Sistema inteligente para detectar y mapear eventos de violencia urbana en distintas zonas de Barranquilla, basado en información obtenida de Twitter

Abstract

Este proyecto surge de la necesidad de tener una forma rápida y gráfica de obtener información los distintos sucesos de violencia que están ocurriendo en los distintos barrios de la ciudad de Barranquilla diariamente. Con base en esto se busca implementar un prototipo que reaccione diariamente, automatizado y que permita mostrar las distintas zonas donde están ocurriendo sucesos de violencia resaltados en un mapa, con base en información obtenida de tuits. Se diseñó una arquitectura basada en micro-servicios cuya comunicación se realiza bajo el conjunto de protocolos TCP/IP y HTTP. Los tuits se obtienen a través de la API de Twitter. Este envía la información al servicio web de clasificación implementado en Flask y se encarga de clasificar los tuits detectando si son indicadores de que hubo un incidente de violencia y en qué zona de Barranquilla ocurrió y se almacenan en la base de datos. En la capa de presentación, se tiene una aplicación web implementada en React para visualizar la información indexada en Firebase Cloud Firestore. Se utiliza la API de Google Maps para visualizar el mapa de la ciudad y se genera la división por barrios en el mapa. Para poder representar el impacto y la diferencia en violencia por barrios, se utilizó una librería de Javascript que permite manipular y presentar información geográfica a través de gráficos interactivos. Tras desarrollar una revisión sistemática de la literatura relacionada con los campos de AI, ML, DL y NLP se estructuró el marco conceptual y se comprendieron aspectos para desarrollar la solución. Se desarrolló el modelo y diseño de la solución con la cual se pudo implementar, desplegar y validar el prototipo planeado. El resultado fue exitoso, ya que se pudo distinguir hasta con un 96 % de certeza, con los tuits de validación, si un tuit indica un hecho de violencia o no. Además, la representación por barrios se realizó de manera correcta tras obtener y filtrar esta información de lo escrito en los tuits.

This project arises from the need to have a quick and graphic way of obtaining information about the different events of violence that are occurring in the different neighborhoods of the city of Barranquilla on a daily basis. Based on this, we seek to implement a prototype that reacts daily, automated and that allows us to show the different areas where violent events are occurring, highlighted on a map, based on information obtained from tweets. An architecture based on microservices was designed, whose communication is carried out under the TCP/IP and HTTP protocols. The tweets are obtained through the Twitter API. This sends the information to the web classification service implemented in Flask and is responsible for classifying the tweets by detecting whether they are indicators that there was an incident of violence and in which area of Barranquilla it occurred and are stored in the database. In the presentation layer, there is a web application implemented in React to visualize the information indexed in Firebase Cloud Firestore. The Google Maps API is used to visualize the map of the city and the division by neighborhoods is generated in the map. In order to represent the impact and difference in violence by neighborhood, a Javascript library was used to manipulate and present geographic information through interactive graphics. After developing a systematic review of the literature related to the fields of IA, ML, DL and NLP, the conceptual framework was structured and aspects were understood to develop the solution. The model and design of the solution was developed with which the planned prototype could be implemented, deployed and validated. The result was successful, since it was possible to distinguish with up to 96 % certainty, with the validation tweets, if a tweet indicates an act of violence or not. In addition, the representation by neighborhoods was made correctly after obtaining and filtering this information from what was written on the tweets.