Yuri Tesis Licenciatura 2019

UNIVERSIDAD PERUANA UNIÓN
FACULTAD DE INGENIERÍA Y ARQUITECTURA

Escuela Profesional de Ingeniería de Sistemas
Sistema de Geo - sectorización de la inseguridad

ciudadana para la sectorización de zonas delictivas en el
contexto turístico utilizando Algoritmos de clustering.
Por:
Yuri Lisbeth Mamani Ramos
Asesor:
Ángel Rosendo Condori Coaquira
Juliaca, Julio del 2019

DEDICATORIA
Las personas lo suficientemente locas
como para pensar que pueden cambiar el mundo
son las que lo cambian.
Anuncio <<piensa diferente>> de apple, 1997.
iv
AGRADECIMIENTO
Son muchas las personas que conforman mi formación académica, este trabajo es una forma
de agradecer a mis padres que fueron modelos de lo que quería y no quería para mi futuro,
y a mi madre, que me enseñó a luchar ante la adversidad y a creer en el (Dios).
Este trabajo fue financiado por el CONCYTEC FONDECYT en el marco de la convocatoria
“Proyecto Investigación Básica 2015” [número de contratación 184-2015].
Sin embargo, las personas más directamente responsables de esta tesis incluyen a la doctora
Gladys Maquera que siempre fue y es una fuente de inspiración a lo no convencional y
común la cual confío en mi persona para poner un granito de arena en su proyecto del
CONCYTEC y la Universidad Peruana Unión “PLATAFORMA DIGITAL INTELIGENTE
Y BIG DATA PARA EL TURISMO RURAL COMUNITARIO EN LA REGIÓN PUNO”
del cual aprendí mucho y me llevó no solo un aprendizaje para mi carrera y vida, sino una
manera muy distinta de ver la realidad de un profesional, y también por el financiamiento
dado mediante el proyecto por parte de las dos instituciones, también darle gracias a mi
asesor ingeniero Ángel Rosendo Condori Coaquira que fue una guía importante para la
construcción y ejecución de la tesis, a mis compañeros que fueron fuente de inspiración.
Pero principalmente agradezco a Dios por permitirme formarme, conocer y disfrutar a
personas tan grandiosas y espectaculares, por haberme impulsado a ser fuerte y nunca
haberme dejado a la deriva.
v
ÍNDICE GENERAL
DEDICATORIA ................................................................................................................. iv
AGRADECIMIENTO .......................................................................................................... v
ÍNDICE DE TABLAS ......................................................................................................... ix
ÍNDICE DE FIGURAS ......................................................................................................... x
ÍNDICE DE ANEXOS........................................................................................................ xii
ABREVIATURAS Y ACRÓNIMOS................................................................................... xiii
RESUMEN ...................................................................................................................... xiv
ABSTRACT ...................................................................................................................... xv
CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA .........................................................15
1.1. Definición del problema ........................................................................................15
1.2. Justificación ........................................................................................................16
1.2.1. Justificación social ............................................................................................16
1.2.2. Justificación económica .....................................................................................17
1.2.3. Utilidad Teórica ...............................................................................................18
1.2.4. Utilidad práctica ...............................................................................................20
1.3. OBJETIVOS .......................................................................................................21
1.3.1. Objetivo General ..............................................................................................21
1.3.2. Objetivos específicos ........................................................................................21
CAPÍTULO II: BASES TEÓRICAS .....................................................................................22
2.1. Revisión de la literatura ........................................................................................22
2.2. Seguridad ............................................................................................................24
2.2.1. Seguridad ciudadana .........................................................................................24
2.2.2. Seguridad turística ............................................................................................26
2.3. Inteligencia artificial .............................................................................................28
2.3.1. Lenguaje natural de procesamiento .....................................................................30
2.3.2. Técnicas de agrupamiento y reconocimiento de patrones. ......................................30
2.3.3. Técnicas de agrupamiento para datos cualitativos y cuantitativos ............................31
2.4. Minería de datos de datos ......................................................................................33
2.4.1. Base de datos para la minería de datos .................................................................33
2.5. Minería de datos ..................................................................................................34
2.6. Web scraping y minería de datos ............................................................................37
2.6.1. Maquetación web .............................................................................................37
vi
2.6.2. Extracción de datos ...........................................................................................38
2.6.3. Tipos de web scraping .......................................................................................38
2.6.4. Tipos de datos ..................................................................................................39
2.7. Estudio de datos ...................................................................................................39
2.7.1. Python para ciencia de datos ..............................................................................39
CAPÍTULO III: MATERIALES Y MÉTODOS .....................................................................41
3.1. Descripción de lugar de ejecución ..........................................................................41
3.2. Metodología de la investigación .............................................................................41
3.2.1. Tipo de investigación ........................................................................................41
3.2.2. Investigación propositiva ...................................................................................41
3.2.3. Investigación aplicada .......................................................................................42
3.2.4. Arquitectura de solución ....................................................................................42
3.3. Herramientas tecnológicas.....................................................................................42
3.4. METODOLOGÍA ................................................................................................44
3.4.1. Metodología para la gestión de proyectos ............................................................44
3.4.2. Metodología de aplicación CRISP-DM................................................................47
3.4.3. Desarrollo de los objetivos .................................................................................49
3.4.4. Objetivo 01: Recolectar datos estructurados y no estructurados con técnicas de web
scraping. 49
3.4.5. Objetivo N° 2: Analizar los datos recolectados con Python para ciencia de datos y
Weka. 53
Limpieza de datos estructurados .......................................................................................55
3.4.6. Objetivo N° 3: Preparar los datos y aplicar algoritmos de clustering a los datos
recolectados. ..................................................................................................................56
3.4.7. Objetivo N° 4: Diseñar la plataforma para la visualización de datos. .......................58
CAPÍTULO IV: RESULTADOS Y DISCUSIÓN ..................................................................60
4.1. Resultados de los objetivos. ...................................................................................60
4.1.1. Objetivo 01: Recolectar datos estructurados y no estructurados con técnicas de web
scraping. 60
4.1.2. Objetivo N° 2: Analizar los datos recolectados con Python para ciencia de datos y
Weka. 61
4.1.3. Objetivo N° 3: Preparar los datos y aplicar algoritmos de clustering a los datos
recolectados. ..................................................................................................................66
4.1.4. Objetivo N° 4: Diseñar la plataforma para la visualización de datos. .......................72
CAPÍTULO V: CONCLUSIONES Y RECOMENDACIONES ...............................................73
5.1. Conclusiones .......................................................................................................73
vii
5.2. Recomendaciones ................................................................................................73
REFERENCIAS BIBLIOGRÁFICAS ..................................................................................75
ANEXOS ..........................................................................................................................77
Anexo 1: Estadística de la WEF ...........................................................................................77
Anexo 2: Mapic del proyecto de investigación .......................................................................78
viii
ÍNDICE DE TABLAS
Tabla 1 Etapas del proceso de Data Mining. .........................................................................36

Tabla 2 Estructura de web scraping......................................................................................38
Tabla 3 Diferenciación de los tipos de datos ..........................................................................39
Tabla 4 Librerías de Python ................................................................................................40
Tabla 5 Herramientas de extracción de datos. ........................................................................42
Tabla 6 Herramientas d estudio de datos................................................................................43
Tabla 7 herramientas de visualización de datos ......................................................................43
Tabla 8 herramientas de implementación de datos ..................................................................44
Tabla 9 Variables para estudio ............................................................................................51
Tabla 10 Variables de extracción de datos. ............................................................................52
Tabla 11 Variables de estudio. .............................................................................................54
Tabla 12 Variables e identificación de atributos de los datos ...................................................55
Tabla 13 Delitos y faltas. .....................................................................................................64
ix
ÍNDICE DE FIGURAS
Figura 1 Porción del turismo PBI total .................................................................................18
Figura 2 Estadística de las principales causas de inseguridad en el Perú ...................................25
Figura 3 Almacenamiento estratégico del plan nacional de seguridad ciudadana .......................26
Figura 4 Estadística del PBI del banco mundial del Perú ........................................................27
Figura 5 Áreas de aplicación de la Inteligencia Artificial. ......................................................29
Figura 6 Mapa mental de ramas o sub áreas de la Inteligencia Artificial. ..................................29
Figura 7 Arquitectura de un sistema experto. ........................................................................30
Figura 8 Datos agrupados ..................................................................................................31
Figura 9 Formula agrupación de medición cuántica por Span y Content. .................................31
Figura 10 Especificación de variables Span y Content. ..........................................................32
Figura 11 Formula cualitativa basada en distancias de centroides de Gowda y Diday. ...............32
Figura 12 Especificación de las variables de la fórmula de Gowda y Diday. .............................32
Figura 13 Algoritmo de clustering para datos cualitativos. .....................................................32
Figura 14 Lista de algoritmos de Clasificación de agrupamiento algoritmos. ............................33
Figura 15 Categorías de algoritmos de minería de datos. ........................................................35
Figura 16 Procesos de KDD de minería de datos. ..................................................................37
Figura 17 Clasificación de las técnicas de Data Mining .........................................................37
Figura 18 Arquitectura de solución al problema. ...................................................................42
Figura 19 Principios de OpenUp .........................................................................................45
Figura 20 Elementos del OpenUp .......................................................................................45
Figura 21 Ciclo de vida de OpenUP ....................................................................................46
Figura 22 Fases de OpenUP ...............................................................................................46
Figura 23 Modelo de proceso CRISP–DM ([CRISP-DM, 2000]). ...........................................48
Figura 24 Variables de datos Data Base ...............................................................................50
Figura 25 Base de datos .....................................................................................................51
Figura 26 Página de extracción de datos ..............................................................................53
Figura 27 Código de extracción de datos. ............................................................................53
Figura 28 . Weka y atributos de los datos .............................................................................54
Figura 29 Weka y atributos de los datos ...............................................................................55
Figura 30 data con atributos originales ................................................................................56
Figura 31 Data limpia ........................................................................................................56
Figura 32 Entorno de desarrollo ..........................................................................................56
Figura 33 Datos a estudio con JUPYTER.............................................................................57
Figura 34 resultados de comuna. .........................................................................................57
Figura 35 Estructura de módulos.........................................................................................58
Figura 36 Prototipo de visualización....................................................................................59
Figura 37 Datos extraídos de la página nube. ........................................................................60
Figura 38 Resultados de weka análisis de clustering. .............................................................61
Figura 39 Incidencias delictivas. .........................................................................................61
Figura 40 Centroides de incidencias. ...................................................................................62
Figura 41 Tipos delitos clasificados.....................................................................................62
Figura 42 Análisis de los cluster de tipo delito. .....................................................................62
Figura 43 Resultados de comuna en Python..........................................................................63
Figura 44 Comuna resultados de combinaciones....................................................................63
Figura 45 Comuna gráfica de barras ....................................................................................63
x
Figura 46 hurto sin violencia. gráfica de barras. ....................................................................64
Figura 47 hurto sin violencia gráfica ...................................................................................65
Figura 48 hurto sin violencia R combinaciones. ....................................................................65
Figura 49 Barrios gráfica de barras. .....................................................................................66
Figura 50 Barrios combinaciones gráfica de barras. ...............................................................66
Figura 51 Geo Sectorización de datos ..................................................................................66
Figura 52 Barra y geo sectorización. ...................................................................................67
Figura 53 Geo sectorización por puntos en delito. .................................................................67
Figura 54 Comuna gráfica de barras y geo sectorización ........................................................67
Figura 55 barrios según delitos geo sectorización. .................................................................68
Figura 56 Días y horas. .....................................................................................................68
Figura 57 gráfica de barras de tipos de delitos. .....................................................................69
Figura 58 gráfica de barras T_D .........................................................................................69
Figura 59 Estructura de datos. .............................................................................................70
Figura 60 K medias gráfica para centroides ..........................................................................70
Figura 61 K centroides. .....................................................................................................71
Figura 62 gráficas de clusters según 4 centroides ..................................................................71
Figura 63 Prototipado del sistema de geo sectorización..........................................................72
xi
ÍNDICE DE ANEXOS
Anexo 1 Estadística de la WEF .............................................................................................77

