles: regressão, classificação, redes neurais profundas e long short-term memory. O estudo analisou 351.980 crimes violentos ocorridos na cidade de Porto Alegre/RS entre janeiro de 2005 e outubro de 2019. O desempenho de cada algoritmo construído foi testado prevendo os eventos criminosos diários em diferentes números de clusters no qual a cidade foi subdividida. Os resultados apontam que todos os modelos utilizados tem capacidade significativa na predição de crimes, com destaque para o modelo de classificação construído, que ao utilizar 6 clusters de criminalidade obteve um erro médio absoluto (MAE) de 0.43 e a raiz quadrada do erro médio quadrático (RMSE) de 1.68, para a previsão de crimes diários em cada cluster, obtendo um coeficiente de determinação de 0.94. Quando o objetivo era prever o nível de criminalidade em cada cluster, o mesmo modelo de classificação obteve um R2 de 0.98, MAE de 0.01 e RMSE de 0.07.

New strategies for fighting crime in Brazil are required, since the records of violent crimes keep increasing in recent years. The objective of this research is to demonstrate the potential of using artificial intelligence as a tool for crime reduction. Four different types of models were tested in the prediction of criminal events and level of crime in each location, namely: regression, classification, deep neural networks and long shortterm memory. This study analyzed 351,980 violent crimes that occurred in the city of Porto Alegre/RS between January 2005 and October 2019. The accuracy of each algorithm was tested by predicting daily number of crimes in each different cluster of criminal events. Results point that all models have significant capacity in the prediction of crimes, with emphasis on the classification model, that using 6 criminality clusters obtained a MAE of 0.43 and a RMSE of 1.68, forecasting daily crimes in each cluster, in this case the coefficient of determination obtained was 0.94. When the objective was to predict the level of crime in each cluster, the same classification model registered a R2 of 0.98, MAE of 0.01 and a RMSE of 0.07, demonstrating great prediction capacity.