1

Perfil' geográfico' de' la' conducción' influenciada.' Una' aproximación' a' la'reducción'de'la'delincuencia'y'la'accidentalidad'a'través'del'análisis'del'delito.' José Eugenio Medina Sarmiento Grupo Crímina. Intendente de la Policía Local de Elche RESUMEN

En los últimos años se está produciendo un cambio en la gestión de los servicios de policía. Se ha pasado de un modelo reactivo a otro proactivo, en el que la adquisición de inteligencia, el empleo de las nuevas tecnologías como los Sistemas de Información Geográfica (SIG) y recientes técnicas, como la determinación de los hot spots o puntos calientes, han permitido realizar una asignación de los recursos policiales de un modo más eficiente. Uno de los campos, en los que el empleo de estos avances está produciendo beneficios, es el de la delincuencia vial. El análisis geográfico de la conducción influida, nos permite establecer un patrón mediante el cual asignar recursos policiales, en lugares y horas en los que su presencia puede contribuir de una manera eficaz a la reducción de estas conductas, ello a su vez, podría incidir en un descenso de la actividad delictiva.

Palabras clave: Sistemas de Información Geográfica; delincuencia de tráfico; análisis geográfico; mapas delictivos; hot spot.

ABSTRACT

In the last there has been a move within management of police services. It has gone from a reactive to a proactive model, in wich the adquisition of intelligence, the use of new technologies such as Geographic Information Systems (GIS) and the recent techniques like the identification of hot spots, they have allowed to realice an assignment of police resources more efficiently. One of the fields that is benefiting in the use of these advances is the road crime. The geographical analysis of driving under influenced allow us to establish a standard whereby to assign police resources in places and times in that their presence can contribute in an effective way to reduce these behaviors.

Keywords: Geographic Information Systems; traffic crime; geographical analisys; crime mapping; hot spot.

1.'Introducción.'El progresivo aumento en la demanda de los servicios de policía, acompañada en numerosas ocasiones, de un descenso de los limitados recursos con que cuentan las organizaciones policiales, junto con el acceso generalizado a las nuevas tecnologías, ha llevado a algunas de estas instituciones a plantearse un cambio en sus modelos de planificación y actuación. Los modelos reactivos, en los que se espera que la sola presencia policial pueda reducir las oportunidades delictivas y en último extremo, la reacción en el momento en que se produzcan las infracciones para detener a su presunto autor, han dado paso a modelos proactivos y descentralizados, que ponen el énfasis en análisis de la inteligencia y la distribución de efectivos, tras el examen de la información (Ratcliffe & McCullagh, 2001). Y es que

2

precisamente eso, información, es algo de lo que los cuerpos de seguridad disponen cada día en mayor abundancia, lo que presenta en parte un problema. En la era de la informática son cada día más las policías que cuentan con bases de datos en las que registran llamadas de los ciudadanos, partes de intervenciones, localizaciones de accidentes de tráfico y un largo etcétera de datos, que en no pocas ocasiones quedan almacenados, sin que se hagan análisis más profundos que la confección de las Memorias Anuales del Cuerpo o informes para autoridades, con ocasión de hechos puntuales o llamativos. Lo cierto es que en la actualidad, lo realmente interesante es, no tanto obtener información, como hacer un tratamiento adecuado de esta.

Pretendemos pues con este trabajo, poner de manifiesto la utilidad de determinadas técnicas y aplicaciones de análisis criminológico, que con una combinación de ciencia y técnica, muestran una perspectiva diferente de una de las áreas de intervención policial con mayor desarrollo en los últimos años, como es la delincuencia vial. Este cambio de visión, permite al tiempo, afrontar planteamientos más audaces y eficientes en el tratamiento de problemas de diferente índole. En este sentido programas como el Data-Driven Approaches to Crime and Traffic Safety (DDACTS), conjugan el análisis geográfico con la lucha contra la accidentalidad y la delincuencia simultáneamente (Wilson, 2010).

La evolución de los desarrollos teóricos de la criminología ambiental, iniciados por autores como Jeffery, Newman, Harries o Brantingham y antes por Guerry, Park y Burguess, han permitido mejorar las técnicas para interpretar y representar geográficamente los delitos (Vozmediano & San Juan, 2010).

Muestra de las grandes posibilidades que ofrecen los análisis del delito, son técnicas como la determinación de los hot spots, que permiten establecer las áreas o zonas en las que una determinada actividad, delictiva o no, registra una especial intensidad. En la actualidad, es posible predecir, en orden a su probabilidad, los lugares y momentos en los que se van a cometer los delitos (Summers, Johnson, & Pease, 2007). Al igual que los delitos clásicos, o que los accidentes de tráfico, las infracciones como la conducción influida por alcohol o drogas, se distribuyen geográficamente siguiendo un patrón específico. Analizado este patrón geográfico, estaríamos en condiciones de predecir los lugares en los que encontraríamos a los delincuentes viales, así como las características personales en función de la zona en la que han sido detectados. Pero no sólo esto, con un conjunto suficiente de datos sobre accidentalidad y hechos delictivos, tendríamos la oportunidad de planificar la distribución de efectivos policiales de un modo eficiente, consiguiendo con ello la reducción tanto de accidentes como de hechos delictivos (Hardy, 2010), como ya ha demostrado el programa DDACTS.

2.'El'análisis'espacial'del'delito'y'los'Sistemas'de'Información'Geográfica'(SIG).''

