Aplicação de algoritmos de roteamento e de aprendizado de máquina para análise de dados criminais

Abstract

O roubo e furto de veículos é um dos crimes mais comuns no Brasil, havendo múltiplas ocorrências dos mesmos diariamente pelo país inteiro. Para buscar resolver esse problema, a Brigada Militar do estado do Rio Grande do Sul nos passou uma proposta de trabalho que visa tentar identificar padrões nos crimes de furto e roubo de veículos, especialmente no município de Porto Alegre. Para conseguir realizar esse trabalho, a Brigada Militar ofereceu uma base de dados de crimes relacionados a veículos cometidos no Rio Grande do Sul do período de 2018 a 2022. A partir desses dados, a ideia do trabalho é conseguir prever possíveis rotas de fugas dos veículos utilizando algoritmos de roteamento geográfico e, posteriormente, utilizar os dados das possíveis rotas, junto com o restante dos dados da base de dados disponibilizada, em algoritmos de aprendizado de máquina para conseguir identificar padrões entre os crimes. As ferramentas utilizadas neste trabalho incluem o OSRM, software de geração de rotas em mapas do OSM, bibliotecas de análises de dados e aprendizado de máquina em Python e bibliotecas de geração de dashboards para analisar os resultados dos experimentos. A partir dos experimentos realizados, foram gerados diversos gráficos, tabelas e mapas com dados estatísticos que mostram os resultados obtidos na parte de análise e geração de dados e treinamento e testes dos modelos dos algoritmos de aprendizado de máquina. Analisando os resultados são demonstrados quais os algoritmos tiveram melhores desempenhos e quais os modelos tiveram o melhor percentual de dados previstos corretamente a partir dos testes e treinamentos.

The theft and robbery of vehicles is one of the most common crimes in Brazil, with multiple occurrences happening daily across the entire country. To address this problem, the military brigade of the state of Rio Grande do Sul proposed a project aimed at identifying patterns in vehicle theft and robbery crimes, especially in the municipality of Porto Alegre. To carry out this work, the military brigade provided a database containing various data on vehicle-related crimes committed in Rio Grande do Sul between 2018 and 2022. Using this data, the project aims to predict potential escape routes for vehicles through geographic routing algorithms and subsequently use the data from the possible routes along with the remaining data in the provided database in machine learning algorithms to identify patterns among the crimes. The tools employed in this project include OSRM, a software for generating routes on OSM maps, data analysis and machine learning libraries in Python, and dashboard libraries for analyzing the experimental results. From the experiments conducted, various graphs, tables, and maps were generated containing statistical data that showcase the results obtained in the analysis, data generation, training, and testing phases of machine learning algorithm models. Analyzing the results shows which algorithms had the best performance and which models achieved the highest percentage of correctly predicted data from the tests and training.