Compartir

La predicción del delito siempre ha sido un área de investigación interesante y se han invertido importantes recursos en ella. En el futuro, los macrodatos, bien aplicados y anonimizados, podrían ser la clave para predecir la delincuencia con precisión.

Telefónica lleva un tiempo dedicando parte de su investigación al tema del big data, demostrando que puede aportarnos la información que necesitamos para hacernos una idea de las diferentes costumbres sociales con las que podemos crear perfiles de comportamiento. Análisis de grandes ofertas de paquetes de datos anónimos información detallada sobre el usuario y sus preferencias, un hecho que incluso nos permite Optimizar áreas económicas. Esta técnica ya se utilizó para la elaboración del elaboró ​​el primer informe sobre el turismo en España a partir de datos derivados de la actividad digital. El estudio Big Data y turismo: nuevos indicadores para la gestión turística ofrece una nueva metodología para analizar y conocer más sobre el sector turístico que nos permite personalizar los servicios ofrecidos y aprovecharlos al máximo.

Big data para predecir el crimen

Un equipo de investigadores de la Fondazione Bruno Kessler (FBK) italiana, Alex Pentland del MIT y Nuria Oliver, directora científica de Telefónica I + D en Barcelona, ​​ha decidido si el análisis de macrodatos de la economía basada en el comportamiento puede ayudar a las personas en anticiparse a los riesgos de la misma manera; tanto sanitario como social.

Por eso se juntaron el proyecto Crime Hot Spots. Una minería de datos que lo hace posible Detecta escenas de crímenes en el futuro con un 70% de precisión 70%. ¿Cómo? Uso de datos generados por teléfonos móviles.

El sistema actual para el avance de escenas de este tipo se basa en datos de estadísticas de delitos y demografía local, pero recopilarlos es un proceso lento, costoso y difícil de actualizar. Este problema se soluciona con los datos generados por los teléfonos móviles, que aunque tratado agregado y anonimizadocoleccionar información importante sobre sus propietarios, como género, edad y ubicación en tiempo real.

Después de darse cuenta de todos estos beneficios, el equipo decidió utilizar los datos generados por los usuarios de celulares con el servicio O2 de Telefónica en el centro de Londres. Para ello, contaron con la ayuda de expertos en Ciencia de datos, análisis de big data, inteligencia artificial y aprendizaje automático y con los datos del censo de cada barrio proporcionados por el British Open Data Institute.

Utilizando estadísticas de delincuencia y demográficas durante un cierto período de tiempo, crearon un algoritmo que puede predecir las tasas de delincuencia para un período posterior de la misma duración. Con este primer intento, el algoritmo logró una tasa de éxito del 62% en el área que se convirtió en la escena del crimen al mes siguiente. Pero, como explica Nuria Oliver, “al utilizar los datos de la dinámica de la ciudad en función de la actividad de las torres de telefonía celular, obtuvimos más precisión”.

A estos resultados, agregaron los datos generados por los teléfonos móviles y revisaron el algoritmo, Aumento del margen de acierto a casi el 70%. Aunque ya es un porcentaje muy alto, el equipo científico tiene la intención de perfeccionar el sistema y asegurar el uso anonimizado y agregado de los datos antes de que se pongan a disposición del público, ya que las pruebas se realizaron a menor escala con una menor cantidad. de ella. Cómo los resultados podrían ser de interés en los gobiernos y las fuerzas de seguridadAntes de que se hagan oficiales, es necesario perfeccionar la técnica. “Por el momento no podemos hacer muchas generalizaciones como si fuera un modelo universal. Es importante validar el modelo en otras regiones, por ejemplo para ver qué rasgos son culturales”, dice Nuria.

Además, el equipo prefiere especificar el concepto de delito, que difiere según el tipo de delito, y también conoce los momentos del día más favorables para tal evento. Sin embargo, para Nuria Oliver es innegable que este es un ejemplo más de cómo “los datos que parecen crudos pueden aportar un gran valor. Y además de eso, son anónimos.

Dejar una respuesta

Please enter your comment!
Please enter your name here