2.1.'Primero'alfileres…'y'después'llegaron'los'ordenadores.'La confección de mapas de criminalidad como herramienta de análisis del crimen, ha formado parte del proceso de conocimiento del éste desde hace tiempo. La Policía de Nueva York, por ejemplo, viene confeccionando estos mapas al menos desde 1900 (Harries, 1999). Los primeros mapas de alfileres fueron útiles para mostrar en qué lugares se estaban cometiendo los delitos, pero tenían serias limitaciones. En esa fecha, plasmar las diferentes categorías de hechos delictivos en un mapa representaba una ardua y pesada labor manual, además, se perdía información cuando eran actualizados. Otro problema se presentaba cuando se almacenaban, ya que los datos de origen se podían conservar, sin embargo, los mapas no, a no ser que se fotografiasen, y esto hace unos años también representaba un serio inconveniente con la tecnología de la época. Los mapas eran estáticos, no podían ser manipulados y adolecían de serias carencias para mostrar simultáneamente varias categorías de delitos, cuestión que se intentaba paliar con alfileres de diferentes colores. Sin embargo, los mapas de alfileres hoy día continúan utilizándose en ocasiones, fundamentalmente cuando las escalas son demasiado grandes.

3

Durante las décadas de 1960 y 1970 se empezaron a utilizar los ordenadores para las tareas de realización de mapas (Peña Llopis, 2008). Los primeros mapas por ordenador únicamente permitían la representación de puntos y líneas asociados a símbolos, con escasa utilidad analítica, incluso después de los ochenta esta tarea resultaba complicada. El abaratamiento de los precios de los ordenadores y dispositivos de impresión en la década de los 90, la mejora de sus capacidades y la reducción de los precios de los mapas digitalizados han permitido el uso generalizado de la tecnología de Sistemas de Información Geográfica (SIG).

2.2.'Los'mapas'como'un'caso'especial'de'visualización'de'datos.'Arte'y'ciencia.'Como otras formas de visualización de datos, los mapas forman parte de una actividad científica, en la que tiene lugar la formulación de una hipótesis, recogida de datos, análisis y revisión de los resultados y evaluación de la hipótesis inicial, aceptándola o rechazándola. Este proceso es el conocido método hipotético-deductivo y se usa en las ciencias como herramienta fundamental.

Construir un mapa implica una toma de decisiones basadas en el método hipotético-deductivo. Por ejemplo, si estamos preparando una capa de un mapa con un conjunto de datos, estos pueden mostrarse en su totalidad o agruparse para ser representados, para ello podemos dividir el rango de datos (distancia entre el mayor valor y el menor) entre el número de clases o agrupaciones que vamos a hacer, es decir, para un rango de 50, si se determinan 4 clases, cada una de ellas contendría 12,5 unidades.

Sin embargo, la ciencia no proporciona ayuda para el diseño de los mapas, la elección de los colores, los símbolos o el tipo de letra no están determinados por ningún estadístico. Estos elementos son la parte de arte de los mapas y resultan tan importantes como un buen cálculo, ya que de su correcta elección depende una acertada interpretación.

La adecuada elección de uno y otro elemento, arte y ciencia, proporcionará la información deseada o confundirá y limitará la interpretación del mapa, la correcta o incorrecta elección de colores o intervalos estadísticos pueden marcar la diferencia.

Fig.1 Ejemplo de mapas con diferente impacto.

En la representación anterior (Harries, 1999), podemos observar los mismos datos mostrados en el histograma según dos agrupaciones de datos diferentes, en la primera los intervalos elegidos son más amplios y sólo se establecen tres categorías, en el segundo, el de la parte inferior de la imagen, se establecen más intervalos. La imagen de abajo divide sus datos en unidades de desviación estándar, en las que el valor azul y el rojo centran nuestra atención, esta será nuestra elección si lo que pretendemos es mostrar los extremos.

Esta imagen también nos permite ilustrar que, con los mapas es fácil mentir (Benjamin Disraeli, dijo que existían tres tipos de mentiras, “mentiras pequeñas, mentiras grandes y estadísticas”), el mapa de la parte superior difumina la información al establecer las diferentes categorías. A

4

pesar de que los datos son los mismos que el mapa de la parte inferior, las conclusiones que se extraen de uno y otro pueden ser bien diferentes.

Con el término anglosajón Crime Mapping, se conoce el proceso mediante el que, utilizando Sistemas de Información Geográfica, se llevan a cabo análisis de los delitos, así como de otras cuestiones de interés policial (Boba, 2009).

2.3.'Los'sistemas'de'información'geográfica'(SIG).'En el año 1962, en Canadá, se diseño el primer sistema formal de información geográfica para el mundo de los recursos naturales a escala mundial. Más tarde, en el Reino Unido, se empezó a trabajar en la Unidad de cartografía experimental, pero no fue hasta la década de los ochenta, cuando se inició la comercialización de los Sistemas de Información Geográfica SIG o GIS, del inglés Geographic Information Systems.

El empleo de la tecnología SIG ha crecido exponencialmente en los últimos años (Vozmediano & San Juan, 2006), la recopilación, representación y análisis de todo tipo de información georreferenciada, constituye una potente herramienta al servicio de las empresas y organismos públicos. En la actualidad es posible encontrar estos sistemas en servidores de las policías, ayuntamientos y otras instituciones, ordenadores personales e incluso en vehículos policiales (Boba, 2009)

Un SIG es una tecnología que permite gestionar y analizar la información espacial. Su definición formal presenta cierta complejidad, ya que en ella se encuentran recogidos tanto los componentes, como las funciones (Peña Llopis, 2008), por lo que, una definición sencilla podría ser “un sistema capaz de mantener y explotar datos con localizaciones exactas en la superficie terrestre”. Un SIG no es sólo un software, este es sólo uno de sus componentes.

Un Sistema de Información Geográfica está compuesto fundamentalmente de cinco partes:

a. El Hardware. Es la base sobre la que opera el SIG. En la actualidad un sistema de estas características puede funcionar en una gran variedad de equipos, desde equipos personales, hasta grandes redes. En la medida en que las capacidades del hardware sean mayores, también lo serán la velocidad de procesamiento y análisis y la facilidad de uso.

b. Software. Las aplicaciones de SIG proporcionan las herramientas y funcionalidades requeridas para el almacenamiento, análisis y representación de la información. Los principales componentes de los programas son:

• Interface gráfica para el usuario (IGU) para el acceso a las herramientas. • Herramientas para la entrada y manipulación de la información geográfica. • Sistema gestor de bases de datos (DBMS). • Herramientas que permitan búsquedas geográficas, análisis y visualización de datos

geográficos.

