61ª Reunião Anual da SBPC

G. Ciências Humanas - 4. Geografia - 1. Geografia Humana

ANÁLISE ESPACIAL DA CRIMINALIDADE JUVENIL NO MUNICÍPIO DE PORTO VELHO

Thiago de Lima Martarole 2 Luis Fernando Bueno 1 Luiz Gilberto Dall`Igna 1 Raissa da Silva de Menezes 2

1. Instituto Luterano de Ensino Superior de Porto Velho 2. Grupo de Estudos em Geoprocessamento do ILES/ULBRA - PVH

INTRODUÇÃO:

A sociedade de Porto Velho hoje sofre muito com a criminalidade, e é de conhecimento geral que a violência está atordoando a população, principalmente dos bairros mais pobres. Porto Velho foi considerada, em 2002, a cidade mais violenta do Brasil (UOL). Dentre as 11 categorias listadas e avaliadas, Porto Velho liderou 6 delas. O presente trabalho ajuda a entender, a partir de técnicas de análise espacial, o fenômeno da criminalidade infanto-juvenil no município de Porto Velho. Seu objetivo principal é fazer uma análise, aplicando técnicas de análise espacial, nos dados disponíveis sobre a criminalidade infanto-juvenil dentro do município de Porto Velho, utilizando princípios de amostragem para aplicação das análises. A análise espacial abrange questões que vão desde a estimação da extensão de um depósito de minerais por um geólogo até a análise espacial de dados de criminalidade de certa área ou região. A análise espacial está ligada a representação de dados no espaço, ou seja, dar outra dimensão à análise que se deseja fazer, que é a dimensão de espaço e tempo. Tudo isso levando em consideração que “todas as coisas são parecidas, mas coisas mais próximas se parecem mais que coisas mais distantes” (DIAS et. al., 2002). O trabalho se limita à análise dos dados da zona urbana de Porto Velho e aos dados da criminalidade infanto-juvenil. Foram analisados os dados sobre criminalidade, cedidos pelo Ministério Público do Estado de Rondônia (MP/RO), e aplicadas análises para que fossem extraídos dados, que somente através de análises específicas podem ser identificados. O principal objetivo de se aplicar as técnicas no SIG (Sistemas de Informações Geográficas) TerraView, é descobrir aglomerados espaciais, áreas de alta incidência da criminalidade, e onde estão localizadas as vítimas e os infratores. Após ter estudado fundamentos teóricos da análise espacial, foi possível concluir a realização de todas as técnicas de análise espacial necessárias para o entendimento com sucesso. Todas as técnicas aplicadas estão originalmente integradas no TerraView, não sendo necessária a instalação de nenhum plugin.

METODOLOGIA:

A área escolhida para estudo foi o perímetro urbano do município de Porto Velho, Rondônia. O perímetro urbano está dividido por bairros, sendo um total de 68 geometrias representando cada bairro. A base cartográfica, pertencente à Prefeitura Municipal de Porto Velho, foi cedida através do Sistema de Proteção da Amazônia (SIPAM), e encontra-se na projeção LatLong/SAD69. Os dados de criminalidade, como mencionado anteriormente, foram cedidos pelo MP/RO. Foram recebidos através de planilhas do Excel, onde foram importados para o banco de dados PostgreSQL, e integrado à base de dados. Os dados estão dispostos na estrutura de cinco tabelas. São elas “infrator_mora”, “vitima_mora”, “local_crime”, “tipificação_penal” e “delitos”. Os dados foram recebidos com sucesso, porém houve um grande problema para adaptar a base recebida do MP/RO para que os dados fossem adequados para os tipos de análises pretendidas. Um exemplo disso é a nomenclatura dos bairros dos dados provenientes do MP/RO, que se encontrava de forma inconsistente em relação à base cartográfica cedida pela prefeitura municipal. Como dito anteriormente, o shapefile (formato vetorial de dados geográficos) da zona urbana contém 68 bairros. No banco do ministério público, no entanto, após um consulta rápida foram encontrados mais de 150 nomes de bairros diferentes. Para que esse problema fosse sanado foram entrevistadas pessoas que trabalham na entrega de correspondências, e pudessem ajudar na padronização dos nomes. Terminada a etapa de normalização dos dados, foi realizada uma etapa para se fazer uma amostragem dos dados que se pretendia aplicar as análises. Esta etapa foi necessária porque a criminalidade não foi tratada como única, mas estudou-se as suas vertentes (tipologia criminal). Foram escolhidos os tipos de crimes que ocorrem com maior freqüência. São eles os artigos, 10 (porte de arma de fogo), 155 (caracteriza o furto) e 157 (roubo). Foram utilizadas como técnicas de análise espacial: os índices global e local de Moran, que nos permitem ter noção da autocorrelação espacial dos crimes na mancha urbana; funções suavizadoras Gi e Gi* que nos permitem achar conglomerados pelo peso de suas vizinhanças; Regionalização via árvore geradora mínima, que nos mostra conglomerados espaciais de atributos semelhantes; e funções de Kernel que nos permitem ver a densidade de ocorrências dentro da área urbana. Para a aplicação das técnicas, foi seguido modelo estabelecido por UFMG (2005). O software utilizado para desenvolvimento das análises foi o TerraView versão 3.1.4.

