Evaluación de patrones de comportamiento criminal en Bucaramanga mediante Machine Learning no supervisado

Abstract

Este trabajo identifica y analiza patrones espaciales de criminalidad en zonas de Bucaramanga mediante técnicas de aprendizaje automático no supervisado, específicamente los algoritmos K-Means y clustering jerárquico. A partir de datos del periodo 2016–2023 extraídos de la plataforma Datos Abiertos Colombia, se construyó una base consolidada con variables delictivas, demográficas y espaciales, complementadas con tasas ajustadas como la Razón de Morbilidad Estandarizada (RME). La segmentación permitió identificar cinco clústeres útiles con características delictivas diferenciadas entre zonas. Entre los hallazgos clave se destacan: zonas con alta incidencia de violencia intrafamiliar y afectación a población infantil, zonas críticas de crimen organizado y delitos patrimoniales en sectores comerciales, así como sectores residenciales con baja incidencia delictiva. La coherencia de los agrupamientos fue validada mediante métricas como el índice de silueta, y los resultados se integraron en una aplicación interactiva desarrollada con Streamlit. Esta herramienta, de acceso público, incluye un módulo asistido por modelos de lenguaje (LLM) que facilita la interpretación automatizada y la generación de recomendaciones prácticas. Los hallazgos aportan insumos clave para el diseño de estrategias diferenciadas de seguridad pública, promoviendo una planificación territorial más focalizada, preventiva y basada en evidencia.