Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/29797| Título: | Impacto da pandemia da COVID-19 nos padrões de crimes: análises espaço-temporais para avaliar o passado e informar o presente |
| Título(s) alternativo(s): | Impact of COVID-19 pandemic on crime patterns: spatio-temporal analyses to asses the past and inform the present |
| Autor(es): | Leal, Manoel Flavio |
| Orientador(es): | Gomes Junior, Luiz Celso |
| Palavras-chave: | Crime - Análise Análise de séries temporais COVID-19 (Doença) Análise de regressão Análise espacial (Estatística) Crime - Analysis Time-series analysis COVID-19 (Disease) Regression analysis Spatial analysis (Statistics) |
| Data do documento: | 24-Ago-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | LEAL, Manoel Flavio. Impacto da pandemia da COVID-19 nos padrões de crimes: análises espaço-temporais para avaliar o passado e informar o presente. 2022. Dissertação (Mestrado em Computação Aplicada) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. |
| Resumo: | O distanciamento social é uma das medidas mais eficazes para reduzir a disseminação da COVID-19. Entretanto, sua prática acaba por alterar a rotina das pessoas, podendo impactar nos padrões de criminalidade. Este trabalho tem dois objetivos primários: (i) analisar os impactos da pandemia nos padrões de crime na cidade de Curitiba e (ii) implementar uma ferramenta para identificação e alerta de mudanças em padrões de crime. Cada um dos crimes foi analisado individualmente. Foram realizadas análises nas séries temporais por meio da decomposição aditiva de suas componentes com objetivo de identificar tendências e alterações nos padrões temporais. Os modelos de regressão foram construídos para mensurar a influência das medidas de restrição e da permanência da população em casa no padrão dos crimes. Foram utilizados indicadores locais de associação espacial para identificar clusters espaciais relevantes em toda região de Curitiba. As análises identificaram diversas mudanças de padrão de crime estatisticamente significativas. Com o conhecimento adquirido nas análises, uma ferramenta de detecção e alerta de mudanças de padrões foi proposta. A ferramenta desenvolvida utiliza a detecção de anomalias em séries temporais e dados geográficos para identificar mudanças de padrão. A ferramenta pode ser usada em qualquer cenário de acompanhamento de crimes, não necessariamente associado a pandemias. |
| Abstract: | Social distancing is one of the most effective measures to reduce the spread of COVID-19. However, its practice changes people’s routines, impacting crime patterns. This work has two primary objectives: (i) to analyze the impacts of the pandemic on crime patterns in Curitiba and (ii) to implement a tool to identify and alert changes in crime patterns. Each of the crimes was analyzed individually. Analyzes were performed on the time series through the additive decomposition of its components to identify trends and changes in temporal patterns. Regression models were built to measure the influence of restriction measures and the population’s permanence at home on the pattern of crimes. Local indicators of spatial association were used to identify relevant spatial clusters in the entire region of Curitiba. The analysis identified several statistically significant crime pattern changes. With the knowledge acquired in the studies, a pattern change detection and alerting tool were proposed. The developed tool uses time series and geographic data anomaly detection to identify pattern changes. The tool can be used in any crime tracking scenario, not necessarily associated with pandemics. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/29797 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Computação Aplicada |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| pandemiacrimesespacotemporais.pdf | 10,22 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
