Introducción

La inseguridad y el crimen ejercen un impacto profundo en la estructura social y económica de una sociedad, alterando su cultura y afectando negativamente la productividad de los negocios y las inversiones estructurales. Estos factores obstaculizan la superación de problemas fundamentales como el desempleo, la corrupción y la inflación, ya que obligan a desviar recursos valiosos hacia medidas de seguridad contra robos, prevención de actos vandálicos e implementación de infraestructuras defensivas. Como consecuencia, se obstaculiza la expansión empresarial y se desincentiva la inversión, lo que conduce a las empresas a adoptar estrategias operativas enfocadas más en la supervivencia que en el crecimiento. Este círculo vicioso no solo impide el desarrollo económico, sino que también perpetúa las condiciones que alimentan la inseguridad, creando un desafío complejo y multifacético para la sociedad.

Según ^{Farooq y Mertzanis (2017)}, la inseguridad tiene un impacto directo en el adecuado desarrollo de las economías. Entre los efectos negativos de este fenómeno se encuentran el incremento de los gastos, la reducción de los ingresos, la disminución de la productividad y la dificultad para formar clústeres competitivos y tomar decisiones estratégicas e inversiones efectivas en las empresas. Las empresas que experimentan una menor criminalidad tienen menos probabilidades de considerarla como un obstáculo para sus operaciones, y viceversa.

De acuerdo con ^{Parente y Valdés (2023)} del Fondo Monetario Internacional, se afirma que un aumento del 30% en las tasas de delincuencia (equivalente a una desviación estándar histórica) reduce el crecimiento económico en0.14 puntos porcentuales, lo que deja en evidencia que el incremento de inseguridad desincentiva la creación de capital y genera pérdidas económicas significativas, ya que desalienta la participación y productividad por el temor y desconfianza que sienten los ciudadanos y empresas. De esta manera, la respuesta legal y estrategias encaminadas a la prevención de los delitos son fundamentales para desarrollar una ciudad con altos niveles de seguridad ciudadana y un entorno propicio para el desarrollo empresarial. La seguridad ciudadana y el desarrollo empresarial mantienen una relación simbiótica que requiere la participación de múltiples actores. El Estado, como garante principal, debe implementar políticas efectivas, mientras que la ciudadanía, las empresas y los comercios desempeñan roles complementarios. Los ciudadanos pueden involucrarse en iniciativas comunitarias, las empresas invertir en responsabilidad social, y los comercios adoptar prácticas que promuevan entornos seguros. Esta colaboración multisectorial fortalece la estructura social y crea un ambiente propicio para el desarrollo sostenible, donde la seguridad y el progreso económico se refuerzan mutuamente, beneficiando a toda la sociedad.

La situación de seguridad en Bogotá y su impacto tanto en la percepción ciudadana como en el ámbito empresarial resalta la importancia de evaluar políticas y estrategias enfocadas en mejorar la convivencia y seguridad. La creciente preocupación entorno a la percepción de inseguridad desde el 2015 ha llevado a la adopción de medidas como el Código de Seguridad y Convivencia, y la actuación de la Subsecretaría de Seguridad y Convivencia, que buscan no solo regular la conducta en espacios públicos y fomentar la corresponsabilidad ciudadana, sino también crear entornos de confianza que propicien el desarrollo económico y social.

Este problema se ha tratado desde diferentes estudios que buscan solucionar el desafío de seguridad, enfocándose en la incidencia de diferentes delitos, la percepción de seguridad por parte de los ciudadanos y la efectividad de las políticas y estrategias implementadas por el gobierno local. Con el uso de datos estadísticos y casos de estudio se evalúan las tendencias delictivas y los resultados de las iniciativas de seguridad, proponiendo recomendaciones basadas en los hallazgos obtenidos. Como un hallazgo clave se tiene que, a pesar de los esfuerzos significativos por parte de las autoridades para mejorar la seguridad en Bogotá, persisten desafíos considerables en la reducción de ciertos tipos de delitos y en la mejora de la percepción de seguridad entre los ciudadanos, principalmente zonas específicas como San José de Bavaria I, II, III y IV sector (Suba) y el Parque Nacional, que presentan problemas de seguridad nocturna (^{Gómez, 2019}).

