I. Introducción

A nivel mundial, la alta y creciente tasa de homicidios en las últimas décadas llama la atención de los gobiernos. América Latina no es la excepción, según el informe de la ONU en 2019 [¹-²], la cifra de homicidios es de 6.7 personas asesinadas por cada 100.000 habitantes [³]. El papel en este tema de la política judicial, la fiscalía y el gobierno de cada país se centra en enfocar toda su atención para el control del crimen violento [⁴].

En Colombia, un país que se encuentra en conflicto interno desde 1964, el tema del homicidio violento (HV) es trascendental. Se estima que, a partir de 1960 y hasta 2019, se han generado alrededor de 226.215 muertes violentas, lo que significa, en promedio, 3.834 muertes violentas por año, hecho que alerta sobre la necesidad de implementar medidas urgentes para controlar el incremento de la violencia letal en varios territorios del país. Para ello, el gobierno ha incrementado la operatividad de la Fuerza Pública enviando fuerzas militares especiales a territorios que lo requieren. También ha reforzado otros con el objetivo de controlar el aumento del homicidio y el accionar de grupos ilegales como las disidencias de las Fuerzas Armadas Revolucionarias de Colombia (FARC) y de las Autodefensas Unidas de Colombia (AUC), frentes del Ejército de Liberación Nacional (ELN), delincuencia organizada en Bandas Criminales (BACRIM), entre otros.

Por otra parte, en su lucha por el control social y territorial, los agentes del conflicto y actores armados han intimidado a la población civil al punto de que prácticas violentas han trasladado el conflicto armando de las zonas rurales a las zonas urbanas de las ciudades [⁵]. En ese sentido, un nuevo ordenamiento socio-espacial, amparado por el control social de grupos y estructuras criminales armadas al margen de la ley, ha aparecido en las zonas urbanas y rurales del territorio nacional.

En Colombia, en el año 2007, la tasa de homicidios se situaba en 25.4 muertes por cada 100.000 habitantes. En el 2014 [⁶], con el fin de disminuir la violencia y la tasa de homicidios, el Gobierno Nacional, la Policía Nacional y la Fiscalía General de la Nación implementaron programas de seguridad a través de inversión social y tecnología, esta última con la incorporación de cámaras de video vigilancia en las ciudades, que han permitido reforzar la seguridad en las zonas de mayor afluencia delictiva.

Además, para la reducción de delitos, también se han implementado los grupos especiales contra homicidios, los cuales tienen por objetivo responder rápidamente a diversas situaciones que pueden llevar a que se cometa un homicidio. Dichos grupos especiales se crearon con el objetivo de identificar jefes del crimen organizado, desarticular sus estructuras, y reducir las actividades ilícitas que realizan, así como la impunidad. Esto se logra a través de la realización de investigaciones con mayor detalle y profundidad, y de manera articulada entre Fiscalía, Policía y Alcaldías.

Para complementar el trabajo realizado en estos programas, la Fiscalía y la Policía cuentan con un Sistema de Información Estadístico Delincuencial, Contravencional y Operativo (SIEDCO) en el cual se establecieron criterios de clasificación de los delitos para registrar aquellos reportados en el territorio nacional. Con los datos de SIEDCO, se ha logrado obtener una adecuada descripción de las circunstancias en las que se desarrollan las conductas criminales, y se han realizado investigaciones que han permitido conocer indicadores y estadísticas de los delitos. Tal es el caso de [⁷], que presenta estadísticas del homicidio en las zonas rurales y urbanas de Colombia, un aporte importante que es mejorable utilizando técnicas de analítica de datos a partir de machine learning [⁸].

