Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública

Detalhes bibliográficos
Autor(a) principal: Kremer, Gustavo Ribeiro
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/259327
Resumo: Em todo o território do estado do Rio Grande do Sul, ocorrem diariamente milhares de ocorrências criminais, os registros de tais acontecimentos são volumosos e representam uma grande parcela dos problemas da sociedade moderna. Entre esses acontecimentos, os crimes de furto e roubo de veículos se destacam pelo impacto que causam na sociedade. Esse trabalho explora a utilização de aprendizado de máquina para entender como podem ser utilizados para identificar padrões e prever os crimes de subtração de veículos. São experimentados diferentes modelos de aprendizado não supervisionado e supervisionado aplicados a dados do município de Porto Alegre. Os dados foram disponibilizados pela brigada militar por meio da Lei de Acesso à Informação. Os experimentos com aprendizado não supervisionado conseguiram agrupar as subtrações por localização e valor do veículo, identificando padrões nas ocorrências dos fatos. Após os experimentos, foi desenvolvida uma visualização interativa com Dashboards, para visualizar os agrupamentos e permitir assim a obtenção de insights e estratégias de combate ao crime. Os modelos de aprendizado supervisionado obtiveram acurácia de até 67% na predição de qual região da cidade os veículos subtraídos serão encontrados.
id UFRGS-2_b9894a6781b78970c143f5e3b42a340f
oai_identifier_str oai:www.lume.ufrgs.br:10183/259327
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Kremer, Gustavo RibeiroGalante, Renata de MatosBrauner, Daniela Francisco2023-06-23T03:32:45Z2023http://hdl.handle.net/10183/259327001169473Em todo o território do estado do Rio Grande do Sul, ocorrem diariamente milhares de ocorrências criminais, os registros de tais acontecimentos são volumosos e representam uma grande parcela dos problemas da sociedade moderna. Entre esses acontecimentos, os crimes de furto e roubo de veículos se destacam pelo impacto que causam na sociedade. Esse trabalho explora a utilização de aprendizado de máquina para entender como podem ser utilizados para identificar padrões e prever os crimes de subtração de veículos. São experimentados diferentes modelos de aprendizado não supervisionado e supervisionado aplicados a dados do município de Porto Alegre. Os dados foram disponibilizados pela brigada militar por meio da Lei de Acesso à Informação. Os experimentos com aprendizado não supervisionado conseguiram agrupar as subtrações por localização e valor do veículo, identificando padrões nas ocorrências dos fatos. Após os experimentos, foi desenvolvida uma visualização interativa com Dashboards, para visualizar os agrupamentos e permitir assim a obtenção de insights e estratégias de combate ao crime. Os modelos de aprendizado supervisionado obtiveram acurácia de até 67% na predição de qual região da cidade os veículos subtraídos serão encontrados.Throughout the territory of the state of Rio Grande do Sul, thousands of criminal occurrences occur daily, the records of such events are voluminous and represent a large portion of the problems of modern society. Among these events, the crimes of vehicle theft stand out for the impact they cause on society. In order to understand how they can be used, this work explores the use of machine learning to understand patterns and predict vehicle theft crimes. Different models of unsupervised and supervised learning applied to subtraction data from vehicles in the city of Porto Alegre are experimented. The data were made available by the military brigade through the Access to Information Act. Experiments with unsupervised learning were able to group subtractions by location and vehicle value, identifying patterns in the occurrence of facts. After the experiments, an interactive visualization was developed with Dashboards, to visualize the groupings and thus allow the obtaining of insights and strategies to combat crime. The supervised learning models achieved an accuracy of up to 67% in predicting which region of the city the subtracted vehicles will be found.application/pdfporAprendizado de máquinaVisualizaçãoInteligência artificialBase de dadosPublic dataAlgoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança públicaMachine learning algorithms applied to public data from criminal occurrences to obtain insights in public safety info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2023Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001169473.pdf.txt001169473.pdf.txtExtracted Texttext/plain115039http://www.lume.ufrgs.br/bitstream/10183/259327/2/001169473.pdf.txt6920a1ac6e391382458224a93f53fdf3MD52ORIGINAL001169473.pdfTexto completoapplication/pdf3719635http://www.lume.ufrgs.br/bitstream/10183/259327/1/001169473.pdf6faaf49185950630fef3e7bf554450c8MD5110183/2593272023-06-24 03:37:25.268123oai:www.lume.ufrgs.br:10183/259327Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2023-06-24T06:37:25Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
dc.title.alternative.en.fl_str_mv Machine learning algorithms applied to public data from criminal occurrences to obtain insights in public safety
title Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
spellingShingle Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
Kremer, Gustavo Ribeiro
Aprendizado de máquina
Visualização
Inteligência artificial
Base de dados
Public data
title_short Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
title_full Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
title_fullStr Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
title_full_unstemmed Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
title_sort Algoritmos de aprendizado de máquina aplicados a dados públicos para obtenção de insights em segurança pública
author Kremer, Gustavo Ribeiro
author_facet Kremer, Gustavo Ribeiro
author_role author
dc.contributor.author.fl_str_mv Kremer, Gustavo Ribeiro
dc.contributor.advisor1.fl_str_mv Galante, Renata de Matos
dc.contributor.advisor-co1.fl_str_mv Brauner, Daniela Francisco
contributor_str_mv Galante, Renata de Matos
Brauner, Daniela Francisco
dc.subject.por.fl_str_mv Aprendizado de máquina
Visualização
Inteligência artificial
Base de dados
topic Aprendizado de máquina
Visualização
Inteligência artificial
Base de dados
Public data
dc.subject.eng.fl_str_mv Public data
description Em todo o território do estado do Rio Grande do Sul, ocorrem diariamente milhares de ocorrências criminais, os registros de tais acontecimentos são volumosos e representam uma grande parcela dos problemas da sociedade moderna. Entre esses acontecimentos, os crimes de furto e roubo de veículos se destacam pelo impacto que causam na sociedade. Esse trabalho explora a utilização de aprendizado de máquina para entender como podem ser utilizados para identificar padrões e prever os crimes de subtração de veículos. São experimentados diferentes modelos de aprendizado não supervisionado e supervisionado aplicados a dados do município de Porto Alegre. Os dados foram disponibilizados pela brigada militar por meio da Lei de Acesso à Informação. Os experimentos com aprendizado não supervisionado conseguiram agrupar as subtrações por localização e valor do veículo, identificando padrões nas ocorrências dos fatos. Após os experimentos, foi desenvolvida uma visualização interativa com Dashboards, para visualizar os agrupamentos e permitir assim a obtenção de insights e estratégias de combate ao crime. Os modelos de aprendizado supervisionado obtiveram acurácia de até 67% na predição de qual região da cidade os veículos subtraídos serão encontrados.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-06-23T03:32:45Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/259327
dc.identifier.nrb.pt_BR.fl_str_mv 001169473
url http://hdl.handle.net/10183/259327
identifier_str_mv 001169473
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/259327/2/001169473.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/259327/1/001169473.pdf
bitstream.checksum.fl_str_mv 6920a1ac6e391382458224a93f53fdf3
6faaf49185950630fef3e7bf554450c8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224662304161792

Registros relacionados