%0 Thesis
%A Suárez Ruiz, Yvonne Maritza
%A Bedoya Cruz, Andrés Felipe
%8 2023-10-24
%U http://hdl.handle.net/10818/59141
%X La seguridad ciudadana es esencial para el bienestar de los habitantes. Sin
embargo, el aumento de las tasas de criminalidad ha generado la necesidad de
proveer a las autoridades y la ciudadanía herramientas efectivas para la toma de
decisiones, con esto la implementación de modelos de Machine Learning toma
mayor relevancia para apoyar estos esfuerzos.
Con el objetivo de contribuir a la solución del problema de inseguridad, se
desarrollaron dos modelos de Machine Learning enfocados en analizar los patrones
de criminalidad en Bogotá durante el periodo post-pandemia de enero 2021 a mayo
2023. El primero es un modelo de clasificación que permite identificar la ocurrencia
de delitos de alto impacto (si o no), obteniendo un F1-score entre 0.70 y 0.80. El
segundo es un modelo de regresión para predecir la cantidad de estos delitos, con
un error absoluto medio (MAE) entre 0.2 y 3.13. Ambos modelos brindan resultados
prometedores para apoyar la toma de decisiones informadas en seguridad
ciudadana en la ciudad. Para el desarrollo del modelo se utilizaron 2 bases de datos públicas, una de ellas
de la Secretaría Distrital de Seguridad de Bogotá, la cual contiene los reportes
mensuales de delitos en el periodo mencionado, si bien se cuenta con datos
históricos desde 2010 para no afectar el análisis de la situación actual, estos no se
tendrán en cuenta debido a que pueden ser menos relevantes para las condiciones
actuales y futuras, ya que la pandemia ha modificado los patrones delictivos de
forma significativa y posiblemente duradera, y la otra corresponde a la Encuesta
Multipropósito Bogotá – Cundinamarca (EM) realizada en 2021 y publicada en 2022,
dicha encuesta se realizó debido a un convenio entre el Departamento
Administrativo Nacional de Estadística (DANE) y la Secretaría Distrital de
Planeación (SDP), los cuales buscaban obtener información socioeconómica y de entorno urbano de los habitantes de Bogotá. Al combinar las 2 bases de datos
manejamos variables categóricas como fecha, año, rango del día, localidad, upz,
sexo, arma empleada, y variables numéricas como ingreso per cápita, número de
personas, pobreza multidimensional, desempleado, personas por hogar entre otras.
El aporte de este trabajo será brindar una solución basada en inteligencia artificial
que apoye la labor de las entidades a cargo de la seguridad y la toma de decisiones
informadas para proteger a los ciudadanos, así como también a los mismos
ciudadanos cuando acceden a la herramienta, básicamente el entregable es un
enlace de acceso y al momento de ingresar tienen la opción de utilizar listas
desplegables para seleccionar y de esta manera tendrán la información del tipo y
cantidad del delito.
%I Universidad de La Sabana
%T Modelo de clasificación y predicción de delitos de alto Impacto en la ciudad de Bogotá
%~ Intellectum