Technology Rain Journal

Detección de patrones de tiempo y espacio en el servicio integrado de seguridad Ecu 911 mediante algoritmos de clustering para identificar las parroquias de alta peligrosidad en la ciudad de Quevedo

Wilmer Fabricio Almeida Murillo

Universidad Técnica Estatal de Quevedo - Facultad de ciencias de la ingeniería - Carrera de Mecánica -Ecuador

https://orcid.org/0009-0000-6730-1340

Henry Mauricio Villa Yanez

Universidad Nacional de Chimborazo – Facultad de ciencias políticas y administrativas - Ecuador

https://orcid.org/0000-0003-4076-5211

Jean Carlos Almeida Murillo

Universidad Técnica Estatal de Quevedo – Unidad de admisión y nivelación – Carrera de electricidad - Ecuador

https://orcid.org/0000-0003-0840-5689

Hernán Darío Herrera Contreras

Universidad Técnica Estatal de Quevedo – Facultad de ciencias de la ingeniería – Carrera de mecánica- Ecuador

https://orcid.org/0009-0003-3811-2796

DOI: https://doi.org/10.55204/trj.v5i1.e89

Palabras clave: Algoritmos de clustering, patrones espaciales, seguridad ciudadana, análisis de datos

---

Resumen

El presente estudio analiza la detección de patrones temporales y espaciales en los datos del servicio ECU 911 de Quevedo, para identificar parroquias con alta peligrosidad. Se aplicó una metodología cuantitativa de tipo exploratoria y no experimental, procesando 45.674 incidentes registrados en 2023. Se emplearon algoritmos de clustering (K-means, DBSCAN y HDBSCAN) implementados en Python, evaluando su rendimiento mediante el índice de Silhouette. Los resultados identificaron zonas críticas con elevada concentración de incidentes, evidenciando patrones recurrentes en horarios y días específicos. La principal conclusión destaca que el análisis de datos reales permite anticipar riesgos y optimizar la asignación de recursos en seguridad ciudadana. Esta investigación demuestra que las técnicas de minería de datos son herramientas efectivas para la prevención del delito en contextos urbanos, ofreciendo a las autoridades locales una base objetiva para la toma de decisiones estratégicas.

---

Citas

Albaladejo-García, J. A., & Campos-Cotanda, M. (2017). Descripción del fenómeno delictivo en la ciudad de Murcia a partir de herramientas SIG. Investigaciones Geográficas, (67), 215–227. https://doi.org/10.14198/INGEO2017.67.12

Bravo-Galarraga , G. N., Samaniego-Macas, K. A., Yanéz-Usca , M. F., & Zuñiga-Ortega , L. E. (2024). Seguridad ciudadana en Ecuador: Factores sociales, económicos, confianza institucional y políticas públicas [Citizen security in Ecuador: Social and economic factors, institutional trust and public policies]. Verdad Y Derecho. Revista Arbitrada De Ciencias Jurídicas Y Sociales, 3(especial4), 113-120. https://doi.org/10.62574/fc55re93

Cabezas Uriarte, G. P., Rodríguez Barrero, M. S., Sierra Durán, J. I., & Flórez Guzmán, M.-H. (2024). Incidencia de factores sociales y económicos en la criminalidad en Guayaquil, Ecuador. Revista Logos, Ciencia & Tecnología, 16, 10–23. https://doi.org/10.22335/rlct.v16i2.1959

Chacón Encalada, C. G., & Dspace. (2021). Detección de patrones de tiempo y espacio en el Sistema Integrado SIS ECU 911 Ibarra utilizando técnicas de minería de datos para la toma de decisiones informadas y reducción de costos técnicos-económicos. [Tesis de grado, Universidad Técnica del Norte] https://Repositorio.Utn.Edu.Ec/Handle/123456789/11410.

Chávez-Rendón, S. D., Pillasagua-Yépez, T. M., Moreira-Noboa, S. M., & Zamora-Mayorga, D. J. (2025). Análisis del funcionamiento tecnológico del ECU 911 de Quevedo en la gestión pública de la seguridad ciudadana. Revista Científica Ciencia y Método, 3, 181–193. https://doi.org/10.55813/gaea/rcym/v3/n3/71

Fontalvo Herrera, T. J., Vega Hernández, M. A., & Mejía Zambrano, F. (2023). Clustering method and artificial intelligence to classify and project violent crime in Colombia. Revista Científica General José María Córdova, 21, 551–572. https://doi.org/10.21830/19006586.1117

Gines Palestino, S., Roldan Reyes, E., Quiroz Castellanos, M., & Cortes Robles, G. (2025). Evaluation of initialization methods for the performance of the k-means algorithm. Dyna, 100, 204–210. https://doi.org/10.52152/d11325

Liu, F. T., Ting, K. M., & Zhou, Z. H. (2008). Isolation forest. Proceedings - IEEE International Conference on Data Mining, ICDM, 413–422. https://doi.org/10.1109/ICDM.2008.17

Mousapour, F., Batta, R., & Walteros, J. L. (2025). On the development and analysis of a comprehensive police patrolling model. EURO Journal on Transportation and Logistics, 14. https://doi.org/10.1016/j.ejtl.2025.100153

Newton, A., & Felson, M. (2015). Editorial: Crime patterns in time and space: The dynamics of crime opportunities in urban areas. In Crime Science (Vol. 4). SpringerOpen. https://doi.org/10.1186/s40163-015-0025-6

Quintero Ávila, O., & Caballero Delgadillo, J. A. (2024). Análisis Espacial de la Violencia de Género contra la Mujer: Estudio de Reportes de emergencias 911 mediante Sistemas de Información Geográfica. Revista Veritas Et Scientia - UPT, 13, 179–193. https://doi.org/10.47796/ves.v13i2.1111

Valdez Huaraca, F. P. (2021). Análisis estadístico espacio temporal de los delitos causantes de la inseguridad ciudadana en la provincia de Chimborazo del 2015 al 2019. [Tesis de grado, Escuela Superior Politécnica de Chimborazo]. Https://Dspace.Espoch.Edu.Ec/Items/Dfdad750-81b4-4425-Bc85-0ea1ab0c05b0.

Vélez, V. X. S., Pita, I. G. A., & García, S. L. G. (2019). Análisis sobre seguridad ciudadana y desarrollo local en Ecuador. Https://Dialnet.Unirioja.Es/Servlet/Articulo?Codigo=8042571.

Villamar Barros, H. F. (2022). Visualización de datos Espacio-Temporales de predicción de Eventos de Emergencia en el Ecuador [Tesis de grado, Universidad Estatal de milagro]. Http://Repositorio.Unemi.Edu.Ec/Handle/123456789/7004.