En la actualidad, el mercado de las aplicaciones SIG ha crecido rápidamente, destacando por su alto nivel de implantación el paquete ESRI ArcGis. Otras opciones son MapInfo, Erdas Imagine, PCRaster, GRASS o Miramon. No obstante, existen buenas alternativas bajo licencia GNU GPL (open source o gratuitas), como gvSIG1, que combinado con Sextante2 puede ofrecer un correcto rendimiento.

c. Datos. Muy probablemente la parte más importante de un SIG son precisamente sus datos, estos pueden ser geográficos y alfanuméricos, los primeros generalmente son proporcionados

1 gvSIG http://www.gvsig.gva.es/index.php?id=gvsig&L=0 2 Sextante http://forge.osor.eu/plugins/wiki/index.php?id=13&type=g

5

por empresas de cartografía o facilitados por las administraciones públicas a través de sus recursos propios, los segundos son recopilados en su mayoría por el gestor del proyecto. En el caso de la Policía, las bases de datos generalmente no están geocodificadas, se tiene que realizar un proceso posterior para adjuntar a la información alfanumérica la geográfica.

La obtención de unos buenos datos pueden absorber entre el 60 y el 80% del presupuesto de implementación de un SIG (Peña Llopis, 2008).

d. Métodos y procedimientos. Un SIG debe operar de acuerdo con un plan previamente definido y con unas reglas establecidas, unos y otros son los modelos y las prácticas de cada organización. Las cuestiones que resuelven métodos y procedimientos están relacionadas con el modo en que vamos a codificar una vía, cómo vamos a ubicar un suceso, etc.

e. Usuarios y componente humano. Como la mayoría de las tecnologías de este tipo, sin un operador humano competente presentan muchas limitaciones. Sin personal entrenado específicamente para esta labor, la información se desfasa y se maneja erróneamente y el sistema en su conjunto no explota todo su potencial.

En definitiva un SIG es capaz de llevar a cabo las siguientes tareas:

1. Captura la información, mediante procesos de toma de datos de campo, digitalización de imágenes, procesamiento de imágenes de satélite, fotografías, vídeos, procesos aerofotográficos, etc.

2. La almacena en forma de bases de datos espaciales. 3. La manipula haciendo interaccionar los diferentes objetos. 4. Realiza análisis y modelos. 5. Presenta la información tratada.

El SIG es la herramienta que se utiliza en el análisis del delito y que permite confeccionar mapas delictuales, desde un simple mapa de puntos, hasta una representación tridimensional espacial o temporal.

3.'El'perfil'geográfico'de'la'conducción'influenciada.'Determinación'de'los'hot$spot.'La teoría criminológica ha mostrado en numerosas ocasiones que existen ciertos lugares en los que debido a determinadas características, sociales, físicas o de otra índole, se concentran los delitos, estos lugares se denominan hot spots. Por ejemplo, Sherman y sus colaboradores, determinaron en 1989, que el 3% de las direcciones a las que acudían los servicios de seguridad acumulaba el 50% de las llamadas a la policía por delitos (Boba, 2009).

La determinación de qué es un hot spot no resulta pacífica. No existe un consenso sobre un número estándar de sucesos que establezcan el punto caliente (Boba, 2009). Podemos encontrar diversas definiciones de hot spot o puntos calientes, sin embargo, la ofrecida por Eck y cols. (Eck, John E.; Chainey, Spencer; Cameron, James G.; Leitner, Michael; Wilson, Ronald E.;, 2005), es probablemente, la que más nos acerca al análisis de la delincuencia. Su definición establece que “hot spot es un área en la que existen un gran número de delitos, o un área en la que las personas tienen una alta probabilidad de riesgo de victimización”. Esta definición sugiere la existencia de “puntos fríos”, lugares o áreas con un promedio inferior de delitos, en contraposición a los puntos calientes. Igualmente apunta que algunas zonas deben ser más activas que otras.

La concentración espacial de los delitos en puntos calientes o hot spot, se presta con facilitad a su representación en mapas del crimen. Estos, permiten la rápida identificación de los delitos en

6

sus localizaciones geográficas, pero esto por sí solo, contribuye muy poco a la comprensión de los motivos por los que los delitos se concentran en determinados lugares. Por ello, las técnicas de análisis de datos espaciales son de gran importancia.

Es bien conocido que las interpretaciones visuales de los mapas pueden resultar inadecuadas, ya se ha hablado de ello, aunque en otro sentido. Ello es debido a que nuestro cerebro, se encuentra condicionado por los procesos de búsqueda de significado de las imágenes y por la identificación de patrones, incluso aunque los datos estén distribuidos aleatoriamente. A continuación, se muestran dos imágenes en las que se recogen los mismos datos geocodificados, en la primera, se observan una serie de puntos que tienden a formar alineaciones entorno a determinadas zonas, sin embargo, es la segunda la que nos ofrece una visión más clara de las áreas en las que se concentran los delitos, a esta es a la que hemos aplicado herramientas de SIG, la primera no es más que un mapa de chinchetas.

Fig.2 Representación de datos georreferenciados con diferentes formatos.

Existen diferentes modos de identificar hot spots, podemos encontrar desde el simple método manual, hasta técnicas más complejas como los análisis de densidad Kernel. En este trabajo empleamos distintas herramientas que nos permiten emplear desde el método manual, generalmente el más utilizado por los analistas, el de elipses, que establece zonas más o menos alargadas en las que se concentran determinados hechos, hasta algunos mapas de estimación de densidad.

4.'Método.'