Anexo 2 Mapic del proyecto de investigación.........................................................................78
xii
ABREVIATURAS Y ACRÓNIMOS
● PENTUR: Plan estratégico Nacional de turismo.
● IA: inteligencia Artificial.
● PNP: Policía Nacional del Perú.
● K means: Algoritmo de clasificación.
● PBI: Producto interno Bruto.
● KDD: KDD: Knowledge Discovery in Databases.
● WEF: World Economic Forum.
● OMT: Organismo Mundial del Turismo.
● MINCETUR: Ministerio de comercio exterior.
● REACH: Aplicación de denuncias.
● GP: algoritmo genético.
● TIC: Tecnologías de información y telecomunicaciones.
● PMI: Project management institute.
● XP: Programación extrema.
● DIRTEPOL: Dirección Territorial policial.
● TIP: tipos de datos.
● INEI: Instituto nacional de estadística e informática
● CONASEC: Seguridad ciudadana.
● BBVA: Banco Bilbao Viscaya Argentaria.
● WTTC: World Travel & Tourism Council
● SE: Sistemas expertos.
● SBC: Sistemas basados en conocimientos.
● API: Application Programming Interface.
xiii
RESUMEN
El propósito de la investigación es diseñar y analizar un sistema de geo sectorización con
técnicas de Ciencia de Datos e IA, utilizando datos históricos de delitos. El agrupamiento
con el algoritmo de K-Means de las grandes cantidades de datos los estudios de las variables
a agrupar son propias del giro de negocio (turismo) del problema de la inseguridad ciudadana
en el contexto turístico. Para la construcción del prototipo del sistema se adoptó dos
metodologías: OpenUp para el desarrollo y CRISP-MD para el procesamiento de datos e
integración del algoritmo. Para el desarrollo se recolectó datos estructurados y semi
estructurados, los datos estructurados fueron tomados a estudio del repositorio público de la
ciudad de buenos aires ya que tiene las variables similares a utilizar del PNP del dep. turismo,
los datos semi estructurados fueron extraídos mediante técnicas de web scraping de lugares
turísticos posteriormente analizados con la herramienta weka y Python utilizado las técnicas
de ciencia de datos, Así mismo se trabajó con el algoritmo de clustering K Means en donde
se obtuvo gráficos de agrupamiento de datos de acuerdo al centroide principal de las
variables: delito y lugar, en Power BI obtuvimos la visualización basada en grafica de mapas.
El resultado fue el análisis de las variables en construcción para el turismo, en el cual
obtuvimos los datos estadísticos y el algoritmo de agrupamiento, construyendo según los
análisis el prototipo del sistema para el sector turismo y la complejidad tanto para la
integración con el algoritmo y su forma de alimentación al sistema, para así poder validar el
sistema web/móvil desplegada en sus servidores de aplicación.
Palabras clave: Clustering, visualización de datos, algoritmos, ciencia de datos y
seguridad turística.
xiv
ABSTRACT
The purpose of the research is to design and analyze a geo-sectorization system with data
science and AI techniques, using historical crime data. The grouping with the algorithm of
K-Means of the large amounts of data the study of the variables to be grouped are typical of
the business (tourism) turn of the problem of citizen insecurity in the tourism context. For
the construction of the system prototype, two methodologies were adopted: OpenUp for the
development and CRISP-MD for the data processing and integration of the algorithm. For
the development, structured and semi-structured data was collected, the structured data were
taken to study the public repository of the city of Buenos Aires, since it has similar variables
to use from PENTUR-Peru, the semi-structured data were extracted using web techniques
scraping of tourist places later analyzed with the tool weka and python used the techniques
of science of data, Likewise it was worked with the algorithm of clustering K Means where
graphics of grouping of data according to the main centroid of the variables was obtained:
crime and place, in Power BI we obtained the visualization based on map graphics. The
result was the analysis of the variables under construction for tourism, in which we obtained
the statistical data and the grouping algorithm, building according to the analysis the
prototype of the system for the tourism sector and the complexity both for the integration
with the algorithm and its way of feeding the system, in order to validate the web / mobile
system deployed in its application servers.
Keywords: Clustering, data visualization, algorithms, data science and tourism
security.
xv
CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA
1.1. Definición del problema

La seguridad turística es una de las debilidades del país que se encuentra en el puesto
108 del ranking del Country/Economy Profiles World Economic Forum (WEF, 2017).
“Actualmente nuestro país ha avanzado del puesto 58 en el 2015 al puesto 51 en el 2017 en
la industria del turismo en materia de viajes y experiencia turística, descubriendo el camino
para un crecimiento más sostenible e inclusivo, destaca la fidelidad y compromiso con la
industria de viajes y turismo, mejorando su seguridad y protección creando entornos más
propicios para las empresas turísticas o afines y desarrollar su infraestructura para mejorar
la conectividad” (World Economic Forum WEF, 2017) (Anexo 1). “La percepción de
seguridad ciudadana por parte de la mayoría de peruanos es calificada como baja o nula, esto
debido a que la delincuencia se ha convertido en el principal tema de preocupación tanto de
los ciudadanos mismos como de las autoridades” (Fernández y Rivas, 2015).
Para la Organización Mundial del Turismo (OMT, s.f) “El desarrollo económico
concebido para mejorar la calidad de vida de la comunidad receptora o emprendedores que
buscan el desarrollo turístico, mantener la calidad del medio ambiente y de la seguridad
turística del que dependen tanto la comunidad anfitriona como los visitantes”. Citado por
Travel (2013). Se busca alcanzar la eficiencia en tecnología de producción en temas de
Turismo es una de las necesidades primordiales en la competencia empresarial y uno de los
intereses y problemas más frecuentes en el cumplimiento de tal meta, en cuanto al tiempo
que puede abarcar los resultados y más aún si hablamos del desarrollo del país en temas de
economía albergando a la población y sus recursos naturales.
El estudio y la visualización de datos en los últimos años ha tomado gran
importancia, debido al crecimiento de los datos, los mismos que representan un nuevo
recurso para diversas áreas de investigación, ya que permite obtener información que sea
15
interpretada mediante el desarrollo de un software. Así como también las compañías buscan
atender necesidades de un público específico, Una buena forma de buscar la gran cantidad
de información es a través de dimensiones geográficas asociadas a los datos, ya que la
información georreferenciada se hace más necesaria ya que una de las formas de analizar la
información es a través de filtros (Ubicación) permitiendo obtener información de interés,
dependiendo de donde se encuentra el consumidor de la información.
Pimentel (2016), “Actualmente en el mercado existen varios recursos para la
presentación de datos georreferenciados, entre ellos se encuentran las herramientas de
Google Maps y MapBox. Ambas compañías han hecho un gran trabajo generando mapas y
servicios para que otros desarrolladores puedan trabajar sobre ellos creando nuevas
herramientas”. De Acuerdo a los datos de inseguridad ciudadana y la utilización de diferentes
herramientas, se requiere la georreferenciación y el agrupamiento de los datos, ya que se
rescata con ello los propósitos de descubrir el estudio y análisis de los datos, buscando la
clasificación natural de los datos mediante las similitudes entre ellos. Es por ende que en
este estudio nace la problemática relacionada al estudio geográfico de zonas con escenarios
de inseguridad turística: ¿Cómo facilitar el manejo de la información en respuesta a la
resolución de eventos delictivos los cuales requieren velocidad de procesamiento de
acuerdo a la cantidad de datos? Cómo brindar información de utilidad a los turistas:
¿Visualización de indicadores de criminalidad en diferentes zonas?
1.2. Justificación
1.2.1. Justificación social

El estudio de datos y la implementación de un sistemas capaz de sectorizar las zonas
de alto nivel de hechos de inseguridad turística tendrá un impacto no solo para la sociedad
peruana sino para los extranjeros que visiten los lugares turísticos, recursos turísticos,
16
servicios turísticos y otros agentes involucrados en el turismo peruano, además de beneficiar
directamente a las instituciones como lo son la policía nacional, hospitales, etc. otorgando
un mejor servicio de las instituciones encargadas del tema y así causar un impacto favorable
para el turismo peruano.
(Carlos J, 2018) “El turismo al ser una actividad sensible ante cualquier situación que
se note inseguridad, el sector requiere del Estado en su conjunto la estabilidad política que
permita reactivar la economía, la estabilidad jurídica que exigen los empresarios e
inversionistas, y la estabilidad social que garantice a los turistas un viaje sin contratiempos
por territorio patrio. Que los hechos ocurridos en el 2017 –desastres naturales, conflictos
sociales, incertidumbre electoral, crisis política, etc.–, marquen la pauta de lo que debemos
y no hacer este año, lo que hay que prever y cómo debemos actuar a futuro. El Perú merece
recuperar su imagen de país en crecimiento y destino seguro para los turistas”.
1.2.2. Justificación económica

Según el (banco mundial en Perú, 2018) “Nuestro país Perú es uno de los países de
américa latina que tiene potencial turístico a desarrollar tanto como recurso natural y/o
materia de producción. La diferenciación del crecimiento de millones de personas en las
diferentes áreas de la economía dentro de un país, generando trabajos en la población, reduce
la pobreza y desarrolla la industrialización, es netamente la responsabilidad del estado
brindar oportunidades de crecimiento. El cual mide el conjunto de factores y políticas que
permite el desarrollo sostenible del sector turismo en cuanto a la competitividad en el
crecimiento del país en materia de riqueza económica albergando los recursos naturales.
Dando crecimiento económico a las empresas de turismos, agencias públicas y privadas,
Lugares y recursos naturales, servicios de turismos y a la comunidad en general”.
17
“En el último año el Perú ha logrado desarrollar un crecimiento potencial en la
economía con una cifra de 4,6% en contribución directa al PBI en el sector de viajes y
turismo, siendo una de las cifras más altas en américa latina” según el reporte económico de
World travel & tourism council del sector de viajes y turismo en las ciudades (2017) américa
latina la cual se representa en la Figura 1.
Figura 1 Porción del turismo PBI total

Fuente: World travel & tourism council.
El ministerio de comercio exterior y turismo (MINCETUR, 2017) “Ha propuesto el
plan de protección al turista 2017 - 2018 ya que es una herramienta de gestión dedicada a
mejorar la condición de seguridad con una perspectiva de largo alcance, la cual garantiza al
turista una estadía libre de riesgo. Ya que con ello se beneficiaría las instituciones encargadas
del orden de turismo y empresas, organizaciones etc. involucradas en el turismo peruano”.
1.2.3. Utilidad Teórica

