SPATIO-TEMPORAL COMPUTER VISION FOR URBAN CRIME ANALYSIS AND POLICE STATION ALLOCATION IN KINSHASA

Les mégapoles africaines connaissent une urbanisation rapide, qui a exacerbé des schémas criminels complexes et mis à rude épreuve les systèmes de sécurité en place. Cette étude présente un cadre intégré de vision spatio-temporelle par ordinateur et d'optimisation pour l'analyse automatisée de la criminalité et la répartition stratégique des commissariats de police à Kinshasa. La méthode cartographie de manière dynamique les risques de criminalité dans la ville en utilisant des réseaux CNN-LSTM pour la reconnaissance d'actions temporelles, le clustering DBSCAN pour l'identification des points chauds et YOLOv8 pour la détection d'objets en temps réel. Les meilleurs emplacements pour les commissariats de police sont ensuite déterminés à l'aide d'un outil d'optimisation géospatiale, qui maximise la couverture et accélère les temps de réponse. Des expériences menées sur plus de 45 000 dossiers de police et 1 200 heures de vidéos de surveillance montrent une efficacité opérationnelle améliorée grâce à l'optimisation basée sur les points chauds et à une grande précision de détection (précision : 92,4 %, rappel : 89,5 %, score F1 : 0,91). Ces résultats démontrent qu'en améliorant considérablement l'identification des points chauds, la précision de la détection des crimes et l'allocation des ressources policières, notre cadre intégré de vision spatio-temporelle par ordinateur et d'optimisation fournit un outil scientifiquement fiable pour gérer la sécurité urbaine dans des mégapoles complexes comme Kinshasa. Ce travail jette les bases de tactiques policières prédictives et fondées sur les données dans des environnements urbains aux ressources limitées