Identificación diaria de zonas de incidencia de robo a transeúntes en la Ciudad de México durante el 2020 y su empleo para estimar escenarios de corto plazo

Delgado Andrés, Daniela; Huitrón Rodríguez, Rodrigo y Manzano Solís, Luis Ricardo (2021): Identificación diaria de zonas de incidencia de robo a transeúntes en la Ciudad de México durante el 2020 y su empleo para estimar escenarios de corto plazo. In: Martínez Pellegrini, S. E., Sarmiento Franco, J. F. y Valles Aragón M. C. (Coords.) (2021); Aproximaciones teórico-metodológicas para el análisis territorial y el desarrollo regional sostenible. (Vol. I). Edit. Universidad Nacional Autónoma de México, Instituto de Investigaciones Económicas y Asociación Mexicana de Ciencias para el Desarrollo Regional. (Colección: Recuperación transformadora de los territorios con equidad y sostenibilidad), Ciudad de México: ru.iiec.unam.mx/5412/. ISBN del volumen: UNAM 978-607-30-5332-7, AMECIDER 978-607-8632-18-3

Vista Previa

PDF Descargar (1MB)

Resumen

El presente documento explora las bases de la lógica del algoritmo de Bosque Aleatorio (Random Forest) aplicado en un SIG, empleando el análisis de regresión múltiple y método de consenso, el cual comprende las bases del machine learning para lograr identificar escenarios de incidencia del delito de robo a transeúntes en el corto plazo (cada día). Para lo cual se analizó el comportamiento diario del delito de robo a transeúntes en la Ciudad de México durante el 2020, empleando un 80% de datos diarios para el modelo y un 20% de los mismos para la validación. Con base en el modelo conceptual que señala que el escenario para el robo de transeúnte combina oportunidad, objetivo y motivación, se emplearon datos de robos a transeúnte, actividad económica, narcomenudeo y patrullaje. Entre los principales resultados destaca la predicción de zonas donde hay altas probabilidades de que suceda un delito, sin embargo, al validar con los datos reales hay una sobreestimación de esta predicción y para el caso donde hay muy bajas posibilidades que ocurra el delito se confirma al analizar los datos registrados. Tras la experiencia se puede concluir que el modelo cumple con el objetivo de predecir zonas de baja o alta probabilidad de incidencia del delito de robo en la Ciudad, no obstante, debe realizarse un ajuste pues al ser comparados con los datos reales existen discrepancias.

Acciones (requiere ser usuario registrado)

Editar objeto