El estudio de los datos de criminalidad si está dada en el Perú como lo es el caso de
una aplicación peruana premiada por el príncipe del reino unido el cual fue desarrollado por
el joven Moisés Salazar Vila el cual es autodidacta, el cual fue reconocido como el
profesional peruano más valioso de Microsoft, la aplicación es conocida como REACH
18
lanzada como tal en 2014 la aplicación está dedicada a reportar las actividades de diferentes
incidencias, así como también está siendo optimizada para que pueda ser implementada con
algún algoritmo de inteligencia artificial, biometría, reconocimiento artificial, Big Data para
mejorar aún más la herramienta pues cuando llegue al millón de usuarios no podrá darle el
soporte necesario él solo. Así como también las tesis de estudios que se realizó para el distrito
de molina utilizando minería de datos el cual fue desarrollado con el título de “sistema de
predicción de hechos delictivos para la mejora del proceso de prevención del delito en el
distrito de la molina utilizando minería de datos” por Jorge Julio Jaulis Rúa en 2015, el cual
tiene como objetivo mejorar el proceso de prevención de delitos mediante la minería de
datos. Otro caso es el estudio de los datos de acuerdo a la criminalidad basado en la seguridad
ciudadana que se realizó en la tesis de “sistema de mapeo digital de zonas delictivas
utilizando un algoritmo genético progresivo” realizada por Br. Buddy Richard Oruna
Rodríguez, que permite mejorar la elaboración de mapas digitales utilizando algoritmos GP
que permite la identificación de zonas con mayor índice delictivo fue desarrollada en
Trujillo, Perú 2015. Por otra parte, los estudios dirigidos al turismo en el contexto de
seguridad están ampliamente ligada a la seguridad ciudadana el cual no se encontró estudios
en el tema Turístico a nivel de Perú, así como también no se encontró en la región de puno.
En la región de puno no se ha dado el estudio de datos como Minería de datos o inteligencia
artificial que componen la carrera de ingeniería de sistemas a nivel de criminalidad o estudio
de datos de sectorización de zonas delictivas en el contexto ciudadano o turístico. Por otra
parte, cabe mencionar la aplicación que lanzó el MINCETUR (Police Tourist) que sólo
proporciona la facilidad de alertar a la policía, serenazgo, hospitales y bomberos de las
incidencias más cercanas para un pronto auxilio, pero no cuenta con algún estudio de datos
o sectorización de zonas delincuenciales o de diferentes incidencias que puedan atravesar
los turistas.
19
En los últimos años se habla de que no es posible hablar de desarrollo sin hablar de
las Tecnologías de Información y Comunicación (TIC) más aún si las tecnologías son
inteligentes y pueden ayudar al desarrollo de alguna organización o simplifique los
esfuerzos, porque se considera que el acceso a la información y la creación de nuevos
conocimientos forman una parte esencial en los procesos de desarrollo. Así como también
la seguridad debe ser interpretada como un estado subjetivo que nos permite percibir que
nos desplazamos de un espacio turístico exento de riesgos reales o potenciales. La percepción
de inseguridad afecta negativamente a la experiencia turística e impacta negativamente en la
imagen del destino dando una solución tecnología inteligente el cual pueda dar información
de los lugares y sus estados de inseguridad. Mejorar los niveles de seguridad turística
mediante alianzas estratégicas con los actores del sector público y privado en beneficio de
la imagen del país y el desarrollo socioeconómico del Perú.
(Rodriguez, 2017). “Para la etapa de predicción se realiza un agrupamiento o
“clustering” de la nueva información (nuevos eventos delictivos), incluidos en la etapa
temporal, con la ﬁnalidad de encontrar los posibles centros de las zonas de riesgo (a tractores
criminales). Una vez que se tienen los centros, por medio de un modelo empírico de un a
tractor criminal y con una determinada ventana de tiempo, se genera una distribución de
predicción del riesgo criminal. En la actualidad, con las nuevas herramientas de localización
es posible obtener información geo-referenciada de los probables sectores, los mismos que
se usan para el proceso de encontrar patrones espacio-temporales de los incidentes, así se
sabrá cuándo y dónde un nuevo crimen puede ocurrir”.
1.2.4. Utilidad práctica

La policía nacional del Perú: En el cual ayudará a la sectorización zonas delictivas
más propensas a surgir los delitos, de acuerdo al análisis que pueda ser mostrado en los datos
20
estudiados. Este caso de estudio servirá también para las instituciones como lo son
Serenazgo, Municipalidades, entre otros agentes encargados de la seguridad turística, tanto
nacional, regional y local.
MINCETUR: Los cuales podrán ahondar en el plan de protección al turista el cual
busca proteger los intereses y satisfacer la estancia del turista, en el cual podrá respaldar con
bases de análisis de datos la confiabilidad de zonas seguras de los recursos, así poder brindar
mayor seguridad y una experiencia agradable al turista. así como también encontramos
beneficiadas las instituciones, los emprendedores, agencias y todas aquellas empresas con
giros de negocio en el turismo.
1.3. OBJETIVOS
1.3.1. Objetivo General

Analizar y diseñar un prototipo de Sistema de Geo - sectorización de la inseguridad
ciudadana para la sectorización de zonas delictivas en el contexto turístico utilizando
Algoritmos de clustering.
1.3.2. Objetivos específicos
➢ Recolectar datos estructurados y no estructurados con técnicas de web scraping.
➢ Analizar los datos recolectados con Python para ciencia de datos y Weka.
➢ Preparar los datos y aplicar algoritmos de clustering a los datos recolectados.
➢ Diseñar la plataforma para la visualización de datos.
21
CAPÍTULO II: BASES TEÓRICAS
2.1. Revisión de la literatura

Ignacio Perversi,2007 Aplicación de minería de datos para la exportación y detección
de patrones delictivos en argentina. En el objetivo, de este trabajo es realizar una
implementación de minería de datos en el análisis de información criminal de información
criminal en Argentina y comprobar sus efectividad y valor agregado.
Jorge Julio Jaulis Rua, 2015. Sistema de predicción de hechos delictivos para la
mejora del proceso de prevención del delito en el distrito de la molina utilizando minería de
datos, Objetivo mejorar el rendimiento del proceso de prevención del delito de las comisarías
de la molina utilizando Minería de datos. La metodología de clasificación supervisada
basada en Redes Bayesianas, aplicando la metodología de minería de datos y la metodología
de gestión de proyectos PMI - PBOOK. El modelo de minería de datos que recoge
información histórica de todo el año 2015 de las denuncias registradas en cada una de las
comisarías, y en base a un algoritmo de aprendizaje automático arroja las zonas más
propensas a la ocurrencia de algún hecho delictivo, para ello se optó por mostrar esta
información a través de mapas de la zona y que esto puedan ser accedidos desde cualquier
dispositivo. Como resultado se obtuvo la mejora de procesos y la implementación de un
sistema de predicción de hechos delictivos en el distrito de la molina.
Buddy Oruna Rodriguez 2015, Sistema de mapeo digital de zonas delictivas
utilizando un algoritmo genético progresivo, Objetivos mejorar y reducir la elaboración de
un sistema de mapeo digital de zonas delictivas a través de un algoritmo genético progresivo
en la unidad de identificación de la oficina criminalística. Utilizando algoritmos genéticos
con métodos adaptativos que utiliza la estructura de los algoritmos genéticos progresivos,
Desarrollado con la metodología de XP, El cual resuelve los problemas de búsqueda y
22
optimización, teniendo como resultado un sistema de mapeo digital de zonas delictivas y la
identificación de la oficina de criminalística de la III DIRTEPOL.
Juan Rodriguez 2017, Desarrollo de una metodología para caracterizar y predecir el
riesgo criminal mediante la generación de espacio - temporales empíricos basados en manejo
de datos. El objetivo general es generar una metodología basada en la relación entre eventos
criminales y locación de servicios que proporcione un modelo espacio-temporal que permita
caracterizar y predecir zonas de riesgo criminal dentro de un área determinada. La
metodología empleada para la caracterización y predicción del riesgo criminal. La
metodología propuesta para la etapa de predicción fue usar el algoritmo K-means para
agrupar los nuevos eventos criminales introducidos en la actualización del modelo dinámico,
de esta forma se encuentran los centros de las posibles zonas de riesgo criminal. Con la idea
de “a tractor criminal” se generó un modelo empírico dinámico, con el cual los eventos
criminales fueron atraídos según la cercanía al a tractor. Analizando estos resultados, se
puede apreciar cómo se evalúa cada uno de los modelos, según el número de datos
generados. El TIP resultante es alto para algunos resultados de la evaluación, llegando en
algunos casos a valores de TIP muy cercanos a uno, siendo un buen resultado en la
evaluación del modelo de predicción generado. Los resultados se obtuvieron evaluando el
modelo generando varias distribuciones de predicción con diferentes ventanas de tiempo.
Tania Denisse Gonzalez Villa 2013. Análisis, diseño e implementación de un sistema
web y móvil para el soporte informático a la gestión de los servicios de atención que brinda
las comisarías de la comunidad. Que tiene como objetivos gestionar eficientemente los
procesos que soportan algunos de los servicios que brinda una comisaría y proporcionar
información para la seguridad de ciudadanos. El cual sigue la metodología de aplicada para
la gestión de proyecto SCRUM y la metodología aplicada para el desarrollo del producto
XP. Que tiene como resultado la tabla comparativa del estado de arte de la solución, solución
23
“SeguriApp” Implementada en la plataforma Android integrada con los servicios de Google
Maps, la tecnología de Realidad Aumentada y los servicios de Facebook y Twitter y solución
“SeguriApp” Implementada en la plataforma Web integrada con los servicios de Google
Maps y la tecnología cometD
2.2. Seguridad
Para la organización de las naciones unidas (ONU, s. f) “La seguridad humana
subraya las necesidades de poner énfasis a lo que vendría hacer los programas de la paz y la
seguridad, el desarrollo y los derechos humanos de manera la cual sea más eficiente, eficaz
y orienta a la prevención”.
2.2.1. Seguridad ciudadana

(Salas, 2016). “La seguridad es un asunto público, ya que forma parte de la
convivencia cotidiana de los ciudadanos en un marco de integridad y salvaguarda los
derechos de las personas es por ello la importancia del significado de espacio público. La
seguridad también es un bien común o público; es indivisible que debe proveerse de manera
imparcial y al ser una condición de interés social en todo el territorio nacional”.
“Durante el último semestre (noviembre 2017-abril 2018), el 25,5% de la población
de 15 y más años de edad a nivel nacional (urbano) fue víctima de algún hecho delictivo,
según el Instituto Nacional de Estadística e Informática” INEI (2018).
Para la (INEI, 2018). “Las principales causas de inseguridad ciudadana es la débil
participación de los ciudadanos, sociedad civil, sector privado y medios de comunicación.
en la cual se suma la falta de articulación de estrategias entre el estado y medios de
comunicación, así como la pérdida de valores, cultura cívica y respeto a la ley. Escasos
24
espacios públicos seguros como lugares de encuentro ciudadano con una baja cultura de la
población en la conservación de los espacios públicos y en las reglas de convivencia urbana”.
Figura 2 Estadística de las principales causas de inseguridad en el Perú