4.1.'Muestra.'Los datos analizados se obtuvieron del Cuerpo de la Policía Local y el Cuerpo Nacional Policía de Elche. Concretamente, se exploraron las bases de datos en las que se encontraba la información relativa a los expedientes comprendidos en un período de ocho meses, entre diciembre de 2007 y agosto de 2008. La elección de este período de tiempo vino determinada por la novedad que suponía la entrada en vigor de la modificación del Código Penal en materia de tráfico3 y que introducía una nueva redacción de los artículos 379 y siguientes.

Los datos obtenidos en el Cuerpo de la Policía Local, contenían información sobre 232 expedientes por delitos contra la seguridad vial (atestados por conducción bajo la influencia de bebidas alcohólicas o drogas). Por su parte el Cuerpo Nacional de Policía facilitó el número de antecedentes policiales de los responsables de los anteriores delitos agrupados en cinco

3 Ley Orgánica 15/2007, de 30 de noviembre, por la que se modifica la Ley Orgánica 10/1995, de 23 de noviembre, del Código Penal en materia de seguridad vial.

7

categorías: delitos contra la propiedad, contra las personas, contra la salud pública, contra la autoridad y otro tipo de delitos. Una vez cruzada la información de antecedentes, se eliminaron nombres y números de documentos de identidad, identificando a cada sujeto con un número de ficha, ya que a los efectos del presente trabajo era suficiente contar con los datos de ubicación del suceso y de clasificación.

Para cada uno de los expedientes se codificó la siguiente información:

• Identificación del suceso. • Fecha y hora del suceso. • Localización geográfica del delito mediante el sistema de coordenadas UTM. • Datos de clasificación del conductor como edad, sexo, lugar de nacimiento, etc. • Tasa de alcoholemia. • Antecedentes previos del conductor según la clasificación de cinco grupos, tal y como

se ha descrito.

En el proceso de codificación de coordenadas geográficas, se excluyeron el 17,24% de los expedientes, ya que no contenían ninguna información sobre su ubicación. Estos registros fueron eliminados del conjunto de datos.

La muestra final resultó en 192 expedientes por delitos de conducción bajo la influencia de bebidas alcohólicas o drogas. Una vez comprobadas las coordenadas de los sucesos mediante su representación en un SIG y finalizado el proceso de “barrido de datos” mediante el que se comprobó la corrección de la información contenida en cada caso, se concluyó que la muestra final era apropiada para su análisis.

4.2.'Materiales'y'procedimiento.'La Sección de Cartografía y Topografía del Ayuntamiento de Elche, facilitó la cartografía y el callejero del término municipal en formato ESRI Sharefile (SHP). Con el fin de clarificar la representación de los mapas, se optó por eliminar parte de la información contenida en las diferentes capas e incluso alguna de las propias capas, quedando únicamente dos entradas:

• SDE_DISSECC conteniendo los distritos y secciones censales. • SDE_POL_URB_2 con la base cartográfica de la zona urbana.

Para el análisis de los datos geográficos se utilizaron diferentes herramientas informáticas. La representación de mapas y realización de algunos análisis se llevaron a cabo mediante gvSIG. En él, se cargaron las diferentes capas cartográficas y de datos alfanuméricos, para su tratamiento mediante Sextante. Determinados análisis, como las densidades Kernel, se realizaron en una aplicación más potente como es ArcGIS.

Igualmente se recurrió a CrimeStat III4. Se trata de una aplicación basada en Windows desarrollada por Ned Levine et al., a petición del National Institute of Justice. Esta herramienta no tiene capacidad para dibujar mapas, sin embargo, sí puede exportar datos en formatos comprensibles por otros programas como gvSIG o ArcGIS, de modo que con ellos, se representan los mapas con la información generada por CrimeStat III. Introduciendo la información de las coordenadas de los delitos, la aplicación puede realizar cálculos como:

4 (Ned Levine, 2009). CrimeStat: A Spatial Statistics Program for the Analysis of Crime Incident Locations (v 3.2). Ned Levine & Associates, Houston, TX, and the National Institute of Justice, Washington, DC. June., accesible en la dirección http://www.icpsr.umich.edu/CRIMESTAT/

8

• Centro medio de la distancia mínima a un grupo de incidentes. • Desviación estándar de un área de un grupo de casos. • Relaciones estadísticas espaciales entre puntos. • Estadísticas para indicar el grado de agrupamiento o dispersión entre puntos. • Distancias entre puntos. • Identificación de puntos calientes o hot spot basados en la proximidad espacial. • Estimaciones de densidad Kernel. • Estadísticas que relacionen el espacio y el tiempo. • Estadísticas para analizar el movimiento de delincuentes seriales.

En este caso, el cálculo del vecino más próximo, como el método de elipses se llevó a cabo mediante esta aplicación.

4.3.'Diseño.'Se realizó el análisis de los datos mediante estadísticos descriptivos, para determinar las pautas espaciales, temporales, espacio-temporales y en función de determinadas variables como la edad, tasa de alcoholemia o número de antecedentes.

Para el análisis geográfico, se realizó la determinación de hot spots mediante el método de las estimaciones de densidad Kernel y el de las elipses.

4.4.'Resultados.'

4.4.1.'Distribución'espacial.'En primer lugar, se obtuvo un mapa de puntos en el que se representaron los 192 casos posicionados. Con un primer análisis manual, se pudo observar que determinadas zonas acumulan un mayor número de sucesos. Especialmente significativo resultó la gran cantidad de eventos que se registraban a lo largo de una de las principales vías de la ciudad, uno de los ejes este-oeste.

Fig.3 Distribución espacial de los delitos contra la seguridad vial (conducción influida).