Con base en lo anterior, en este trabajo se propone un modelo de machine learning basado en el clasificador de Bosques Aleatorios (conocido en inglés como random forest [⁹-¹⁰]), que permite encontrar predictores de comportamientos futuros de hechos delictivos de homicidio en Colombia. El objetivo de este modelo es servir de base para los entes gubernamentales en la toma de decisiones, a partir de los datos registrados en sus sistemas de información. Para lograr esto, se analizó un conjunto de datos (dataset) obtenido de SIEDCO, el cual cuenta con 2.662.402 registros de delitos realizados en Colombia desde el año 1960 hasta 2019. Los resultados obtenidos por el modelo propuesto se compararon con los obtenidos por otros tres modelos de regresión para predicción: Regresión lineal, Maquinas de vectores soporte para la regresión (SRV) y KNN regresión. Los resultados obtenidos son alentadores y muestran que los homicidios en Colombia tienden a disminuir.

El resto del artículo se encuentra organizado de la siguiente forma, la Sección 2 presenta los trabajos relacionados, la Sección 3 presenta el modelo propuesto y la descripción de cada uno de sus componentes, la Sección 4 describe los resultados obtenidos después de implementar y probar el modelo y, finalmente, la Sección 5 presenta las conclusiones y el trabajo futuro.

II. Métodos

Según Regoeczi y T. D. Miethe [¹¹], el homicidio puede definirse como “supresión por conducta del agente (agresor), de una vida humana (tipicidad), sin justificación jurídicamente atendible (antijuridicidad), en forma intencional o dolosa, o con culpa o preterintencional (culpabilidad)”. El homicidio es uno de los delitos más graves ya que atenta contra el bien máximo protegido que es la vida. En Colombia, la ola de homicidios que aflige al país desde hace varias décadas se ha conocido como La Violencia. Si bien, la llamada Violencia en Colombia comenzó mucho antes del año 1948 [¹²], la muerte de Jorge Eliécer Gaitán fue un detonante para que se generara el conflicto civil que, por más de 10 años, sumergió al país en un baño de sangre sin precedentes.

Liberales y conservadores (los dos partidos políticos dominantes de la época) empezaron una lucha frontal que dejó cerca de 300.000 muertos, lo que ocasionó el desplazamiento interno de millones de personas a las grandes ciudades del país [¹³]. Esta etapa marcó también el inicio de las guerrillas en el país y puso de manifiesto las más tremendas formas de violación de los Derechos Humanos. Los asesinatos de líderes también fueron recurrentes en varios departamentos a nivel nacional. Por otra parte, las organizaciones al margen de la ley, o crimen organizado, han potencializado la violencia en las zonas urbanas, lo que ha generado homicidios sistemáticos de personas involucradas y no involucradas con este tipo de organizaciones [¹⁴]. En este sentido, el conflicto armado y las organizaciones delictivas han generado muerte por todo el territorio nacional, tal como se demuestra en la Figura 1; se destacan algunos departamentos como Antioquia, donde es posible apreciar que de 1940 a 2019 han ocurrido 39.186 homicidios, de la misma forma, en el Valle del Cauca han ocurrido 34.779 muertes violentas. Como se puede observar en la Figura 1, en la mayoría de los departamentos del eje central de Colombia las cifras también son alarmantes [¹⁵].

La violencia en Colombia no distingue edad o condición social, la Tabla 1 muestra las cifras de personas asesinadas entre 1965 y 2019 [¹⁶]. En estos datos se aprecia que los adultos entre 29 y 59 años son las personas que con mayor frecuencia son asesinadas, debido a que muchos son actores activos del conflicto armado, perteneciendo a grupos de guerrilla o paramilitares que actúan en sectores rurales. Además, están las personas que pertenecen a bandas de crimen organizado enfocados en negocios ilícitos, como el narcotráfico, que operan en el sector urbano de las grandes ciudades [⁶, ⁷, ⁸, ⁹, ¹⁰, ¹¹, ¹², ¹³, ¹⁴, ¹⁵, ¹⁶, ¹⁷]. Por otra parte, la población entre 18 y 28 años representa una de las cifras más altas en cuanto a homicidios, debido a que en este rango de edad algunos jóvenes ingresan a pandillas o bandas de crimen organizado por falta de oportunidades laborales. Una cifra que llama la atención es la de primera infancia, entre los 0 y 5 años, homicidios que en su mayoría se relacionan con venganzas entre los actores del conflicto, o con atentados terroristas que impactan en la vida de la población inmersa en problemas de seguridad.