Otro caso de estudio incorporó modelos probit ordenados para analizar los determinantes de la percepción de inseguridad en Bogotá. El estudio se basó en encuestas como la Encuesta de Percepción y Victimización (^{Cámara de Comercio de Bogotá, 2017}) y la Encuesta de Convivencia y Seguridad Ciudadana (^{DANE, 2016}) que medía la sensación de inseguridad en la ciudad y examinó su relación con la percepción de delitos específicos (homicidios, hurtos, riñas), el conocimiento del plan cuadrantes de la policía, la participación en programas de seguridad comunitarios, el sexo y el estrato socioeconómico de los encuestados. Los resultados principales evidenciaron que la percepción de delitos, especialmente el hurto a personas se relaciona positivamente con la sensación de inseguridad. Conocer el plan cuadrante y participar en programas de seguridad comunitarios no tuvo una relación significativa con la percepción de inseguridad. El estudio también encontró que ser hombre y pertenecer a un estrato socioeconómico más alto se relaciona con una menor percepción de inseguridad. ^{Gélvez (2018)} concluye que la percepción ciudadana es difícil de modificar y sugiere que las políticas de seguridad deberían enfocarse más en reducir el crimen real que en intentar cambiar las percepciones. Además, propone iniciativas para mejorar la seguridad de la ciudad haciendo un estudio más general orientado a las diferentes localidades.

En cuanto al establecimiento de zonas específicas para buscar seguridad, ^{Ruiz y Páez (2016)} analizaron la implementación de estrategias de seguridad para zonas críticas (hot spots policing) en Bogotá y Medellín desde el 2009 hasta el 2016. Su metodología consistió en examinar cómo cada administración municipal definió e intervino las zonas críticas a lo largo de tres periodos de gobierno en cada ciudad. Los autores revisaron los criterios de selección de zonas, las estrategias de intervención (principalmente el aumento del patrullaje policial), y los intentos de evaluación de resultados. Compararon las experiencias de ambas ciudades, observando cómo evolucionó el enfoque desde áreas extensas hacia puntos más específicos con el tiempo. Los resultados del estudio muestran que, después de ocho años de implementación, no existe evidencia científica concluyente sobre la efectividad del modelo para reducir el crimen en las zonas intervenidas. Aunque en algunas zonas críticas se observaron mejoras en ciertos índices delictivos, la falta de evaluaciones rigurosas y consistentes impide atribuir estos cambios directamente a la estrategia. Los autores señalan que la estrategia ha privilegiado el patrullaje policial sobre intervenciones sociales integrales, y que los frecuentes cambios en la delimitación y número de zonas críticas, así como la falta de continuidad entre administraciones, han dificultado la evaluación de su impacto a largo plazo. Sin embargo, destacan que el mantenimiento del modelo por tres administraciones consecutivas en ambas ciudades sugiere cierto potencial, aunque se necesitan evaluaciones más robustas para determinar su verdadera eficacia.

Los estudios realizados en esta área abordan de manera interesante la detección de puntos críticos de seguridad en la ciudad, pero no presentan una solución orientada a los sectores de comercio en Bogotá de manera específica. Aunque se llevan a cabo encuestas y estudios que miden las percepciones de inseguridad por localidades o barrios, no se identifica literatura orientada a zonas puntuales y delimitadas de mayor extensión, las cuales con su correcto análisis aportan valiosa información sobre cuáles puntos específicamente se deben priorizar.

Tras la revisión de literatura sobre la identificación de puntos críticos de seguridad en entornos urbanos, se ha detectado una notable ausencia de información en la comprensión de este fenómeno en relación con la dinámica y distribución de las zonas comerciales en Bogotá. Esta carencia es particularmente significativa, dado que las áreas comerciales representan espacios de gran flujo de personas y concentran una importante actividad diaria de la población, requiriendo por tanto una atención especial. Además, se observó que la mayoría de los estudios existentes abordan el problema desde una perspectiva más general, a nivel de localidades o barrios. Por tanto, un enfoque específico en zonas comerciales puntuales representa una valiosa contribución al conocimiento sobre la seguridad en estos espacios urbanos críticos. En la metodología se presenta un enfoque innovador al problema de seguridad mediante el uso de modelos de machine learning no supervisados, que buscan aportar en la identificación de las zonas comerciales con mayor precisión.

