Memoria para optar al título de Ingeniero Civil Industrial / 26/11/2020

Geógrafo / La tendencia –hoy- en materia de prevención del delito es la focalización de los recursos policiales en ciertos territorios específicos que aglutinan gran cantidad de delitos. La literatura ha señalado cuantiosas bondades de este modelo de trabajo, destacando su supuesta eficacia para recudir el delito en aquellos sectores, dada principalmente la flexibilidad para adaptarse a cada realidad territorial. En Chile, existe poca evidencia y pocos estudios que avalen este supuesto. En ese sentido, la presente investigación pretende analizar y dar luces sobre los efectos concretos de un plan de prevención territorial específico, llamado Plan por un Santiago Más Seguro (2007-2008), sobre el comportamiento de los delitos de robo con violencia y/o intimidación en el área central metropolitana, a través de un análisis territorial-espacial que permita determinar si hubo una difusión de beneficios, reducción del delito o desplazamiento de este hacia zonas aledañas. Por último, y en base a los resultados obtenidos, la investigación explorará sobre los alcances reales de este tipo de iniciativas públicas, tomando en cuenta sus fortalezas y debilidades, con el fin de generar recomendaciones atingentes al ideal de abordaje que la problemática debiese tener.

Memoria para optar al título de Ingeniero Civil Eléctrico / El presente trabajo tiene como objetivo principal la predicción de robos de vehículos en la ciudad Santiago de Chile, mediante la confección de un modelo de Redes Neuronales que se alimente de información gráfica, socioeconómica y temporal de un sector geográfico de robo. Para ello se utiliza la base de edatos de robos de vehículos de la Asociación de aseguradoras de autos de Chile (AACH), y a cada muestra se le asignan cuatro imágenes de Google Street View, 15 características socioeconómicas extraídas del Instituto Nacional de Estadística (INE) y de la Infraestructura de Datos Geospaciales de Chile (IDE), en conjunto con la temperatura en la fecha del incidente y la cantidad de incidentes cercanos que ocurren en el mes anterior. Esta memoria está enmarcada en el proyecto Fondef ID16I10222, liderado por los profeso- res Richard Webe y Ángel Jiménez del departamento de Ingeniería Industrial de la Univer- sidad de Chile. Para alcanzar el objetivo señalado al comienzo ,se propone un modelo de red neuronal alimentado por joint features y deep features; esto es que la red neuronal aprende de dis- tintos formatos de información como lo son datos estadísticos e imágenes. Además, en el caso de las imágenes, no son utilizadas directamente sino que se extraen carecterísticas de ellas, mediante una segunda red convolucional denominada Alexnet. Para entrenar la red es necesario disponer de zonas seguras, para lo cual se organiza la base de datos de ro- bos por fecha y se agrupa por mes, períodos en los cuales se denotan como zonas seguras aquellas que en el presente mes no posean a la redonda de 500 metros una ubicación de robos. El principal resultado esperado de la aplicación de este modelo es la obtención de proba- bilidades por zonas en una grilla de 0.01 grados de latitud y longitud sobre Santiago de Chile que puede ser representado como un heatmap de riesgo en la ciudad. Del modelo presentado, utilizando el conjunto completo de características se obtiene un 97.7% de accuracy, un 95% de precisión , un 98.9% de recall y un 97% de F1. Además al hacer reducción de características mediante Recursive feature selection y seleccionar las principales 1000 características, se obtiene un 92.96 % de accuracy, un 93.46 % de precisión, un 92.09 % de recall y un 92.77 % de F1. Con esto se concluye que el desempeño del modelo propuesto efectivamente permite una alta tasa de clasificación y además permite la creación de una representación gráfica. / Fondef 16I10222