Aplicação de Redes Neurais em Grafos para predição de crimes - Adaptação de modelo de acidentes de trânsito

Resumo

Inegavelmente a situação da criminalidade em grandes areas urbanas vem tornando-se cada vez mais séria. A contribuição da ciência com métodos mais precisos e eficazes para prever e evitar ocorrências que afetem a segurança da sociedade cresce a cada dia. Aprendizado de máquina e ciência de dados têm tido um papel primordial neste contexto de segurança pública. Com o advento das redes neurais profundas (Deep Neural Networks - DNN), abre-se a expectativa de metodologias mais eficazes para a análise e predição de crimes, tornando possível o uso de uma grande quantidade de variáveis na construção de modelos preditivos. Além disso, passa a ser viável a realização de predições em um nível de granularidade bastante fina. Este projeto visa o estudo e implementação de um tipo específico de DNN para análise e predição de crimes, as chamadas Redes Neurais em Grafos (Graph Neural Networks), que viabilizam investigar fenômenos no nível de mapas de ruas, fato ainda pouco explorado na literatura.