CityGuardian: Uma ferramenta para monitorar mudanças em padrões de criminalidade nas Cidades Inteligentes

Resumo


Para combater os altos índices de criminalidade, Cidades Inteligentes recorrem a ferramentas de monitoramento e suporte para subsidiar ações de prevenção. Analisar onde e quando um crime ocorreu é o primeiro passo para entender os padrões de criminalidade. Mudanças repentinas como a pandemia da covid-19, mostram a importância de entender um fato ocorrido para se tomar uma decisão assertiva. Dessa forma, apresentamos a CityGuardian, uma ferramenta web, que monitora as ocorrências criminais e alerta ao identificar alterações de padrões no espaço-tempo. Além disso permitindo explorar em sua interface gráfica os dados que causaram essas alterações.

Palavras-chave: Detecção de anomalias, Séries Temporais, Análise Espacial, Cidades Inteligentes, Crimes

Referências

Anselin, L. (1995). Local indicators of spatial association—lisa. Geographical analysis, 27(2):93–115.

Blázquez-García, A., Conde, A., Mori, U., and Lozano, J. A. (2021). A review on outlier/anomaly detection in time series data. ACM Computing Surveys (CSUR), 54(3):1–33.

Chandola, V., Banerjee, A., and Kumar, V. (2009). Anomaly detection: A survey. ACM computing surveys (CSUR), 41(3):1–58.

Cohen, L. E. and Felson, M. (1979). Social change and crime rate trends: A routine activity approach. American sociological review, pages 588–608.

de Segurança Publica, A. B. (2021). Fórum brasileiro de segurança pública, v. 14, 2020.

Garcıa, G., Silveira, J., Poco, J., Paiva, A., Nery, M. B., Silva, C. T., Adorno, S., and Nonato, L. G. (2019). Crimanalyzer: Understanding crime patterns in são paulo. IEEE Transactions on Visualization and Computer Graphics, 27(4):2313–2328.

Garcia-Zanabria, G., Gomez-Nieto, E., Silveira, J., Poco, J., Nery, M., Adorno, S., and Nonato, L. G. (2020). Mirante: A visualization tool for analyzing urban crimes. In 2020 33rd SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), pages 148–155. IEEE.

Nivette, A. E., Zahnow, R., Aguilar, R., Ahven, A., Amram, S., Ariel, B., Burbano, M. J. A., Astolfi, R., Baier, D., Bark, H.-M., et al. (2021). A global analysis of the impact of covid-19 stay-at-home restrictions on crime. Nature Human Behaviour, 5(7):868–877.

ToppiReddy, H. K. R., Saini, B., and Mahajan, G. (2018). Crime prediction & monitoring framework based on spatial analysis. Procedia computer science, 132:696–705.

Yang, M., Chen, Z., Zhou, M., Liang, X., and Bai, Z. (2021). The impact of covid-19 on crime: A spatial temporal analysis in chicago. ISPRS International Journal of Geo-Information, 10(3):152.
Publicado
16/05/2022
LEAL, Manoel Flavio; GOMES-JR, Luiz. CityGuardian: Uma ferramenta para monitorar mudanças em padrões de criminalidade nas Cidades Inteligentes. In: TEMAS EMERGENTES: CIDADES INTELIGENTES - SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 18. , 2022, Curitiba/PR. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 366-372. DOI: https://doi.org/10.5753/sbsi_estendido.2022.222992.