Fuente: Dirección general de seguridad ciudadana.
Plan nacional de seguridad ciudadana (conasec, 2013) “Conjuntamente con la
política pública con objetivos alineados a la política general del estado al 2021
(Bicentenario), que tiene como objetivos estratégicos: El sistemas nacional de seguridad
ciudadana, la implementación de espacios seguros, la reducción de factores de riesgo social
que favorecen en comportamientos delictivos, promover la participación de los ciudadanos,
la sociedad civil, el sector privado y los medios de comunicación para enfrentar la
inseguridad ciudadana, así como también fortalecer a la policía nacional del Perú como una
institución moderna, con una gestión eficaz, eficiente y con altos niveles de confianza
ciudadana, en tanto mejorar el sistema de la administración de la justicia para la reducción
de la delincuencia”.
25
Figura 3 Almacenamiento estratégico del plan nacional de seguridad ciudadana
Fuente: Dirección general de seguridad ciudadana.
2.2.2. Seguridad turística

La seguridad turística es uno de los pilares para que extranjeros puedan tener la
seguridad de tener una bonita experiencia, es por lo cual el Ministerio de comercio exterior
y turismo ha elaborado la red de protección al turista 2017 - 2018, Plan de protección al
turista. (MINCETUR, 2017). “El Plan de Protección al Turista, ha sido elaborado como
resultado del trabajo consensuado entre los diversos actores públicos y privados, tomándose
como base el trabajo desarrollado por el Ministerio de Comercio Exterior y Turismo –
MINCETUR, el Ministerio del Interior – MININTER, la Dirección de Turismo PNP en el
ámbito de la Seguridad Turística, en el marco de la Ley N° 28982 – Ley que regula la
Protección y Defensa del Turista, la Ley N° 29408 - Ley General de Turismo y los
lineamientos estratégicos del Plan Estratégico Nacional de Turismo – PENTUR. el cual tiene
como objetivo principal mejorar los niveles de seguridad turística mediante alianzas
estratégicas con los actores del sector público y privado en beneficio de la imagen país y el
desarrollo socio-económico del Perú”.
26
MINCETUR (2017) “Manifiesta que generar las condiciones favorables para que los
turistas nacionales y extranjeros, así como las comunidades receptoras, puedan desarrollar
sus actividades turísticas en un entorno libre de riesgos físicos, materiales y sicológicos, es
el propósito principal del presente Plan, constituyendo un reto su aplicación a partir de un
trabajo interinstitucional e interinstitucional. Gestionar óptimamente la Seguridad Turística
en el Perú es contribuir al fortalecimiento de nuestra competitividad turística”.
La seguridad conlleva a la permanencia del turista libre de riesgo y una experiencia
inolvidable en el territorio peruano, así aportar una variable para la suma en la elección de
un destino turístico y sostenibilidad turística. según BBVA Research Perú (2018) “los
turistas extranjeros gastan siete veces más que los nacionales El estudio de BBVA Research
identifica que el viajero del extranjero destina alrededor de USD 1,000 por viaje, siete veces
más que un turista interno. El informe precisa que el gasto promedio por viaje de los turistas
nacionales, tomando como base información de 2015, asciende a S/ 451, incluyendo el
transporte. En tanto, los extranjeros destinan unos US$ 994 por viaje, sin considerar el costo
del pasaje de ingreso ni salida del país”, viéndose la Figura 4.
Figura 4 Estadística del PBI del banco mundial del Perú

Fuente: Banco Mundial del Perú.
27
La contribución del turismo a la economía global mantendrá su dinamismo, El World
Travel & Tourism Council (WTTC, 2015) “Señala que el crecimiento del sector turismo será
más dinámico en comparación con otras actividades económicas. Se espera que, hacia el
2025, el viaje y turismo proporcionen 72,9 millones de nuevos puestos de trabajo, de los
cuales 23,2 millones se generarán dentro del sector. Asimismo, la contribución del PBI total
del viaje y el turismo a la economía en general aumentará del 8,8% en el 2014 al 10,5% en
el 2025, mientras que el empleo del 9,4% al 10,7%. La clave de este aumento radicará en el
crecimiento esperado de la demanda de los mercados emergentes, en los cuales se identifica
una creciente proporción del gasto del consumidor al viaje y el turismo”.
2.3. Inteligencia artificial

La inteligencia artificial es una potencia intelectual, que tiene la facultad de conocer
o entender, la cual es aplicado a máquinas que tienen un conocimiento o comprensión de un
proceso a realizar, las cuales pueden realizar una o varias de las capacidades estudiadas los
cuales son sistemas expertos (SE) y sistemas basados en conocimiento (SBC). Según uno de
los pioneros de la IA Marvin Minsky “la inteligencia artificial es una ciencia de construir
máquinas para que hagan cosas que, si las hicieran los humanos, requerirían inteligencia”.
El mayor problema que enfrenta esta disciplina es el análisis de cómo los humanos
buscan soluciones y resuelven los innumerables problemas. Áreas de aplicación:
28
Figura 5 Áreas de aplicación de la Inteligencia Artificial.
Fuente: Elaboración propia, estudiando los esquemas de IA.
Figura 6 Mapa mental de ramas o sub áreas de la Inteligencia Artificial.

Fuente: AI Mind Map – Machine Learning and Artificial Intelligence Study Group – Medium.
Los sistemas expertos están englobados en todos aquellos sistemas en donde las
informaciones pueden conseguirse reducciones más cercanas a la realidad. Los sistemas
expertos se encargan de tareas como la resolución del problema de la misma forma que del
ser humano, trabajar datos de información dudosa o incompletos, explicar resultados
obtenidos, aprender conocimientos nuevos sobre los datos y restauración de conocimiento.
Los resultados obtenidos de estos sistemas expertos son más fáciles de documentar.
29
Figura 7 Arquitectura de un sistema experto.
Fuente: Editorial Servicios de Publicaciones Universidad de Oviedo Introducción a la ingeniería Artificial:
Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva.
2.3.1. Lenguaje natural de procesamiento

(Escolano, F., Cazorla, M. A., Alfonso, M. I., Colomina, O., & Lozano, 2003) “Este
tipo de lenguaje es el que nos permite el designar las cosas actuales y razonar acerca de ellas,
fue desarrollado y organizado a partir de la experiencia humana y puede ser utilizado para
analizar situaciones altamente complejas y razonar muy sutilmente”.
2.3.2. Técnicas de agrupamiento y reconocimiento de patrones.

Las tecnologías de información han dado un gran impulso estudiando las teorías y
técnicas de reconocimiento implantadas en distintos sistemas de información. En la cual se
maneja información representada en forma de patrones complejos: textos escritos, numero,
música flores, etc.
(Benitez y Diez, 2005). “El funcionamiento de los algoritmos de clustering están
basados en la optimización de una función objetivo a resolver con su respectivo proceso a
analizar y respuesta a dar, que normalmente es la suma ponderada de las distancias a los
centros, aunque estas funciones pueden variar, y muchas veces los distintos algoritmos de
reconocimiento de patrones se distinguen principalmente en la definición de sus funciones
30
objetivo a optimizar o implementar, así como también las necesidades de preguntas a
resolver de parte de los datos recolectados”.
(Benitez y Diez, 2005). “Uno de los pasos en los algoritmos de agrupamiento es el
de asignar a cada objeto una medida de semejanza al patrón o centroide de cada cluster, con
el fin de determinar a cuál de los grupos detectados pertenece el objeto en cuestión. Esta
medida de semejanza entre objetos de un conjunto de datos se basa normalmente en el
cálculo de una función de distancia. Seguidamente se exponen las más comunes, tanto para
datos cuantitativos como cualitativos”.
Figura 8 Datos agrupados

Fuente: Editorial Servicios de Publicaciones Universidad de Oviedo Introducción a la ingeniería Artificial:
Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva.
2.3.3. Técnicas de agrupamiento para datos cualitativos y cuantitativos

Datos cuantitativos: los que son por position, por Span y por content, basadas en una
modificación de distancia que podemos apreciar en la Figura 9.
Figura 9 Formula agrupación de medición cuántica por Span y Content.

Fuente: Técnicas de Agrupamiento para el Análisis de Datos Cuantitativos y Cualitativos.
31
Figura 10 Especificación de variables Span y Content.
Datos cualitativos: solo se compone de dos dimensiones de similitud Span y Content,
también basadas en distancias de Gowda y Diday, se muestra en la Figura 11.
Figura 11 Formula cualitativa basada en distancias de centroides de Gowda y Diday.

Figura 12 Especificación de las variables de la fórmula de Gowda y Diday.

La resultante: Algoritmos de clustering para datos cualitativos de funciones de
pertenencia borrosa del algoritmo MVFCM. La grafica de muestra en la Figura 13 y el listado
de Algoritmos de agrupamiento en la Figura 14.
Figura 13 Algoritmo de clustering para datos cualitativos.

32
Figura 14 Lista de algoritmos de Clasificación de agrupamiento algoritmos.
2.4. Minería de datos de datos

Las bases de datos han ido creciendo y la información ha ido en aumento en los
últimos años en la cual se vive con la generación millennials, los cuales generan a cada
segunda información de distinta naturaleza: numérica, selección categórica, etc. Las cuales
se convierten en muchos campos y variables de distinta naturaleza, acotados a rangos de
posibles valores. Representando una información de refinamiento, extra o de concreción, de
los cuales hay campos en blanco o información errónea, el cual origina ruido para el análisis
posterior. La necesidad de extraer conocimiento útil de la gran cantidad de datos el cual
permita establecer relaciones entre el conjunto de datos con tal de simplificar la vista en la
cual apliquemos técnicas de clasificación, agrupamiento, etc.
2.4.1. Base de datos para la minería de datos

Las bases de datos tienen muchos objetos de los cuales están representados por un
conjunto de atributos, dimensiones o características, normalmente representadas de forma
vectorial. Los datos son una serie de hecho.
según Jain y Dubes (1988). “la clasificación de datos se realiza en tipos y en escalas.
El tipo de datos se refiere a su grado de cuantificación, es decir, que rango de valores pueden
33
abarcar y si estos son continuos o discretos. Una característica es continua si existen infinito
número de valores posibles entre dos valores cualesquiera que pueda tomar la característica.
Por ejemplo, mediciones de sensores o el volumen de un objeto son variables consideradas
continuas. Por el contrario, una característica es discreta si todos los elementos del dominio
al que pertenece pueden enumerarse en una correspondencia de un subconjunto finito de
enteros positivos. Por ejemplo, la edad, el número de hijos, o los números ordinales se
consideran características discretas. Unos casos especiales de atributos discretos son
aquellos que solo pueden tomar dos valores, como por ejemplo las respuestas con solo dos
posibilidades (Sı – No, 1 – 0). Estas características reciben el nombre de características
binarias”.
2.5. Minería de datos

(Weiss y indurkhya, 1998). “La minería de datos ha dado lugar a la sustitución del
análisis de datos La principal diferencia entre ambos se encuentra en que en el último se
descubre información sin necesidad de formular previamente una hipótesis. La
automatización de algoritmos de minería de datos permite detectar fácilmente patrones en
los datos, razón por la cual esta técnica es mucho más eficiente que el análisis dirigido a la
verificación cuando se intenta explorar datos procedentes de repositorios de gran tamaño y
complejidad. Dichas técnicas reconocimiento de patrones, inteligencia artificial, sistemas
expertos, estadística, visualización, recuperación de información, y computación de altas
prestaciones”.
según (Weiss y indurkhya, 1998). “Los algoritmos de minería de datos se clasifican
en dos grandes categorías: supervisados o predictivos y no supervisados o de descubrimiento
del conocimiento”.
34
Supervisados o predictivos: Predicen el valor de un atributo de conjunto de datos.
Weiss y indurkhya (1998) “De estos datos cuya etiqueta se conoce se induce una relación
entre dicha etiqueta y otra serie de atributos. Se desarrolla en dos fases: Entrenamiento
(construcción de un modelo usando un subconjunto de datos con etiqueta conocida) y prueba
(prueba del modelo sobre el resto de los datos). Cuando una aplicación no es lo
suficientemente madura no tiene el potencial necesario para una solución predictiva, en ese
caso hay que recurrir a los métodos no supervisados o de descubrimiento del conocimiento
que descubren patrones y tendencias en los datos actuales (no utilizan datos históricos)”.
El descubrimiento de esa información sirve para llevar a cabo acciones y obtener un
beneficio (científico o de negocio) de ellas. En la Figura 15 se muestran algunas de las
técnicas de minería de ambas categorías.
Figura 15 Categorías de algoritmos de minería de datos.

