Detección automática y análisis de puntos con alta frecuencia (hotspots) de crímenes en centros urbanos usando aprendizaje profundo

• Autor: Salas Luna, Luis Enrrique
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18541
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18541
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje profundo; Ingeniería de datos; Red neuronal basada en grafos; Predicción del crimen; Predicción espacio-temporal; Edge-node; https://purl.org/pe-repo/ocde/ford#1.02.01

A medida que los datos urbanos provenientes de ciudades crecen, se requieren nuevas formas de procesamiento y visualización, tanto para poder tratarlos como para obtener información útil y fácilmente interpretable, por lo que este trabajo presenta una metodología de procesamiento de datos orientado a la detección temprana de crimen. Abarcaremos tanto la recopilación de datos de centros urbanos mediante el uso de bases de datos y APIs de acceso público, la discretización de datos espaciales que permite una interpretación a nivel de calle de un centro poblado, como la implementación de un modelo predictivo que utiliza información espacio-temporal para dar una estimación de áreas propensas a un incidente delictivo con precisión aceptable. Se utilizar aprendizaje profundo como redes recurrentes y redes convoluciones, así como redes basadas en grafos.