URBIK: quando dados, território e inteligência se encontram na gestão municipal da segurança pública

 

Nova plataforma brasileira procura aproximar os municípios das práticas de gestão por resultados, policiamento baseado em evidências e inteligência territorial

Por Tulio Kahn

Nas últimas décadas, os municípios brasileiros passaram a ocupar um espaço cada vez mais importante na segurança pública. Guardas municipais se profissionalizaram, centros de monitoramento foram implantados, observatórios foram criados e as prefeituras passaram a investir em câmeras, viaturas, iluminação, prevenção e integração entre diferentes órgãos. A própria Secretaria Nacional de Segurança Pública reconhece atualmente o papel das Guardas Municipais na segurança preventiva e na aproximação com as comunidades.

Mas existe uma distância importante entre possuir recursos e informações e conseguir transformá-los sistematicamente em decisões melhores. Essa talvez seja uma das principais dificuldades enfrentadas hoje pelos gestores municipais de segurança.

Uma prefeitura pode possuir milhares de registros de ocorrências, dezenas ou centenas de câmeras, dados sobre atendimentos da Guarda Municipal, informações sobre prisões e apreensões, mapas, planilhas e relatórios. Ainda assim, perguntas aparentemente simples continuam sendo difíceis de responder.

Onde exatamente estão aumentando os roubos? Essa elevação representa uma tendência ou apenas uma oscilação? Em quais bairros o problema está se concentrando? Dentro desses bairros, quais são os pequenos segmentos territoriais responsáveis por uma parcela desproporcional das ocorrências? Em quais dias e horários esses crimes acontecem? O patrulhamento está chegando a esses lugares? Quantas viaturas seriam necessárias? Uma intervenção realizada há três meses produziu algum resultado? Estamos cumprindo as metas estabelecidas?

São perguntas de gestão, não apenas de estatística.

E foi justamente da tentativa de aproximar esses dois mundos — conhecimento e ação — que nasceu o URBIK – Inteligência para Segurança Pública.

Do dado à decisão

O URBIK foi concebido a partir de uma ideia bastante simples: dados de segurança pública só produzem valor quando ajudam alguém a tomar uma decisão melhor.

Por isso, a plataforma não foi desenhada apenas como mais um dashboard de criminalidade. Seu objetivo é acompanhar o ciclo completo da gestão: levantar e organizar informações, diagnosticar problemas, identificar prioridades, planejar intervenções, estabelecer metas, orientar a operação e, finalmente, verificar se as ações adotadas produziram os resultados esperados.

Em outras palavras:

dados → diagnóstico → prioridade → intervenção → resultado → avaliação.

A diferença pode parecer semântica, mas é fundamental. Um painel pode informar que ocorreram 80 roubos. Um sistema de gestão precisa ajudar a responder o que fazer diante desses 80 roubos.

Essa concepção aproxima o URBIK de algumas das transformações mais importantes ocorridas na segurança pública internacional nas últimas décadas: a gestão orientada por resultados, o policiamento orientado para problemas, o policiamento de hotspots e, de maneira mais ampla, o movimento conhecido como Evidence-Based Policing, ou policiamento baseado em evidências.

A ideia comum a essas abordagens é abandonar, sempre que possível, decisões fundamentadas exclusivamente em tradição, impressão ou experiência individual e incorporar sistematicamente dados e evidências à tomada de decisão.

Isso não significa substituir o conhecimento do policial ou do gestor por algoritmos. Significa fazer com que a experiência profissional dialogue com informações que podem ser verificadas.

 

O território não é homogêneo

Uma das descobertas mais importantes da criminologia ambiental contemporânea é que o crime não se distribui uniformemente pelas cidades. Nem todos os bairros possuem o mesmo risco. E, mesmo dentro de um bairro considerado problemático, algumas ruas, cruzamentos ou pequenos segmentos podem concentrar uma parcela muito maior das ocorrências. É a chamada concentração espacial do crime.

Essa constatação possui consequências práticas extraordinárias. Se os recursos de segurança são limitados — e quase sempre são — distribuí-los uniformemente pelo território pode significar desperdiçar capacidade operacional em locais de baixo risco enquanto os pontos realmente problemáticos recebem atenção insuficiente.

A literatura científica acumulada sobre hot spots policing é particularmente importante nesse aspecto. Revisões sistemáticas de estudos experimentais e quase-experimentais encontraram reduções pequenas, porém significativas, da criminalidade quando esforços policiais são concentrados nos pequenos locais onde os crimes se acumulam. Outra conclusão importante é que os estudos não sustentam a ideia simplista de que a intervenção apenas desloca inevitavelmente o crime para a rua seguinte; em diversas avaliações aparecem efeitos de difusão dos benefícios preventivos para áreas próximas.

