Georreferenciamento, elaboração dos mapas e testes de (auto)correlação

O georreferenciamento e o uso de mapas temáticos nas pesquisas sociológicas constituem técnicas de grande importância na análise das configurações do crime sobre as áreas urbanas e oferecem diversas possibilidades aos pesquisadores permitindo a identificação de variáveis que revelam a estrutura social, econômica e ambiental sobre a qual ocorrem os eventos delitivos. No presente estudo, a análise da distribuição espacial do crime serve ao entendimento dos contextos de oportunidade que conduzem a mobilidade criminal. Partimos da descrição das características comuns e particulares em cada espaço territorial, a fim de reconhecê-los não

apenas do ponto de vista geográfico, mas enquanto espaços socialmente construídos (NERY et

al., 2014; SILVA, 2012; BEATO, 2012).

Georreferenciamos 11.416 ocorrências de crime entre casos de roubos a transeunte e de homicídios dolosos, ambos registrados ao longo dos anos 2015, 2016 e 2017. Para todos os casos, utilizamos os recursos do software Arcmap® _{para converter os endereços identificados}

em coordenadas geográficas e compilá-las em arquivos no formato comma-separated values (.CSV). As bases cartográficas da cidade de Maceió para as unidades de bairro e de setor censitário foram obtidas no site do IBGE, todas em formato shapefile (.SHP).

As bases digitais dos mapas de bairro e de setores censitários correspondem às malhas territoriais utilizadas com a finalidade de realização da pesquisa censitária do ano de 2010. Essa base de dados particionou a cidade de Maceió em 50 bairros e 1.057 setores censitários. Para esta pesquisa, utilizamos somente a demarcação do perímetro urbano da cidade (50 bairros e 1.055 setores censitários). Os mapas foram processados por meio do software QGIS® em sua versão 2.18.

Para a elaboração dos mapas temáticos (com exceção dos mapas de kernel) distribuímos as proporções de cada tipo de ocorrência padronizadas em quintis, conforme os valores máximo e mínimo, e em escalas de cor azul para os casos de roubo a transeunte e de vermelho para os casos de homicídio doloso, com tons mais claros para os menores valores e tons mais escuros para os maiores valores. No caso dos mapas de densidade kernel, serviu-nos apenas a configuração primária dos pontos georreferenciados para cada tipo de ocorrência. Mapas de densidade kernel servem como uma alternativa para análise geográfica do comportamento de padrões. No mapa é plotado, por meio métodos de interpolação, a intensidade pontual de determinado fenômeno em toda a região de estudo. Assim, é possível obter uma visão geral da intensidade do processo em todas as regiões do mapa (VANDEVIVER; BERNASCO, 2017). Quanto ao traçado das jornadas para o crime, mediante o recurso “ligar pontos” do QGIS®_{, que}

descreve na forma de linhas a distância entre dois pontos distintos referenciados situados num mapa, interligamos os pontos de origem (residência do criminoso) e de destino (local do crime) (a exemplo da Figura 7).

Figura 8 - Base cartográfica da cidade de Maceió (AL) dividida por bairros.

Fonte: IBGE, 2010 (adaptado). Nota: base do perímetro urbano do município.

Figura 9 - Base cartográfica da cidade de Maceió (AL) dividida por setores censitários.

Fonte: IBGE, 2010 (adaptado). Nota: base do perímetro urbano do município.

Para os testes de autocorrelação espacial, utilizamos como ferramenta estatística os índices de Moran Global (I) e Moran Local (LISA). Testes de autocorrelação espacial estimam a relação entre observações com proximidade espacial, considerando que observações espacialmente próximas possuem valores semelhantes (ANSELIN, 1995). Indicadores globais de correlação espacial (Moran Global I) oferecem uma medida única para o conjunto de unidades, neste estudo, toda a cidade de Maceió. Para examinarmos os padrões de distribuição das ocorrências em menor escala recorremos ao índice de Moran Local (LISA), que produz um valor específico para cada unidade (setor censitário ou bairro) com valores similares para os indicadores selecionados.