Fig. 1. Número de homicidios por departamento en Colombia. 

Tabla 1 Cifras de homicidios en Colombia según su edad 

Del número de personas asesinadas entre 1965 y 2019, se puede apreciar que el género masculino tiene un 76.45% de los homicidios reportados, mientras que el género femenino representa el 23.74%. Esto se debe a que el género masculino es un actor de mayor actividad en el conflicto armado y conforma mayormente bandas criminales, guerrilla, o grupos paramilitares.

La disminución de los homicidios en los últimos años tiene relación con el aumento en el número de capturas. La Tabla 2 muestra el número de capturas por año, donde se observa que es mayor el número de los no capturados. Por ejemplo, de los 233.957 homicidios ocurridos entre 1965 y 2019, en el 85.17%, es decir 200.345 homicidios, no hay personas capturadas (homicidios en impunidad o sin responsables), mientras que solo el 14.82% (3.3612) de los homicidas fueron capturados.

Tabla 2 Datos de personas capturadas por actos de homicidio 

La Tabla 3 muestra los datos de las personas condenadas por los actos de homicidio de 1965 a 2019. Similar a los datos de la Tabla 2, el 87.25% (204.345 homicidios) no tiene condenados, esta cifra es un poco mayor a la cifra de los capturados; esto se debe a que en algunos homicidios se captura al homicida, pero no se puede comprobar su participación en los hechos y queda en libertad, permitiendo en muchos casos que cometa otros homicidios.

Los datos muestran, además, que la tasa de homicidios en las zonas rurales y urbanas tiene un enorme impacto que es catalogado como una crisis de salud pública. Como apoyo para la toma de decisiones, algunos departamentos de policía del mundo, por ejemplo el de Nueva York [¹⁸], han estado utilizando el análisis estadístico para identificar lugares de alta incidencia criminalística y responder a patrones de comportamiento criminal. En este sentido, el presente trabajo toma importancia, ya que se presenta un modelo de machine learning para analizar los datos y predecir la tendencia de aumento o disminución de la tasa de homicidios en Colombia y sus principales ciudades.

Tabla 3 Número de personas condenadas por actos de homicidio 

A. Modelo propuesto

El modelo propuesto se basa en un algoritmo de aprendizaje supervisado, en este caso randomforest, para un problema de regresión; el modelo utiliza para su entrenamiento un set de datos tomado del sistema de información de la Fiscalía General de la Nacional de Colombia, el cual cuenta con un total de 233.957 registros del delito de homicidio realizados en Colombia desde 1965 hasta 2019. A continuación, se describen los elementos del modelo.

El dataset fue filtrado y contuvo el mismo número de columnas que el original (14), entre las cuales se encuentran los siguientes atributos: conexo, estado_noticia, etapa, anio_hecho, ley, país, departamento, municipio, seccional, delito, captura, imputación, condena y atipicidad_inexistencia. El proceso de minado se basó en las etapas de CRIPS-DM e inició con un análisis exploratorio de datos con el fin de obtener un entendimiento de los datos. En este proceso se removieron columnas o variables que no aportaban a la solución, se eliminaron datos duplicados, los valores faltantes fueron completados con el promedio entre el valor anterior y el siguiente en cada columna, y después se eliminaron aquellos registros que aún contenían valores nulos. Por último, en el caso de la regresión, los datos originales se normalizaron con el método Min-Max transformando los valores en un rango entre cero y uno. Se analizaron las distribuciones de las variables, los patrones que presentaban, y se identificó cómo se relacionaban las variables entre sí. Seguidamente, se eliminaron algunas variables tales como: conexo, estado_noticia, ley, pais, seccional, imputacion, atipicidad_inexistencia. Además, se crearon nuevas variables como: numero-homicidios-por-anio, numero-homicidios-genero, numero-homicidios-departamento, numero-homicidios-edad, numero-capturados, numero-condenados.

