Integração de Dados e Predição de Hotspots de Crime

• Processo: 24/15983-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de novembro de 2024
• Data de Término da vigência: 26 de junho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Luis Gustavo Nonato
• Beneficiário: Samuel de França Marques
• 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): Ciência de dados Criminalidade Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Ciência de dados | Criminalidade | dados espaço-temporais | machine learning | Aprendizado computacional

Resumo

Técnicas existentes de análise de crimes permitem apenas mecanismos rudimentares para investigar as distintas facetas das atividades ilegais. Por exemplo, extrair, agrupar e visualizar padrões criminais ao longo do tempo é uma tarefa difícil de ser executada com as metodologias existentes. Além disso, as soluções existentes são adaptadas para revelar hotspots de crimes com base no número de crimes, não necessariamente em sua frequência, limitando o escopo da análise e a capacidade de previsão. Propomos o desenvolvimento de novas ferramentas capazes de identificar e prever hotspots com base não apenas na intensidade dos crimes, mas também na probabilidade de sua ocorrência. Combinar a intensidade dos hotspots com sua probabilidade de ocorrência abre novas alternativas de análise, possibilitando revelar e prever padrões de criminalidade dependendo da localização e período de tempo. Além disso, propomos o uso de deep learning, mais especificamente Graph Neural Networks (GNN), como o principal mecanismo para prever atividades criminosas. Ferramentas atualizadas de aprendizado profundo serão usadas para mapear séries temporais de crimes para espaços latentes. Tais ferramentas analíticas darão suporte a ferramentas de visualização capazes de lidar simultaneamente com padrões espaciais e temporais.