Unificando Representações Geoespaciais e Mapeamento Latente de Crimes sob Uma Perspectiva Computacional e Sócio-Analítica

Resumo

Uma pergunta recorrente na análise da evolução temporal de crimes é a correlação entre os Segmentos Urbanos (SU), como setor industrial, área central, regiões de alto, médio e baixo padrão, e os Tipos de Crimes (TC) mais comuns, por exemplo, homicídios, furtos, entre outros. Outra questão relevante neste contexto é entender qual tem sido a evolução criminal associada a cada segmento. A resposta para tais perguntas são demasiadamente complexas, uma vez que são influenciadas não apenas por variáveis socioeconômicas e culturais, mas também por fatores exógenos de difícil compreensão e sistematização, como por exemplo, a existência da percepção de punição diferenciada e os valores que cada indivíduo atribui pelo histórico de relacionamento e formação familiar. Este projeto de pós-doutorado almeja combinar modelos de mapeamento de SU em imagens de Sensoriamento Remoto, métricas espaciais, e redes neurais profundas em grafos (GNN - Graph Neutral Networks) para produzir mapas de insegurança, endereçando assim as perguntas acima levantadas. A ideia é combinar ambas as representações: geoespacial, obtidas por imagens de satélite, e a latente, fornecida pela aplicação de um modelo baseado em GNN, confrontando cada uma dessas informações de modo a fazer corresponder segmentos e crimes. Tal abordagem possibilitará inovar na forma de interpretar a dinâmica criminal por categoria, avançando assim no debate de como a classe social de um dado segmento pode influenciar nos diferentes tipos de crimes cometidos.