Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Revista Facultad de Ingeniería
Print version ISSN 0121-1129On-line version ISSN 2357-5328
Abstract
ORDONEZ-ERASO PH. D, Hugo-Armando; PARDO-CALVACHE PH. D, César-Jesús and COBOS-LOZADA PH. D, Carlos-Alberto. Detecção de tendências de homicídios na Colômbia usando Machine Learning. Rev. Fac. ing. [online]. 2020, vol.29, n.54, e11740. Epub Dec 30, 2020. ISSN 0121-1129. https://doi.org/10.19053/01211129.v29.n54.2020.11740.
Nas últimas décadas, o número de homicídios violentos na América Latina tem crescido consideravelmente devido à ampliação e auge de grupos criminais organizados em zonas rurais e urbanas das principais cidades de países como o México, a Colômbia e a Venezuela. Com base no alto índice de homicídio destes países, consequência da alta criminalidade, estes têm sido classificados dentro dos mais violentos a nível mundial. Segundo dados reportados pelo Observatório do Delito da Polícia Nacional e a Fiscalia Geral da Nação da Colômbia, em 2019 apresentaram-se 1.032 assassinatos em Bogotá. Estes dados mostram uma taxa de 14,3 homicídios por cada 100.000 habitantes. A partir disto, estima-se que entre 1960 e 2019 tem sido gerado ao redor de 226.215 homicídios, umas 3,834 mortes por ano, em média. Neste trabalho apresenta-se um modelo de machine learning baseado em random forest, o qual permite predizer as tendências de homicídio violento (HV) na Colômbia para os próximos 5 anos. O projeto tem como objetivo servir de instrumento para facilitar a tomada de decisões em organismos como a Fiscalia Geral da Nação e a Polícia Nacional. O modelo foi avaliado com um conjunto de dados gerado a partir do Sistema de Informação Estatístico Delinquencial, Contravencional e Operativo (SIEDCO) da Fiscalia, o qual conta com 2.662.402 registros de delitos realizados na Colômbia desde o ano 1960 até 2019.
Keywords : homicídio; machine learning; mineração de dados; random forest.