Análisis, Predicción y Visualización Computacional de Crímenes mediante Redes Neuronales Profundas basada en la síntesis de datos con Kernel Density Estimation
 

1. Datos generales
Nombre del proyecto Análisis, Predicción y Visualización Computacional de Crímenes mediante Redes Neuronales Profundas basada en la síntesis de datos con Kernel Density Estimation
Resumen ejecutivo Desarrollar un modelo para la predicción de crímenes aplicable a cualquier ciudad por medio de análisis espacio-temporales de eventos criminales. Las primeras fases incluyen la preparación y pre-procesamiento de datos usando bases de datos de diferentes ciudades en el mundo -por la inexistencia de bases de datos similares en nuestro pais- para su uso en la red neuronal haciendo uso de Kernel Density Estimation y generación de datos para entrenar la red. La fase más larga sera la de validar la arquitectura de la red haciendo comparaciones contra implementaciones similares a fin de demostrar las mejoras en precisión asimismo comparar el rendimiento y otros factores como la velocidad de procesamiento. Durante todo el desarrollo se documentara el proceso y el análisis de los métodos en un articulo para ser publicado posteriormente en una conferencia internacional.
Objetivo del proyecto Desarrollo de un predictor de crímenes que hace uso del aprendizaje profundo junto con un articulo de investigación que sustenta el modelo y la arquitectura del predictor. Adicionalmente, el desarrollo de un servicio web que permita el recolectar datos criminales para formar una base de datos criminal de la localidad (ya que aún no es existente) y que permita visualizar las predicciones en tiempo real.
Código del proyecto  
Fecha de inicio 2018-09-25 
Duración 11 
Nombre del esquema financiero Tesis para optar el Título Profesional - UNSA 
Monitor Cerrado Cerrado Cerrado 

Financiamiento
Entidades participantes Monto (S/) Total (S/) Porcentaje
Monetario No monetario Monetario No monetario
Universidad Nacional de San Agustin (UNSA) 0.00 0.00 0.00 0.00% 0.00%
Elí­as Josué Puma Chávez 0.00 0.00 0.00 0.00% 0.00%


2. Datos adicionales
Palabras clave Aprendizaje profundo, predicción, redes neuronales, kde, redes neuronales convolucionales, comportamiento humano, UNSA, Arequipa. 
Justificación del proyecto Predictores semejantes son desarrollados en otras ciudades en el mundo como una manera para prevenir crímenes y mejorar la eficiencia en la que los recursos policiales son distribuidos en una ciudad. El desarrollo de la presente investigación puede contribuir con los primeros cimientos para tener una herramienta similar en Perú, se espera que el predictor supere a los métodos más populares que se basan principalmente en datos estadísticos. 
Hipótesis del proyecto Los eventos que son dependientes de factores geográficos y que ocurren siguiendo determinados patrones, tales como los crímenes que suceden en una ciudad, pueden ser analizados a través de métodos estadísticos a fin de reconocer los puntos de concentración o hotspots donde es más probable que uno de estos eventos suceda. Actualmente hay muchos métodos (en su mayoría comerciales) que han demostrado ser eficaces en esta tarea. El presente proyecto plantea el uso de técnicas estadísticas similares junto con el aprendizaje profundo para obtener un predictor que basara su aprendizaje en reconocer patrones de sucesos y los tipos de los mismos para así dar las probabilidades de que determinados tipos de crímenes sucedan en hotspots, siendo el principal uso las consultas la predicción de crímenes en nuestra ciudad. 
Resultados esperados del proyecto - Un (01) artículo científico publicado en revista indizada en la base Scopus o Web of Science -Título profesional. - Una (01) Ponencia donde difunda los resultados intermedios o finales de la investigación en eventos científicos de nivel internacional de reconocido prestigio. - Mayor visibilidad mundial de los trabajos de investigación que se desarrollan en la UNSA. 
Impactos esperados Resaltar la participación de la universidad en la investigación en áreas tecnológicas como Ciencias de la Computación. Extender la aplicación de redes neuronales a nuevas áreas. Incentivar el desarrollo de proyectos que hagan uso de la inteligencia artificial. Demostrar como la investigación puede ser aplicada para el beneficio de la sociedad. 

3. Equipo técnico
Equipo técnico Elí­As Josué Puma Chávez; Cristian José Lopez Del Alamo