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

• Ricardo Timaran Pereira ^[1] ; Gonzalo Hernández ^[1] ; Nelson Quemá Taimbud ^[1]
  1. [1] Universidad de Nariño

     Universidad de Nariño

     Colombia

     
• Localización: Global Partnerships for Development and Engineering Education: Proceedings of the 15th LACCEI International Multi-Conference for Engineering, Education and Technology,July 19-21, 2017, Boca Raton, FL, United States / Victor Hugo Gonzalez Jaramillo (dir.), Pedro Fabricio Zanzzi Diaz (dir.), Rudy Altamirano Zambrano (dir.), Gissela Ganchozo Ortega (aut.), 2017, ISBN 978-0-9993443-0-9
• Idioma: español
• Enlaces
  • Texto completo
• 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.