p Quando e onde surge o crime nas cidades? Para responder a esta pergunta, criminologistas confiaram anteriormente em modelos bastante estáticos. O crime foi vinculado, por exemplo, à estrutura da população residente ou ao uso do solo em um bairro. A influência que a mobilidade tem sobre a incidência do crime era até então desconhecida. p Agora, Contudo, pesquisadores da ETH Zurique, a University of Cambridge e a New York University conseguiram demonstrar pela primeira vez que o crime está diretamente relacionado a quantas pessoas há em uma cidade, onde estão e para onde vão. Cristina Kadar, um cientista da computação e ex-aluno de doutorado no Mobiliar Lab for Analytics na ETH, conduziu o estudo. Recentemente, ela apresentou os resultados em uma conferência (virtual) sobre ciências sociais computacionais.

p Análise dos fluxos de mobilidade

p Os pesquisadores calcularam os fluxos de mobilidade a partir de dados de localização agregados e anônimos. Em seu estudo, eles usaram três conjuntos completos de dados anônimos relativos às cidades de San Francisco, Chicago e Filadélfia dos anos de 2012 e 2013. Eles obtiveram as informações da plataforma de tecnologia de localização Foursquare, que se baseia em milhões de "check-ins, "ou seja, locais que os usuários compartilharam ativamente. Antes de disponibilizar os dados para os cientistas, a empresa certificou-se de que os dados pessoais e todos os check-ins nos endereços residenciais dos usuários foram excluídos.

p Em sua análise, os pesquisadores compararam os conjuntos de dados com estatísticas criminais do mesmo período, focando especificamente em crimes relacionados a roubo, roubo, assalto, assaltos e veículos roubados.

p Mais atividade, mais crime

p Eles descobriram que quanto mais atividade os dados da plataforma mostravam para um horário e distrito específicos, quanto maior o número de crimes que foram cometidos lá.

p Ao calcular a "atividade, "os pesquisadores incluíram check-ins em restaurantes, lojas ou instalações esportivas, bem como quaisquer instâncias de pessoas passando por um determinado distrito em seu caminho entre dois check-ins. Seus cálculos dos caminhos entre dois check-ins foram baseados no pressuposto de que os usuários escolhem a rota mais curta e navegam usando as rotas de tráfego existentes.

p O perigo se esconde no caminho

p Na verdade, são essas viagens intermediárias que têm maior influência nas taxas de criminalidade. Em outras palavras, o crime é mais provável de surgir nas áreas por onde as pessoas passam entre a conclusão de duas atividades de rotina, por exemplo, no caminho do trabalho para as lojas ou para participar de atividades recreativas. Os resultados apoiam uma teoria popular da criminologia que postula que os crimes ocorrem onde os caminhos dos perpetradores e das vítimas se cruzam.

p "Estou entusiasmado com o fato de que podemos usar dados que essencialmente não têm nada a ver com crimes para caracterizar o crime tão bem, "Kadar diz. Nunca antes fomos capazes de demonstrar a ligação entre a mobilidade das pessoas e o crime de forma tão granular em termos de tempo e espaço, Ela explica.

p Os pesquisadores também dividiram suas análises por tipo de atividade e crime. Isso revelou que mais crimes foram registrados em locais e períodos de tempo com um grande número de atividades recreativas, mas este não era o caso de compras, por exemplo. Em termos do tipo de crime cometido, os pesquisadores descobriram a relação positiva mais forte da atividade com roubos, e os mais fracos com roubos.

p As previsões também são possíveis

p Além disso, os pesquisadores examinaram se seria possível usar os dados de mobilidade para prever crimes usando aprendizado de máquina. Para fazer isso, eles treinaram modelos diferentes uma vez com os conjuntos de dados do Foursquare e uma vez apenas com dados sobre ofensas anteriores. Próximo, eles verificaram a precisão das previsões em comparação com as infrações reais registradas. Eles descobriram que os modelos de previsão que foram alimentados com dados de mobilidade tiveram um desempenho significativamente melhor do que as previsões baseadas em crimes anteriores.

p Suporte para pesquisa

p Kadar vê seu estudo principalmente como um meio de apoiar a pesquisa. Ao fornecer evidências para a teoria do padrão de crime, ajuda a melhorar a compreensão das origens do crime. Ela acredita que seu trabalho também demonstra a utilidade de big data para as ciências sociais computacionais, mas observa que mais estudos são necessários para validar os resultados antes que as autoridades públicas possam aplicá-los para projetar e construir cidades mais seguras. Isso ocorre porque a análise deve ser revisitada com uma série de conjuntos de dados diferentes para calibrar qualquer tendência de plataforma potencial. E embora os resultados do estudo possam ser aplicados a grandes cidades, eles podem não ser relevantes para os menores.