Geoinformática y geoestadística: descripción general

Mapeo de delitos mediante agentes de inteligencia artificial en el condado de Nairobi, Kenia

Mbani BO, Odera PA y Kenduiywo BK

El análisis y la predicción de la delincuencia sigue siendo una tarea bastante difícil, ya que el sistema delictivo es excesivamente complejo. En Nairobi, la delincuencia supone un desafío cada vez mayor para la policía, a pesar de un mayor esfuerzo para combatir el vicio. Esto se debe al hecho de que los factores subyacentes que conducen a un aumento de los eventos delictivos, que incluyen la proliferación de
armas de fuego ligeras, la presencia de grupos delictivos organizados, la distribución desigual de los recursos, las políticas deficientes de planificación del uso del suelo urbano, el desempleo juvenil y el abuso de sustancias, junto con una fuerza policial mal preparada tanto en términos de recursos como de logística, aún no se han abordado por completo. En consecuencia, el nexo entre la
ocurrencia del delito y la ubicación espacial del evento delictivo es una relación clave en el modelado del delito. Este documento presenta un enfoque espaciotemporal basado en agentes para modelar la ocurrencia de delitos aprovechando la convergencia de las dos tecnologías: inteligencia artificial y sistemas de información geográfica. La inteligencia artificial (IA) se
utiliza para incorporar el comportamiento humano a los agentes que exploran el entorno espacial de forma autónoma y, al mismo tiempo, aprenden de la experiencia. En concreto, el algoritmo de IA que se utiliza en el estudio es una forma de aprendizaje de refuerzo denominado q-learning. El aprendizaje por refuerzo es un tipo de enfoque de aprendizaje automático
que modela, en los agentes, la capacidad de encontrar su camino a lo largo de las redes de calles, aprendiendo de la experiencia en cada iteración a medida que avanza la simulación. Se diseñaron tres tipos de agentes en esta simulación: agentes delincuentes, agentes objetivo y agentes guardianes. La simulación multiagente se desarrolló en el software Netlogo. Netlogo
El entorno permite al usuario diseñar un entorno artificial que comprende los tres agentes, incluidas las posibles ubicaciones de ocurrencia de delitos, después de varias iteraciones para generar patrones delictivos. Además de diseñar agentes que participan en un evento delictivo, se generó un modelo de terreno de riesgo superponiendo un conjunto de factores de riesgo potenciales que influyen en un evento delictivo. Estos factores se probaron primero para determinar su ubicación con la ocurrencia de delitos utilizando una prueba de Chi cuadrado y, finalmente, se superpusieron para generar una superficie de terreno de riesgo. Se realizó una validación para probar la precisión del modelo comparando los recuentos de delitos generados por la simulación con los informados por las autoridades. La métrica utilizada en la comparación es el coeficiente de correlación de rango de Spearman. La validación arroja un coeficiente de correlación de 0,4, lo que indica que existe algún grado de correlación positiva, ya que para una correlación positiva perfecta, esperamos un coeficiente de correlación de 1. El coeficiente de correlación es un poco bajo debido a varias suposiciones realizadas en esta simulación, como permitir que los agentes solo se muevan a lo largo de una red de calles y limitar el tipo de delito solo al robo callejero. Además, el conjunto de factores de riesgo potenciales considerados en la generación de la superficie de riesgo es finito cuando en realidad en la vida real los factores que motivan el delito son complejos, multidimensionales y casi infinitos en número.