Fuente: Publicado por Moisés perla - Gestión de negocios con data Warehouse y Data Mining.
Las técnicas de minería de datos y modelos predictivos.
Relevancia de la preparación de datos:
➢ Tener como resultado a modelos poco útiles, ya que los datos pueden estar
incompletos, datos con ruido o inconsistentes.
➢ La preparación de los datos puede reducirlos con las técnicas de limpieza de
datos ya sea por la eliminación de registros duplicados, anomalías, etc.
35
➢ la preparación tiene datos de calidad y tener modelos de calidad.
El proceso de extracción de conocimiento o Knowledge Discovery in Databases, es
el proceso para identificar patrones que puedan ser útiles de algún modo dando información
de millones de datos utilizando otras técnicas que no sean el de las estadísticas. Se utiliza en
rubros como la inteligencia artificial, sistemas de gestión de bases de datos, sistemas de
apoyo a la toma de decisiones en diferentes áreas y las etapas del proceso que están en la
Tabla 1, los procesos de data mining en la figura 16 y la clasificación de Data Mining en la
Figura 17.
Tabla 1
Etapas del proceso de Data Mining.
Selección de datos Es la etapa inicial, es dónde se define qué datos serán
recolectados, qué tipo de extracción tendrán, qué atributos
de entrada y salida habrá, la justificación sobre por qué
obtener los datos que se pretende conseguir, junto con las
fuentes que puedan ser útiles.
Data Warehouse Se diseña el esquema de un almacén de datos que
consiga unificar de manera eficiente toda la información
recogida.
Implantación del Se instala la estructura o sistema que permita
almacén de datos navegar entre los datos y así discernir qué información
puede ser utilizada para analizar a profundidad.
Limpieza de datos Se seleccionan, limpian y transforman los datos que
se analizarán.
Selección de técnica Teniendo los datos ya limpios se selecciona la
técnica de minería de datos más apropiada para el fin que ya
se definió en el primer paso.
Interpretación Se evalúan diferentes aspectos de los datos
procesados; coherencia, apego a la realidad, utilidad,
aplicación en casos hipotéticos, etc. Teniendo los datos ya
procesados junto con las evaluaciones correctas, se
“traducen” a los términos contextuales correspondientes al
proceso y se extrapolan a los casos que ya se tengan
contemplados.
Difusión Se dan a conocer los resultados y se ponen en
práctica.
Diagrama de los pasos en el proceso KDD,
anteriormente descritas.
Fuente: Minería de datos: conceptos y tendencias, 2016.
36
Figura 16 Procesos de KDD de minería de datos.
Fuente: Extraída de https://datosmineriainformacion.files.wordpress.com/2017/05/proceso_kdd_etapas.png
Figura 17 Clasificación de las técnicas de Data Mining

Fuente: Pèrez y santy, 2008.
2.6. Web scraping y minería de datos
2.6.1. Maquetación web

La extracción de datos de los sitios web de manera automática se refiere al proceso
a la limpieza y filtrado de datos. que nos permite extraer datos escondidos de un documento
ya sea páginas web o pdf, para que en el proceso hacerlos útiles y/o de estudio.
37
En esta sección es importante conocer la estructura de composición el HTML y/o de
la página web ya que es importante para la extracción y utilización de los datos ya sea
cualquier el giro de negocio y/o interés.
2.6.2. Extracción de datos

Habiéndonos centrado en que ítems de los que queremos extraer la información
tenemos dos formas de hacerlo: mediante un API (Facebook, Twitter etc.) o web scraping
(si una página no posee api esta es la mejor forma de consumir la información), las ventajas
de utilizar web scraping es de no depender de una API (coste, licencia, numero de búsqueda,
limitación de datos y consultas etc.), no se tiene limitaciones en cuanto a tiempo y qué
información queremos obtener, lo que más debemos cuidar en el web scraping es la
estructura de la página.
Tabla 2
Estructura de web scraping
Proceso del Web Scraping
URL Semilla
Request Realizar requerimientos
Response Obtener respuesta
Populate Items Obtener la información que deseo de la respuesta.
estructura
Más URLs Ir a más URLS direcciones web y repetir el mismo
proceso.
Fuente: Extraído de https://www.academia.edu/35895308/Web_scraping, 2018.
2.6.3. Tipos de web scraping

Una sola página web: las librerías que se pueden utilizar son Scrapy.spiders.Spider,
solo tiene una página de extracción.
varias páginas web: Las librerías a utilizar Scrapy.spiders.CrawlSpider: Crawling
vertical, Crawling horizontal, de los cuales se relaciona a la forma de separación de páginas
que son en varias páginas de información dependiendo si son horizontales la paginación y
vertical para los ítems de sacado de información más detallada.
38
Debemos de tomar en cuenta que hacer web scraping es darle crédito a la página de
donde obtuvimos la Data, la no publicación de la data sin estar o comprobar que es seguro
y/o legal, no sobrecargar las páginas ya que tendremos problemas con la IP, con web
scraping somos rastreados y no somos anónimos.
2.6.4. Tipos de datos

En este punto la recolección de datos que tendremos que hacer son de datos
estructurados y no estructurados, de los cuales haremos una diferenciación.
Tabla 3
Diferenciación de los tipos de datos
Datos estructurados Datos no estructurados
Es aquella información que se Son las que se encuentran en
encuentra en el modelo de la base de forma de texto no almacenado y
datos, las que se encuentran almacenadas categorizado en un modelo de base de
en base de datos. Ya que pueden ser datos, Ya que no tienen infraestructura
ordenados y procesados con la facilidad interna identificable, que es masivo,
para el proceso de estudio de datos de las desordenado etc que produce ruido a la
técnicas de minería de datos hora del análisis de datos.
Fuente: Extraído de https://www.academia.edu/35895308/Web_scraping, 2018.
2.7. Estudio de datos
2.7.1. Python para ciencia de datos

Por lo que sabemos Python es uno de los lenguajes más fáciles de entender y utilizar
en donde nosotros buscamos utilizar para la manejabilidad de datos y así poder visualizar
mediante sus librerías.
Librerías de visualización de datos con Python:
- Matplotlib: pandas seaborn - solo ideas de datos- estilos predeterminados no atractivo
39
- seaborn: se integra muy bien con pandas y otras bibliotecas de software de código
abierto para análisis y visualización de datos. Es una librería popular para hacer
atractivos gráficos de datos estadísticos en Python. Aprovecha el poder matplotlib
para crear los gráficos con unas pocas líneas de código. (Estética, funciones,
comparaciones. herramientas de visualización de modelos de regresión lineal para
diferentes tipos de variables independiente o dependientes, funciones de visualizar
matrices, abstracciones de alto nivel para estructurar grillas de parcelas)
- BOKEH: integrada con navegadores, javascript gráficos interactivos, tres interfaces:
nivel alto, medio matplotlib, el más bajo para programadores.
- PYGAL: opciones de personalización, es de código abierto, capacidad de gráficos
escalables.
- PLOTLY: Análisis de datos gráficos científicos. diferente a las demás para estar en
línea.
Utilidad de librerías:
Tabla 4
Librerías de Python
Descripción
MATPLOTLIB Es el método más simple para las representaciones básicas
SEABORN Es el ideal para crear gráficos estadísticos visualmente atractivos
que incluyen color
BOKEH Funciona muy bien para visualizaciones más complicadas e ideal
para presentaciones interactivas basadas en web.
PYGAL Funciona bien para generar vectores y archivos interactivos, sin
embargo, no tiene flexibilidad como otros métodos.
PLOTLY Es la opción más útil y fácil para crear visualizaciones altamente
interactivas basadas en la web.
Fuente: Elaboración propia, 2019.
40
CAPÍTULO III: MATERIALES Y MÉTODOS
3.1. Descripción de lugar de ejecución

Los datos tomados a estudio con el algoritmo de clustering son datos de la Ciudad de
Buenos Aires. Así como también datos para la elección de atributos en estudio fueron
tomados de la policía nacional del Perú del área de turismo PENTUR - Puno, como también
datos extraídos de la web de la ciudad de puno.
3.2. Metodología de la investigación
3.2.1. Tipo de investigación

El proyecto fue realizado con datos de delitos ciudadanos de Argentina, así como
también un análisis de sistemas en la comisaría del PENTUR - Puno para la utilización de
algoritmos, la extracción de datos a nivel de puno con las herramientas de web scraping. la
investigación fue realizada de manera propositiva y aplicada.
3.2.2. Investigación propositiva

En el estudio de relación de factores fueron realizadas las actividades de:
➢ Técnica de web scraping: con spider y spider crawl para la extracción de datos
de una sola página y de varias páginas utilizando xpath, Python y anaconda
como herramientas tecnológicas para la obtención de datos de la región de
Puno en cuanto al turismo.
➢ Análisis de sistemas: fue realizado en la Policía nacional del Perú realizando
la base de datos de denuncias de delitos y faltas turísticas. este estudio fue
con el fin de identificar los atributos.
41
3.2.3. Investigación aplicada
➢ Estudio de datos con los siguientes: Ciencia de datos, conocimientos de big
data, Weka, ciencia de datos para Python y visualización de datos.
3.2.4. Arquitectura de solución
Figura 18 Arquitectura de solución al problema.

Fuente: Elaboración Propia, 2019.
3.3. Herramientas tecnológicas

El modelo de procesamiento del proyecto según su naturaleza y su aplicación, así
como las herramientas a utilizar en el desarrollo para la extracción de datos de la Tabla 5.
Tabla 5
Herramientas de extracción de datos.
Herramienta Descripción de la utilización

Python 3 Para la instalación de los manejadores pip y librerías. Que se
utilizan en el desarrollo de la investigación.
Xpath Para la maquetación y estructuración de la extracción de datos.

