Aplicação de Redes Neurais em Grafos para predição de crimes - Adaptação de modelo de acidentes de trânsito

• Processo: 23/04137-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Luis Gustavo Nonato
• Beneficiário: Marvin Mendes Cabral
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 22/09091-8 - Criminalidade, insegurança e legitimidade: uma abordagem transdisciplinar, AP.ESCIENCE.TEM
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: dados espaço-temporais | Dados Urbanos | Graph Neural Network | Aprendizado de Máquina

Resumo

Inegavelmente a situação da criminalidade em grandes areas urbanas vem tornando-se cada vez mais séria. A contribuição da ciência com métodos mais precisos e eficazes para prever e evitar ocorrências que afetem a segurança da sociedade cresce a cada dia. Aprendizado de máquina e ciência de dados têm tido um papel primordial neste contexto de segurança pública. Com o advento das redes neurais profundas (Deep Neural Networks - DNN), abre-se a expectativa de metodologias mais eficazes para a análise e predição de crimes, tornando possível o uso de uma grande quantidade de variáveis na construção de modelos preditivos. Além disso, passa a ser viável a realização de predições em um nível de granularidade bastante fina. Este projeto visa o estudo e implementação de um tipo específico de DNN para análise e predição de crimes, as chamadas Redes Neurais em Grafos (Graph Neural Networks), que viabilizam investigar fenômenos no nível de mapas de ruas, fato ainda pouco explorado na literatura.