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

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.