Mineração de dados e análise de ocorrências criminais: um estudo sobre o Município de Divinópolis – Minas Gerais
DOI:
https://doi.org/10.33448/rsd-v10i13.20744Palavras-chave:
Análise Criminal; Mineração de Dados em Ocorrências Criminais; Extração de regras de associação.Resumo
A criminalidade é um problema que os governos e sociedades enfrentam, sendo realizados diversos investimentos em segurança e inteligência pública, para tentar punir e prevenir ações criminais. Esse projeto tem como objetivo auxiliar na segurança pública, aplicando técnicas de Mineração de Dados sobre bases de dados contendo boletins de ocorrências criminais da cidade de Divinópolis-MG. As bases de dados contam com ocorrências de janeiro de 2016 a maio de 2019, providas pela Polícia Militar do Estado de Minas Gerais (PMMG). Como procedimentos metodológicos foi inicialmente realizada a seleção dos dados, em seguida, o pré-processamento e transformação dos dados. Na sequência, aplicou-se técnicas de mineração de dados, tais como: Clusterização e Extração de Regras de Associação. Além disso, dedicou-se uma etapa na qual foram realizadas análises estatísticas relacionadas aos crimes de “Furto” e “Roubo”, bem como crimes relacionados à violência contra a mulher. Dentre os resultados destacam-se duas Regras de Associação, encontradas com o uso do algoritmo Apriori, “Noite, Roubo” => “Vítima do sexo Masculino” e “Armas de Fogo” => “Sem lesão aparente”, além das regras foram realizadas análises estatísticas sobre os dados, como “análise das faixas etárias das vítimas” e “distribuição das ocorrências criminais na semana”. Dessa forma, conclui-se que, este trabalho chegou aos objetivos almejados, trazendo conhecimentos que podem ser utilizados pelos órgãos de segurança pública. Finalmente, sugere-se como trabalhos futuros, a ampliação da base de dados, bem como trabalhar com dados de latitude e longitude para cada ocorrência criminal.
Referências
Atlas da Violência: Divinópolis ocupa a 13ª posição entre as cidades mineiras com a maior taxa de homicídios. (2019). G1 Centro-Oeste. https://g1.globo.com/mg/centro-oeste/noticia/2019/08/06/atlas-da-violencia-divinopolis-ocupa-a-13a-posicao-entre-as-cidades-mineiras-com-a-maior-taxa-de-homicidios.ghtml.
de Amo, S. (2004). Técnicas de mineração de dados. Jornada de Atualização em Informática. JAI – CSBC. Salvador – BA.
Decreto-Lei 2.848, de 07 de dezembro de 1940. Código Penal. Rio de Janeiro, 1940. http://www.planalto.gov.br/ccivil_03/decreto-lei/del2848compilado.htm
Diniz, A. M. (2005). Migração, desorganização social e violência urbana em Minas Gerais. Raega-O Espaço Geográfico em Análise, 9.
Dornelles, J. R. W. (2017). O que é crime. Brasiliense.
Engel, C. L. (2020). A violência contra a mulher. Instituto de Pesquisa Econômica Aplicada (IPEA). http://repositorio.ipea.gov.br/handle/11058/10313
Fayyad, U. M. et al. (1996). Advances in Knowledge Discovery and Data Mining. AAAIPress, The Mit Press.
Hammound, H. J. (2013). The Value of Big Data Isn’t the Data. Harvard Business Review. https://hbr.org/2013/05/the-value-of-big-data-isnt-the.html
Kodinariya, T. M., & Makwana, P. R. (2013). Review on determining number of Cluster in K-Means Clustering. International Journal, 1(6), 90-95.
Machado, F. N. R. (2018). Big Data O Futuro dos Dados e Aplicações. Saraiva Educação SA.
Marzan, C. S., Baculo, M. J. C., de Dios Bulos, R., & Ruiz Jr, C. (2017). Time series analysis and crime pattern forecasting of city crime data. In Proceedings of the International Conference on Algorithms, Computing and Systems (pp. 113-118).
Monitor da Violência: Mesmo com queda recorde de mortes de mulheres, Brasil tem alta no número de feminicídios em 2019. G1. https://g1.globo.com/monitor-da-violencia/noticia/2020/03/05/mesmo-com-queda-recorde-de-mortes-de-mulheres-brasil-tem-alta-no-numero-de-feminicidios-em-2019.ghtml
Ochi, L. S., Dias, C. R., & Soares, S. S. F. (2004). Clusterização em mineração de dados. Instituto de Computação-Universidade Federal Fluminense-Niterói, 1, 46.
Pereira, B. L., & Brandão, W. C. (2014). ARCA: Mining Crime Patterns Using Association Rules. In 11th International Conference Applied Computing. Porto (pp. 159-165).
Prado, K. H. J. et al. (2020). Applied intelligent data analysis to government data related to criminal incident: A systematic review. Journal of Applied Security Research, 15(3), 297-331.
Prado, K. H. J., & Júnior, M. C. (2020). Data Science aplicada à análise criminal baseada nos dados abertos governamentais de Minas Gerais. Research, Society and Development, 9(11), e36391110044-e36391110044.
Prodanov, C. C., & De Freitas, E.C. (2013). Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico (2a ed.), Editora Feevale.
Romão, W., Niederauer, C. A., Martins, A., Tcholakian, A., Pacheco, R. C., & Barcia, R. M. (1999). Extração de regras de associação em C&T: O algoritmo Apriori. XIX Encontro Nacional em Engenharia de Produção, 34, 37-39.
Scalco, P. R. (2007). Criminalidade violenta em Minas Gerais: Uma proposta de alocação de recursos em segurança pública. Viçosa – MG.
Sevri, M., Karacan, H., & Akcayol, M. A. (2017). Crime analysis based on association rules using apriori algorithm. International Journal of Information and Electronics Engineering, 7(3), 99-102.
Tayal, D. K. et al. (2015). Crime detection and criminal identification in India using data mining techniques. AI & society, 30(1), 117-127.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Felipe Augusto Souza Mamedes; Marcos Alberto Saldanha; Edwaldo Soares Rodrigues
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
