DevOps & OpenStack

• Fizemos documentação e Swagger API
• Criação de canal no Slack para compartilhamento de ideias
• Integração GitHub-Slack para acompanhamento de progresso paralelo
• Automação do Deployment
• Criação de ferramental para automatização de deployment, com o objetivo de agilizar a instanciação e deployment dos módulos
  • Um único script que cria os seguintes recursos na nuvem:
    • Key Pair
    • Security Group
    • Network
    • Subnet
    • Router
    • Router Interface
    • Instance

Solução

• BD
• Crawlers:
  • Tweets estático de usuários que postam sobre violência
  • Crawler de dados de APPs
• Streamers:
  • Para pegar os tweets em tempo real
  • Para pegar dados dos apps
• Integrador dos dados
  • NLP para estruturar os dados do Twitter
  • Geolocalizacão reversa para anotar todos os incidentes com (Lat, Long)
  • Limpeza dos dados
  • Remoção de redundâncias
• Módulo ML
  • KDE
  • Regressão
• Dashboard

Motivação

• Muitos crimes não são documentados
• Não podem ser utilizados em tempo real para prevenção e melhor utilização de recursos de segurança pública
• Apesar de haver diversos Apps que têm os dados, os dados não são estruturados, são desintegrados, indisponíveis para consulta (estruturada) pública via API

Desafios Atacados

• HeatMap
• Twitter Bot

Proposta de Valor

Banco de Dados:

• Integrar dados de incidente de segurança pública da cidade do Rio a partir de diferentes fontes em tempo real:
  • Twitter de usuários que postam frequentemente sobre incidente de segurança
  • App do OTT
  • App do Onde Fui Roubado
  • Dados do DataRio
• O banco de dados é facilmente extensível
• Dados estruturados e curados disponíveis publicamente via API

Inteligência Artificial usando o banco de dados

• Auxiliar a tomada de decisão para otimizar de alocação de recursos de segurança pública
• Mensurar a sensação de insegurança
• Como?
  • Análise visual da mancha criminal plotando um heat map com KDE
  • Quanto mais quente indica que aquele lugar é mais propenso de ocorrer novas incidências
• Predição de incidentes usando Regressão
  • Input: Bairro, Tipo de crime
  • Output: Dia da semana e faixa de horário em que o tipo de crime deve acontecer

Público Alvo

• Apoio à tomada de decisão para o COR (dashboard)
• Dados disponíveis abertamente para a sociedade civil. Novos apps e visualizações podem ser criados