De acuerdo con los hallazgos definidos previamente, el propósito de este estudio es identificar, mediante técnicas de análisis geoespacial, las zonas comerciales de Bogotá que presentan mayores vulnerabilidades en términos de seguridad, y proponer una asignación estratégica de recursos policiales que permita optimizar su cobertura y tiempos de respuesta. En el documento inicialmente se presenta una introducción que contextualiza la problemática de seguridad en zonas comerciales y su impacto económico. Luego, se detalla la metodología empleada, incluyendo la recopilación de datos, el análisis geoespacial y la construcción del modelo de red. Posteriormente, se exponen los resultados obtenidos, mostrando las agrupaciones comerciales identificadas y la asignación propuesta de recursos policiales. Por último, se discuten las implicaciones de estos hallazgos y se presentan las conclusiones del estudio.

Método

La investigación empleó un enfoque cuantitativo basado en la teoría de grafos para analizar la seguridad en comercios y negocios del área metropolitana de Bogotá, D. C. Se utilizó un diseño no experimental y transversal, con un alcance descriptivo cuantitativo. Se consideró la extensión geográfica de la ciudad y las características de ubicación de sus zonas comerciales, permitiendo una comprensión detallada de la distribución espacial de los puntos críticos de seguridad.

Construcción del modelo

Con la información superpuesta, se construyó la red o grafo. Los nodos de esta estructura son: (a) las estaciones o Comandos de Atención Inmediata (CAI) de la policía y (b) los centros de las diferentes zonas comerciales identificadas. También se establecen las aristas únicamente entre CAI y zonas comerciales, cuando la distancia entre ellos es de ocho minutos o menos. Cada arista tiene un peso que corresponde al tiempo exacto de recorrido entre el CAI y la zona comercial conectada.

Una vez configurada la red, se aplicaron algoritmos de centralidad y emparejamiento para identificar puntos críticos en la ciudad que requieren atención policial focalizada, determinar esquemas de seguridad eficientes y reconocer los CAI estratégicamente ubicados que son cruciales para mantener la seguridad de múltiples zonas comerciales. Esta metodología busca optimizar la distribución de recursos policiales y mejorar la cobertura de seguridad en las áreas comerciales de la ciudad.

El primer algoritmo implementado es la “centralidad de cercanía”, que es una medida en la teoría de grafos que determina la importancia de un nodo basándose en su “cercanía” a otros nodos en la red. Este concepto se basa en la idea de que un nodo es más central si puede interactuar rápidamente con todos los demás nodos de la red. Matemáticamente, el algoritmo de “centralidad de cercanía” se expresa con la siguiente fórmula (^{Hansen et al., 2011}) (1):

Donde:

• d(u,y) es la distancia más corta entre el nodo u y el nodo y.

• Σ representa la suma de todas estas distancias.

El segundo algoritmo utilizado es la “centralidad por eigenvector”, la cual corresponde a una medida utilizada en teoría de grafos para determinar la relevancia de un nodo en una red, considerando tanto sus conexiones directas como la relevancia de los nodos a los que está conectado. Un nodo se considera más relevante si está conectado a otros nodos que también son relevantes. La centralidad por eigenvector se define utilizando el vector propio asociado al valor propio de mayor magnitud de la matriz de adyacencia del grafo. Si A es la matriz de adyacencia de un grafo con n nodos, entonces la centralidad por eigenvector de un nodo i es el valor de la i-ésima entrada del vector propio principal correspondiente al mayor valor propio de A.

Su fórmula matemática es (2):

donde A es la matriz de adyacencia, λ es el mayor valor propio de A, y x es el vector propio correspondiente. El valor de xi representa la centralidad por eigenvector del nodo i. Esta medida es especialmente útil en redes donde no solo importa la cantidad de conexiones de un nodo, sino también la influencia de las conexiones de sus vecinos. Este algoritmo ha sido ampliamente utilizado en áreas como el estudio propuesto por ^{Alegría-Arcos et al. (2022)} en farmacología o en el análisis de redes sociales, donde ^{Bihari y Pandia (2015)} muestran su uso para evaluar relaciones entre personas o grupos en redes de coautoría de publicaciones científicas.

En el tercer algoritmo “centralidad de grado” normalizada se implementó un proceso que recorriera todos los nodos del grafo y determinara su grado, esta es una medida de cuántas conexiones tiene un nodo con otros nodos en la red. El grado de un nodo es simplemente el número total de aristas que inciden en él (^{Zhang y Luo, 2017}). En el análisis de grafos se toma en cuenta su grado. La fórmula de este algoritmo es la siguiente (3):

Donde:

• deg (v) es el número de enlaces directos (o grado) del nodo v.

