Esse artigo apresenta o dataset PolRoute-DS, criado para viabilizar o desenvolvimento e testes de abordagens de geração de rotas policiais em centros urbanos. O PolRoute-DS combina a estrutura espacial da cidade de interesse, representada como um grafo conexo e direcionado de segmentos de vias, com dados criminais obtidos de fontes públicas (no contexto deste artigo os dados são providos pela Secretaria da Segurança Pública de São Paulo). O PolRoute-DS se encontra disponível para uso da comunidade sob a licença Creative Commons By Attribution 4.0 International (versões CSV e PostgreSQL), e pode ser obtido em https://osf.io/mxrgu/.

It is a well-known fact that criminality is an open, yet important, issue in most urban centers worldwide. Especially in Brazil, creating solutions to reduce crime rates is a top priority. To reduce crime rates, many cities are adopting predictive policing techniques. Predictive policing techniques are highly based on extracting valuable knowledge from a massive dataset that contains information about times, locations, and types of past crimes. The extracted knowledge is then used to provide insights to police departments to define where the police must maintain its presence. These datasets may also be used for a critical predictive policing task: defining where police patrols should patrol. Such patrols are commonly defined to cover a series of crime hot spots (areas that present high criminality levels) and have some restrictions to be considered (number of available police officers, cars, etc). Thus, defining the route for each police vehicle is a complex optimization problem, since in most cases, there are many hot spots and the existing resources are scarce, i.e., the amount of vehicles and police available is much smaller than necessary. Unfortunately, high-quality crime rates data are not easy to obtain. Aiming to tackle this problem, this article proposes the PolRoute-DS dataset, a dataset designed to foster the development and evaluation of police routing approaches in large urban centers. The PolRoute-DS combines the spatial structure of the city of interest (in the context of this article, the city of São Paulo) represented as a connected and directed graph of street segments with criminal data obtained from public sources. PolRoute-DS is available for public use under the Creative Commons By Attribution 4.0 International license (CSV and PostgreSQL versions) and can be downloaded at https://osf.io/mxrgu/.

A pandemia de COVID-19 impactou no comportamento das pessoas também no domínio religioso, em que o apoio social e o relacionamento entre membros das comunidades de fé foram restringidos pelo distanciamento social. Neste cenário, redes sociais potencializaram a interação entre as pessoas mediada por tecnologia. Esse trabalho teve por objetivo identificar as alterações de comportamento e demandas relacionadas a religião e espiritualidade causadas pela pandemia do COVID-19, através da observação da interação entre usuários em redes sociais durante o período anterior e posterior ao início da pandemia. Para isso, foi empregada a técnica de observação não participante, com a posterior visualização de dados em nuvens de palavras e uma análise interpretativa e qualitativa a partir das mensagens coletadas. Os resultados apontaram uma crescente demanda religiosa via redes sociais, indicando que plataformas especializadas nesse domínio poderiam agregar valor ao engajamento entre os fiéis e suas comunidades.

O conceito de Cidades Inteligentes ganhou relevância, em especial na última década, por conta da proliferação de dados de cidades. O objetivo do uso desses dados é melhorar os serviços oferecidos à população, por meio do desenvolvimento de aplicações que consomem dados espaço-temporais. Esses dados trafegam por um fluxo que vai desde a coleta, pré-processamento até a visualização. Muitas das soluções existentes para Gerência de Dados neste contexto, ou são específicas para uma aplicação/domínio, ou não consideram todo o ciclo de vida do dado. Nesse artigo, apresentamos o Hurricane, um serviço configurável e extensível, avaliado com uma aplicação na área de segurança pública, que tem como objetivo permitir que os diferentes usuários envolvidos realizem a gerência e a análise dos dados no contexto de aplicações de Cidades Inteligentes de forma integrada e eficiente durante todo o ciclo de vida do dado.