Predicción de robos de vehículos en Río de Janeiro mediante algoritmos de aprendizaje automático

Resumen

Las predicciones de variables delictivas son útiles para el despliegue táctico de recursos, la asignación de personal y la planificación estratégica, lo que aumenta la conciencia táctica y estratégica de las fuerzas policiales. En Estados Unidos, los métodos predictivos se utilizan ampliamente para anticipar tendencias e identificar ubicaciones e individuos propensos a futuras victimizaciones. Sin embargo, la literatura nacional aún carece de modelos capaces de anticipar tendencias delictivas, con algunas excepciones, como la herramienta CrimeVis y otros estudios con técnicas de predicción más modestas. La evolución y popularización de la inteligencia artificial (IA), especialmente el aprendizaje automático, permite predicciones más rápidas, económicas y precisas, lo que ayuda a resolver problemas inéditos. La aplicación de la IA puede procesar y analizar grandes cantidades de información rápidamente, mejorando la toma de decisiones. El objetivo principal de este trabajo es evaluar qué enfoque de modelado (árboles de decisión o redes neuronales) ofrece mayor precisión en la predicción de robos de vehículos en el municipio de Río de Janeiro, contribuyendo al desarrollo de herramientas predictivas que puedan ayudar a las autoridades y agencias de seguridad pública en la asignación eficiente de recursos y en la planificación estratégica de políticas de prevención. La precisión de los modelos se comparará mediante el Error Cuadrático Medio (EMM).