É exatamente por isso que o território ocupa uma posição central no URBIK.

A plataforma utiliza diferentes técnicas de análise espacial. Mapas de densidade por Kernel Density Estimation (KDE) ajudam a visualizar concentrações de ocorrências. Análises estatísticas espaciais, como Getis-Ord Gi*, ajudam a identificar áreas de concentração que dificilmente seriam percebidas apenas olhando pontos dispersos em um mapa.

A finalidade, entretanto, não é produzir mapas sofisticados para apresentações. É responder a uma pergunta operacional: onde devemos concentrar nossos esforços?

Dos hotspots às ruas: transformando análise em patrulhamento

Identificar o problema é apenas metade da tarefa. Uma das dificuldades mais recorrentes dos sistemas analíticos utilizados na segurança pública é justamente a distância entre quem produz a análise e quem precisa executar a operação.

Um analista identifica hotspots. Produz um mapa. O mapa é apresentado em uma reunião. Mas, no dia seguinte, o comandante ainda precisa decidir por onde suas viaturas deverão passar. O URBIK procura reduzir essa distância por meio de um de seus recursos mais inovadores: o roteirizador operacional de viaturas.

Depois de identificar as áreas prioritárias, o sistema permite considerar hotspots, quantidade de viaturas, turnos, dias, distâncias, necessidade de revisitas e a própria malha viária para transformar a análise territorial em circuitos operacionais.

O gestor pode comparar cenários.

O que acontece com a cobertura territorial se houver apenas uma viatura disponível? E com duas? Quanto aumenta a cobertura utilizando três? Qual combinação oferece melhor equilíbrio entre recursos empregados e hotspots alcançados?

Em uma aplicação real utilizada no desenvolvimento da plataforma, por exemplo, diferentes cenários de mobilização puderam ser comparados em termos de cobertura de registros e hotspots antes da escolha da configuração operacional.

A lógica é importante porque recursos públicos são escassos. A questão correta não é simplesmente perguntar quanto seria possível fazer com recursos ilimitados, mas: qual é a melhor utilização possível dos recursos que efetivamente temos disponíveis?

Gestão precisa de metas

Existe outro problema frequente na segurança pública: muitas intervenções são realizadas sem que esteja previamente definido o que será considerado sucesso.

Aumenta-se o patrulhamento. Instalam-se câmeras. Realiza-se uma operação. Modifica-se uma escala. Meses depois, pergunta-se: funcionou? Sem objetivo previamente estabelecido, linha de base, período de comparação e indicador de resultado, essa pergunta dificilmente poderá ser respondida de maneira objetiva.

Por isso o URBIK incorporou um sistema de metas de redução criminal.

O gestor pode selecionar crimes, definir o município ou bairros prioritários como alvo, estabelecer o percentual de redução pretendido e determinar um prazo. A partir daí, o sistema passa a comparar continuamente meta e resultado observado.

A intenção não é criar uma competição artificial por números. Metas mal desenhadas podem produzir incentivos perversos, e qualquer sistema de gestão por indicadores precisa estar atento à qualidade dos dados. A proposta é diferente: estabelecer previamente uma referência objetiva que permita saber se estamos avançando na direção desejada.

Se determinado bairro apresenta persistentemente altos níveis de roubo, por exemplo, o município pode estabelecer uma meta de redução, planejar ações específicas, acompanhar mensalmente a evolução e corrigir a estratégia caso os resultados não apareçam. Isso transforma segurança pública em um processo contínuo de aprendizado.

 

Não basta intervir. É preciso saber se funcionou

Essa talvez seja uma das mudanças culturais mais importantes propostas pelo policiamento baseado em evidências. Uma intervenção que parece intuitivamente correta não necessariamente funciona. Da mesma maneira, uma redução da criminalidade depois de determinada operação não significa automaticamente que a operação tenha provocado a redução.

Crime possui sazonalidade, tendências históricas, regressão à média e inúmeros fatores externos. Por isso o URBIK procura incorporar progressivamente ferramentas de monitoramento e avaliação de intervenções. A lógica é registrar o que foi feito, onde, quando e com qual objetivo e depois comparar a evolução dos indicadores relevantes. Sempre que os dados permitirem, a ambição é avançar para desenhos de avaliação cada vez mais rigorosos.

Essa perspectiva dialoga diretamente com o policiamento orientado para problemas. Revisões sistemáticas dessa literatura encontraram evidências favoráveis à estratégia de identificar problemas específicos, analisar suas causas, desenvolver respostas adequadas e avaliar os resultados, em vez de depender exclusivamente de respostas policiais genéricas.