• n es el número total de nodos en la red.

^{Scheurer y Porta (2006)} utilizaron el concepto de centralidad de grado para analizar las redes de transporte en Melbourne. En su estudio, identificaron puntos estratégicos para la elección de rutas y se evaluó la propuesta de expansión en la red de transporte público, con el objetivo de mejorar la conectividad y la eficiencia del sistema.

El cuarto algoritmo utilizado para emparejar los CAI con las zonas de comercio es una generalización del “problema del matrimonio estable” (SMP, por sus siglas en inglés, stable marriage problem), que busca una forma de emparejar dos grupos de personas, por ejemplo, hombres y mujeres, donde cada persona de un grupo (hombres) tiene que emparejarse con una persona del otro grupo (mujeres), y ambos han rankeado sus preferencias hacia los miembros del otro grupo. Este algoritmo fue propuesto por ^{Gale y Shapley (1962)} en su artículo “College admissions and the stability of marriage”, por el cual compartieron el Premio Nobel en Economía en el 2012.

En el algoritmo, cada hombre propone ser pareja de la primera mujer en su lista de preferencias y las mujeres rechazan todas las propuestas excepto la mejor. Los hombres que son rechazados vuelven a proponer a la siguiente mujer en su lista. El proceso continúa hasta que todos los hombres han propuesto a todas las mujeres en sus listas o han sido emparejados. La generalización de este algoritmo se denomina “admisión a universidades” (college admission) y permite encontrar un emparejamiento estable (es decir, un emparejamiento que no puede mejorarse) entre estudiantes y universidades. En este caso, cada universidad puede admitir a varios estudiantes, mientras que cada estudiante es admitido en una sola universidad.

Para el presente estudio, los CAI representan las universidades y las zonas de comercio asumen el rol de los estudiantes. Un CAI debe atender a varias zonas de comercio, pero cada zona de comercio debe tener claro cuál es el CAI más cercano, el ranking de preferencias está dado por la distancia entre cada zona de comercio y un CAI.

Resultados

Los resultados de la aplicación del algoritmo DBSCAN permitieron identificar agrupaciones significativas entre las 241 zonas de comercio en Bogotá (véase Figura 1). Este análisis se basó en la actividad comercial de cada edificio en particular, lo que posibilitó la formación de clústeres que reflejan patrones similares de actividad económica. La segmentación resultante ofrece una visión detallada de cómo se distribuyen y agrupan las diferentes actividades comerciales a lo largo de la ciudad.

Figura 1 Agrupaciones de las zonas de comercio en Bogotá 

Una vez delimitadas las diversas zonas de comercio en Bogotá, se incorporó esta información con la ubicación de los puntos de infraestructura policial. A partir de esta superposición de datos, se establecieron conexiones entre las zonas comerciales y los centros policiales que cumplían con el criterio de tiempo mínimo de respuesta requerido. Estas conexiones se evidencian en la Figura 2.

Figura 2 Conexiones entre zonas comerciales y centros policiales 

Estos puntos se consideran centrales en el grafo por su gran conexión. En la estructura del grafo, se representan nodos con, en promedio, tres o más aristas que las conectan a otros nodos (comercios o CAI). Esta alta conectividad implica que estos puntos (véase Tabla 1) tienen una posición estratégica en la red, actuando como nexos importantes en el flujo de actividad comercial y en la cobertura de seguridad.

Tabla 1 Centralidad de grado estimada por Eigen para los comercios 

En la Figura 3 se presentan dos gráficos de caja que muestran la distribución de los tiempos de respuesta de la policía y las distancias entre los CAI (Centros de Atención Inmediata) y los comercios. El gráfico de la izquierda refleja que los tiempos de respuesta se concentran entre tres y ocho minutos, con algunos casos extremos menores. El gráfico de la derecha ilustra que el 50% de las distancias entre los CAI y los comercios son inferiores a dos kilómetros, mientras que el 75% no supera los tres kilómetros; como casos atípicos se tienen tres valores que superan esta distancia estando cerca de los 4.5 km.

Figura 3 Distribución de los tiempos de respuesta de la policía y las distancias entre los CAI 

Los primeros resultados del algoritmo de centralidad resaltan las 25 zonas de comercio con menor puntaje de cercanía. Dado que estos puntajes se calculan en relación con los CAI y zonas policiales, se puede interpretar que estas áreas comerciales están menos accesibles en términos de respuesta rápida y protección policial. Esto sugiere que, en caso de una emergencia, estas zonas podrían experimentar mayores tiempos de respuesta debido a su ubicación más alejada.

