Aplicação de Redes Neurais em Grafos para predição de crimes: adaptação de modelo de predição de incidentes (2024)
- Authors:
- Autor USP: CABRAL, MARVIN MENDES - IFSC
- Unidade: IFSC
- Subjects: MODELAGEM DE DADOS; APRENDIZADO COMPUTACIONAL; TEORIA DOS GRAFOS
- Language: Português
- Abstract: Com o crescimento populacional em grandes centros urbanos, torna-se cada vez mais alarmante a situação da criminalidade. A implementação de técnicas de ciência de dados e aprendizado profundo é cada vez mais aliada à estratégias da segurança pública. Com o advento das redes neurais profundas (Deep Neural Networks - DNN), abre-se a expectativa de metodologias mais eficazes para a análise e predição de crimes, tornando possível o uso de uma grande quantidade de variáveis na construção de modelos preditivos, além disso, passa a ser viável a realização de predições em um nível de granularidade bastante fina, tanto espacialmente quanto temporalmente. A estrutura de uma cidade pode ser representada por um grafo de ruas, onde os nós são os segmentos de rua e existem arestas quando há cruzamentos entre estes segmentos, deste modo é possível implementar um tipo específico de DNN para análise e predição de crimes, as chamadas Redes Neurais em Grafos (Graph Neural Networks – GNN), que viabilizam investigar fenômenos no nível de mapas de ruas, fato ainda pouco explorado na literatura. Ainda mais especificamente, o problema necessita de modelos que possam lidar com um grafo espaço-temporal como o gerado para a criminalidade num grafo de ruas. Deste modo foi escolhido e estudado o modelo EvolveGCN, da IBM, a fim de adaptá-lo para o contexto de crimes, em específico crimes de furto ou roubo de celulares ou veículos na região central da cidade de São Paulo, no período de 01/jan/2022 até 31/dez/2023. Com as adaptações tanto aos dados quanto ao modelo feitas, foram realizados experimentos com variações dos parâmetros do modelo, seguidas de análises dos resultados nos conjuntos de treino, validação e teste, levando a conclusões interessantes, pois ainda que o modelo não tenha desempenhado bem no problema com as adaptações implementadas, demonstrandonão lidar bem com a esparsidade do modo como está, mostrou potencial ao expressar as predições projetadas no mapa da cidade, identificando bem alguns hotspots de interesse.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
CABRAL, Marvin Mendes. Aplicação de Redes Neurais em Grafos para predição de crimes: adaptação de modelo de predição de incidentes. 2024. Trabalho de Conclusão de Curso (Graduação) – Instituto de Física de São Carlos, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/0c443ba1-a1aa-47ea-a8ca-3045575e4895/Marvin_Mendes_Cabral.pdf. Acesso em: 25 mar. 2025. -
APA
Cabral, M. M. (2024). Aplicação de Redes Neurais em Grafos para predição de crimes: adaptação de modelo de predição de incidentes (Trabalho de Conclusão de Curso (Graduação). Instituto de Física de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/0c443ba1-a1aa-47ea-a8ca-3045575e4895/Marvin_Mendes_Cabral.pdf -
NLM
Cabral MM. Aplicação de Redes Neurais em Grafos para predição de crimes: adaptação de modelo de predição de incidentes [Internet]. 2024 ;[citado 2025 mar. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/0c443ba1-a1aa-47ea-a8ca-3045575e4895/Marvin_Mendes_Cabral.pdf -
Vancouver
Cabral MM. Aplicação de Redes Neurais em Grafos para predição de crimes: adaptação de modelo de predição de incidentes [Internet]. 2024 ;[citado 2025 mar. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/0c443ba1-a1aa-47ea-a8ca-3045575e4895/Marvin_Mendes_Cabral.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Marvin_Mendes_Cabral.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