RESULTADOS:

Apesar da entrevista com profissionais, para a normalização dos nomes dos bairros, alguns bairros não puderam ser identificados, permanecendo assim, com campos nulos sobre a criminalidade. Devido a esse problema, o índice de Moran global apresentou significância alta em quase todas as análises de dados, isso se deve provavelmente pelos espaços vazios dentro do mapa. Outro problema enfrentado devido a esse fator, o índice bayesiano empírico não pôde ter sua taxa bruta calculada, pois o algoritmo não é executado se houver campos nulos ou com valor 0. E a partir da taxa bruta de Bayes, são geradas as taxas suavizadas, ou normalizadas. Portanto sem ser calculada a taxa bruta, não é possível aplicar as outras taxas bayesianas no trabalho. Porém mesmo com os problemas citados, foi possível realizar vários outros tipos de análises: Os índices globais de Moran nos indicaram que não há correlação espacial da criminalidade no município. Os valores obtidos no mapa com a função analisando 99 permutações dos dados sobre roubo em 2006 são: p-valor (significância): 0.15 e valor do índice = 0.0904827. O valor de índice tão próximo a zero e a alta significância (bem acima de 3do município, que é conhecida “popularmente” por ser violenta. Não achou, porém, conglomerados espaciais na zona leste (que também é conhecida popularmente por ser violenta) indicando que não há correlação espacial entre os delitos praticados nesse local. O BoxMap gera um gráfico de dispersão por quadrantes (Q). Os seus valores são obtidos através do diagrama de espalhamento de Moran, que permite comparar os valores do objeto com os de seus vizinhos, construindo um gráfico composto de 4 quadrantes: Q1 alto-alto, Q2 baixo-baixo, Q3 alto-baixo e Q4 baixo-alto. O MoranMap, último índice gerado pelo indicador local de Moran, é a representação do BoxMap somente nas áreas onde o índice de significância foi menor ou igual a 0.05. No MoranMap a classificação se dá como no BoxMap, ou seja, a partir de quadrantes (Q1, Q2, Q3, Q4), que são obtidas através do diagrama de espalhamento de Moran, e somente as áreas com significância alta (p <= 0,05) são classificadas. As funções de suavização Gi e Gi* foram aplicadas com sucesso e trouxeram conglomerados com pesos ponderados por vizinhos. Também houve conglomeração espacial na zona sul, como a função local de Moran já havia nos indicado, apontando, portanto, um possível padrão de correlação espacial nessa área. Na regionalização via árvore geradora mínima, foram utilizados os dados sobre furto, e não sobre roubo como nos resultados anteriores. Os dados, diferentemente dos casos anteriormente mostrados, são de 2007 e não de 2006. Mais uma vez foi encontrado, mesmo se tratando de furtos e não roubos, similaridades na zona sul da cidade. Percebe-se, pelo mapa gerado, que a zona sul é vista como uma região que não apresenta similaridades com o restante da cidade, uma vez que ficou claramente destacada do restante. No caso das funções de Kernel, essas nos indicaram com maior intuitividade as manchas da criminalidade, onde se concentraram principalmente nas zonas sul e leste. Foi possível também analisar onde se encontram os focos de criminalidade. Pelos mapas gerados, conclui-se que a maior concentração está justamente nas zonas leste e sul, tendo como foco secundário a zona central da cidade. Por fim foi realizado um mapa temático sobre a renda média da população por bairro. Esse mapa nos mostrou que a zona leste é, de longe, a área com população mais pobre em relação aos locais violentos. A zona sul, porém, apresentou renda maior que a população da zona leste. Apesar de os índices estarem relativamente desatualizados, pois datam do ano de 2000, a realidade não se tornou tão diferente durantes os últimos anos a ponto de desqualificar o estudo em questão.

CONCLUSÃO:

O início deste trabalho se deu na necessidade de estudos sobre a criminalidade infanto-juvenil, utilizando como abordagem, as tecnologias que envolvem o geoprocessamento. O objetivo inicial era efetuar uma análise sobre os dados da criminalidade, que foi cumprido de maneira satisfatória, uma vez que o trabalho produziu resultados finais que permitem chegar a certas conclusões. Alguns índices não puderam ser bem trabalhados devido a problemas com a qualidade dos dados, como o índice de Moran, que apresentava significância alta em todas as análises de dados. É de conhecimento que as linhas em branco aumentam a taxa de significância porque foi realizado um teste onde se tinham os mesmos números, porém com uma base menos normalizada (com mais “vazios” dentro do mapa), gerando um índice de significância quase três vezes maior do que o encontrado com os nomes normalizados. Apesar da qualidade dos dados não ter sido a ideal para que fossem gerados mais conhecimento sobre a criminalidade, o conjunto de resultados e mapas finais torna a realização do trabalho satisfatória, trazendo um diferencial para a área, o conhecimento baseado em análises específicas nunca antes realizadas na região que pode contribuir e embasar tomadas de decisão por parte de autoridades da segurança pública. É possível ainda, se chegar a níveis de detalhes muito maiores do que os estudados aqui. As possibilidades são imensuráveis, e vê-se que a abordagem pela geomática, pode contribuir de maneira incalculável para a evolução da sociedade em um ambiente mais agradável de viver.

Palavras-chave: Análise Espacial, Criminalidade, Geoestatística.