top of page
top_technology.jpg

Technology

Nossa solução

tec_crimenabi logo.png

história

tec_en.png

história

Diferencial 1: Previsões de alta precisão e alta resolução

Utilizamos diversos tipos de dados — como histórico de crimes, informações demográficas, características das edificações e imagens de satélite — para realizar a previsão de crimes.

01. Tecnologia fundamental que sustenta previsões de alta precisão e alta resolução
技術の優位性1_en.png
A maior velocidade do mundo por meio de nossa tecnologia exclusiva de compressão de dados

Graças à nossa tecnologia exclusiva de compressão de dados, é possível reduzir drasticamente o custo computacional. Enquanto os métodos tradicionais demandam mais tempo de processamento conforme aumenta o volume de dados de entrada, o CRIME NABI alcança uma velocidade significativamente superior.

Isso é possível porque utilizamos uma abordagem capaz de calcular o processo de otimização da função de custo em O(N⁰), permitindo inclusive a computação na borda (edge computing).

Trata-se de uma tecnologia que abre caminho para um futuro em que dispositivos móveis, drones e robôs poderão realizar os cálculos localmente e executar operações de segurança de forma otimizada.

。

02. Tecnologia que viabiliza a oferta de serviços de previsão de crimes para o setor privado
Previsões com poucos dados usando aprendizado por transferência

Ao treinar o modelo em áreas onde os dados de criminalidade estão disponíveis e combiná-lo com nossa tecnologia de aprendizado por transferência, é possível prever crimes mesmo em regiões onde as organizações policiais não fornecem esses dados.

Isso permite realizar previsões de alta precisão também em locais privados de empresas, onde não há acesso a dados de criminalidade.

技術の優位性2_en .png

Diferencial 2
Elaboração de rotas, planejamento de operações de segurança e avaliação quantitativa do efeito de prevenção ao crime

en .png

Com base nas previsões, elaboramos planos de patrulhamento com veículos e câmeras. Oferecemos a alocação ideal de recursos de segurança — como veículos e equipes — por meio de algoritmos de roteamento, além da definição das melhores posições para instalação de câmeras de vigilância.

Também é possível avaliar quantitativamente o efeito de prevenção ao crime das ações de segurança, utilizando os dados das operações já realizadas.

Diferencial 3: Melhoria da efetividade da segurança

Technology＆Products_Effectiveness of patrols_no.1.png

Ao priorizar rondas nas áreas onde a probabilidade de ocorrência de crimes é prevista como mais alta, a efetividade da segurança aumenta significativamente.

​

Nas validações realizadas em Tóquio, Nagoya e no distrito de Adachi, os resultados mostraram um desempenho mais de 1,5 vez superior em comparação com os métodos tradicionais de previsão de crimes. Isso demonstra que a distribuição espacial das previsões do CRIME NABI é substancialmente mais eficaz do que a das abordagens convencionais.

Alocação precisa de recursos limitados

警備効果の向上1_en.png

De fato, com a implementação do CRIME NABI, foi possível reduzir os crimes em 68,5% no Brasil.

Especificamente, na cidade de Belo Horizonte, capital do segundo maior estado do país, Minas Gerais, a polícia municipal realizou patrulhas voltadas para o combate ao furto de cabos utilizando o CRIME NABI.

Comparando as áreas que utilizaram o sistema com aquelas que não utilizaram, observamos uma diferença significativa. Essa validação foi conduzida em parceria com a polícia local, universidades e a prefeitura, e os resultados foram divulgados também na forma de um artigo acadêmico.

Principais pesquisas

Projetos aprovados, publicações e patentes relacionados à pesquisa em previsão de crimes

Nossa equipe de pesquisa, especializada em criminologia computacional, estatística espacial, ciência computacional e criminologia, desenvolve diversos algoritmos de previsão de crimes.

Pesquisas contratadas e auxílios à pesquisa

  • Programa NEDO SBIR de Promoção (2021)

  • Pesquisa contratada pela NICT: “Pesquisa e desenvolvimento de validação para solução de desafios regionais por meio de integração e utilização de dados”

  • (dez/2018 – mar/2021 · Avaliação final: nota máxima ‘S’)

  • Agência de Promoção das Pequenas e Médias Empresas de Tóquio: Projeto de apoio à criação de inovações de próxima geração (2020)

  • Agência de Promoção das Pequenas e Médias Empresas de Tóquio: 2ª rodada do ano fiscal Reiwa 2 – Programa de apoio à comercialização de serviços inovadores

  • Ministério da Economia, Comércio e Indústria: Subsídio para o Projeto de Co-criação Orientado para o Futuro com o Global South (2025)

Artigos acadêmicos

  1. Quantifying Crime Deterrence Effect of Patrol Optimization through GPS Data
    Mami Kajita, Daisuke Murakami, Seiji Kajita, Georgia Ribeiro, Genilson Zeferino, and Claudio Beato
    preprint (2024)

  2. Fast Spatio‐Temporally Varying Coefficient Modeling With Reluctant Interaction Selection
    Daisuke Murakami, Shinichiro Shirota, Seiji Kajita and Mami Kajita
    Geographical Analysis (2025)

  3. Spatial process-based transfer learning for prediction problems
    Daisuke Murakami, Mami Kajita, and Seiji Kajita
    Journal of Geographical Systems (2025)

  4. Compositionally-warped additive mixed modeling for a wide variety of non-Gaussian spatial data

    Daisuke Murakami, Mami Kajita, Seiji Kajita and Tomoko Matsui
    Spatial Statistics (2021)

  5. Scalable Model Selection for Spatial Additive Mixed Modeling: Application to Crime Analysis

    Daisuke Murakami, Mami Kajita, and Seiji Kajita
    ISPRS International Journal of Geo-Information (IJGI). (2020)

  6. Crime prediction by data-driven Green’s function method
    Mami Kajita and Seiji Kajita
    International Journal of Forecasting (2019) 

Patentes

  • Pedido de Patente 2020-061937

  • Pedido de Patente 2019-518001, US, EU, CH, PCT

  • Pedido de Patente 2018－524169

bottom of page