Correlações do tipo “alto-alto” descrevem setores com altas proporções do indicador (no caso, a incidência de roubos ou de homicídios) rodeados de outros setores também com altas proporções do mesmo indicador; “baixo-baixo” setores com baixa proporção rodeados por setores com baixa proporção do mesmo indicador; “alto-baixo” setores com alta proporção, cercados por setores com baixa proporção desse indicador; e “baixo-alto” setores com baixa proporção, cercados de setores com alta proporção do mesmo indicador. As análises consideraram um nível de significância de 5%. Os testes de autocorrelação foram aplicados sobre a distribuição geral das ocorrências (dados do triênio) para cada tipo de crime pela unidade de setor censitário37_{. Os mesmos parâmetros foram aplicados para testes de correlação,}

a fim de estimarmos o grau de dependência entre diferentes tipos de crime e entre as ocorrências e outras variáveis selecionadas para esta pesquisa.

Na visualização dos mapas, os fatores de oportunidade associados à incidência de crimes são analisados em dois estágios. No primeiro estágio, procuramos identificar em que medida as características infraestruturais dos bairros explicam a distribuição espacial de crimes na cidade de Maceió. Trata-se de uma análise de um “modelo global”, uma vez que lidamos com informações de toda a cidade. Nessa etapa utilizamos os dados do Censo de 2010 para o Índice de Características do Entorno dos Domicílios (ICED) como proxy da avaliação dos caracteres urbanísticos dos bairros (qualidade da iluminação pública, de passeios e pavimentos, do sistema de esgotamento sanitário, dos serviços de coleta de lixo, acabamento das residências, conservação dos espaços públicos, entre outros), em associação à concentração das ocorrências de roubo e de homicídio por bairro.

Ao reconhecermos uma suposta defasagem do indicador, a exemplo de Nery et al. (2014, p. 34-35), optamos por trabalhar com dados estimados, considerando como ponderador, para cobrir a diferença dos anos intercensitários, o inverso do quadrado da distância (em anos) do valor referencial do Censo (no caso, o de 2010). Em poucos termos, o valor anual é igual ao ano anterior, mais a diferença multiplicada pelo ponderador, ou seja, em dois anos de distância temos 1/4 como ponderador, em 3 anos temos 1/9 e assim sucessivamente. “A suposição implícita é que, quanto mais próximo do dado real, menor a diferença do valor estimado”.

37 _{Para efeito deste estudo, utilizamos os setores censitários como um proxy de vizinhanças. Embora não haja um}

consenso sobre a melhor maneira de definir esse importante aspecto das cidades, existe certa aceitação de que qualquer que seja a unidade “ecológica” utilizada para representar uma comunidade, esta deve responder a alguns critérios mínimos. Primeiramente, uma comunidade pode ser compreendida como uma pequena área geográfica e social incorporada a uma unidade maior onde as pessoas habitam. Nessas unidades, as interações sociais entre os residentes promovem um tipo de organização social com vínculos institucionais variados. Há uma vida em comum àqueles residentes de uma comunidade cuja tradição de identidade e continuidade é transmitida ao longo do tempo (BURSIK; GRASMICK, 1993).

No segundo estágio da análise voltamos a atenção para um conjunto específico de áreas no interior de alguns bairros, sendo estes selecionados em função do maior número de ocorrências. A partir de informações coletadas sobre esse conjunto de áreas (segundo os instrumentos que descrevemos no subtópico a seguir) buscamos avaliar o efeito de variáveis intervenientes sobre a configuração dos pontos quentes e das jornadas para o crime. De acordo com os pressupostos teóricos assumidos neste estudo, a concepção dessa etapa da pesquisa compreende uma tentativa de implementar uma abordagem para a descrição da mobilidade criminal em suas dimensões agregada e desagregada.