Padrões de Concentração Espacial de Roubos de Automóveis em Municípios da Grande João Pessoa a Partir de Técnicas de Aprendizado de Máquinas

Abstract

Objetivo: Este artigo tem como objetivo identificar padrões de concentração espacial relacionados a roubos e furtos de veículos na grande João Pessoa (PB), região composta pelos municípios de Bayeux, Cabedelo, João Pessoa e Santa Rita, usando técnicas de aprendizado de máquinas. Com isso, busca-se contribuir com a discussão sobre os potenciais benefícios da utilização de ferramentas da Inteligência Artificial no campo da segurança pública. Metodologia: Os dados utilizados foram obtidos junto à Secretaria de Estado da Segurança e da Defesa Social da Paraíba e contemplam os anos de 2017 a 2019. A base é composta por 5.385 ocorrências de roubo e furto de carros e motos, indicando coordenadas geográficas, município, bairro, dia da semana, turno e hora de ocorrência do crime. A estratégia empírica adotada consistiu na aplicação do algoritmo de Clusterização Espacial Baseada em Densidade de Aplicações com Ruído (Density-Based Spatial Clustering of Applications with Noise, DBSCAN). Resultados: A análise descritiva apontou que o centro da cidade de João Pessoa é o bairro com maior taxa de subtração de veículos por 100 mil habitantes, seguido por Barra de Gramame, Ponta do Seixas, Distrito Industrial e Varadouro. Em relação à concentração de crimes em locais determinados, a utilização do DBSCAN permitiu identificar hotspots para diferentes dias e turnos, sendo que o número destes se mostrou maior durante os dias de semana, no período noturno. Contribuições: Tais resultados têm potencial para auxiliar a elaboração de um planejamento mais eficaz de segurança pública nos bairros da grande João Pessoa, pois sugerem como deslocar o efetivo policial de modo a se alcançar maior eficiência na prevenção de crimes e captura de criminosos.