9

A continuación, se analizó la distribución de las conducciones bajo la influencia de bebidas alcohólicas. Para ello se realizó el test de agrupamiento basado en el análisis del vecino más próximo NNI (Nearest neighbor index). Generalmente asumimos que las distribuciones de los delitos están agrupadas, sin embargo, esto debe ser comprobado realizando una comparación con distribuciones aleatorias de sucesos. El NNI es un método rápido y sencillo para comprobar el agrupamiento. El test compara la distribución de datos de los delitos actuales con una muestra del mismo tamaño con una distribución aleatoria.

En este caso, se trata de un patrón aleatorio, ya que el índice indica un resultado de 0,6874. La distancia media entre vecinos fue de 100,82 metros y el máximo entre los puntos más alejados de 5.396.75 metros.

Para la detección de agregaciones espaciales se utilizó la aproximación basada en el estudio de las funciones K de Ripley. Esta función se define como el número esperado (E[ ]) de puntos en una distancia s de un punto arbitrario dividido por la intensidad general de puntos.

10

A continuación se realizó un análisis de densidad Kernel, en el que pueden observarse patrones de acumulación de sucesos en la zona norte y centro de la ciudad. Se encontró que estas zonas coincidían con las de mayor actividad delictiva, e igualmente con las de altos índices de accidentalidad. Para apoyar esta última afirmación, se realizaron idénticos análisis con datos del mismo período de tiempo correspondientes a los accidentes de circulación y los delitos de hurto, robo en establecimiento, robo en domicilio, hurto o robo de vehículo a motor y robo en interior de vehículo.

Fig.4 Mapa de densidad Kernel de los delitos contra la seguridad vial (conducción influida).

Fig.5 Mapa de densidad Kernel de los delitos.

11

Fig.6 Mapa de densidad Kernel de los accidentes de circulación.

Para confirmar la orientación de las zonas de concentración de los hechos delictivos se utilizó la técnica de elipses. Tras realizar este análisis, pudo comprobarse que los hechos delictivos se concentraban básicamente en cinco zonas. La forma de la elipse nos confirmó que las áreas en las que existía mayor concentración de sucesos, tal y como podía apreciarse en las estimaciones Kernel, eran la norte, especialmente en la zona de los distritos 3 y 4. Nuevamente se confirmaba la coincidencia entre zonas de concentración de delitos viales y delitos comunes.

Fig.7 Zonas de concentración de delitos mediante la representación de elipses.

12

Finalmente, se realizó el cálculo del Centro Medio mediante la aplicación CrimeStat III, generando un fichero SHP que permitió su representación en el mapa de criminalidad. Este punto coincidió con la zona del centro comercial e institucional de la ciudad, pero desplazado ligeramente al norte.

Fig.8 Mapa de puntos con representación del Centro Medio.

4.4.2.'Distribución'temporal.'Para el análisis de la distribución temporal de la delincuencia vial, en primer lugar, se clasificaron los puntos en función del día de la semana.

Día Semana Casos Porcentual Lunes 13 6,77% Martes 12 6,25% Miércoles 11 5,73% Jueves 21 10,94% Viernes 26 13,54% Sábado 55 28,65% Domingo 54 28,13% TOTAL 192

La tabla nos muestra que las conductas de conducción influida se concentraron los fines de semana, concretamente el período desde el viernes hasta el domingo acumulaba un 70,32% de las alcoholemias. A continuación se planteó si existía igualmente una concentración espacial de los delitos en determinados días de la semana. La inspección manual, permitió establecer un patrón en el que las conductas de conducción influida se distribuían espacialmente de manera aleatoria, tanto entre semana como los fines de semana, sin embargo existiendo un ligero aumento de la concentración de sucesos los sábados en la zona del centro y norte de la ciudad.

13

Fig.9 Zonas de concentración de delitos en función del día de la semana.

Para confirmar esta primera impresión, se confeccionaron dos mapas de estimación Kernel, el primero, mostró que efectivamente los delitos se concentraban entre semana en la zona norte y Distrito 3. El segundo mapa, mostraba que los fines de semana las conductas estudiadas se situaban en la zona centro y en dirección a las zonas de ocio. Los patrones espaciales, por tanto, mostraron diferencias en función de los días de la semana.

Fig.10 Estimaciones de densidad Kernel en función de los días de la semana.

14

A continuación, se analizó la distribución de los hechos delictivos según seis grupos horarios.

Grupo hora Casos Porcentual 0-4 38 19,79% 4-8 60 31,25% 8-12 27 14,06% 12-16 19 9,90% 16-20 7 3,65% 20-24 41 21,35% Total general 192

El grupo entre las 4 y las 8 de la mañana representó el 31,25% de los casos, seguido del grupo entre las 20 y 24 horas. Del mismo modo que se hizo con la concentración espacial de días de la semana, el comportamiento de los casos por grupos horarios, observándose que el grupo de 20 a 24 horas se concentró en la zona norte y Distrito 3, mientras que el resto de grupos horarios se distribuyeron aleatoriamente.

Fig.11 Estimaciones de densidad Kernel en función de los grupos horarios.

15

4.4.3.'Perfil'geográfico'de'los'infractores.'Una vez analizada la distribución espacial y espacio-temporal de los delitos de conducción bajo la influencia de bebidas alcohólicas, se inició el estudio del perfil geográfico de los infractores en función de las variables tasa de alcoholemia, edad, permiso de conducir y antecedentes. Esta última variable fue tratada ampliamente, dado que los resultados obtenidos mostraron cierto interés.

En primer lugar se analizó el comportamiento de la variable tasa de alcoholemia. Se realizó una distribución en seis grupos de tasas, observándose que los dos más numerosos fueron entre 0,6 y 0,8 y entre 0,8 y 1 gr./litro, concentrando el 31,46% de los casos.

