Modelo de predicción:

La predicción y la identificación de patrones de riñas en la ciudad de Bogotá es una tarea fundamental para el diseño de políticas de seguridad y el uso eficiente de los recursos disponibles de la ciudad. En Bogotá las riñas son la principal causa de delitos como homicidio y lesiones personales con un 70% en 2018 según la secretaría de seguridad. Recientemente, métodos basados en puntos calientes, procesos puntuales espacio temporales y de regresión multivariada han sido propuestos para predecir eventos de crimen y modelar su dinámica utilizando los registros históricos. Usualmente estos métodos son adaptados a las condiciones y la dinámica de una determinada ciudad por tanto su utilización para entornos diferentes no es inmediata. La gran mayoría de estos métodos no tienen en cuenta la experiencia y conocimiento de los expertos de la institución encargada de tomar las decisiones, asignar los recursos de vigilancia y desarrollar políticas de intervención social. En esta presentación mostramos un nuevo enfoque que combina el análisis de múltiples series de tiempo y el conocimiento del usuario experto para hacer predicción de riñas en la ciudad de Bogotá. Este enfoque tiene la ventaja de adaptarse mejor a las condiciones cambiantes de las riñas que vive día a día el usuario encargado. Adicionalmente, es importante considerar que las series de tiempo son fácilmente interpretables, lo cual, le permite al usuario involucrarse con el sistema de predicción para encontrar conocimiento extra en la exploración de los datos y resultados de predicción de manera interactiva. Las ventajas de este diseño le permiten al usuario tomar decisiones de manera más informada. Por otro lado, las debilidades que ofrecen las series de tiempo y que afectan su desempeño como son: la configuración de parámetros, la selección de ventanas de tiempo apropiadas para predicción y entrenamiento, y el surgimiento de datos atípicos son mitigadas mediante la intervención, la experiencia y el conocimiento del usuario experto mediante técnicas de orientación y guianza en el sistema de predicción. Este trabajo muestra que los resultados de predicción presentan errores bajos en la predicción y permiten encontrar dinámicas de riñas a diferentes escalas de tiempo.