Análise espacial da distribuição de roubos e furtos ocorridos em Presidente Prudente em 2010

Tamanho: px

Começar a partir da página:

Download "Análise espacial da distribuição de roubos e furtos ocorridos em Presidente Prudente em 2010"

Giovanni Pais Alcântara
6 Há anos
Visualizações:

1 Análise espacial da distribuição de roubos e furtos ocorridos em Presidente Prudente em 2010 Fabiano José dos Santos 1 Vilma Mayumi Tachibana 1 Edilson Ferreira Flores 1 1.Introdução Os crimes de roubo e furto se constituem em uns dos principais catalisadores do sentimento generalizado de insegurança pública. Há regiões em determinadas cidades que possuem maior concentração de tais delitos, por fatores socioeconômicos ou ainda por falta de policiamento. São inúmeros os estudos e pesquisas produzidas nos últimos anos, voltadas à busca pela compreensão dos fenômenos desses delitos, porém estudos específicos para a região de Presidente Prudente são escassos, pois para o seu desenvolvimento são exigidos interface de mapas digitais e software de difícil manipulação. O município de Presidente Prudente contabilizou no ano de 2010, segundo dados da Secretaria de Segurança Pública do Estado de São Paulo, um total de 2691 crimes de furto e 336 de roubo. Neste trabalho realiza-se uma análise espacial aplicada em delitos de furto e roubo no município de Presidente Prudente registrados na área de atuação da 1º Companhia do 18º Batalhão da Policia Militar (BPM/I) em 2010, com a finalidade de informar as regiões dos bairros que necessitam de maior segurança pública. Nas análises, as ocorrências de roubos e furtos foram consideradas como casos individuais (dados pontuais), utilizando-se o estimador de kernel, para verificar se esses delitos não ocorriam aleatoriamente na região de estudo. 2. Material e Métodos A região de estudo é a área de atuação do BPM/I do município de Presidente Prudente, situado no interior do Estado de São Paulo, na região oeste, cerca de 560 km da capital paulista. O município de Presidente Prudente ocupa uma área de , sua população em 2010 era de habitantes, sendo o 36 o mais populoso do estado e é subdividida em cerca de 220 bairros. A área de atuação do BPM/I de Presidente Prudente envolve um total de mais de 50 bairros, além dos distritos Ameliópolis, Eneida, Floresta do Sul e Montalvão (Figura 1), sendo consideravelmente grande. 1 FCT UNESP. Vilma@fct.unesp.br

Figura 1-Área de atuação do BPMI em Presidente Prudente. Fonte: Google Maps. Os dados foram obtidos de Boletins de Ocorrência registrados de delitos de roubos e furtos.

2 Figura 1-Área de atuação do BPMI em Presidente Prudente. Fonte: Google Maps. Os dados foram obtidos de Boletins de Ocorrência registrados de delitos de roubos e furtos. Essas informações, disponibilizadas em fichas de papel preenchidas manualmente, tiveram que ser transferidas para um banco de dados georreferenciado, que demandou uma parte considerável do tempo de execução do trabalho. Neste trabalho foram utilizados os softwares Autocad e ArcView da ESRI para construção de banco de dados e, TerraView do INPE (2011) para análise espacial. Os locais de ocorrências de delitos de roubos e furtos foram identificados como pontos localizados no espaço, tratando-se de processos pontuais. Em análise de dados pontuais, segundo Brasil (2007), o objetivo é estudar a distribuição espacial desses pontos, testando hipóteses sobre o padrão observado: se é aleatório, se existe aglomerados ou se os pontos estão regularmente distribuídos. O objeto de interesse é a própria localização espacial dos eventos em estudo. O estimador de Kernel, de acordo com Bailey e Gatrell (1995), estimação Kernel foi originalmente desenvolvida para dar uma estimativa suave da intensidade de um padrão pontual ou densidade de probabilidade univariada ou multivariada de uma amostra de observações. Se s representa um determinado local em uma região de interesse R e s, 1, são as localizações de n eventos observados, então a intensidade, s, em s é estimada por: n ˆ 1 1 s s s k i (1) 1 2 s i Aqui k( ) é uma função densidade de probabilidade bivariada (kernel), que é simétrica em torno da origem. O parâmetro > 0 é conhecido como o raio de influência (largura da sn

Porcentagem de ocorrências faixa) e determina o grau de suavização ele é o raio de uma circunferência centrada em s com pontos interiores s i.

Um raio muito pequeno irá gerar uma superfície muito descontínua, porém se for grande demais, a superfície poderá ficar muito suavizada. du (2) 3.