Tasa Casos Porcentual 0-0,6 26 13,54% 0,6-0,8 59 30,73% 0,8-1 59 30,73% 1-1,5 37 19,27% 1,5-2 5 2,60% n/e 6 3,13% Total general 192

En cuanto a la distribución espacial de las tasas de alcoholemia, se observó que las tasas más elevadas se localizaron en la zona norte, siendo en esta área y en el Distrito 3 donde se encontraron las tasas máximas (representadas por los puntos rojos). Las tasas más bajas muestran un patrón aleatorio que no evidencia zonas de concentración.

Fig.12 Distribución de las tasas de alcoholemia.

16

A continuación se llevó a cabo el mismo estudio en función de la variable edad, siendo el grupo más numeroso el de 36-49 años, seguido del de 25 a 36 años. La media de edad de los infractores fue de 33 años.

Edad Casos Porcentual <25 42 21,88% 25-36 65 33,85% 36-49 74 38,54% 49-60 9 4,69% >60 2 1,04% Total general 192

Graf. 1 Gráfico de dispersión con escala logarítmica de las edades.

La distribución geográfica de las edades mostró que la zona que acumulaba mayor número de sucesos para infractores mayores de 49 años fue la zona norte y centro.

Fig.13 Distribución de edades.

17

Se completó el estudio de las dos primeras variables, tasa y edad, con el análisis de la distribución de los casos en función de la posesión o no del permiso de conducir. Un porcentaje muy alto de los infractores poseían permiso de conducir, concretamente el 87,50%, del mismo modo que en los análisis anteriores se estudió si existía alguna relación espacial en determinados casos.

Permiso Casos Porcentual No posee 24 12,50% Posee 168 87,50% Total general 192

Tras el análisis espacial se encontró que efectivamente, la mayoría de los infractores detectados que no poseían permiso se localizaban en la zona norte, Distrito 3 y Centro, siguiendo el mismo patrón de variables anteriores y confirmando cierta relación entre la concentración de delitos comunes y los delitos de tráfico. En el mapa se puede observar, tras un análisis manual, que los puntos de color rojo se sitúan en las zonas descritas, coincidentes con los mapas de densidad Kernel vistos en apartados anteriores.

Fig.14 Distribución de puntos en función de la posesión del permiso de conducir.

4.4.4.'Perfil'geográfico'de'los'infractores.'Especial'referencia'a'los'antecedentes.'Finalmente se realizó un análisis en profundidad de los antecedentes en función de las diferentes variables espaciales, temporales y de perfil de los infractores. Del conjunto de los 192 casos, el 30,73% registraba antecedentes policiales por alguno o algunos de los cinco grupos definidos.

Antecedentes Casos Porcentual No 133 69,27% Si 59 30,73% Total general 192

18

El análisis del NNI por separado (infractores con y sin antecedentes), mostró un índice parecido a la muestra en su conjunto, no obstante, las ubicaciones de conductores con antecedentes siguieron un patrón más aleatorio que el resto.

Fig.15 El primer cuadro muestra el NNI para los conductores con antecedentes y el segundo sin antecedentes.

Cuando se realizó el análisis manual, se observó que los conductores con antecedentes se agrupaban en la zona norte y centro. Este dato tuvo apoyo en la distribución por distritos censales.

Fig.16 Mapa con la distribución de infractores con y sin antecedentes.

Fig.17 y 18 Distribución por distritos censales de los conductores con y sin antecedentes.

19

A continuación se realizó un análisis de densidad Kernel con los dos grupos por separado. Apreciándose que las infracciones de conductores con antecedentes se agrupaban en la zona norte y centro, mientras que los que no contaban con antecedentes se ubicaban en la zona centro principalmente.

Fig.19 Mapa de densidad Kernel de infractores con antecedentes.

Fig.20 Mapa de densidad Kernel de infractores sin antecedentes.

20

La clasificación del día de la semana en función de la presencia o ausencia de antecedentes indicó que el 47% de los infractores contaban con antecedentes policiales, mientras que los fines de semana esta cifra se reducía al 30%.

Día semana No Si Total general

Lunes 4,51% 11,86% 6,77% Martes 4,51% 10,17% 6,25% Miércoles 5,26% 6,78% 5,73% Jueves 8,27% 16,95% 10,94% Viernes 12,78% 15,25% 13,54% Sábado 29,32% 27,12% 28,65% Domingo 35,34% 11,86% 28,13%

En cuanto a la distribución espacial de los antecedentes en función del día de la semana, no se apreciaron diferencias significativas, salvo algunos infractores con antecedentes detectados los fines de semana en las zonas de ocio.

Fig.21 Mapa de distribución de las infracciones entre semana.

Fig.22 Mapa de distribución de las infracciones en fin de semana.

21

Para finalizar con las variables temporales se analizó la distribución de las infracciones por grupos horarios en función de se presentaron antecedentes o no.

Hora No Si Total No Si 0-4 23 15 38 60,53% 39,47% 4-8 52 8 60 86,67% 13,33% 8-12 22 5 27 81,48% 18,52% 12-16 6 1 7 85,71% 14,29% 16-20 7 12 19 36,84% 63,16% 20-24 23 18 41 56,10% 43,90% Total general 133 59 192 69,27% 30,73%

Al igual que con análisis anteriores, se construyeron mapas en función de las variables de estudio, en este caso por grupos horarios y conductores con y sin antecedentes.

Fig.23 Mapa de distribución de las alcoholemias entre las 0 y las 4.

Fig.24 Mapa de distribución de las alcoholemias entre las 4 y las 8.

22

Fig.25 Mapa de distribución de las alcoholemias entre las 8 y las 12.

Fig.26 Mapa de distribución de las alcoholemias entre las 12 y las 16.

Fig.27 Mapa de distribución de las alcoholemias entre las 16 y las 20.

23

Fig.28 Mapa de distribución de las alcoholemias entre las 20 y las 24.

Los resultados mostraron que en el grupo horario de 4 a 8 horas, el 86,67% de los infractores no tenían antecedentes policiales, distribuyéndose geográficamente por debajo del eje de la Avenida de la Libertad – Avenida de la Universidad, en dirección a la zona Centro y zona de ocio.

