Predicción del robo de vehículo con violencia

mediante autómatas celulares

Israel Regino Islas Barajas, Universidad Nacional Autónoma de México,
Maestría en Gobierno y Asuntos Públicos
Israel.barajas.ir@politicas.unam.mx
Diciembre 2023

Resumen

Esta investigación tiene como propósito explorar la posibilidad de predecir el robo

de vehículo con violencia en la ciudad de México a partir de autómatas celulares,
comparando los resultados con la ocurrencia real del delito en los meses de enero a
noviembre del 2023. Para lograrlo, se utiliza el autómata denominado “El juego de
la vida” de Conway, y el conteo de Moore, modificando las reglas de supervivencia
así como las de conteo. Los datos, imágenes y resultados se encuentran en esta
carpeta.

1. Introducción
Existen diferentes modelos cuyo fin es predecir el delito. Existen algunos modelos que
se enfocan en el espacio, ya sea a través de análisis puntuales, de densidades,
temporales o “hot spots” (Barreras, Díaz, Riascos, & Ribero, 2016); y también existen
modelos que utilizan técnicas que no consideran, necesariamente, al espacio, por
ejemplo, redes neuronales artificiales, series de tiempo multivariadas, aplicación de
conjuntos borrosos o modelos de aprendizaje supervisado (Mohd Shamsuddin, Azizah
Ali, & Alwee, 2017).

Aunque utilizan enfoques distintos, una característica que comparten todos los
modelos es que requieren grandes cantidades de datos para poder ser precisos. La
lógica de la predicción del delito mediante datos es obtener patrones o reglas que sigue
la incidencia delictiva. Una vez que se obtienen los patrones o reglas, mediante la
aplicación de algún modelo, entonces se pueden reproducir esos patrones o reglas en
temporalidades o espacios en los que todavía no ocurre. Si el patrón o regla es
adecuado, entonces los resultados esperados deberían ser más o menos parecidos a lo
que efectivamente suceda.

Sin embargo, al considerar que los datos disponibles son la realidad de la incidencia
delictiva o, por lo menos, una muestra representativa, se puede incurrir en problemas
de predicción porque en la mayoría de los delitos existen subregistros, llamados “cifra
negra”. La consecuencia de esto es que los resultados pueden no ser suficientemente
precisos para tomar decisiones en política pública.

Por lo anterior, puede ser conveniente explorar la posibilidad de predecir la incidencia

delictiva no mediante bases de datos sino mediante reglas o patrones, es decir, de la
manera inversa a como regularmente se intenta analizar y predecir el delito. Para
lograrlo, es posible utilizar un tipo de autómata celular conocido como “El juego de la
vida” creado por John Horton Conway (Gardner, 1970).

Aunque no escapa totalmente de los problemas de la disponibilidad de los datos, en

general sólo requeriría un fragmento de datos relativamente confiable para asignar las
condiciones iniciales, mientras que el resto de la predicción únicamente operaría a
través de las reglas planteadas.

2. Base comparativa de incidencia delictiva

A partir de las carpetas de investigación reportadas por la Fiscalía General de Justicia
de la Ciudad de México para el 2023, “carpetasFGJ_2023.csv” en carpeta (Gobierno de
la Ciudad de México, 2023), se obtuvieron únicamente los datos para robo de vehículo
de servicio particular con violencia en el año 2023 del mes de enero a noviembre, “robo
de vehículo.csv” en carpeta.
Los datos obtenidos se mapearon, se generó una cuadrícula de 46x46 en donde cada
cuadrado mide 940m por cada lado, que comprende la totalidad de los asuntos
ocurridos en la Ciudad de México, pues existen asuntos que son reportados en Ciudad
de México, pero ocurrieron en un municipio aledaño. Para cada mes, se realizó un
conteo para obtener cuadrículas de incidencia delictiva, obteniendo la siguiente base
comparativa:

Enero Febrero Marzo

Abril Mayo Junio

Julio Agosto Septiembre

Simbología

Incidencia

Octubre Noviembre

Figura 1. Comparativa base de cuadrículas de incidencia. Elaboración propia con datos de

carpetas de investigación de la FGJCDMX. El color morado indica incidencia.
3. Método
A través del conteo de Moore modificado para que considere hasta tres celdas
aledañas1 y mediante el autómata celular “El juego de la vida” de Conway se intentará
predecir los mismos resultados que se obtuvieron de los meses febrero a noviembre,
tomando como condiciones iniciales el mes de enero. Se utilizaron cinco reglas de
conteo:

1. Falta de saturación: Cuando la celda tiene incidencia y +- 3 celdas alrededor

hay sólo una más con incidencia, entonces la celda se queda sin incidencia. Al no
existir mucha concentración delictiva en el espacio aledaño, se considera que se
trata de un lugar de oportunidad para cometer el delito, es decir, tiene poca
premeditación y poca probabilidad de que se repita.
2. Falta de saturación: Cuando la celda tiene incidencia y +- 3 hay dos con
incidencia, entonces la celda se queda sin incidencia. Al no existir mucha
concentración delictiva en el espacio aledaño, se considera que se trata de un lugar
de oportunidad para cometer el delito, es decir, tiene poca premeditación y poca
probabilidad de que se repita.
3. Suficiente saturación: Cuando la celda tiene incidencia y +- 3 hay tres con
incidencia, entonces la celda continúa con incidencia. Al existir suficiente
concentración en relativamente poco tiempo, se considera que se trata de un lugar
con mucha probabilidad de que se repita el delito, ya que ha dado resultados en
cuanto a la comisión del delito.
4. Nueva oportunidad Cuando la celda no tiene incidencia y +- 3 hay más de tres
celdas con incidencia, entonces en la celda aparece incidencia. Al existir suficiente
concentración alrededor de una celda sin incidencia, el lugar incrementa su
probabilidad de ser igualmente considerado como un buen lugar para cometer el
delito.

1 Las condiciones iniciales tenían mucha dispersión entre celdas, por lo que no

sucedía nada casi con cualquier tipo de regla. Por esta razón, se tuvo que modificar el
conteo para considerar más celdas aledañas.
 5. En todos los demás casos, la celda se queda sin incidencia.

4. Resultados

Simbología

Incidencia

Figura 2. Resultados de las cuadrículas de incidencia. Enero son las condiciones iniciales a
partir de la información de carpetas de investigación. Elaboración propia.
En el mes de Febrero’ se observa una concentración de incidencia en los cuadrantes
inferiores a la derecha de la cuadrícula, mientras que el resto se dispersa. En el mes de
Marzo’ ocurre lo contrario: los cuadrantes que se habían concentrado, ahora comienzan
a dispersarse y los cuadrantes que se dispersaban comienzan a concentrarse. En Abril’
comienzan a concentrarse los nuevos cuadrantes y entre Mayo’ y Junio’ el cambio es
poco, pero la tendencia es hacia la concentración y expansión a la vez. El resto de los
meses continúa la expansión y concentración de los cuadrantes.

Al comparar estos resultados con las cuadrículas de incidencia base, inmediatamente

se observa que la relación es nula.

5. Discusión
De acuerdo con los resultados obtenidos, el tipo de conteo, y las reglas de conteo
utilizadas no son adecuadas para predecir el delito de robo de vehículo con violencia
en la Ciudad de México. Hay varios aspectos a considerar para futuros intentos:

1. La probabilidad de que ocurra un robo de vehículo no sólo depende de si

anteriormente se ha cometido un robo de vehículo en la zona, es decir, la
probabilidad condicionada respecto a la incidencia no parece tener un impacto
considerable.
2. En consonancia con lo anterior, en las cuadrículas de incidencia base existen
cuadrículas de incidencia que aparecen lejos de cualquier otra cuadrícula, por lo
que pueden considerarse aleatorias respecto al resto de la incidencia. Sin embargo,
desde otro punto de vista (tipo espacio geográfico u horario, etcétera), puede
considerarse como de baja probabilidad.
3. En este sentido, los patrones o reglas que sigue el robo de vehículo con violencia en
la Ciudad de México, son mucho más complejas y variadas. Para mejorar la
predicción del delito desde la perspectiva de las reglas y patrones, tiene que
añadirse como parte de las reglas los hallazgos que existen en investigaciones
empíricas
4. Un supuesto importante es que la incidencia de un lugar influye directamente en el
siguiente mes. Es probable, considerando que del robo de vehículo se sigue su venta
o uso para la comisión de otro delito, que en realidad la influencia pueda suceder
mucho más tarde.
5. Quizá valdría la pena añadir como una celda distinta operativos policiales o, en
general, presencial policial. Así el juego puede complejizarse para añadir dos tipos
de celda que se condicionan entre sí.

Referencias
Barreras, F., Díaz, C., Riascos, A., & Ribero, M. (25 de Mayo de 2016). Comparison of
different crime prediction models in Bogotá. Obtenido de
https://www.alvaroriascos.com/researchDocuments/PrediccionCrimen.pdf

Gardner, M. (Octubre de 1970). MATHEMATICAL GAMES. The fantastic combinations of

John Conway's new solitaire game "life". Obtenido de
https://web.stanford.edu/class/sts145/Library/life.pdf

Gobierno de la Ciudad de México. (2023). Carpetas de investigación de la FGJ 2023.

Obtenido de https://datos.cdmx.gob.mx/dataset/carpetas-de-investigacion-
fgj-de-la-ciudad-de-mexico/resource/f6a2867a-5f14-41f3-8986-
2618c9b6d0b1

Mohd Shamsuddin, N., Azizah Ali, N., & Alwee, R. (2017). An Overview on Crime
Prediction Methods. International Student Project Conference.
doi:10.1109/ICT-ISPC.2017.8075335