Processamento de Sinais em Grafos e Deep Learning para Predição de Crimes na Cidade de São Paulo.

Resumo

São Paulo é a maior cidade da América do Sul, com taxas de criminalidade tão grandes quanto a própria cidade. O número e o tipo de crimes em São Paulo variam consideravelmente dependendo das características urbanas, ambientais e sociais da localidade. Estudos anteriores sobre a análise de crimes na cidade de São Paulo se concentraram principalmente na descoberta de padrões criminais associados a fatores socioeconômicos, sazonalidade e atividades da rotina urbana. Além disso, esses estudos e suas ferramentas associadas foram projetados para analisar a cidade como um todo, não sendo apropriados para estudar algumas regiões em particular, como bairros, ruas, avenidas e parques específicos. Há ainda outro aspecto importante nesse contexto, a disponibilidade de informações relevantes sobre mobilidade, comportamento dos transeuntes, infraestrutura urbana e mídias sociais, as quais não são levadas em consideração pelas ferramentas de análise de padrões criminais existentes. Neste trabalho, é proposto o desenvolvimento de uma ferramenta analítica para analisar e prever padrões criminais em regiões específicas de uma cidade grande como a de São Paulo. Nosso foco é a identificação e previsão de hotspots, bem como seus padrões criminais correspondentes. A ideia é explorar as informações obtidas a partir da infraestrutura urbana e dos dados das redes sociais para alimentar uma rede neural profunda, que deve aprender os padrões criminais. Como resultado, será desenvolvida uma aplicação que possa ser usada pela população, aumentando a transparência da criminalidade em bairros específicos e, ao mesmo tempo, ajudando órgãos de segurança do governo em seus planejamentos e estudos.