Los resultados del primer algoritmo de centralidad con el eigenvector presentados en la Tabla 2 muestran los CAI y estaciones principales, cuyos valores reflejan su importancia en la red de cobertura y seguridad. Estos valores indican no solo cuántas conexiones tiene cada estación, sino también la importancia de las áreas que cubren. En resumen, una estación con un valor alto está conectada a zonas prioritarias para la seguridad, lo que es crucial para una respuesta eficiente en situaciones de emergencia y la optimización de recursos de seguridad.

Tabla 2 Centralidad de grado estimada por Eigen para las unidades policiales 

Los resultados plasmados en la Tabla 3 del segundo algoritmo de centralidad con el grado, muestran los CAI y estaciones principales, resaltando aquellos nodos con más conexiones directas en la red. Los valores de centralidad de grado indican cuántas conexiones tiene cada estación con otros puntos de la red. En particular, los CAI con los valores más altos están conectados a una gran cantidad de otros nodos, lo que sugiere que son puntos cruciales para la cobertura y seguridad.

Tabla 3 Centralidad de grado estimada por nodo 

La Figura 4 ilustra la distribución de grados en un grafo donde los nodos representan zonas de comercios o CAI (Comandos de Atención Inmediata de la Policía), y los enlaces indican la conectividad entre ellos. El eje X relaciona los diferentes grados, es decir, el número de conexiones que cada nodo tiene, mientras que el eje Y indica la cantidad de nodos con cada grado específico. Más del 70% de los nodos presentan entre 0 y 5 conexiones, lo que sugiere una estructura de red en la que pocos nodos tienen un alto grado de conectividad.

Figura 4 Relación entre el grado y la cantidad porcentual de nodos en cada grado 

En el último algoritmo (stable marriage problem), se diseñó un modelo de emparejamientos óptimos entre los CAI y las zonas de comercio en Bogotá. Este enfoque busca determinar la asignación más eficiente donde cada CAI se responsabiliza exclusivamente de una zona comercial específica. El objetivo es optimizar la cobertura de seguridad considerando factores como la distancia entre el CAI y la zona asignada, el tiempo de respuesta, una distribución equilibrada de la carga de trabajo, y las características particulares de cada área comercial. Esta asignación es presentada en la Tabla 4.

Tabla 4 Asignación de zonas comerciales por CAI o estación 

Se observó que algunos CAI quedaban fuera de las zonas o barrios comerciales asignados. Para abordar esto, se clasificaron los CAI en residenciales y comerciales. El algoritmo de asignación, basado en la distancia, a veces vinculaba los CAI a clústeres comerciales cercanos, aunque no estuvieran en la misma zona. Esta asignación resultó ser determinante en la distribución de seguridad, considerando la importancia de la seguridad según el tipo de zona.

En la validación de los resultados se identificaron tendencias importantes en materia de seguridad en Bogotá. En el “Informe anual de seguridad 2022” (^{Probogotá Región, 2023}) se presenta la Figura 5, la cual relaciona el puntaje por localidad en seguridad para el 2022. A partir de estos datos, se observó que localidades como Teusaquillo, Usaquén y Chapinero se destacan por su desempeño superior al promedio de la ciudad; con Teusaquillo registrando una mejora notable al subir ocho posiciones. En contraste, localidades como Los Mártires, Ciudad Bolívar y Antonio Nariño se mantienen consistentemente por debajo del promedio, siendo Los Mártires la que presenta el puntaje más bajo, sin cambios respecto al año anterior.

Fuente: adaptado del “Informe anual de seguridad 2022” (p. 15), por ^{Probogotá Región, 2023}.

Figura 5 Índice Integral de Seguridad en las localidades 2022 

La mayoría de las localidades han mostrado ligeras caídas en su posición, lo que sugiere áreas de mejora en la gestión local.

