Metodologia híbrida de análise de dados estruturados e dados não estruturados para apoio ao processo decisório em segurança pública

Abstract

A segurança pública deve ser estrategicamente concebida para minimizar a criminalidade e garantir um nível de segurança mais elevado. Ao considerar esse contexto, verifica-se que a análise de dados de crime contribui para o estabelecimento de ações que devem ser realizadas para garantir este nível mais elevado de segurança. Nestas análises são considerados dados estruturados de agências governamentais e dados não estruturados de redes sociais, como o Twitter, mas não os dois em conjunto. Comprova-se que não há incorporação e integração desses dados, o que permitiria aumentar a precisão de métodos de análise de dados, como algoritmos de aprendizagem de máquinas. Assim, este trabalho propõe uma metodologia híbrida de análise de dados, considerando a integração de dados estruturados e dados não estruturados, que permita que algoritmos de análise de dados, como aprendizagem de máquina, por exemplo, possam realizar as análises necessárias em segurança pública. A integração acontece em duas esferas principais: a primeira, a partir da absorção e análise de dados estruturados disponibilizados por agências governamentais; e a segunda, a partir da absorção, classificação e análise de dados não estruturados, provenientes de plataformas digitais, como é o caso do Twitter, plataforma Onde Fui Roubado e do CityCopy. Com isto, torna-se possível transformar e incorporar esses dados em uma base de repositório única. A partir dessa metodologia híbrida foi construído um sistema de apoio à decisão (DS.Security) para que as análises possam ocorrer em segurança pública. O DS.Security possui três modelos para ilustrar a aplicabilidade desta metodologia: o primeiro, de classificação de bairros; o segundo, de perfil criminal; e o terceiro, de classificação de bairros levando em consideração a violência contra a mulher. Como resultado, a taxa de precisão dos algoritmos de aprendizagem de máquina, como é o caso do J.48, ExtraTrees, Naive Bayes e Support Vector Machine aumentou cerca de 10% em comparação com a aplicação desses algoritmos, apenas, em dados estruturados nos modelos associados ao sistema de apoio à decisão.