Scraping 3 Librería con la cual realizamos el scrapy, con las librerías
principales de spider y spider scrawl.
42
IDE Sublime text que es utilizado tanto para la extracción de datos
como para la maquetación de la implementación del sistema de
visualización como propuesta.
Estudio de datos:
Tabla 6
Herramientas d estudio de datos.
Herramienta Descripción de la utilización
WEKA weka es una de las herramientas más completas para la minería
de datos, que pueden generar modelo y patrones el cual
construye modelos predictivos.
En el proyecto es utilizado para el estudio de datos,
reconocimiento de variables, y análisis de clustering con el
algoritmo de Kmeans.
Python anaconda Estudio de datos con ciencia de datos para Python.
anaconda es una distribución de Python la ventaja de utilizar
anaconda en que ya no se necesita instalar por separado las
librerías de Jupyter notebook, pandas, librerías de
visualización de datos de forma gráfica, etc.
En el proyecto es utilizado para la limpieza de datos, para el
análisis y graficación de datos.
Kmeans
El Κ -means es un algoritmo de agrupamiento utiliza el refinamiento iterativo para
producir un resultado final. Las entradas del algoritmo son el número de grupos Κ y el
conjunto de datos. El conjunto de datos es una colección de características para cada punto
de datos. El algoritmo se inicia con estimaciones iniciales para la kappa centroides, que o
bien se pueden generar aleatoriamente o se selecciona entre el conjunto de datos al azar”
(Trevino, 2016).
Visualización de datos:
Tabla 7
herramientas de visualización de datos
Herramientas Descripción de la utilización
power bi Power BI es un servicio de análisis de negocios de Microsoft.
Su objetivo es proporcionar visualizaciones interactivas y
43
capacidades de inteligencia empresarial con una interfaz.
utilizado para la clasificación de los grupos de centroides y sus

objetos
Python Estudio de datos con ciencia de datos para Python.
anaconda es una distribución de Python la ventaja de utilizar
anaconda en que ya no se necesita instalar por separado las
librerías de Jupyter notebook, pandas, librerías de visualización
de datos de forma gráfica, etc.
En el proyecto es utilizado para la limpieza de datos, para el
análisis y graficación de datos.
Estructuración de implementación de estudios de datos e ingeniería de software:
Tabla 8
herramientas de implementación de datos
Herramientas
Python - Django
Materialize
D3
JavaScript
sql
3.4. METODOLOGÍA
La gestión del desarrollo del producto se realizará con la metodología OpenUP la
cual es una metodología ágil para el desarrollo de proyectos ya que es flexible para el cambio
y/o aumento de requerimientos, al tamaño pequeño del equipo de trabajo. La gestión del
desarrollo del estudio de datos será con CRISP - DM.
3.4.1. Metodología para la gestión de proyectos

La metodología OpenUP es un Proceso unificado que aplica enfoques iterativos e
incrementales dentro del desarrollo del proyecto, nos ofrece una naturaleza enfocada a la
colaboración en el proceso de desarrollo de software, así como también un alto grado de
adaptabilidad a las necesidades de un proyecto particular por su carácter iterativo. Esta
44
metodología está basada en RUP (Rational Unified Process). Lo que ofrece para el equipo
de desarrollo esta metodología es: calidad y eficiencia.
(Rios, Hinojosa, Delgado, 2013). “Esta metodología fue propuesta por el grupo de
empresas conformado por: IBM Corp, Telelogic AB, Armstrong Process Group Inc.,
Number Six Software Inc. y Xansa; quienes la donaron a la Fundación Eclipse en el año
2007, que la ha publicado bajo licencia libre”.
Figura 19 Principios de OpenUp

Fuente: Elaboración Propia.
Figura 20 Elementos del OpenUp

Fuente: Elaboración propia
Ciclo de vida de OpenUP
45
La metodología de OpenUP consta de cuatro fases: inicio, elaboración, construcción
y transición. Cada una de estas fases se divide a su vez en iteraciones.
Figura 21 Ciclo de vida de OpenUP

Fuente: Néstor Díaz & David Vaquero-aplicación de la metodología openup en el desarrollo del sistema de
difusión de gestión del conocimiento de la espe.
Figura 22 Fases de OpenUP

Fuente: Elaboración propia inspirado de Néstor Díaz & David Vaquero-aplicación de la metodología openup
en el desarrollo del sistema de difusión de gestión del conocimiento de la espe .
46
3.4.2. Metodología de aplicación CRISP-DM
Rodriguez y Garcia, 2016). “Metodología CRISP-DM (Cross-Industry Standard
Processfor Data Mining: Procedimiento Industrial Estándar para realizar Minería de Datos),
es creada en el 2000 por el grupo de empresas SPSS, NCR y Daimer Chrysler. Es de
distribución libre lo que le permite estar en constante desarrollo por la comunidad
internacional. Además, resulta independiente de la herramienta que se utilice para llevar a
cabo el proceso de MD. Es ampliamente usado por los miembros de la industria”.
(Chapman, Clinton, Kerber, Khabaza, reinartz, Shearer y Wirth, 2000) “El modelo
consiste en seis fases definidas de manera cíclica: análisis del problema, comprensión de
datos, preparación de datos, modelado, evaluación y despliegue”.
(Rodriguez y Garcia, 2016). “Debido a que la cantidad de datos almacenados, de todo
tipo, van en aumento exponencial, existe la necesidad de tener mecanismos eficientes para
manipularlos y extraer conocimientos de ellos. La minería de datos es de las principales
encargadas de este tipo de proceso y para hacer menos complejos sus procedimientos se han
diseñado metodologías que los guíen. Debido a que estas metodologías son de propósito
general en ellas no se describen cuestiones importantes como técnicas y algoritmos a usar en
cada etapa. En la presente investigación, luego de un estudio comparativo, se escoge la
metodología CRISP-DM para realizar su adecuación a problemas no supervisados tipo
atributo-valor. Los procesos de MD tienen muchas veces implícitas técnicas de aprendizaje
que, de acuerdo con la definición dada por Michalski en 1986, es la habilidad de adquirir
nuevo conocimiento, desarrollar habilidades para analizar y evaluar problemas mediante
métodos y técnicas, así como también por medio de la experiencia propia; se requiere del
aprendizaje entendible para un hombre”.
47
Fases de manera cíclica análisis del problema, comprensión de datos, preparación de
datos, modelado, evaluación y despliegue.
Figura 23 Modelo de proceso CRISP–DM ([CRISP-DM, 2000]).

Fuente: Cross-Industry Standard Processfor Data Mining: Procedimiento Industrial Estándar para realizar
Minería de Datos.
Comprensión del negocio
● Entendimiento de los objetivos y requerimientos del proyecto.
● Definición del problema de Minería de Datos
Comprensión de los datos
● Obtención conjunto inicial de datos.
● Exploración del conjunto de datos.
● Identificar las características de calidad de los datos
● Identificar los resultados iniciales obvios.
Preparación de Datos
● Selección de datos
● Limpieza de datos
Modelamiento
● Implementación en herramientas de Minería de Datos
48
Evaluación
● Determinar si los resultados coinciden con los objetivos del negocio
● Identificar los temas de negocio que deberían haberse abordado
Despliegue
● Instalar los modelos resultantes en la práctica
● Configuración para minería de datos de forma repetida o continua.
3.4.3. Desarrollo de los objetivos

Para el logro de los objetivos de la investigación que es el análisis de datos en el cual
en este capítulo se detalla la construcción de la minería de datos y los procesos para llegar al
análisis de datos utilizando las herramientas de inteligencia artificial para llegar a la
clustering de dichos datos y diseñar un prototipo implementando los algoritmos de
clustering. en la cual se requiere acceder a los datos que permitan conocer el estado de delitos
cometidos en contra de la ciudadanía para ponerlos en estadísticas en el contexto turístico.
3.4.4. Objetivo 01: Recolectar datos estructurados y no

estructurados con técnicas de web scraping.
Para este objetivo se tomaron tanto datos de base de datos ya estudiadas como del
mismo internet, que en breve explicaremos.
a. Datos estructurados
Los datos estructurados de la policía nacional del perú del área de turismo no se pudo
recolectar ya que tiene políticas de privacidad de datos y gestión de permisos jerárquicos, se
tramitó los documentos en el mes 20/07/2018 anexo N°5, pero no se encontró respuesta
alguna por lo cual decidí trabajar con datos libres de la web Data World y los datos están
publicados oficialmente en mapa del delito https://mapa.seguridadciudad.gob.ar/. Respecto
a los datos de recolección del PENTUR recomendamos que las instituciones del estado
49
puedan liberar los datos para los estudios respectivos y no se haga tan complicada la
obtención de datos ya que se perdió tiempo de estudio y proceso
https://github.com/ramadis/delitos-caba/releases.
Los datos recolectados son dataset de los delitos ciudadanos de Argentina de la
ciudad de Buenos Aires, del cual tenemos un archivo csv con 128 803 delitos registrados.
los datos fueron tomados ya que se asemeja a los de las denuncias peruanas, con los mismos
atributos poco cambiantes los cuales son:
Figura 24 Variables de datos Data Base

Fuentes: Base de datos de los datos de git hub, Buenos aires.
PENTUR según análisis de sistemas realizados en las prácticas pre profesionales
adquirimos la forma de denuncia y también las variables de estudio que son los siguientes:
50
Figura 25 Base de datos
Los atributos seleccionados para trabajar son los siguientes:
Tabla 9
Variables para estudio
variable tipo de variable
Departamento string
recurso turístico / lugar turístico string
latitud int/float
longitud int/float
fecha date
hora date
tipo de delito string
51
Variables de estudio
El formato a tomar en cuenta para la variable de estudio es el: nombre del
departamento, el recurso turístico o lugar turístico, latitud, longitud, fecha, hora, tipo de
delito. de los datos recolectado de la ciudad de Buenos Aires son los siguientes: comuna,
barrio, latitud, longitud, fecha, hora, lugar, origen de dato, tipo delito.
b. Datos no estructurados
Los datos serán extraídos de la web utilizando técnicas de web scraping.
Web scraping
Los datos no estructurados los extraemos en esta ocasión de la web, serán datos que
conforme la página web:
Tabla 10
Variables de extracción de datos.
Atributos Variables
Nombre TEXT
Calificaciones TEXT
Colaboradores TEXT
Número de fotos TEXT
Dirección TEXT
Ubicación TEXT
Usuario TEXT
Nombre del comentario TEXT
Calificaciones TEXT
Comentario TEXT
Aceptación de comentario TEXT
La página de la cual se extrajo los datos es de MI NUBE con 59 datos principales
que son los recursos turísticos (https://www.minube.com/que_ver/peru/puno/puno).
Página de mi nube:
52
Figura 26 Página de extracción de datos
Figura 27 Código de extracción de datos.

