Mapeamento Dinâmico de Crimes Urbanos: Integrando Análise Espaço-Temporal para Modelagem Preditiva

Resumo

A urbanização apresenta um duplo desafio de oportunidades e crime, com este último a destacar-se de forma proeminente entre os problemas que os centros urbanos enfrentam a nível mundial. Abordar o crime para além da reacção aos incidentes requer antecipação, mitigação e prevenção através de tomadas de decisão informadas. Esta investigação reconhece a complexidade da rede criminosa e das suas regras, enfatizando a necessidade de compreender a dinâmica do crime influenciada pelas condições socioeconómicas, demográficas, ambientais e tendências históricas. A análise do crime tradicionalmente depende de técnicas espaciais e temporais, mas este projeto afirma a inadequação do mapeamento estático convencional na captura da dinâmica temporal. A integração de modelos de aprendizado de máquina (ML) e análise espaço-temporal é proposta para aprimorar a modelagem preditiva do crime. O projeto visa preencher a lacuna entre ciência de dados, análise preditiva e planejamento urbano para criar ferramentas robustas para políticas de segurança pública. A investigação adota uma abordagem multidisciplinar, necessitando da colaboração com investigadores das Ciências Sociais e Humanas. Inclui o desenvolvimento de uma estrutura abrangente de mapeamento espaço-temporal do crime, a análise de dados históricos do crime, a implementação de algoritmos de aprendizado de máquina e a avaliação da eficácia do modelo em comparação com o mapeamento estático tradicional. Os resultados serão divulgados por meio de revistas científicas e artigos da grande mídia, contribuindo para a intersecção entre ciência de dados, planejamento urbano e análise criminal.