Análise Exploratória de Dados de Violência Usando Algoritmos de Agrupamento Particional (2025)
- Authors:
- Autor USP: OLIVEIRA, STEPHESON ALVES DE - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; CRIMINALIDADE; MUNICÍPIO; SEGURANÇA PÚBLICA; ANÁLISE DE SÉRIES TEMPORAIS
- Language: Português
- Abstract: A criminalidade urbana constitui um desafio multifacetado para gestores públicos, exigindo ferramentas analíticas capazes de identificar padrões e subsidiar políticas baseadas em evidências. Este trabalho tem como objetivo avaliar a aplicabilidade de algoritmos de agrupamento particional — especificamente k-means, k-DBA e k-shape — para identificar grupos de municípios do Estado de São Paulo com séries históricas mensais de criminalidade semelhantes, utilizando dados da Secretaria de Segurança Pública (SSP-SP) referentes a 18 tipos de crime. A metodologia abrangeu a coleta e organização de séries temporais de 645 municípios entre 2020 e 2025, com foco nos períodos de 1, 2, 3 e 5 anos. Após o pré-processamento, os algoritmos foram executados com k variando entre 2 e 15, testando diferentes números de clusters, e a qualidade dos agrupamentos foi avaliada por meio do coeficiente de silhueta, permitindo identificar o número ótimo de clusters e comparar o desempenho dos algoritmos. Os resultados indicaram que a eficácia dos agrupamentos depende da estrutura temporal e da frequência de cada tipo de crime. O k-means apresentou bom desempenho em crimes de baixo volume e baixa prevalência, em que as diferenças de magnitude foram suficientes para discriminar grupos. Por empregar DTW, o k-DBA mostrou-se mais robusto para capturar semelhanças de forma e dinâmica temporal, sendo particularmente eficaz em crimes de alta prevalência, nos quais o alinhamento elástico revelou padrões defasados que o k-means não capturou. No contexto deste estudo, o k-shape apresentou desempenho inferior, com clusters desbalanceados e comportamento semelhante à detecção de outliers, mostrando-se menos adequado aos dados e ao delineamento experimental aqui adotados. Observou-se predominância de soluções com k = 2, refletindo estruturas binárias (um cluster principal e outro “residual”).As matrizes de perfis de crime (volume × prevalência) e de relação algoritmo–perfil criminal, elaboradas neste estudo, consolidaram os achados e funcionam como guias diagnósticos para estimar a “clusterabilidade” de cada crime. Em síntese, o trabalho demonstra a viabilidade de técnicas de agrupamento como ferramentas de apoio à gestão de segurança pública, possibilitando que gestores identifiquem municípios com perfis criminais semelhantes e aloquem recursos de forma estratégica, contribuindo para políticas públicas baseadas em evidências e fortalecendo a capacidade do Estado de prevenir e combater a criminalidade.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
-
ABNT
OLIVEIRA, Stepheson Alves de. Análise Exploratória de Dados de Violência Usando Algoritmos de Agrupamento Particional. 2025. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/274fd629-e663-4763-b09d-0a97bc628f0f/Stepheson_Alves_de_Oliveira_TCC_2025.pdf. Acesso em: 16 abr. 2026. -
APA
Oliveira, S. A. de. (2025). Análise Exploratória de Dados de Violência Usando Algoritmos de Agrupamento Particional (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/274fd629-e663-4763-b09d-0a97bc628f0f/Stepheson_Alves_de_Oliveira_TCC_2025.pdf -
NLM
Oliveira SA de. Análise Exploratória de Dados de Violência Usando Algoritmos de Agrupamento Particional [Internet]. 2025 ;[citado 2026 abr. 16 ] Available from: https://bdta.abcd.usp.br/directbitstream/274fd629-e663-4763-b09d-0a97bc628f0f/Stepheson_Alves_de_Oliveira_TCC_2025.pdf -
Vancouver
Oliveira SA de. Análise Exploratória de Dados de Violência Usando Algoritmos de Agrupamento Particional [Internet]. 2025 ;[citado 2026 abr. 16 ] Available from: https://bdta.abcd.usp.br/directbitstream/274fd629-e663-4763-b09d-0a97bc628f0f/Stepheson_Alves_de_Oliveira_TCC_2025.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Stepheson_Alves_de_Olivei... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
