Geoinformática e Geoestatística: Uma Visão Geral

Mapeamento de crimes usando agentes de inteligência artificial no condado da cidade de Nairóbi, Quênia

Mbani BO, Odera PA e Kenduiywo BK

A análise e a previsão do crime continuam sendo uma tarefa bastante difícil, pois o sistema criminal é excessivamente complexo. Em Nairóbi, o crime está aumentando o desafio para a polícia, apesar do esforço crescente para atingir o vício. Isso se deve ao fato de que os fatores subjacentes que levam a um aumento nos eventos criminais, que incluem a proliferação de
armas de fogo leves, a presença de grupos criminosos organizados, a distribuição desigual de recursos, políticas precárias de planejamento do uso do solo urbano, o desemprego juvenil e o abuso de substâncias, juntamente com uma força policial mal preparada, tanto em termos de recursos quanto de logística, ainda precisam ser totalmente abordados. Consequentemente, o nexo entre
a ocorrência do crime e a localização espacial do evento do crime é um relacionamento fundamental na modelagem do crime. Este artigo apresenta uma abordagem espacial-temporal baseada em agentes para modelar ocorrências de crimes explorando a convergência das duas tecnologias: inteligência artificial e sistemas de informação geográfica. A inteligência artificial (IA) é
usada para construir o comportamento humano em agentes que exploram o ambiente espacial de forma autônoma, ao mesmo tempo em que aprendem com a experiência. Especificamente, o algoritmo de IA usado no estudo é uma forma de aprendizado por reforço, conhecido como q-learning. Aprendizado por reforço é um tipo de abordagem de aprendizado de máquina
que modela, nos agentes, a capacidade de encontrar seus caminhos ao longo das redes de ruas, aprendendo com a experiência em cada iteração conforme a simulação prossegue. Três tipos de agentes foram projetados nesta simulação: agentes infrator; alvo e guardião. A simulação multiagente foi desenvolvida no software Netlogo. Netlogo
ambiente permite que um usuário projete um ambiente artificial compreendendo os três agentes, incluindo possíveis locais de ocorrência de crimes após várias iterações para gerar padrões de crimes. Além de projetar agentes que participam de um evento de crime, um modelo de terreno de risco foi gerado pela sobreposição de um conjunto de fatores de risco potenciais que influenciam um evento de crime. Esses fatores foram testados primeiro para sua colocalização com a ocorrência de crimes usando um teste qui-quadrado e, finalmente, sobrepostos para gerar uma superfície de terreno de risco. Uma validação para testar a precisão do modelo foi conduzida comparando as contagens de crimes geradas pela simulação com aquelas relatadas pelas autoridades. A métrica usada na comparação é o coeficiente de correlação de classificação de Spearman. A validação produz um coeficiente de correlação de 0,4, indicando que há algum grau de correlação positiva, pois para uma correlação positiva perfeita, esperamos um coeficiente de correlação de 1. O coeficiente de correlação é um pouco baixo devido a várias suposições feitas nesta simulação, como permitir apenas que os agentes se movam ao longo de uma rede de ruas e limitar o tipo de crime apenas ao roubo de rua. Além disso, o conjunto de fatores de risco potenciais considerados na geração da superfície de risco é finito quando, na verdade, na vida real, os fatores que motivam o crime são complexos, multidimensionais e quase infinitos em número.