Escolha da Região, critérios e classes de decisão

Para performance do modelo, foi escolhida uma região que pertence a cidade do Recife, Brasil. A área delimitada, possui 123.000 habitantes, segundo último censo demográfico (IBGE, 2010) e uma extensão de 7,5 km². A região foi escolhida, por deter um elevado número de hotéis e atrativos turísticos. Também, há lugares com público constante, como centros comerciais, centros de lojas, restaurantes e etc. A região possui um contraste de moradores. Por um lado, prédios residenciais na orla marítima, e em outros pontos da região moradias com condições desfavorecidas. A Figura 16 permite visualizar o local de estudo.

Figura 16 - Localização da região de aplicação do modelo

Fonte: Autor (2018)

No Brasil, indicadores sociais e econômicos são agregados segundo duas divisões territoriais. A primeira são as UDH’s, que foram usadas no capítulo anterior. A outra divisão

são os Setores Censitários (SC) (IBGE, 2015). Ambos são fornecidos pelo Instituto Brasileiro de Geografia e Estatística (IBGE). O local de aplicação é um bairro, que possui 11 UDH’s e 168 SC’s. Por uma questão de interesse de estudo, foram consideradas as duas divisões. Para contornar o problema de agregar as informações, foi usada as ferramentas Spatial Join e Repating Shapes Tool no Esri Arcgis 10.2. Assim, uma terceira divisão, foi usada especificamente neste estudo. Segundo Camacho-collados, Liberatore & Angulo (2015) a representação espacial em pequenos espaços, chamados de grids, se mostra adequada para classificação e alocação de recursos em segurança pública. A Figura 17 mostra as três divisões citadas.

Figura 17 - Divisão em Unidade de Desenvolvimento Humano (UDH), Setor Censitário (SC) e a divisão usada neste estudo

Fonte: Autor (2018)

Considerando as unidades apresentadas, há um total de 250 dados sociais e econômicos que podem ser extraídos. Estes são, por exemplo, moradores residentes, renda e desigualdade, densidade demográfica e tempo de estudo (IBGE, 2015). Em virtude da vasta quantidade de variáveis, foram escolhidas aquelas que, em estudos anteriores, mostraram relação associada com a violência. Para esta aplicação, foram escolhidas as variáveis que se relacionam com crimes do tipo CVLI (Crimes Violentos Letais e Intencionais), como latrocínio e homicídio. Para estabelecer a escolha destas variáveis, foram adotados estudos que mostraram relação

estatística (PEREIRA, MOTA & ANDRESEN, 2015), simulação de eventos (MALLESON & BIRKIN, 2012) e modelos usando variáveis explicativas (LIU et al. 2015; MENEZES et al. 2013).

Os dados foram extraídos a partir do IBGE e usados como critérios condicionais e que afetam a decisão de classificar uma das alternativas de referência, como propõe o modelo. Todos os critérios foram agregados com suas respectivas unidades originais. Posteriormente, com a junção espacial foram transformadas para os intervalos de grid conforme a Figura 17. Os critérios também foram associados com as preferências do tipo “Ganho” e “Custo”, mantendo a relação com crimes do tipo CVLI. A associação com o CVLI diz respeito a correlação estatística com as variáveis usadas e apresentada em Pereira, Mota & Andresen (2015). Por exemplo, supondo um critério de Educação, a relação é de “Ganho” com crime CVLI. Mais pessoas com tempo de estudo, menor o número de homicídios. Então, quanto maior melhor. A seguir estão descritos os critérios usados e na Tabela 17 segue os dados descritivos.

• Número de residentes (num_res): total da população que habita casa própria; • Densidade populacional (hab/km²) (pop_den): razão entre o total da

população e área delimitada;

• Tempo de estudo (cinco anos ou mais) (lite_peo): Anos de estudo em cinco anos ou mais;

• Grau de escolaridade (lev_educ): Número médio de anos de estudo que uma geração de crianças que ingressa na escola deverá completar ao atingir 18 anos de idade, se os padrões atuais se mantiverem ao longo de sua vida escolar; • Índice de Gini (gini_i): Mede o grau de desigualdade existente na distribuição

de indivíduos segundo a renda domiciliar per capita. Seu valor é 0 quando não há desigualdade (a renda domiciliar per capita de todos os indivíduos tem o mesmo valor) e tende a 1 à medida que a desigualdade aumenta. O universo de indivíduos é limitado àqueles que vivem em domicílios particulares permanentes.;

• Proporção de pobres (prp_poor): Proporção dos indivíduos com renda domiciliar per capita igual ou inferior a R$ 140,00 mensais, em reais de agosto de 2010. O universo de indivíduos é limitado àqueles que vivem em domicílios particulares permanentes;

• Percentual dos ocupados sem rendimento (ren_null): Razão entre o número de pessoas de 18 anos ou mais de idade ocupadas e sem rendimento do trabalho e o número total de pessoas ocupadas nessa faixa etária, multiplicada por 100;

• Rendimento médio dos ocupados (av_in_empl): Média dos rendimentos de todos os trabalhos das pessoas ocupadas de 18 anos ou mais de idade. Valores em reais de agosto de 2010.

Tabela 17 - Dados descritivos dos critérios usados Código Valor máximo Valor mínimo Média Desvio- padrão Associação com CVLI Origem Preferência

num_res 236 1.598 776 289 Positiva SC Custo

pop_den 1.029,44 72.305,87 15.316,77 11.251,67 Negativa SC Ganho lite_peo 69,79 99,38 92,31 4,64 Negativa SC Ganho lev_educ 8,18 12,36 11,50 0,72 Negativa UDH Ganho

gini_i 0,41 0,64 0,53 0,07 Negativa UDH Custo

prp_poor 0,26 23,18 2,02 3,24 Negativa UDH Custo

ren_null 0,58 2,14 1,04 0,34 Positiva UDH Custo

av_in_empl 712,97 7.482,23 4.709,89 2.251,06 Negativa UDH Ganho Fonte: Autor (2018)

A fase final consistiu em definir as cinco classes de decisão ordinal associadas com os critérios, permitindo avaliar as alternativas de referência. Estas classes têm por finalidade exibir como pequenos espaços carecem de intervenções a respeito de políticas de segurança pública. A ordem de preferência adotada foi: 𝐶𝑙₁ < 𝐶𝑙₂ < 𝐶𝑙₃ < 𝐶𝑙₄ < 𝐶𝑙₅. Em que a primeira classe (𝐶𝑙₁) está associada com aplicação imediata de recursos a serem alocados. Enquanto que a classe (𝐶𝑙5) representa o mínimo de recursos a serem aplicados, portanto são

mais seguras. Também existe a associação de preferência do tipo “Ganho”. Então, cada decisor escolhe suas próprias alternativas de referência, conforme a avaliação disposta na Tabela 17, e insere nas classes de decisão.