Artigo - Atena Editora

Artigo

Baixe agora

Livros

A PESQUISA OPERACIONAL APLICADA AO PROBLEMA DE ROTEIRIZAÇÃO DE PATRULHAS POLICIAIS UTILIZANDO MODELOS DE LOCALIZAÇÃO PREDITIVA E DO CAIXEIRO VIAJANTE

Este artigo aborda a otimização de rotas de patrulhamento policial em Manaus, combinando Modelos de Localização Preditiva (MLP) e o Problema do Caixeiro Viajante (PCV). Os MLP utilizam dados históricos e técnicas de aprendizado de máquina para identificar hotspots criminais, áreas com alta probabilidade de crimes, onde a presença policial deve ser intensificada. A previsão desses pontos críticos permite uma alocação eficiente dos recursos de patrulhamento. O PCV é utilizado para determinar a rota mais eficiente que cobre todos os pontos críticos identificados pelos MLP, adaptando o algoritmo para as particularidades das operações policiais, como a necessidade de revisitar certos pontos regularmente e as restrições de tempo. A metodologia foi testada através de estudos de caso e simulações computacionais, comparando os resultados com métodos tradicionais de patrulhamento. Conclui-se que a combinação de MLP e PCV resulta em uma ferramenta robusta para otimização de rotas policiais, melhorando a alocação de recursos e a resposta a incidentes criminais, contribuindo significativamente para a eficiência operacional das forças de segurança, fortalecendo a segurança comunitária e a eficácia policial.
Ler mais

A PESQUISA OPERACIONAL APLICADA AO PROBLEMA DE ROTEIRIZAÇÃO DE PATRULHAS POLICIAIS UTILIZANDO MODELOS DE LOCALIZAÇÃO PREDITIVA E DO CAIXEIRO VIAJANTE

  • DOI: https://doi.org/10.22533/at.ed.411142514011

  • Palavras-chave: Policiamento Inteligente, Problema do Caixeiro Viajante, Modelo Preditivo de Localização e Roteirização de Patrulhas, Serviços Web.

  • Keywords: Policiamento Inteligente, Problema do Caixeiro Viajante, Modelo Preditivo de Localização e Roteirização de Patrulhas, Serviços Web.

  • Abstract: This paper addresses the optimization of police patrol routes in Manaus, combining Predictive Location Models (PLM) and the Traveling Salesman Problem (TSP). PLMs use historical data and machine learning techniques to identify criminal hotspots, areas with a high probability of crime, where police presence should be intensified. Predicting these hotspots enables efficient allocation of patrol resources. TSP is used to determine the most efficient route that covers all the hotspots identified by PLM, adapting the algorithm to the particularities of police operations, such as the need to revisit certain points regularly and time constraints. The methodology was tested through case studies and computer simulations, comparing the results with traditional patrolling methods. It is concluded that the combination of PLM and TSP results in a robust tool for optimizing police routes, improving resource allocation and response to criminal incidents, contributing significantly to the operational efficiency of security forces, strengthening community safety and police effectiveness.

  • Matheus Santos Lima
Fale conosco Whatsapp