Entre las 16 y las 20 horas, fueron más los infractores que registraron antecedentes que los que no lo hicieron, concretamente el 63,16% de los infractores contaban con antecedentes policiales, además se observó un patrón geográfico muy claro, distribuyéndose entre la zona norte y el Distrito 3.

Finalmente, el grupo de las 20 a las 24 horas, registró similar porcentaje para los que contaban con antecedentes como para los que no, y al igual que con el grupo de 16 a 20 horas la distribución geográfica fue diferente, localizando el mayor número de infractores con antecedentes en la zona norte y Distrito 3.

Variables personales.

Tras cruzar las variables espaciales y temporales con los antecedentes, se inició el análisis de los datos personales. Al igual que se hizo en apartados anteriores se trataron las tasas de alcoholemia, la edad y los permisos de conducir, analizando seguidamente el número y tipo de antecedentes.

Los resultados de las variables antecedentes en función de la tasa, sugirieron que cuanto mayor fuera la tasa de alcoholemia, más probabilidad había de que los infractores contasen con antecedentes policiales, de este modo, para tasas de alcohol en sangre superiores a 1 gr./litro el 40% de los infractores tenían antecedentes policiales.

Tasa No Si Total No Si

0-0,6 18 8 26 69,23% 30,77% 0,6-0,8 47 12 59 79,66% 20,34% 0,8-1 43 16 59 72,88% 27,12% 1-1,5 22 15 37 59,46% 40,54% 1,5-2 3 2 5 60,00% 40,00% n/e 6 6 0,00% 100,00% Total general 133 59 192 69,27% 30,73%

24

A continuación se analizó la variable edad en función de los antecedentes. El grupo entre 36 y 49 años fue el que contó con antecedentes en mayor numero de ocasiones, concretamente en un 44,59%. Los datos geográficos mostraron que los infractores con antecedentes y más edad se localizaron en la zona del Distrito 4, mientras que los más jóvenes sin antecedentes, fueron detectados en la zona centro.

Edad No Si Total No Si <25 36 6 42 85,71% 14,29% 25-36 47 18 65 72,31% 27,69% 36-49 41 33 74 55,41% 44,59% 49-60 8 1 9 88,89% 11,11% >60 1 1 2 50,00% 50,00% Total general 133 59 192 69,27% 30,73%

Fig.29 Mapa de distribución de las alcoholemias en función de los antecedentes y la edad.

Fig.29 Mapa de distribución de las alcoholemias en función de los antecedentes y la edad.

25

El estudio de estas variables continuó con la distribución de las alcoholemias en función del permiso de conducir y los antecedentes de los infractores. El análisis manual de los datos mostró que los infractores que no poseían permiso y contaban con antecedentes se localizaron en la zona centro y el Distrito 3.

Fig.30 Mapa de distribución de las alcoholemias en función de los antecedentes y el permiso de conducir.

Para finalizar este estudio, se analizó el numero y tipo de antecedentes en función de la zona en la que fueron localizados los infractores.

Fig.31 Mapa de distribución de las alcoholemias en función del número de antecedentes.

26

Tal y como se fue poniendo de manifiesto a lo largo de todo el estudio, las zonas en las que se localizaron a los conductores con un mayor número de antecedentes, fueron coincidentes con las zonas que mostraban mayor actividad delictiva en otros apartados criminales. Para apoyar esta afirmación, se fueron superponiendo gráficos de densidad Kernel, mostrando la relación indicada.

Fig.32 Mapa de distribución de las alcoholemias en función del número de antecedentes y el mapa de densidad Kernel.

Un último análisis en el que se tuvieron en cuenta las localizaciones y el tipo de antecedentes, mostró que los delitos contra la propiedad se ubicaron en el Distrito 3, mientras que el grupo “otro tipo de delitos” fueron localizados en la zona centro de la ciudad, finalmente el grupo de delincuentes que contaba con antecedentes por delitos contra la autoridad, fueron ubicados en la zona norte donde también están los delincuentes más versátiles.

Fig.33 Mapa de distribución de las alcoholemias en función del tipo de antecedentes.

27

5.'Discusión.'

Los directivos de policía, en muchas ocasiones, tienen un conocimiento intuitivo de las localizaciones y patrones temporales de determinados hechos. Este saber, lo han ido adquiriendo en base a su experiencia como profesionales dedicados a la seguridad, y resulta imprescindible en la identificación de problemas recurrentes, en su priorización y su selección, para llevar a cabo exámenes en profundidad y establecer las acciones apropiadas para resolverlos. Sin embargo, este conocimiento no siempre es acertado, y tampoco en todas las ocasiones resulta completo. Algunas investigaciones han mostrado que, la percepción de la localización de determinados problemas de interés policial, no se corresponde con la realidad (Ratcliffe & McCullagh, 2001). Por otra parte, como se ha indicado, el conocimiento podría ser acertado pero incompleto, un ejemplo ayudará a ilustrar esta afirmación: resulta lógico pensar y desde luego, es probable que, en el caso de las conducciones influidas, la mayoría de los profesionales de la policía y también muchos ciudadanos, opinen que las zonas de ocio van a acaparar un mayor número de infracciones de este tipo. Sin embargo, no serán conscientes de que las tasas de alcoholemia, generalmente no serán muy elevadas, y que a determinadas horas los infractores podrían tener antecedentes y por lo tanto ser peligrosos. El cruce de las diferentes variables, nos permitirá profundizar en el conocimiento de estas conductas delictivas, lo que a su vez ayudará a diseñar estrategias más informadas y eficientes para atajar los problemas planteados. El análisis del delito en definitiva, puede aportar una visión más completa del fenómeno a estudiar, ¿conocemos en qué zonas nos podemos enfrentar a delincuentes con antecedentes por delitos contra los agentes de la autoridad?, ¿a qué horas y en qué lugares un control será más eficaz?, ¿podemos reducir los accidentes previniendo al tiempo la delincuencia? estas son sólo tres de las cuestiones que pueden ser respondidas con los mapas de criminalidad.

