Modelo predictivo de comportamiento ciudadano en entornos urbanos a partir de datos abiertos y análisis matemático computacional.

Abstract

La meta del presente proyecto de investigación fue desarrollar y validar un modelo predictivo de delitos comunes en Bucaramanga mediante el análisis de datos abiertos y técnicas matemático-computacionales. La problemática abordada se relaciona con el aumento de la criminalidad y la limitada capacidad de anticipación institucional, debido a que los registros oficiales disponibles no se utilizan de forma sistemática para construir predicciones útiles para la planeación de la seguridad ciudadana.

La metodología se basó en la recopilación y el procesamiento de más de 130.000 registros de delitos correspondientes al período 2010–2021, con información georreferenciada y temporal. A partir de esta base se implementaron algoritmos de aprendizaje automático como K-Nearest Neighbors (KNN), K-means y regresión logística multinomial, con el fin de identificar patrones delictivos y estimar escenarios de mayor riesgo considerando variables como ubicación, fecha, hora, tipo de delito y características asociadas a las víctimas. Además, se desarrolló un prototipo de visualización interactiva para facilitar la interpretación de resultados y apoyar la toma de decisiones.

Entre los principales resultados se obtuvo un modelo predictivo validado que permite anticipar patrones espacio- temporales de criminalidad en la ciudad de Bucaramanga (Santander), así como una herramienta de visualización orientada a identificar zonas y franjas horarias críticas. Estos aportes contribuyen al fortalecimiento de la gestión local de seguridad y ofrecen un esquema metodológico con potencial de adaptación a otras ciudades intermedias de Colombia.

Palabras clave: modelo predictivo, datos abiertos, machine learning, georreferenciación, seguridad ciudadana.