Una vez filtrado el dataset, se definieron los híper parámetros del modelo para que fuera afinado, tal como se muestra en la Figura 2. Los valores de híper parámetros que mejores resultados arrojaron fueron los de número de árboles. Como se puede notar, se ejecutó el modelo hasta con 500 árboles, donde 110 es el número de árboles que mejores resultados obtiene, ya que minimiza el error a 0,67. Por otra parte, el número de variables aleatorias tomadas es 6, las cuales fueron creadas en el análisis exploratorio de datos. El número de muestras sobre las cuales se entrenó el modelo fue el 70% de los registros del dataset. El mínimo número de muestras dentro de los nodos terminales fue 10 y el máximo 5. Estos parámetros permiten evidenciar que, a partir de los 200 árboles, el modelo inicia a estabilizar el valor del error, y el tiempo de ejecución aumenta.

Fig. 2. Afinamiento de los híper parámetros. 

III. Resultados

Una vez filtrado el dataset, se identificaron a través de análisis de correlación de Pearson las variables que tienen mejor correlación para trabajar. Como se puede observar en la Figura 3, las variables numero_capturados con numero_condenados tienen una correlación del 100% que permite identificar una relación estadística fuerte y directa. Por otra parte, se puede observar que la correlación de las variables numero_capturados con numero-homicidios-por-anio es de 0.68, es decir 68%, mientras que la correlación de numero_condenados con numero_homicidios_genero es del 96%. Estos números significan que la correlación es positiva, es decir, que las variables se correlacionan directamente.

Una vez analizadas las relaciones entre las variables, como primera instancia, se evaluó el modelo propuesto frente a tres modelos del estado del arte, estos fueron: Regresión lineal con máquinas de vectores soporte (SVR), Regresión lineal normal y Regresión lineal con K venecianos más cercanos (KNN). Para todos los modelos se realizó la predicción a 5 años, es decir, se intentó establecer cómo sería la tendencia de los homicidios hasta el año 2025 en la variable numero_homicidios_anio frente a anio_hecho. Para que la evaluación tuviera mayor coherencia, con el modelo de SRV se evaluaron las funciones kernel, las cuales permiten convertir lo que sería un problema de regresión no lineal en el espacio dimensional original, a un sencillo problema de regresión lineal en un espacio dimensional mayor. Las funciones evaluadas fueron radial, polinomial y lineal. La Figura 4 permite observar que el modelo de SRV implementando la función kernel radial (línea azul) obtiene los mejores resultados, es decir, que las predicciones en la regresión se parecen más a los datos (línea negra) o guardan más cercanía. Por lo anterior, el modelo de SRV con la función radial fue tomada para la comparación de resultados frente el modelo propuesto.

Fig. 3. Correlación de Pearson entre variables. 

Fig. 4. Evaluación de funciones kernel. 

Una vez seleccionado el modelo de SRV, se realizó el proceso de predicción con el modelo de KNN, la Figura 5 muestra que el modelo tiene buena predicción (línea roja), ya que guarda cercanía o similitud con los datos (puntos negros). En la predicción se puede observar que solo unos datos se dispersaron entre los años 2017 y 2020, debido a que entre los años 2019 y 2020, se predice un valor mucho más elevado que los datos originales.

Fig. 5. Predicción con el modelo KNN. 