Fuente: Elaboración propia, 2019.El código y los datos recolectados se encuentran en el repositorio de GIT
LAB https://gitlab.com/beth.ramos/web_main.
3.4.5. Objetivo N° 2: Analizar los datos recolectados con Python
para ciencia de datos y Weka.
Estudio de datos estructurados
El dataset utilizado para el tratamiento de datos es de crimen y delito registrado en la
ciudad de buenos aires, dataset registra 184.877 delitos, registrados por el gobierno de la
ciudad autónoma de buenos aires, durante el periodo de 07/11/2015 hasta el 30/06/2017 los
datos fueron oficialmente publicados en la página de mapa del delito
https://mapa.seguridadciudad.gob.ar/.
53
La descripción de datos recolectados tiene una gran similitud con la de la policía
nacional del Perú indicando los campos de:
Tabla 11
Variables de estudio.
Campo Tipo Descripción
id Number Identificador único del delito

comuna String Nombre de la comuna
barrio String Nombre del barrio
latitud Number Latitud del lugar del delito
longitud Number Longitud del lugar del delito
fecha String Fecha del delito en formato YYYY-MM-DD
hora String Hora del delito en formato hh:mm:ss
uso_arma String Describe si el robo fue armado
uso_moto String Describe si el robo fue por "motochorro"
lugar String Describe el lugar del delito
origen_dato String Describe el origen de la denuncia
tipo_delito String Describe el tipo de delito
cantidad_vehiculos Number Cantidad de vehículos involucrados
cantidad_victimas Number Cantidad de víctimas fatales
Para el trabajo en weka encontramos los siguientes datos generales de los 184.877
delitos:
Figura 28 . Weka y atributos de los datos

54
Figura 29 Weka y atributos de los datos
Tabla 12
Variables e identificación de atributos de los datos
Comuna son 15 como se muestra en la figura n° 22
barrio son 15 como se muestra en la figura n° 22
7 tipos de delitos como se muestra en la figura n° 23
tenemos datos de 2016 a 2017 tenemos 731 fechas y 1417 horas
sin uso de armas y asimismo sin uso de motos
Limpieza de datos estructurados
Para hacer la corrección o eliminación de registro de datos de la base de datos
identificamos datos incompletos haciendo una data duty, limpieza de datos:
Los datos limpiados son tanto para weka y Python anaconda.
Borramos dos atributos que no tenían valores almacenados como lo son lugar y
origen_dato para no provocar algún ruido en los resultados de clustering.
los atributos de uso_arma y uso_moto también fueron borrados por que no varían en su
valor que es sin uso de arma y sin uso de moto, por lo tanto, los delitos cometidos serían
sin estos dos atributos.
Por último, también borramos cantidad_vehículos ya que no cuenta con valores
superiores a 0.0 de los cuales podríamos decir que los delitos cometidos son sin vehículos.
Limpieza de datos weka:
55
Figura 30 data con atributos originales
Figura 31 Data limpia

Limpieza de datos Python
En los datos semi estructurados no hicimos la limpieza de datos, ya que solo
contamos con 59 datos de la página mi nube.
el desarrollo lo trabajamos con weka y python.
3.4.6. Objetivo N° 3: Preparar los datos y aplicar algoritmos de
clustering a los datos recolectados.
Figura 32 Entorno de desarrollo

El algoritmo de clusterización no supervisada agrupa basándose en sus características
de los objetos de k grupos:
56
Debido a la utilización de los datos no clasificados, cualitativos se tomaron grupos
cruzados para su tratamiento en el algoritmo de clustering.
inicializamos con 14 k grupos, que no todos están establecido como centroides en el
espacio de los datos de Argentina.
Figura 33 Datos a estudio con JUPYTER

la asignación de los objetos de los centroides que son los más cercanos y posibles de
trabajar son: tipos delitos, barrio, y comuna.
Figura 34 resultados de comuna.

El algoritmo de clustering resuelve los problemas de la suma de las distancias
cuadráticas de cada objeto al centroide del objeto ya que es un problema de optimización.
57
se toma el promedio de los elementos de cada grupo como un nuevo centroide.
Este algoritmo converge en un mínimo local ya que los resultados dependerán mucho
de los centroides. Importancia de la visualización de datos es una de las formas de mostrar
datos complejos en una forma gráfica y fácil de entender, las tramas y los gráficos pueden
ser muy eficaces para transmitir una descripción clara de los datos, Pueden ser muy valiosas
cuando se trata de respaldar cualquier recomendación.
3.4.7. Objetivo N° 4: Diseñar la plataforma para la visualización
de datos.
La plataforma de visualización de datos está siendo construida de acuerdo al giro de
negocio, ya que las organizaciones como la PNP y serenazgo tiene esa responsabilidad de
los datos y su procedencia. Los módulos distribuidos para su construcción son:
Figura 35 Estructura de módulos

58
El prototipo para su construcción es el siguiente, es una propuesta para su análisis
con los respectivos especialistas en el giro del negocio.
Figura 36 Prototipo de visualización.

las ventajas que se tiene de una buena visualización de datos con datos masivos, ya
que forma un arte visual que capta el interés del analista de datos, los gráficos, es una
tendencia de los valores atípicos, y sacar deducciones de historias a contar con un propósito
rápidamente.
59
CAPÍTULO IV: RESULTADOS Y DISCUSIÓN
4.1. Resultados de los objetivos.
4.1.1. Objetivo 01: Recolectar datos estructurados y no estructurados con
técnicas de web scraping.
Datos estructurados y semiestructurados.
El trabajo que se realizó en este objetivo fue la extracción de datos semi-
estructurados de la web.
● Resultados: se sacaron 59 datos en los cuales están lo que buscamos sacar son
los lugares turísticos para poder trabajar con eso y su aceptación, ya que para
el turismo necesitamos como punto de centroide a los lugares turísticos para
su clustering e puntos más cercanos de delitos.
los datos extraídos son:
Ese es el formato de extracción de los datos.
Figura 37 Datos extraídos de la página nube.

60
4.1.2. Objetivo N° 2: Analizar los datos recolectados con Python para
ciencia de datos y Weka.
Análisis de weka por tipo delito y barrio.
Figura 38 Resultados de weka análisis de clustering.

De acuerdo al barrio con más incidencia delictiva.
Figura 39 Incidencias delictivas.

61
Figura 40 Centroides de incidencias.
Análisis por tipo delito.
Figura 41 Tipos delitos clasificados.

Figura 42 Análisis de los cluster de tipo delito.

Los datos de análisis para la toma de centroides son los siguientes en ambas
herramientas tecnológicas de análisis weka y Python: comuna, barrio, tipo delito, fechas.
62
Análisis de datos con Python:
a. Porcentaje de delitos en cada una de las comunas.
Figura 43 Resultados de comuna en Python.

Figura 44 Comuna resultados de combinaciones.

Figura 45 Comuna gráfica de barras

63
La comuna es la que tiene el más alto grado de interacción de delitos, el cual tiene el
más alto nivel de delincuencia, en su totalidad 50000, seguido de la comuna 3, comuna 4, la
comuna 7 y la comuna 14 son los que tienen más alto porcentaje de actividad delictiva.
b. Análisis de tipo de delito y constancia de valor mayor de
sucesos.
los datos son semejantes a lo de la policía nacional del Perú en cuanto a los tipos de
delitos.
Tabla 13
Delitos y faltas.
Delitos Faltas
Hurto (apropiarse de un bien Hurto (apropiarse de un bien ajeno
ajeno sin violencia). sin violencia).
Robo (Acto de apoderarse de un Participación en juegos
bien ajeno, en la cual hay violencia, inapropiados
amenaza o fuerza.)
Estafa Otros
Apropiación ilícita (provecho o
en el de un tercero; haciendo suya en
forma indebida un bien mueble, una
suma de dinero o cualquier objeto que se
haya entregado para la guarda o
depósito)
Otros delitos contra el patrimonio
otros delitos
Como podemos ver en las gráficas los datos muestran que el 57.9 por ciento son de
un suceso con el delito de robo con violencia, seguido con el de hurto sin violencia.
Figura 46 hurto sin violencia. gráfica de barras.

Fuente: Elaboración propia, 2019
64
Figura 47 hurto sin violencia gráfica
Figura 48 hurto sin violencia R combinaciones.

Análisis de acuerdo al barrio en donde podemos rescatar que el barrio con más índice
de delitos es el de Palermo.
65
Figura 49 Barrios gráfica de barras.
Figura 50 Barrios combinaciones gráfica de barras.

4.1.3. Objetivo N° 3: Preparar los datos y aplicar algoritmos de clustering
a los datos recolectados.
El agrupamiento con la herramienta Power BI. Clustering por datos de delitos por barrios:
Figura 51 Geo Sectorización de datos

66
Figura 52 Barra y geo sectorización.
Gráfico de tipo delitos por las comunas y cómo podemos ver la comuna 1 tiene
mayor índice de delito.
Figura 53 Geo sectorización por puntos en delito.

Figura 54 Comuna gráfica de barras y geo sectorización

Gráfico por barrios según los delitos.
67
Figura 55 barrios según delitos geo sectorización.
La presente gráfica representa a las horas y días de alto riesgo en donde ocurre los
delitos. pudiendo apreciar que los delitos más propicios son los días lunes y marte se las
semanas.
Figura 56 Días y horas.

clustering en Python
Según los análisis previamente realizados obtuvimos que los delitos más
mencionados u ocurrido en la ciudad de buenos aires son de: homicidio, hurto y hurto
automotor.
68
Figura 57 gráfica de barras de tipos de delitos.
Aquí tenemos los datos numéricos del porcentaje de concurrencia, de los delitos
analizados en las anteriores figuras.
resumen del agrupamiento de los tipos de delitos con más concurrencia.
Figura 58 gráfica de barras T_D

ya que los datos a estudio son los delitos concretamos la estructura de datos que
utilizaremos para alimentar el algoritmo. según los estudios de análisis de datos antes
69
realizados podemos ver que los dos tipos de delitos más cometidos en la ciudad de Buenos
Aires son los Robo con violencia, hurto sin violencia y homicidio doloso graficamos los
clustering que son más cercanos a los centroides.
Figura 59 Estructura de datos.

En número de clustering que tomaremos para los estudios lo calculamos mediante
la siguiente figura expuesta, para ver el número y el rango. ya que es la selección de
número óptimo no supervisado de los grupos.
Figura 60 K medias gráfica para centroides

70
Podemos observar en la siguiente figura que fue calculada 5 centroides para la
clusterización de puntos en cuanto al tipo delitos.
Figura 61 K centroides.
Podemos ver la gráfica 3D con los colores para los grupos y veremos si se
diferencia. las estrellas son el centroide de cada grupo de objetos. en cuanto a las
dimensiones de colores y sus cantidades son: rojos 3, verde 28, azul 5, turquesa 9, amarillo
3 de las cuales los grupos con más objetos son los verdes que son el hurto sin violencia.
Figura 62 gráficas de clusters según 4 centroides

71
4.1.4. Objetivo N° 4: Diseñar la plataforma para la visualización de datos.
La estructura de la plataforma lo realizamos con el análisis de sistemas PMBOOK.
a. Base de datos.
b. Análisis de requerimientos.
c. Construcción con django y materialize. (aquí agregamos d3 para que pueda
integrarse y poder construir, de acuerdo a la alimentación de datos que
podamos obtener con el tiempo de las instituciones encargadas de las
mismas)
Figura 63 Prototipado del sistema de geo sectorización

72
CAPÍTULO V: CONCLUSIONES Y RECOMENDACIONES
5.1. Conclusiones
En el presente trabajo de investigación podemos concluir que la obtención de datos
tanto de la web como los datos estructurados para un buen análisis de datos tienen que ser
numéricos y no cualitativos ya que se hace complicada su manipulación de los mismos.
En los análisis de datos se logró diagnosticar que los delitos mayormente cometidos
son los de hurto, robo y homicidios en la ciudad de Buenos aires, así como también que el
barrio con más índice de actividad delictiva es la de Palermo.
Los datos en análisis son similares a los datos en construcción para el turismo por
lo cual concluimos que los estudios realizados serían similares con centrándonos ya no en
los barrios si no en los lugares de riesgo delictivo.
5.2. Recomendaciones
● En el presente trabajo de investigación lo más complicado fue obtener datos de la
ciudad de puno de la inseguridad turística, se hizo la solicitud de de los datos al centro
de PENTUR, pero no obtuvimos respuesta. por lo cual utilizamos datos de una open
data en el cual eran datos de la Ciudad de Buenos aires, los datos tomados eran
semejantes a las del análisis de la base de datos del PENTUR PUNO es por eso que se
tomaron como modelos de estudio. Necesitamos una plataforma en donde liberen datos
para poder hacer los análisis y que no sean complicadas los procesos administrativos
para su adquisición de los mismos.
● Para el estudio de los datos y su visualización necesitamos datos de las instituciones
encargadas, así como también necesitamos que los datos salgan de una aplicación para
73
que sea fácil su manipulación y alimentación de la plataforma de visualización de
datos.
● Se recomienda que los aplicativos de alimentación sean tanto en la web con móviles.
● Recomendamos que todos los datos almacenado sean convertidos en un atributo
numérico ya que con eso se hará fácil el análisis o implementación de los datos a algún
algoritmo.
● Se recomienda a un futuro implementar en un aplicativo web y móvil la visualización
de datos con su respectivo sistema de alimentación para que pueda ser una plataforma
de información que sirva tanto al sector público de las instituciones como a los turistas.
74
REFERENCIAS BIBLIOGRÁFICAS
Al Turista, R. D. P. (2017). Plan de protección al turista. Lima, Perú: Ministerio de