Los análisis presentados en este trabajo pusieron de manifiesto que, como en otro tipo de delitos, existe una aglomeración espacial en la detección de conducciones influidas por alcohol o drogas. Este tipo de conductas se concentraron en dos áreas muy concretas, la zona norte y el centro de la ciudad. Resultó llamativo que precisamente esas fueran las zonas en las que se acumularan mayor cantidad de delitos comunes, especialmente robos en la zona norte y hurtos en el centro. Pero es que además, también son lugares en los que históricamente se han acumulado los accidentes de tráfico. Esto nos lleva a pensar que, como una de las estrategias que se han mostrado exitosas, el aumento de la vigilancia y supervisión policial en esas zonas (Boba, 2009), podría contribuir a la reducción tanto de delitos como de accidentes, al menos así lo han mostrado experiencias como la de Nashville en Tennessee (Wyatt, 2010) o Baltimore County (Hall, 2010).

Tampoco resultó llamativo que las conducciones bajo la influencia de alcohol o drogas se concentrasen en fin de semana, pero sí se evidenció que la distribución espacial de estas conductas en función de dos agrupaciones de días (entre semana y fin de semana), mostraban un patrón diferente. Las conductas delictivas entre semana se localizaban en la zona norte, mientras que los fines de semana se centraban en las proximidades de las zonas de ocio. El análisis de las distribuciones horarias reveló que las infracciones se ubicaban en la zona norte entre las 20 y las 24 horas. Al combinar estos datos con las horas, tasas, edades y antecedentes policiales de los infractores, y llevar a cabo estos y otros análisis, se pudieron confeccionar los diferentes perfiles de los infractores y de las distintas zonas de la ciudad. De este modo, cuando se estableció que cuando localicemos a un infractor en la zona norte, lo más probable es que sea entre semana, entre las 16 y las 24 horas, será una persona de mediana edad, arrojará una tasa de alcoholemia elevada, en más ocasiones que en otras zonas carecerá de permiso de conducir y tendrá antecedentes en su mayoría por delitos contra la propiedad o las personas.

Esta información nos permitirá establecer planes de reducción de la delincuencia y la accidentalidad, podremos establecer controles en función del perfil del infractor y de la zona en

28

la que queremos actuar. En definitiva, la utilización de herramientas como los Sistemas de Información Geográfica (SIG) y las técnicas como la determinación de los hot spot, pueden contribuir claramente a generar conocimiento, y por lo tanto, a la distribución eficiente de los siempre limitados recursos de las organizaciones policiales. Resulta cada día más necesario incidir en la inteligencia y en los modelos de policía proactiva. La búsqueda de la información, el cuidado de los datos y el empleo de herramientas y técnicas como las que hemos visto pueden ser muy útiles en el ámbito de la seguridad.

29

Bibliografía'Boba, R. (2009). Crime analysis with crime mapping (2ª edición ed.). Florida: SAGE Publications.

Canter, P. (1995). State of the statistical art: Point pattern analysis.

Eck, John E.; Chainey, Spencer; Cameron, James G.; Leitner, Michael; Wilson, Ronald E.;. (2005). Mapping Crime: Understanding Hot Spots. Washington: National Institute of Justice.

Garrido, Vicente; Sobral, Jorge;. (2008). La investigación criminal. Barcelona: Nabla ediciones.

Garrido, Vicente; Stangeland, Per; Redondo, Santiago;. (2001). Principios de Criminología. Valencia: Tirant lo Blanch.

Godwin, F. (2006). El rastreador. Barcelona: Alba.

Hall, H. (2010). Implementing DDACTS in Baltimore County: Using geographic incident patterns to deploy enforcement. Geography Publica Safety .

Hardy, E. (2010, June). Data-Driven Policing: How geographic analysis can reduce social harm. Geography public safety .

Harries, K. (1999). Mapping crime: principe and practice. Washington: Crime Mapping Research Center.

Heffernan, Maree; Hall, Carly; Ingamells, Ann; Delaforce, Wayne; Bruce, Rich; Buys, Nick;. (2005). Mapping youth-at-risck: GIS and its potential as a service integration tool. Social change in the 21st Century Conference (p. 22). QUT.

Peña Llopis, J. (2008). Sistemas de información geográfica aplicados a la gestión del territorio. Alicante: ECU.

Ratcliffe, J., & McCullagh, M. (2001). Chasing ghosts? Police perception of high crime areas. British Journal of Criminology .

Rossmo, K. (1999). Geographic Profiling. CRC Press.

Serrano Maillo, A. (2004). Intruducción a al Criminología. Madrid: Dykinson.

Serrano Maillo, A. (2009). Oportunidad y delito. Madrid: Dykinson.

Stangeland, Per; Garrido de los Santos, María José;. (2004). El mapa del crimen. Herramientas geográficas para policías y criminólogos. Valencia: Tirant "Criminología y Educación Social".

Summers, L., Johnson, S. D., & Pease, K. (2007). El contagio de robos de vehículos y sustracciones de objetos en vehículos: Aplicaciones de técnicas epidemiológicas. Revista Española de Investigación Criminológica (5).

Vozmediano, L., & San Juan, C. (2010). Criminología ambiental. Ecología del delito y de la seguridad. Barcelona: UOC.

Vozmediano, L., & San Juan, C. (2006). Empleo de Sistemas de Información Geográfica en el estudio del Miedo al Delito. Revista Española de Investigación Criminológica.

30

Wilson, R. E. (2010). Place as the Focal Point: Developing a Theory for the DDACTS model. Geography Publica Safety .

Wyatt, J. (2010). Integrating crime and traffic crash data in Nashville. Geography Public Safety .