Acceso usuarios
Vladyslav Teremetskyi, Olha Kovalchuk, Andrei Kolesnikov, Zhanna Udovenko, Oleksandr Shramko, Oleg Predmestnikov
No mundo moderno e dinâmico, o crime está a tornar-se cada vez mais transnacional e apoiado tecnologicamente. Isto exige que os sistemas judiciais de diferentes países apliquem abordagens inovadoras e tecnologias de informação de última geração para combatê-lo eficazmente. A pesquisa apresentada propõe uma nova abordagem proativa para identificar tendências criminais, que combina modelos de regras associativas e modelos geoespaciais. O artigo visa desenvolver um modelo de informação e implementar uma nova abordagem preditiva para estudar tendências criminais para descobrir padrões complexos e fortes relacionamentos em dados criminais. A pesquisa utilizou uma metodologia abrangente, incorporando procedimentos experimentais, métodos de síntese, mineração de regras associativas para reconhecimento de padrões e modelagem preditiva geoespacial para identificação e previsão de tendências espaciais. Os modelos aplicados foram construídos utilizando dados reais sobre casos criminais na região de Ternopil (Ucrânia) de 2013 a 2023. Foram identificados tipos de crimes e períodos com níveis elevados de atividade criminosa, bem como indicadores de envolvimento de grupos organizados. Foram visualizadas zonas de concentração de ofensas dentro da região. A maior prevalência da criminalidade nas áreas urbanas foi confirmada. Estes modelos podem ser facilmente adaptados a novos dados e integrados num sistema de informação unificado para apoiar a tomada de decisões nos sistemas judiciais da Ucrânia e da União Europeia.
In the modern dynamic world, crime is becoming increasingly technologically supported and transnational. This demands that the justice systems of different countries apply innovative approaches and state-of-the-art information technologies to effectively combat it. The presented research proposes a new proactive approach to identifying crime trends, which combines associative rule models and geospatial models. The article aims to develop an information model and implement a new predictive approach to studying crime trends to uncover complex patterns and strong relationship in crime data. The research utilized a comprehensive methodology, incorporating experimental procedures, synthesis methods, associative rule mining for pattern recognition, and geospatial predictive modeling for spatial trend identification and forecasting. Applied models were constructed using real data on criminal cases in the Ternopil region (Ukraine) from 2013 to 2023. Types of crimes and periods with elevated levels of criminal activity, as well as indicators of involvement by organized groups, were identified. Zones of concentrated offenses within the region were visualized. The higher prevalence of crime in urban areas was confirmed. These models can be easily adapted to new data and integrated into a unified information system to support decision-making within the judicial systems of Ukraine and the European Union.