Posteriormente, se evaluó el modelo propuesto, en la Figura 6 se puede observar que el modelo predice de manera armónica los valores de la variable dependiente (numero_homicidios), ya que sus valores guardan mayor cercanía y no están muy dispersos en la regresión, esto se debe a que los árboles generados por randomforest minimizan la distancia entre cada punto de la variable dependiente y los valores logrados en el índice Gini o entropía, en este caso, los valores de la variable hechos-anio. El modelo predice que el punto más alto es en el año 2012, con un valor promedio de 21.342 homicidios, pero a medida que aumenta el valor de la variable independiente, los valores de la variable dependiente tienden a bajar, prediciendo así que para el año 2025 el número de homicidios disminuirá en Colombia; de la misma manera, para el 2021 disminuirá a 8.649 homicidios, y para el 2025 disminuirá a 843 homicidios. Esto se puede predecir ya que actores como el Estado, la Policía Nacional y la Fiscalía General de la Nación han implementado programas de convivencia, los cuales están acompañados de herramientas tecnológicas como las cámaras de video vigilancia, además, el acuerdo de paz con la guerrilla de las FARC hace que el conflicto armado disminuya sin confrontación, hecho que disminuye notablemente los homicidios en Colombia.

Una vez ejecutados los modelos y hechas las predicciones, se evaluó qué tan eficiente es el proceso de predicción, para esto se utilizaron las siguientes métricas:

Fig. 6. Resultado de la predicción basados en el modelo propuesto. 

Como se observa en la Tabla 5, los valores más bajos de RMSE los obtiene el modelo propuesto de RF, esto quiere decir que los valores predichos están mucho más cerca de los datos ideales o reales, ya que el error cuadrático medio de la solución es menor. En este sentido, RF ajustado obtuvo mejores valores que distan en 679.53 frente al modelo de regresión como KNN que logra 1391.97, es decir casi el 100% más; por otra parte, la diferencia de RMSE es bastante alta con relación a SRV y Regresión lineal.

En relación al R2, RF obtiene el valor de mayor cercanía a 1, esto quiere decir que el valor obtenido de coeficiente de determinación permite evidenciar que los valores predichos de . (numero_de_homicidios) son muy parecidos al valor esperado. En los demás modelos, por otra parte, KNN logra 0.824, es decir, el 15% menos de similitud entre los valores predichos con el valor esperado; de la misma forma, SRV logra el 22% menos, alejándose un poco más que KNN de los valores esperados.

Tabla 5 Resultados de las métricas utilizadas 

IV. Discusión y conclusiones

En este artículo se presentó el uso de un modelo de machine learning basado en random forest (RF) para predecir la tendencia del delito de homicidio desde el año 2020 hasta el 2025 en Colombia. Según los datos arrojados por el modelo, hay una tendencia a la baja en el número de homicidios para el año 2025, desde su punto más alto en el 2012, que reporta 21.342 homicidios, a solo 8.631, es decir reducción de 12.717 homicidios, una disminución del 60%.

El modelo permite obtener menores valores de RMSE y R2, lo que significa que, en el modelo propuesto de RF, los valores predichos están mucho más cerca de los datos ideales o reales. Asimismo, es posible observar que el modelo permite predecir que, con el paso del tiempo, la cantidad de homicidios irá disminuyendo, por lo que se puede pensar que las políticas estatales que se han implementado en conjunto con los entes de policía y fiscalía están funcionando. La infraestructura de video vigilancia que hace años se ha estado instalando en las principales ciudades de Colombia, acompañada con el modelo de policías por cuadrantes y la metodología de puntos críticos, ha permitido acciones preventivas y de control en cada una de las ciudades del país.

De acuerdo con el último informe de Medicina Legal, entre el año 2004 y 2019, se tuvo una reducción considerable de los homicidios en el marco del conflicto armado, lo que muestra los efectos positivos de las negociaciones de paz entre el Gobierno y los dos principales actores de grupos armados: las AUC y, ahora, la guerrilla de las FARC.

Como trabajo futuro, se espera evaluar el modelo para predecir el comportamiento de otros tipos de delitos como el desplazamiento forzado, el secuestro y el acceso carnal violento, delitos que son muy preocupantes para la sociedad y para los organismos gubernamentales como la policía y la fiscalía. Por otra parte, se espera evaluar otros clasificadores como redes neuronales, además de buscar otros datasets de acceso abierto para la validación del modelo propuesto.