Un modelo matemático ayuda a predecir el delito en Bogotá
UNAL/DICYT Un modelo matemático va a ayudar a predecir el delito en Bogotá. A partir del registro de las denuncias por hurto, homicidio y riñas, entre otros delitos, la herramienta provee valiosa información para realizar estudios sobre los fenómenos de seguridad y convivencia de mayor afectación en la ciudad, que servirán como insumo para desarrollar políticas y estrategias de intervención que ayuden a reducir los delitos que más impactan a la ciudadanía.
Aplicando técnicas de aprendizaje de máquina –o machine learning– la herramienta diseñada por la Universidad Nacional de Colombia (UNAL), la firma Quantil SAS (compañía de matemáticas aplicadas a la industria) y la Secretaría Distrital de Seguridad, Convivencia y Justicia, sirve para identificar patrones de ocurrencia de delitos en espacio y tiempo en los datos históricos.
Dichos patrones permiten realizar predicciones sobre ocurrencias futuras de los delitos, determinar comportamientos comunes en los fenómenos, e incluso cuantificar percepciones subjetivas, como el miedo al crimen, profundamente relacionado con la percepción de seguridad.
El profesor Francisco Albeiro Gómez Jaramillo, del Departamento de Matemáticas de la UNAL Sede Bogotá, investigador principal del proyecto “Diseño y validación de modelos de analítica predictiva de fenómenos de seguridad y convivencia para la toma de decisiones en Bogotá”, explica que “los modelos de predicción buscan anticipar y explicar la ocurrencia de los fenómenos de seguridad utilizando datos históricos de los reportes de estos delitos”.
“Por ejemplo, esta aproximación ayuda a entender dónde y cuándo podrían ocurrir estos fenómenos con mayor probabilidad y dar pistas sobre las posibles razones de ocurrencia”.
Indicador de percepción de seguridad
Los datos utilizados para desarrollar la herramienta corresponden a más de 3 millones de denuncias realizadas por ciudadanos (por robo, peleas y homicidios, entre otros), las llamadas a la línea 123 y los comparendos impuestos por la Policía.
Estos registros alimentan modelos de inteligencia artificial que caracterizan los patrones de ocurrencia. Así, se pudo identificar que “en las localidades de Ciudad Bolívar, Usme, Bosa y Suba las riñas son más predecibles y suelen suceder especialmente los fines de semana”.
En cambio, en la localidad de Teusaquillo se presentan riñas casi todos días, pero el patrón es menos predecible. Posiblemente estos esquemas ocurren por las rutinas cotidianas de la ciudad, como por ejemplo la vida nocturna en las zonas del centro de la ciudad.
Otro resultado del proyecto fue la construcción de un indicador de percepción de seguridad, desarrollado a partir de más de 1.700.000 tweets (mensajes de estado en Twitter que pueden tener hasta 280 caracteres) publicados en Bogotá y recolectados durante más de un año (18 de marzo de 2019 - 28 de abril de 2020).
“En este caso, los modelos de inteligencia artificial identificaron de manera automática los mensajes relacionados con la seguridad, y después cuantificaron entre 1 y 5 el nivel de percepción positiva de seguridad mediante patrones extraídos de anotaciones realizadas por expertos en el tema”, explica el docente.
Con dichos resultados, “junto con la información de eventos temporales –como protestas, partidos de fútbol y fechas especiales como el día de la madre o año nuevo–, los modelos predijeron la cantidad de tweets relacionados con la seguridad que podrían aparecer para un futuro cercano, y resultó en un indicador más general de la percepción de la seguridad”.
Por la importancia de sus aportes, el proyecto fue nominado entre los tres mejores en la categoría de “Innovación” de los Premios Regalías Bien Invertidas 2022, por ser una respuesta novedosa a los problemas o necesidades sociales, económicas o ambientales de la ciudad y el país.
Entre los resultados del proyecto se encuentran la publicación de cuatro artículos en revistas especializadas y la presentación de las innovaciones en más de 20 conferencias en eventos científicos internacionales.
Además, una de las contribuciones científicas fue premiada como mejor artículo estudiantil en la Séptima Conferencia Internacional sobre Computación Conductual y Social (BESC 2020), celebrada en Bournemouth (Reino Unido), y otro aporte fue reconocido con el Premio Internacional Charles François de la Academia Internacional de Sistemas y Ciencias Cibernéticas.