Clusterização Espacial In-Database para Planejamento Estratégico de Unidades Policiais

Resumo

O rápido crescimento populacional e a crescente densidade urbana aumentam a complexidade da gestão de desafios relacionados à distribuição espacial desigual da criminalidade, à dinamicidade temporal das ocorrências, às limitações de recursos e às restrições operacionais das forças de segurança.
Este artigo apresenta uma abordagem de clusterização espacial in-database para otimização da localização de unidades policiais a partir de dados georreferenciados em larga escala. A proposta integra Sistemas de Informação Geográfica (SIG) ao PostgreSQL/PostGIS, explorando o algoritmo K-means, reduzindo overhead de transferência e preservando a integridade topológica das geometrias. Foram processados 554.832 registros criminais da região metropolitana de Londres. A definição do número de clusters foi conduzida por experimentação sistemática com variação de K entre 2 e 10, utilizando as métricas Inércia (Elbow), Coeficiente de Silhouette e Índice de Calinski-Harabasz. Os resultados indicaram K=4 como solução de melhor equilíbrio entre coesão intra-cluster, separação inter-cluster e interpretabilidade territorial.