Please use this identifier to cite or link to this item: https://ri.ufs.br/jspui/handle/riufs/14190
Document Type: Dissertação
Title: Data science aplicada à análise criminal baseada nos dados abertos governamentais do Brasil
Authors: Prado, Kleber Henrique de Jesus
Issue Date: 25-Nov-2020
Advisor: Rodrigues Júnior, Methanias Colaço
Resumo : Contexto: Crime é um problema social comum e complexo, que afeta a qualidade de vida, o crescimento econômico e a reputação de uma nação. Governantes e a sociedade em geral têm tido enormes problemas causados por esse fenômeno, gastando, a cada ano, milhões de dólares combatendo a violência e, consequentemente, causando grande preocupação com o seu controle para as agências de segurança pública. Portanto, novas abordagens e sistemas avançados são necessários para melhorar a análise de crimes e para proteger a sociedade. Neste contexto, a Data Science vem desempenhando um papel fundamental na melhoria dos resultados das investigações e detecções criminais, facilitando o registro, a análise de recuperação e o compartilhamento das informações. Objetivo: Aplicar fundamentos de Data Science e fornecer um modelo automatizado, constantemente atualizado, para analisar dados abertos governamentais relacionados aos crimes ocorridos nas Unidades Federativas (UFs) brasileiras e nos municípios de Minas Gerais. Método: Inicialmente, foi executada uma Revisão Sistemática (RS) quantitativa (com metanálise), como forma de identificar e sistematizar as principais abordagens, técnicas e algoritmos utilizados na análise inteligente de dados governamentais abertos relacionados a incidentes criminais. Em seguida, dois experimentos controlados foram executados para descoberta de regras de associação entre estados, municípios, crimes, Regiões Integradas de Segurança Pública (RISPs), alvos de roubo e alvos de furto. Adicionalmente, foi realizada a detecção de outliers em relação às taxas de criminalidade e foram desenvolvidos rankings que demostram os locais (estados, municípios ou RISPs) mais perigosos. Resultados: No contexto dos estados brasileiros, do ponto de vista geral, com ponderações para os crimes, o Paraná foi o local mais perigoso, em todos os anos avaliados. Destaque também para o Rio de Janeiro, ocupando sempre a segunda posição. Além disso, os estados de Goiás, Pernambuco e Rondônia foram classificados entre os cinco mais perigosos, em três dos cinco anos analisados. Sob a perspectiva única dos assassinatos, em 2019, os estados de Roraima, Rio Grande do Norte, Sergipe, Acre e Pernambuco foram classificados entre os dez mais violentos, sendo Pernambuco e Acre os estados mais perigosos nas duas perspectivas (média ponderada e homicídios). Em relação às regras de associação, ficou evidenciado que existem dependências entre crimes e estados. No âmbito do estado de Minas Gerais, os municípios de Belo Horizonte, Confins e Contagem estiveram, constantemente, entre os cinco mais perigosos. Além disso, ficou evidenciado que há dependências entre: crimes e municípios, crimes e RISPs, alvos de roubo e municípios, e alvos de roubo e RISPs. Por outro lado, não foram detectadas associações entre alvos de furto e municípios, e alvos de furto e RISPs. Conclusão: A Data Science possibilita a execução de diagnósticos mais precisos e mais céleres, auxiliando o planejamento estratégico e a tomada de decisão em Segurança Pública.
Abstract: Context: Crime is a common and complex social problem that affects a nation’s quality of life, economic growth and reputation. Governments and society in general have had enormous problems caused by this phenomenon. Each year, governments spend millions of dollars fighting violence and, consequently, crime prevention and control are issues of great concern to public security agencies. Therefore, new approaches and advanced systems are needed to improve crime analysis and to protect their communities. In this context, Data Science has been playing a vital role in improving the results of criminal investigations and detections, facilitating registration, recovery analysis and information sharing. Objective: Apply fundamentals of Data Science and provide an automated model, constantly updated, to analyze open government data related to crimes occurred in the Federative Units (FUs) and in the municipalities of Minas Gerais. Method: Initially, we performed a quantitative Systematic Review (SR) (with meta-analysis), as a way to identify and systematize the main approaches, techniques and algorithms used in the intelligent analysis of open government data related to criminal initiates. Then, we performed two experiments to discover rules of association between states, municipalities, crimes, Integrated Public Security Regions (IPSRs), theft targets and theft targets. Additionally, we detect outliers in relation to crime rates and developed rankings that show the most dangerous locations (states, municipalities or IPSRs). Results: In the context of Brazilian states, from a general point of view, with weights for crimes, Paraná was the most dangerous place in all the years evaluated. Also noteworthy for Rio de Janeiro, always occupying the second position. Besides that, the states of Goiás, Pernambuco and Rondônia were classified among the five most dangerous, in three of the five years analyzed. From the single perspective of murders, in 2019, the states of Roraima, Rio Grande do Norte, Sergipe, Acre and Pernambuco were ranked as the ten most violent ones, being Pernambuco and Acre among the most dangerous states from the two perspectives (weighted average and murders). Regarding the association rules, it became evident that there are dependencies between crimes and states. In the context of the state of Minas Gerais, Belo Horizonte, Confins and Contagem were constantly among the five most dangerous municipalities. In addition, it became evident that there are dependencies between: crimes and municipalities, crimes and IPSRs, robbery targets and municipalities, and robbery targets and IPSRs. However, no associations were detected between theft targets and municipalities, and theft targets and IPSRs. Conclusion: Data Science enables the execution of more accurate and faster diagnostics, helping strategic planning and decision making in Public Security.
Keywords: Computação
Análise criminal
Banco de dados
Administração pública
Ciência de dados
Association rules
Criminal analysis
Data science
Meta-analysis
Subject CNPQ: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Institution: Universidade Federal de Sergipe
Program Affiliation: Pós-Graduação em Ciência da Computação
Citation: PRADO, Kleber Henrique de Jesus. Data science aplicada à análise criminal baseada nos dados abertos governamentais do Brasil. 2020. 146 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, Sergipe, 2020.
License: Autorização para publicação no Repositório da Universidade Federal de Sergipe (RI-UFS), concedida pelo autor.
URI: https://ri.ufs.br/jspui/handle/riufs/14190
Appears in Collections:Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
KLEBER_HENRIQUE_JESUS_PRADO.pdf3,35 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.