3 Porcentagem de ocorrências faixa) e determina o grau de suavização ele é o raio de uma circunferência centrada em s com pontos interiores s i. O fator s u s k R 1 2 é uma correção de borda - o volume sob a escala de kernel centrada em s que cai na área R. Um raio muito pequeno irá gerar uma superfície muito descontínua, porém se for grande demais, a superfície poderá ficar muito suavizada. du (2) 3. Resultados e Discussões No ano de 2010, o BPM/I de Presidente Prudente registrou 516 boletins de ocorrência na sua região de atuação, sendo que dessas ocorrências 374 (72%) correspondem a crimes de furto e 142 (28%) de roubo , ,2 11,7 14,2 Feminino Masculino 12% % Dias da semana (a) (b) (c) (d) Figura 2 Distribuição da ocorrência de delitos nos dias da semana (a); sexo do indiciado (b); número de indiciados (c) em cada delito; ocorrências nos meses do ano (d) Em média, as viaturas chegaram ao local de ocorrência 7 minutos após acionadas; o dia da semana em que ocorreu maior número de ocorrências foi segunda-feira (17%) e o menor número foi no sábado (11,7%) (Figura 2a); 88% dos indiciados eram do sexo masculino, indicando que roubos e furtos praticados por mulheres ocorrem bem menos do que pelos homens (Figura 2b); na maioria dos registros de roubo prevalece com os delitos

realizado somente por 1 indivíduo (48,6%), seguido por participação de dois indivíduos (37,3%) (Figura 2c); e na Figura 2d observa-se que ocorre uma queda na quantidade de delitos nos meses de abril

O mapa de Kernel é muito útil quando há uma concentração grande de pontos e uma análise visual fica prejudicada.

4 realizado somente por 1 indivíduo (48,6%), seguido por participação de dois indivíduos (37,3%) (Figura 2c); e na Figura 2d observa-se que ocorre uma queda na quantidade de delitos nos meses de abril e outubro com picos em janeiro e julho, meses em que as famílias e estudantes geralmente estão de férias. O mapa de Kernel é muito útil quando há uma concentração grande de pontos e uma análise visual fica prejudicada. A Figura 3 ilustra a distribuição de pontos de crime de roubo na parte esquerda e na direita apresenta-se uma superfície para intensidade estimada, que pode ser pensada com a temperatura da violência. A superfície interpolada mostra um padrão de distribuição de pontos com uma forte concentração nos bairros compreendidos entre o Jardim Paulista, Jardim Estoril e bairros vizinhos, decrescendo para a região do centro próximo ao BPM//I, Jardim Aviação e Jardim Planalto. Figura 2 - Distribuição dos locais de crimes de roubo (à esquerda) e Mapa de kernel (à direita) Figura 3- Locais de ocorrências de furtos (à esquerda) e Mapa de kernel (à direita)

5 A Figura 4 ilustra as localidades de ocorrências de furtos, na qual observa-se uma concentração maior nos bairros do Jardim Paulista, seguida pela região central próxima ao BPM/I e região compreendida entre Jardim Aviação e bairros vizinhos. 4. Conclusões A técnica de análise espacial apresentada neste trabalho foi útil para estimar variações e mostrar padrões e tendências espaciais. A distribuição de pontos de crimes de roubos e furtos nos mapas de Kernel apresentou focos em localidades de maior ocorrência de delitos. Há regiões (bairros do Jardim Paulista, Centro, e próximo a Jardim Aviação) que são focos tanto de roubos e furtos. Os focos de furtos são bem maiores que os de roubos. 5. Bibliografia [1] BAILEY, T. C., GATRELL, A. C. Interactive Spatial Data Analysis. Essex: Longman Scientific and Technical, p. [2] BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Fundação Oswaldo Cruz. Introdução à Estatística Espacial para a Saúde Pública. Simone M. Santos, Wayner V. Souza, organizadores - Brasília: Ministério da Saúde, p.: il. (Série B. Textos Básicos de Saúde) (Série Capacitação e Atualização em Geoprocessamento em Saúde; 3) [3] INPE - Tutorial TerraView 3.0 Plus. Disponivel em < >. Acesso em: 24 jul

Documentos relacionados

Processos Pontuais Aplicados ao Estudo da Distribuição Espacial de Enfermidades na Área Urbana da Cidade de Rio Claro, SP

Processos Pontuais Aplicados ao Estudo da Distribuição Espacial de Enfermidades na Área Urbana da Cidade de Rio Claro, SP Jane Maiara Bertolla 1 Márcia Tiemi Kawamoto 1 Jorge Gustavo Falcão 2 Maria da