Comercio Exterior y Turismo do Perú.
Arancibia, J. A. G. (2010). Metodología para el Desarrollo de Proyectos en Minería
de Datos CRISP-DM. Recuperado de http://oldemarrodriguez.
com/yahoo_site_admin/assets/docs/Documento_CRISP-DM, 2385037.
Benítez, I. (2005). Técnicas de agrupamiento para el análisis de datos cuantitativos
y cualitativos. España: Universidad Politécnica de Valencia, Departamento de Ingeniería de
Sistemas y Automática.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth,
R. (2000). CRISP-DM 1.0 Step-by-step data mining guide. Recuperado de
http://www.iidia.com.ar/rgm/CD-TIpEI/TEI-2-CRISP-DM-GdP-material.pdf
Contreras, F. (2016). Introducción a machine learning. Recuperado de
https://www.zemsania.com/recursos-zemsania/whitepapers/DTS/Machine_learning.pdf
Díez, R. P., Gómez, A. G., & de Abajo Martínez, N. (2001). Introducción a la
inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación
evolutiva. Universidad de Oviedo.
Galipienso, M. I. A., Quevedo, M. A. C., Pardo, O. C., Ruiz, F. E., & Ortega, M. A.
L. (2003). Inteligencia artificial: modelos, técnicas y áreas de aplicación. Editorial Paraninfo.
Garmendia, I. (2017). Plan de protección al turista.
Gloria, G. m. (2017). Análisis del impacto económico anual del WTTC. Recuperado
de: https://www.wttc.org/research/economic-research/economic-impact-analysis/
Gloria, G. m. (2017). Impacto del sector de viajes y turismo en las ciudades 2017
américa latina. Recuperado de: https://www.wttc.org/-/media/files/reports/economic-
impact-research/cities-2017---regional/latin-america-city-travel-and-tourism-impact-2017-
spanish.pdf?la=en
Jaulis Rua, J. J., & Vilcarromero Giraldo, J. R. (2015). Sistema de predicción de
hechos delictivos para la mejora del proceso de prevención del delito en el distrito de La
Molina utilizando minería de datos.
Juan Carlos (3 de enero del 2018), Portal de turismo. Seguridad, estrategia y
oportunidad: 3 retos del sector turismo para el 2018 Recuperado de
75
http://www.portaldeturismo.pe/noticia/seguridad-estrategia-y-oportunidad-3-retos-del-
sector-turismo-para-el-2018-editorial-
Montes Ipenza, D., Rodriguez, A. J., Zamora Aguilar, R., & Zambrano Chávez, E.
(2017). Investigación para la implementación de una empresa de servicios turísticos
asociados a la pesca deportiva en el Perú.
Rodríguez León, Ciro, & García Lorenzo, María Matilde. (2016). ADECUACIÓN
A METODOLOGÍA DE MINERÍA DE DATOS PARA APLICAR A PROBLEMAS NO
SUPERVISADOS TIPO ATRIBUTO-VALOR. Revista Universidad y Sociedad, 8(4), 43-
53. Recuperado en 02 de octubre de 2018, de
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2218-
36202016000400005&lng=es&tlng=es.
Rodríguez León, Ciro, & García Lorenzo, María Matilde. (2016). ADECUACIÓN
A METODOLOGÍA DE MINERÍA DE DATOS PARA APLICAR A PROBLEMAS NO
SUPERVISADOS TIPO ATRIBUTO-VALOR. Revista Universidad y Sociedad, 8(4), 43-
53. Recuperado en 20 de septiembre de 2018, de
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2218-
36202016000400005&lng=es&tlng=es.
Ríos, S., Hinojosa, C., & Delgado, R. (2013). Aplicación de la metodología openup
en el desarrollo del sistema de difusión de gestión del conocimiento de la espe, 10.
Sánchez, I. J. B. Técnicas de Agrupamiento para el Análisis de Datos Cuantitativos
y Cualitativos.
Riquelme, J.C., Ruiz, R. & Gilbert, K. (2006). Minería de datos: conceptos y
tendencias, inteligencia artificial. Revista Iberoamericana de Inteligencia Artificial, 29 pp.
11-18.
López, J. (2018). Web scraping.
76
ANEXOS
Anexo 1: Estadística de la WEF
el informe completo del al WEF TTCR 2017 puede ser visualizado en:
http://www.cdi.org.pe/InformeGlobaldeViajesyTurismo/doc/2017/WEF_TTCR_2017_web
_0401.pdf
Anexo 1 Estadística de la WEF
77
Anexo 2: Mapic del proyecto de investigación
VARIABLE DIMENSI INDICADORES

FÁCTICA ONES
1. 1.1. Seguridad 1.1.1 Seguridad ciudadana
Inseguridad 1.1.2 Seguridad Turística instituciones y
ciudadana en funciones, citas
el contexto
turístico.
VARIABLE EJES SUB EJES TEMÁTICOS

TEMÁTICA TEMÁTICOS
2. 2.1 Algoritmos de 2.1.1 IA y NLP
Algoritmos clustering 2.1.2 Técnica de agrupamiento y
de clustering reconocimiento de patrones turismo
3. Web patrones
scraping 2.1.3 Técnicas de agrupamiento para
2.2 Minería de datos datos cuantitativos y cualitativos
2.2.1 Big data

2.2.2 Base de datos estructurados y no
3.1 Web scraping y estructurados para minería de datos.
minería de datos 2.2.3 Algoritmos de minería de datos.
3.1.1 Maquetación web

3.1.2 Extracción de datos
3.1.3 tipos
VARIABLE EJES SUB EJES PROPOSITIVOS

PROPOSITI PROPOSITIVO
VA S
4. Prototipo 4.1 Análisis y 4.1.1 Análisis y toma de requerimientos
de Sistema de diseño
geo – 4.3.1 Desarrollo del Prototipo
sectorización
4.2 Prototipo 4.3.2 Utilización de Arcgis.
4.3 Implementación
de mapas Geo
localizadas
(sectorización)
Anexo 2 Mapic del proyecto de investigación
78

Yuri Tesis Licenciatura 2019

Cargado por

Copyright:

Formatos disponibles

Yuri Tesis Licenciatura 2019

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Yuri Tesis Licenciatura 2019

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PERUANA UNIÓN

FACULTAD DE INGENIERÍA Y ARQUITECTURA

Sistema de Geo - sectorización de la inseguridad

Juliaca, Julio del 2019

Las personas lo suficientemente locas

como para pensar que pueden cambiar el mundo

son las que lo cambian.

Anuncio <<piensa diferente>> de apple, 1997.

y a mi madre, que me enseñó a luchar ante la adversidad y a creer en el (Dios).

Este trabajo fue financiado por el CONCYTEC FONDECYT en el marco de la convocatoria

“Proyecto Investigación Básica 2015” [número de contratación 184-2015].

Gladys Maquera que siempre fue y es una fuente de inspiración a lo no convencional y

CONCYTEC y la Universidad Peruana Unión “PLATAFORMA DIGITAL INTELIGENTE

Y BIG DATA PARA EL TURISMO RURAL COMUNITARIO EN LA REGIÓN PUNO”

manera muy distinta de ver la realidad de un profesional, y también por el financiamiento

construcción y ejecución de la tesis, a mis compañeros que fueron fuente de inspiración.

Pero principalmente agradezco a Dios por permitirme formarme, conocer y disfrutar a

haberme dejado a la deriva.

Tabla 1 Etapas del proceso de Data Mining. .........................................................................36

Anexo 1 Estadística de la WEF .............................................................................................77

El propósito de la investigación es diseñar y analizar un sistema de geo sectorización con

técnicas de Ciencia de Datos e IA, utilizando datos históricos de delitos. El agrupamiento

metodologías: OpenUp para el desarrollo y CRISP-MD para el procesamiento de datos e

integración del algoritmo. Para el desarrollo se recolectó datos estructurados y semi

se obtuvo gráficos de agrupamiento de datos de acuerdo al centroide principal de las

variables: delito y lugar, en Power BI obtuvimos la visualización basada en grafica de mapas.

El resultado fue el análisis de las variables en construcción para el turismo, en el cual

obtuvimos los datos estadísticos y el algoritmo de agrupamiento, construyendo según los

sistema web/móvil desplegada en sus servidores de aplicación.

Palabras clave: Clustering, visualización de datos, algoritmos, ciencia de datos y

system deployed in its application servers.

Keywords: Clustering, data visualization, algorithms, data science and tourism

1.1. Definición del problema

“Actualmente nuestro país ha avanzado del puesto 58 en el 2015 al puesto 51 en el 2017 en

la industria del turismo en materia de viajes y experiencia turística, descubriendo el camino

para un crecimiento más sostenible e inclusivo, destaca la fidelidad y compromiso con la

industria de viajes y turismo, mejorando su seguridad y protección creando entornos más

debido a que la delincuencia se ha convertido en el principal tema de preocupación tanto de

los ciudadanos mismos como de las autoridades” (Fernández y Rivas, 2015).

concebido para mejorar la calidad de vida de la comunidad receptora o emprendedores que

buscan el desarrollo turístico, mantener la calidad del medio ambiente y de la seguridad

Travel (2013). Se busca alcanzar la eficiencia en tecnología de producción en temas de

Turismo es una de las necesidades primordiales en la competencia empresarial y uno de los

intereses y problemas más frecuentes en el cumplimiento de tal meta, en cuanto al tiempo

economía albergando a la población y sus recursos naturales.

El estudio y la visualización de datos en los últimos años ha tomado gran

de información es a través de dimensiones geográficas asociadas a los datos, ya que la

información es a través de filtros (Ubicación) permitiendo obtener información de interés,

dependiendo de donde se encuentra el consumidor de la información.

Pimentel (2016), “Actualmente en el mercado existen varios recursos para la

presentación de datos georreferenciados, entre ellos se encuentran las herramientas de

herramientas”. De Acuerdo a los datos de inseguridad ciudadana y la utilización de diferentes

herramientas, se requiere la georreferenciación y el agrupamiento de los datos, ya que se

de inseguridad turística: ¿Cómo facilitar el manejo de la información en respuesta a la

resolución de eventos delictivos los cuales requieren velocidad de procesamiento de

acuerdo a la cantidad de datos? Cómo brindar información de utilidad a los turistas:

¿Visualización de indicadores de criminalidad en diferentes zonas?

1.2.1. Justificación social