El “Boletín mensual de indicadores de seguridad y convivencia Bogotá: febrero de 2023” de la Secretaría Distrital de Seguridad, Convivencia y Justicia (^{Oficina de Análisis de Información y Estudios Estratégicos, 2023}) destaca las variaciones en los indicadores de hurto a personas por localidad entre enero y febrero de 2022 y el mismo periodo en el 2023. Localidades como Kennedy, Puente Aranda y Los Mártires muestran un incremento notable en el número de incidentes de hurto a personas, con variaciones porcentuales de 12.5%, 27.3% y 34.1%, respectivamente. Por otra parte, Bosa es una de las pocas localidades que presenta una disminución en el número de incidentes, con una variación negativa de 7.7%. El boletín señala un aumento generalizado de los hurtos a personas en Bogotá, del 12.6% en el periodo analizado, lo que sugiere la necesidad de medidas correctivas para revertir esta tendencia.

Discusión

Los resultados de este estudio indican que existen lugares en Bogotá donde se pueden reforzar o generar estrategias para mejorar la seguridad, teniendo en cuenta zonas específicas que se relacionan con la dinámica de seguridad en la ciudad.

En cuanto a los comercios, se observó que las zonas comerciales de los barrios San Bernardino, Potreritos y Paraíso Quiba tienen un alto índice de criminalidad, especialmente el último, que ocupa la penúltima posición en términos de inseguridad en Bogotá acorde con los resultados de ^{Probogotá Región (2023)}. Otro punto que requiere estrategias específicas son los comercios en la localidad de Suba, en barrios como Tibabuyes y El Rincón Norte, ya que también se encuentran entre las áreas con mayor inseguridad en la ciudad y va de acuerdo con los hallazgos de ^{Gómez (2019)} sobre los problemas de seguridad nocturna que enfrenta Suba.

El análisis de centralidad por eigenvector de los CAI en Bogotá, específicamente aquellos conectados a zonas comerciales, revela puntos clave para la implementación de estrategias de seguridad más eficientes. Los CAI como Ciudad Berna, Distrital y Restrepo destacan como nodos de alta centralidad, sugiriendo que son cruciales para la vigilancia en áreas con alta actividad comercial. Priorizar recursos en estos CAI puede fortalecer la seguridad en zonas estratégicas, disminuyendo la incidencia de delitos y aumentando la percepción de seguridad en áreas comerciales críticas.

Por otra parte, los CAI con menor centralidad, como Claret y Bello Horizonte, aunque menos influyentes en la red, no deben descuidarse. La redistribución de recursos y una mayor atención a estos puntos pueden equilibrar la red de seguridad, asegurando una cobertura más uniforme en toda la ciudad. Esta información es esencial para la planificación y el ajuste de estrategias de seguridad en Bogotá, permitiendo una respuesta policial más efectiva y mejorando la protección de las zonas comerciales y sus alrededores.

De acuerdo con la distribución de los grados, es importante enfatizar que en la mayor parte de la ciudad existe un buen nivel de cercanía entre las zonas de comercio o estaciones de policía, ya que las zonas de comercio están cubiertas por al menos dos CAI, por lo que se tiene una buena posición estratégica para su seguridad. Hay casos que requieren inspección como el CAI Samper Mendoza en la localidad de Los Mártires. Este CAI se encuentra cerca de al menos 17 zonas comerciales, lo que significa que requiere de buena administración de recursos y cooperación con otros centros policiales, ya que, además de esta gran cantidad de vigilancia que requiere, se sitúa en la localidad peor puntuada y con altos niveles de hurto en Bogotá.

La implementación de emparejamientos estratégicos entre Centros de Atención Inmediata (CAI) y zonas comerciales específicas se presenta como una solución innovadora para optimizar la seguridad en áreas urbanas críticas. Este enfoque permite que cada CAI se concentre exclusivamente en la vigilancia y atención de un sector comercial determinado, lo que conlleva múltiples beneficios. Inicialmente, se garantiza una repuesta más rápida y personalizada al conocer en profundidad el área asignada, por lo que los agentes pueden desarrollar estrategias de respuesta más ágiles y adaptadas a las necesidades específicas de cada zona. De igual manera, es posible brindar protección constante para áreas vulnerables, de tal forma que los sectores comerciales más susceptibles a la delincuencia cuenten con una presencia policial permanente y especializada. Finalmente, se generaría una integración con el Plan Cuadrante Dinámico. Esta metodología se alinea perfectamente con las propuestas distritales de seguridad, complementando y potenciando las propuestas sobre modelos de cuadrantes dinámicos (^{El Tiempo, 2020}), en el cual los uniformados hagan presencia con mayor flexibilidad en los lugares donde ocurran incidentes.