O ponto central é que a política de segurança passa a produzir conhecimento sobre si própria. Cada intervenção deixa de ser apenas uma ação. Pode tornar-se também uma oportunidade de aprendizado.

Criminalidade de um lado, atividade policial do outro

Uma inovação recente do URBIK é justamente aproximar duas informações que normalmente aparecem separadas. De um lado: onde estão os crimes? Do outro: onde está ocorrendo a atividade policial? O módulo de produtividade permite analisar informações como prisões, apreensões, instituição responsável, período e localização das ações e compará-las territorialmente com os padrões criminais.

Essa comparação permite formular perguntas extremamente relevantes. As prisões estão ocorrendo nos mesmos locais onde se concentram os delitos? Existe atividade policial intensa em áreas relativamente pouco problemáticas enquanto hotspots persistentes recebem pouca atenção? Um aumento de produtividade é seguido por alguma alteração nos indicadores criminais? Quais instituições estão atuando em cada território?

Não se trata de presumir causalidade onde ela não pode ser demonstrada. Trata-se de produzir perguntas melhores — e fornecer aos gestores informações para investigá-las.

Inteligência artificial como analista auxiliar

Nos últimos anos, a inteligência artificial generativa abriu uma nova fronteira para a administração pública. Mas o desafio não é simplesmente colocar um chatbot dentro de uma prefeitura. A questão mais interessante é descobrir em quais atividades a IA pode efetivamente reduzir trabalho repetitivo e ampliar a capacidade analítica das equipes.

No URBIK, começamos por uma tarefa extremamente concreta: escrever relatórios analíticos. A plataforma já produz gráficos, tabelas, séries temporais, mapas, indicadores e filtros. Uma camada de inteligência artificial pode receber essas informações estruturadas e transformá-las em uma primeira versão de relatório.

Ela pode identificar, por exemplo, quais indicadores cresceram, quais diminuíram, quais bairros se destacam, quais tendências merecem atenção e quais resultados precisam ser acompanhados.

O relatório produzido pela IA não substitui o analista. Ele funciona como um primeiro analista digital, encarregado de realizar parte do trabalho mecânico de leitura e consolidação das informações. Cabe ao profissional interpretar o contexto, verificar hipóteses, acrescentar conhecimento institucional e decidir.

Esse princípio é fundamental para nossa visão sobre inteligência artificial aplicada à segurança pública: IA deve ampliar a capacidade humana de decisão, não eliminar a responsabilidade humana sobre a decisão.

 

Tecnologia não substitui uma política de segurança

Talvez seja igualmente importante explicar o que o URBIK não pretende ser. Nenhuma plataforma tecnológica reduz a criminalidade sozinha.

Mapas não prendem criminosos. Algoritmos não conhecem integralmente a dinâmica social de um bairro. Indicadores não substituem policiais bem treinados, lideranças competentes, integração institucional, políticas preventivas ou relacionamento com a comunidade.

Além disso, sistemas baseados em dados precisam reconhecer as limitações dos próprios dados. Registros administrativos refletem não apenas a ocorrência de crimes, mas também padrões de denúncia, registro e atividade das instituições. A literatura sobre policiamento preditivo, por exemplo, já demonstrou o risco de ciclos de retroalimentação quando dados gerados pela própria atividade policial são utilizados de maneira acrítica para determinar onde a polícia deverá atuar novamente.

Por isso, nossa concepção é deliberadamente diferente. O URBIK não pretende dizer automaticamente ao gestor o que ele deve fazer. Pretende oferecer melhores condições para que ele saiba o que está acontecendo, onde está acontecendo, como está evoluindo, onde estão sendo empregados os recursos e quais foram os resultados das decisões anteriores. A decisão continua sendo humana.

Uma ferramenta também para a população

Embora o URBIK tenha sido desenvolvido principalmente para gestores e profissionais de segurança pública, uma gestão orientada por evidências pode produzir benefícios que ultrapassam as instituições. Transparência é um deles.

Metas claras permitem que a sociedade acompanhe resultados. Indicadores organizados tornam mais compreensível a situação da segurança. Relatórios periódicos ajudam a substituir discussões baseadas exclusivamente em episódios isolados por diagnósticos mais consistentes.

Existe também um benefício menos visível. Quando recursos escassos são empregados de maneira mais racional, aumenta a possibilidade de que a população receba melhores serviços com a mesma estrutura existente. Uma viatura não precisa necessariamente circular mais quilômetros. Talvez precise circular pelos quilômetros certos.

