Un estudio publicado en la revista EPJ Data Science muestra como se pueden predecir con mayor precisión los delitos. Ésta investigación fue realizada por un equipo de investigadores de RMIT, quiénes combinaron los datos de ubicación de la aplicación Foursquare con los algoritmos de recomendación para evaluar las probabilidades.

Según revela la científica informática de RMIT, Dra. Flora Salim, la información dinámica en tiempo real sobre los movimientos de personas es de gran vitalidad, ya que, contribuye a comprender la probabilidad de diferentes situaciones en un área en específico.

Sin embargo, para llenar muchos de los datos vacíos, que se presentan en Foursquare, ya que, no todos los sujetos suministran la información necesaria, los investigadores han desarrollado algoritmos de recomendación muy similares a los utilizados por la plataforma Spotify para recomendar canciones.

Obviamente, la gran mayoría de las personas en la ciudad no siempre usaban la aplicación y los que cometían delitos probablemente no publicaban en la aplicación. Entonces, utilizamos sistemas de recomendación para llenar los vacíos y predecir otras actividades en cualquier escenario.

Este estudio utilizó los datos de más de 20.000 registros en Brisbane y casi 230.000 usuarios de la ciudad de Nueva York.

En las pruebas realizadas en ambas ciudades, este sistema predijo todo tipo de delitos específicos en partes específicas de la ciudad de mejor manera que los modelos existentes de predicción de delitos que se basan en las tendencias delictivas.

En Brisbane, se encontró que el sistema presentaba las siguientes mejoras frente a los sistemas actuales:

  • 16% en los asaltos
  • 6% ingreso ilegal
  • 4% delitos de drogas y robo
  • 2% fraude.

Mientras que, en la ciudad de Nueva York, mejoró la precisión de la predicción en:

  • 4% delitos de robo, drogas, fraude y entrada ilegal
  • 2% asalto.

Salim destaca que, dada la escasez de conjuntos de datos utilizados en el estudio debido a los vacíos, estos resultados son significativos.

Sobre la base de estos resultados positivos, esta tecnología podría permitir a la policía diseñar estrategias de patrulla más efectivas con recursos limitados al enviar oficiales a los lugares donde es más probable que ocurra un crimen.

El sistema también se puede ampliar fácilmente para procesar muestras más grandes desde casi cualquier plataforma de redes sociales, aplicaciones o redes móviles que recopilen datos basados en la ubicación.

Los resultados de nuestras pruebas demuestran que la mejora del rendimiento de predicción después de agregar características dinámicas es considerable y estadísticamente significativa. Eso es realmente revolucionario.

El grupo ahora planea extender el trabajo al entrenar los algoritmos utilizando datos de una ciudad y aumentando su capacidad para aplicar esos aprendizajes en una ciudad diferente donde los patrones son diferentes.

Más en TekCrispy