Además, como señalan ^{Ruiz y Páez (2016)}, este sistema permite la identificación y atención de “zonas críticas” o “puntos calientes” (hot spots) de criminalidad. Cada estación policial puede encargarse de monitorear y responder a estas áreas de alta incidencia delictiva, adaptándose rápidamente a posibles cambios en su dinámica, como la expansión hacia sectores aledaños. Esta flexibilidad operativa asegura una cobertura más efectiva y una optimización de los recursos policiales disponibles.

Conclusiones

Este estudio ha revelado importantes áreas de oportunidad para mejorar la seguridad en Bogotá, destacando la necesidad de estrategias específicas en zonas comerciales con altos índices de criminalidad. Los barrios San Bernardino, Potreritos y Paraíso Quiba han sido identificados como áreas críticas, siendo este último el que ocupa una posición destacada en términos de inseguridad. Asimismo, la localidad de Suba, especialmente los barrios Tibabuyes y El Rincón Norte, requieren atención debido a problemas de seguridad nocturna.

La aplicación del algoritmo DBSCAN a los edificios con fines comerciales en Bogotá permitió identificar con mayor precisión las zonas de comercio. Esto proporcionó una mejor aproximación de las ubicaciones adecuadamente protegidas y aquellas que requieren mayor atención en términos de seguridad. El análisis de centralidad por eigenvector de los Centros de Atención Inmediata (CAI) muestra que algunos CAI, como Ciudad Berna, Distrital y Restrepo, son cruciales para la vigilancia en áreas comerciales clave. La priorización de recursos en estos puntos puede fortalecer la seguridad en zonas estratégicas y reducir la criminalidad. Sin embargo, también es fundamental redistribuir recursos y mejorar la atención en CAI con menor centralidad, como Claret y Bello Horizonte, para asegurar una cobertura más equitativa en toda la ciudad.

La proximidad de las zonas comerciales a los CAI es, en general, adecuada, pero se han identificado casos que requieren atención especial. Por ejemplo, el CAI Samper Mendoza se encuentra cerca de numerosas zonas comerciales en una de las localidades más inseguras de Bogotá. Esto evidencia la necesidad de una eficiente administración de recursos y una cooperación efectiva entre centros policiales para garantizar una vigilancia adecuada.

Como solución efectiva para optimizar la seguridad, se propone implementar emparejamientos estratégicos entre CAI y zonas comerciales específicas. Este enfoque permitiría una respuesta más rápida y adaptada a las necesidades particulares de cada zona, proporcionando protección constante a las áreas más vulnerables y complementando las iniciativas distritales de seguridad, como la integración de cuadrantes dinámicos (^{El Tiempo, 2020}). La capacidad de los CAI para identificar y manejar “puntos calientes” de criminalidad es esencial para una intervención policial eficiente y la adaptación a cambios en la dinámica delictiva.

Los resultados de esta investigación ofrecen una nueva perspectiva para comprender las dinámicas de seguridad en Bogotá mediante la implementación de modelos de machine learning. Estos permiten enfocar el análisis en sectores específicos, con información proveniente del comercio, facilitando una comprensión más detallada. De esta forma, los hallazgos están articulados con estudios previos sobre la identificación de áreas de mayor inseguridad, pero aportan un enfoque más centralizado en zonas específicas con una delimitación espacial precisa. Esto resulta útil para el desarrollo de estrategias orientadas a sectores críticos en localidades de gran tamaño.

Por otra parte, la necesidad de contar con registros catastrales actualizados de los inmuebles con fines comerciales en la ciudad limitó este estudio. Para mantener un panorama actualizado de forma constante, es imperativo renovar continuamente estos registros o basarse en proyecciones sobre el crecimiento estructural de la ciudad en términos de construcciones comerciales. Además, se propone extender este método y modelo aplicado al entendimiento de la inseguridad a otras ciudades que presentan retos por su gran extensión territorial y amplia demografía, siempre que se disponga de un registro catastral suficiente para la identificación de zonas comerciales. Aportar soluciones a sectores específicos puede representar una mejora significativa en la seguridad urbana. Además, se sugiere complementar el análisis espacial con modelamiento de series de tiempo, lo que permitirá identificar tendencias y patrones temporales en la inseguridad de las zonas comerciales. Este enfoque combinado facilitará la generación de indicadores valiosos a lo largo de los años y una comprensión más profunda de la relación entre el espacio y el tiempo en el contexto de la seguridad urbana.