Análise espacial da distribuição de roubos e furtos
ocorridos em Presidente Prudente em 2010
Fabiano José dos Santos1
Vilma Mayumi Tachibana1
Edilson Ferreira Flores1
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 562 107, sua população em
2010 era de 207 625 habitantes, sendo o 36o 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. e-mail: [email protected]
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 s1 ,, s n
são as localizações de n eventos observados, então a intensidade, s  , em s é estimada por:
ˆ  s  
1  s  si 
k

  s  i 1  2   
1
n

(1)
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
faixa) e determina o grau de suavização – ele é o raio de uma circunferência centrada em s
com pontos interiores s i . O fator
1  s u 
k
du
2
  
R
  s   
(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.
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
Porcentagem de ocorrências
furto e 142 (28%) de roubo.
20
15
17
12,9
14
15
15,2
11,7
14,2
Feminino
Masculino
12%
10
5
0
88%
Dias da semana
(a)
(c)
(b)
(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 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)
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, 1995. 413p.
[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, 2007.120 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 <www.dpi.inpe.br/terraview >.
Acesso em: 24 jul. 2011.