Predição de crimes violentos contra o patrimônio em Maceió e Arapiraca usando o ConvLSTM

Página do item simplificado
dc.contributor.advisor1Medeiros, Leonardo Melo de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1080593968001453
dc.contributor.referee1Cruz, Jailton Cardoso da
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9366016044068759
dc.contributor.referee2Costa, Breno Jacinto Duarte da
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7418697922506495
dc.creatorFerreira, Leonardo Victor Fernandes
dc.creator.Latteshttps://lattes.cnpq.br/8176398450627761
dc.date.accessioned2026-07-06T18:59:44Z
dc.date.available2026-07-06T18:59:44Z
dc.date.issued2026-05-02
dc.description.abstractSpatiotemporal forecasting of violent property crimes is a relevant problem for the planning of preventive actions and for the allocation of public security resources. This work presents a methodological replication, in the context of the cities of Maceió and Arapiraca, of the fine-grained crime forecasting pipeline proposed by Albors Zumel, Tizzoni, and Campedelli (2025), based on a ConvLSTM architecture. From georeferenced records of violent property crimes provided by the Military Police of Alagoas, covering the period from 2012 to 2022, the work organizes the data into regular grids with cells of approximately 0.2 km2, aggregates occurrences in 12-hour windows, binarizes the cell-level signal, and trains a ConvLSTM with explicit imbalance treatment via weighted BCEWithLogitsLoss. Evaluation is performed by sweeping the classification threshold, reporting precision, recall, and F1 both in the traditional variant (cell-by-cell) and with spatial tolerance (Chebyshev neighborhood ≤ 1). The results show that, in both cities, the model achieves performance in the spatial variant significantly higher than in the traditional variant (spatial F1 of approximately 0.24 in Maceió and 0.21 in Arapiraca, against values below 0.05 in the traditional variant), evidencing that the network learns to correctly locate risk neighborhoods even when missing the exact cell. The work also discusses the main limitations of the approach, particularly the extreme sparsity of the data, and proposes directions for future developments, including the incorporation of sociodemographic and human mobility channels and comparison against baseline models.
dc.description.resumoA predição espaço-temporal de crimes violentos contra o patrimônio é um problema relevante para o planejamento de ações preventivas e para a alocação de recursos de segurança pública. Este trabalho apresenta uma replicação metodológica, no contexto das cidades de Maceió e Arapiraca, do pipeline de previsão criminal em microescala proposto por Albors Zumel, Tizzoni e Campedelli (2025), baseado em uma arquitetura ConvLSTM. A partir de registros georreferenciados de roubos violentos contra o patrimônio cedidos pela Polícia Militar de Alagoas, cobrindo o período de 2012 a 2022, o trabalho organiza os dados em grids regulares com células de área-alvo aproximada de 0,2 km2, agrega as ocorrências em janelas de 12 h, binariza o sinal célula a célula, e treina uma ConvLSTM com tratamento explícito do desbalanceamento via BCEWithLogitsLoss ponderada. A avaliação é feita por varredura do limiar de classificação, reportando precision, recall e F1, tanto na variante tradicional (célula a célula) quanto com tolerância espacial (vizinhança de Chebyshev ≤ 1). Os resultados mostram que, em ambas as cidades, o modelo atinge desempenho na variante espacial significativamente superior à variante tradicional (F1 espacial de aproximadamente 0,24 em Maceió e 0,21 em Arapiraca, contra valores inferiores a 0,05 na variante tradicional), evidenciando que a rede aprende a localizar corretamente vizinhanças de risco mesmo quando erra a célula exata. O trabalho discute, ainda, as principais limitações da abordagem, em particular a esparsidade extrema dos dados, e propõe direções para desenvolvimentos futuros, incluindo a incorporação de canais sociodemográficos e de mobilidade humana e a comparação contra modelos baseline.
dc.identifier.urihttps://repositorio.ifal.edu.br/handle/123456789/3107
dc.language.isopt
dc.publisher.countryBrasil
dc.publisher.departmentCampus Maceió
dc.relation.referencesFERREIRA, Leonardo Victor Fernandes. Predição de crimes violentos contra o patrimônio em Maceió e Arapiraca usando o ConvLSTM. 2026. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Instituto Federal de Alagoas, Campus Maceió, Maceió, 2026.
dc.rightsAttribution 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/
dc.subjectPredição criminal
dc.subjectConvLSTM
dc.subjectCrimes contra o patrimônio
dc.subjectSegurança pública – Maceió
dc.subjectSegurança pública – Arapiraca
dc.subjectCrime forecasting
dc.subjectDeep learning
dc.subjectPublic security
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
dc.titlePredição de crimes violentos contra o patrimônio em Maceió e Arapiraca usando o ConvLSTM
dc.typeTrabalho de Conclusão de Curso

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_Graduação_Leonardo Victor Fernandes Ferreira.pdf
Tamanho:
1.01 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.66 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC Sistemas de Informação