Predicción de la probabilidad de robo en barrios de Bucaramanga mediante Machine Learning

Abstract

El presente trabajo desarrolla un sistema predictivo de hurtos a personas en los barrios de Bucaramanga, Colombia, mediante técnicas de aprendizaje automático. A partir de 103.879 registros históricos del SIEDCO de la Policía Nacional para el período 2010–2025, se construyó un modelo de clasificación binaria capaz de estimar la probabilidad de ocurrencia de hurtos para cualquier combinación de barrio, día de la semana y franja horaria. Se compararon cuatro algoritmos mediante validación cruzada estratificada K=5: regresión logística (78,21%), árbol de decisión (75,33%), Random Forest (77,93%) y XGBoost (82,12%). XGBoost fue seleccionado como modelo final por su mayor desempeño y estabilidad. Los hiperparámetros se optimizaron mediante RandomizedSearchCV con 40 iteraciones y AUC-ROC como métrica objetivo. Sobre un conjunto de prueba independiente el modelo alcanzó accuracy del 82,2%, recall del 84,3%, F1-score de 0,825, AUC-ROC de 0,9066 y Average Precision de 0,89. Las probabilidades fueron calibradas mediante Platt Scaling garantizando que el conjunto de prueba no participara en ninguna etapa del ajuste. Los resultados se presentan a través de un dashboard interactivo en Leaflet.js que visualiza el riesgo por barrio según día y franja horaria. Los barrios se clasificaron en niveles ALTO, MEDIO y BAJO para el escenario crítico identificado: viernes entre las 17:00 y las 21:00 horas. Se formularon cinco recomendaciones estratégicas para apoyar la asignación eficiente de recursos de seguridad por parte de la Policía Metropolitana y la Alcaldía de Bucaramanga.