Identificación Georreferenciada de Patrones de Lesiones no Fatales con Técnicas de Aprendizaje no Supervisado

Published in: Global Partnerships for Development and Engineering Education: Proceedings of the 15th LACCEI International Multi-Conference for Engineering, Education and Technology
Date of Conference: July 19-21, 2017
Location of Conference: Boca Raton, FL, United States
Authors: Ricardo Timaran Pereira, PhD. (Universidad de Nariño, CO)
Gonzalo Hernandez, MS. (Universidad de Nariño, CO)
Nelson Quemá Taimbud, Eng. (Universidad de Nariño, CO)
Full Paper: #93

Abstract:

Resumen– En este artículo se presenta uno de los resultados del proyecto de investigación que tuvo como objetivo identificar de manera georreferenciada a nivel de direcciones urbanas, patrones de eventos delictivos fatales y no fatales a partir de la información almacenada en el Observatorio del Delito del Municipio de Pasto (Colombia) con técnicas de minería de datos. Para analizar un evento delictivo y procesarlo geográficamente, se construyó un geocodificador bajo código abierto, de direcciones urbanas del municipio de Pasto, que permitió georreferenciar cada evento delictivo. Este goecodificador se integró a un visor cartográfico, que al aplicar la técnica de aprendizaje no supervisado llamda clustering, permitió visualizar e identificar patrones en zonas del municipio donde suceden los diferentes eventos delictivos. Esta información facilitará a los organismos gubernamentales y de seguridad la toma de decisiones eficaces relacionadas con la seguridad ciudadana y la prevención de delitos.