Proposta de policiamento inteligente : integrando modelos de localização preditiva e de roteirização eficiente de patrulhas policiais

Abstract

A presente dissertação apresenta proposta de policiamento inteligente a partir de um modelo integrado para o planejamento de ações policiais preventivas, considerando uma localização preditiva e uma roteirização eficiente de patrulhas. A segurança pública tem se apresentado como um problema cada vez mais complexo, que interfere diretamente na vida da sociedade, sendo que crimes violentos conduzem ao medo e a sensação de insegurança prejudicial ao convívio social e desenvolvimento das comunidades. Diante disso, busca-se propor um modelo para auxiliar no planejamento tático-operacional de patrulhas policiais com dois focos: posicioná-las em locais de maior risco de incidência de crimes de homicídios e sugerir rotas que permitam a cobertura dos pontos de risco com o menor tempo de deslocamento e, consequentemente, recursos. A proposta utiliza, para a localização das facilidades, a modelagem preditiva do Risk Terrain Modeling (RTM), empregando a ferramenta QGIS. Implementou-se a aplicação com dados reais para a prevenção de homicídios, a partir de fatores de risco específicos, de uma região do município de Porto Alegre, no período de 18 meses, entre janeiro de 2020 e junho de 2021. Após comparação com outros modelos de otimização como k-means, p-medianas e problema de localização com máxima cobertura (MCLP), o modelo RTM apresentou melhores resultados. Na sequência, o modelo integra uma proposta de roteirização, utilizando a metaheurística Busca Tabu, permitindo o atendimento dos pontos de risco, com grande aproveitamento do turno de serviço e redução de custos (distância e tempo) comparando-se com o emprego de uma heurística gulosa. Após os resultados, propõe-se um modelo integrado de policiamento inteligente, Modelo Preditivo de Localização e Roteirização de Patrulhas (MPLRP), o qual entende-se que pode ser utilizada na prática, tendo em vista que a verificação utilizou dados policiais reais e considerou as rotas nas vias públicas utilizando ferramenta Google Maps integrada em Python.

The present thesis presents a proposal for smart policing based on an integrated model for planning preventive police action, considering predictive location and efficient patrol routing. Public security has become an increasingly complex problem which interferes directly in our society’s life. Violent crimes lead to fear and to a feeling of insecurity that is detrimental to social coexistence and community development. Considering this, the goal is to propose a model to help with police patrol tactical and operational planning with two focal points: positioning patrols in locations with a higher risk of homicides and suggesting routes that enable the coverage of said areas with the lowest possible travel time, thus using less resources. The proposal uses the Risk Terrain Modeling (RTM) predictive model employing the QGIS tool to locate the premises. The application was implemented with real-time data to prevent homicides based on specific risk factors in a part of the city of Porto Alegre during an 18-month period, between January 2020 and June 2021. After comparing it with other optimization models such as k-means, p-medians, and maximum coverage location problem (MCLP), the RTM model obtained better results. Subsequently, the model became part of a routing proposal using the metaheuristic Tabu Search method, enabling the coverage of risk points with good use of the service shift and a reduction in costs (distance and time) compared to a greedy heuristic. After the results, an integrated smart policing model is proposed. The Predictive Model for Patrol Location and Routing (PMPLR) exhibits practical use possibilities, since the validation used real police data and considered routes on public streets by using the Google Maps tool integrated with Python.