Magíster en Ciencias de la Ingeniería, Mención Eléctrica.
Ingeniero Civil Eléctrico / Una de las mayores preocupaciones a nivel nacional es velar por la seguridad ciudadana.
Gracias al masivo almacenamiento de datos es posible utilizar herramientas computacionales
que identifiquen los patrones criminales, ayudando a optimizar los recursos policiales destinados
a mitigar la delincuencia, siendo Predpol® pionero en el rubro de análisis y predicción
de eventos criminales.
Este trabajo de tesis muestra un modelo basado en teoría de kernels y análisis de espectros de
frecuencia mediante Transformada Wavelet para caracterizar la evolución espacio-temporal
del riesgo criminal, permitiendo predecir la actividad delictual. El modelo utiliza información
espacio-temporal de eventos criminales ocurridos anteriormente para generar una función
de intensidad dinámica, la cual indica donde existe una mayor probabilidad de ocurrir un
evento criminal en el futuro. Se separa una base de datos criminal otorgada por Carabineros
de Chile en dos conjuntos: una denominado fase priori (captura de la tendencia criminal
histórica) y otro como fase posteriori (captura de la tendencia criminal reciente). Usando
la información espacial de los datos en cada conjunto se procede a entrenar las medias, covarianzas
y pesos asociados a cada componente que define a un Gaussian Mixture Model
(GMM). Definidos los componentes espaciales se procede a caracterizar el comportamiento
temporal de los delitos asignados a cada componente por medio del entrenamiento de Kernel
Periodicos Gaussianos (KPG) o por medio de análisis de Transformada Wavelet (TW). Finalmente
se entrega un modelo de predicción espacio-temporal del riesgo criminal capaz de
integrar la fase priori y posteriori mediante un coeficiente inter-proceso. El modelo es evaluable
en diferentes comunas y su visualización es por medio de grillas espaciales de 150x150m2
y muestrada cada ocho horas según los turnos policiales.
Este trabajo de tesis propone el estudio del modelo espacio-temporal de riesgo criminal
usando dos métodos de caracterización temporal: una mediante el entrenamiento de sumas
de KPG y otro mediante el análisis de espectros de frecuencia usando TW. Siendo posible
comparar sus desempeños utilizando un conjunto de entrenamiento y prueba. Se desarrollaron
optimizaciones paramétricas en los modelos temporales basado en minimizar el error
cuadrático medio del conjunto de prueba de cada componente espacial. Los resultados arrojan
que el proceso de caracterización temporal por medio de TW tiene una mejor tasa de
aciertos promedio que los modelos de KPG según métricas de desempeños especialmente
definidas para el problema: High Risk Porcentage (HRP), True Incident Percentage (TIP)
y Area Under Curve (AUC). El modelo de caracterización espacio-temporal del riesgo
criminal es ejecutado en 10 comunas de la Región Metropolitana, obteniendo una adecuada
tasa de acierto con una reducida cantidad de área, siendo factible su uso para predecir en
diferentes comunas. Finalmente se entrega un estudio de la importancia de la información de
la fase priori respecto a la posteriori en el desempeño del modelo espacio-temporal de riesgo
criminal. / Este trabajo ha sido parcialmente financiado por CONICYT 4191/2015 y Carabineros de Chile
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/147493 |
| Date | January 2017 |
| Creators | Fuentes Poblete, Pablo Francisco |
| Contributors | Orchard Concha, Marcos, Azurdia-Meza, César, Agüero Vásquez, Juan |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0022 seconds