Modelo predictivo y Análisis de Datos para eventos criminales en Barranquilla orientado en Data Mining

Actualmente la criminalidad es un concepto que con el paso del tiempo ha crecido tanto en intensidad como en complejidad; ya que este varía en gran medida, a causa y en relación al marco cultural y social en el cual se encuentre inscrito. En Barranquilla, al igual que en Colombia los índices de criminalidad aumentan de manera desmesurada año tras año, lo cual deja en evidencia la gran problemática existente debido a los altos indicadores de inseguridad que se encuentran presentes y denota la necesidad un estudio pertinente al respecto. Como solución a esto se propone elaborar un modelo predictivo para la incidencia criminal en la ciudad de Barranquilla, el cual brinde a la comunidad y a las autoridades competentes mediante un aplicativo web, la posibilidad de anticipar sucesos de esta índole, así como poder establecer un foco de interés en los barrios con mayor incidencia delictiva. Esta propuesta consta de dos apartados, en primer lugar una API que hace hace uso de Flask para resolver peticiones HTTP y en la cual se genera el modelo predictivo basado en árboles de decisión que busca dar respuesta a qué día y en qué barrio ocurrirá un evento criminal. Lo anterior es llevado a cabo debido al uso de un dataset de hurtos que brinda la policía nacional como fuente de datos. Y en segundo lugar, la capa de presentación desarrollada en React, que muestra información tanto descriptiva como predictiva de los datos obtenidos, haciendo uso de Power BI para la generación de gráficas y de la API de Google Maps para visualizar mapas de calor en los cuales se representa la cantidad de crímenes registrados por barrio. La sección predictiva de esta capa se conecta con la API mencionada previamente para poder interactuar con el modelo y obtener la información pertinente a cambio. Al finalizar las pruebas se cumple con el objetivo planteado y se logra obtener una certeza en las predicciones realizadas con los datos reservados para validación de un 75% aproximadamente.

• Autores: Camargo Rodriguez, Jesús Antonio; Márquez Escalante, Henry Andrés; Lastra Guerrero, Rafael Tobías
• Fecha de publicación: 2020
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8853
• Acceso en línea: http://hdl.handle.net/10584/8853
• Palabra clave: Minería de datos; Pronóstico de criminalidad; Predicción de criminalidad
• License: Universidad del Norte