O município como laboratório de inovação

Há razões para acreditar que parte importante da inovação em segurança pública brasileira poderá ocorrer justamente nos municípios. As cidades estão próximas dos problemas. Conhecem suas ruas, escolas, praças, terminais, centros comerciais e bairros. Guardas municipais possuem contato cotidiano com esses espaços. Prefeituras controlam políticas urbanas, iluminação, fiscalização, trânsito, assistência social e diversas outras áreas relacionadas à prevenção.

Além disso, o ambiente institucional está mudando. A Secretaria Nacional de Segurança Pública lançou iniciativas específicas para diagnóstico e fortalecimento das Guardas Municipais, e programas federais recentes passaram a estabelecer requisitos e mecanismos próprios para adesão dos municípios a políticas nacionais de segurança.

O desafio é transformar essa crescente responsabilidade em crescente capacidade de gestão. Tecnologia pode contribuir para isso. Não simplesmente porque computadores processam informações mais rapidamente, mas porque sistemas bem desenhados podem institucionalizar boas práticas.

Um bom sistema pode fazer com que perguntar "qual é a evidência?" deixe de depender da iniciativa individual de um excelente gestor e passe a fazer parte da rotina da organização. Pode fazer com que estabelecer metas, localizar problemas, documentar intervenções e verificar resultados deixem de ser atividades extraordinárias. Podem tornar-se o modo normal de trabalhar.

Uma decisão melhor começa com uma leitura melhor

O URBIK nasce com uma ambição que vai além de construir software. Queremos contribuir para disseminar uma cultura de segurança pública municipal orientada por evidências. Uma cultura na qual dados sejam utilizados não apenas para produzir estatísticas anuais, mas para orientar decisões cotidianas.

Na qual mapas não sejam apenas ilustrações, mas instrumentos para definir prioridades. Na qual metas sejam estabelecidas antes das intervenções. Na qual operações sejam acompanhadas. Na qual resultados sejam avaliados. Na qual aquilo que funcionou possa ser repetido — e aquilo que não funcionou possa ser modificado. E na qual inteligência artificial, estatística e geoprocessamento estejam a serviço, e não no lugar, da inteligência dos profissionais de segurança pública.

O futuro da segurança pública provavelmente não será determinado por uma única tecnologia, uma única instituição ou uma única estratégia. Mas dificilmente construiremos esse futuro sem aprender a utilizar melhor uma matéria-prima que nossas cidades já produzem diariamente em enorme quantidade: informação.

O desafio agora é transformá-la em conhecimento. Transformar conhecimento em ação. E transformar ação em resultados que possam ser medidos. Foi para ajudar a percorrer esse caminho que construímos o URBIK.

Conheça o URBIK: www.urbik.com.br

 

Referências para publicação

BRAGA, Anthony A.; Turchan, Brandon; Papachristos, Andrew V.; Hureau, David M. Hot spots policing of small geographic areas effects on crime. Campbell Systematic Reviews.

WEISBURD, David; TELEP, Cody W.; HINKLE, Joshua C.; ECK, John E. Is problem-oriented policing effective in reducing crime and disorder? Findings from a Campbell systematic review. Criminology & Public Policy, 2010.

SHERMAN, Lawrence W. Evidence-Based Policing. Police Foundation, 1998.

SECRETARIA NACIONAL DE SEGURANÇA PÚBLICA. Diagnóstico Nacional das Guardas Municipais. Ministério da Justiça e Segurança Pública.

URBIK. Manual Técnico da Plataforma URBIK – Inteligência para Segurança Pública. 2026.

 

Muito além dos atropelamentos: o que realmente mata no trânsito paulista

Tulio Kahn

Todos os anos, milhares de brasileiros morrem em acidentes de trânsito. Quando essas mortes aparecem nas estatísticas oficiais, costumam ser classificadas em categorias conhecidas: atropelamento, colisão frontal, colisão traseira, choque, capotamento, tombamento. Essa forma de organizar os dados é indispensável para o trabalho cotidiano das polícias, dos órgãos de trânsito e dos sistemas de informação. O problema é que ela nos diz muito pouco sobre a verdadeira natureza desses acidentes.

Imagine dois atropelamentos. No primeiro, um idoso é atingido por um ônibus ao atravessar uma avenida movimentada da capital. No segundo, um trabalhador é atropelado por um automóvel durante a madrugada ao caminhar pelo acostamento de uma rodovia estadual. Ambos entram nas estatísticas exatamente da mesma maneira: "atropelamento". No entanto, qualquer pessoa percebe intuitivamente que se trata de problemas completamente diferentes. As causas são distintas, os locais são distintos, os veículos são distintos e, principalmente, as soluções também deveriam ser diferentes.

Essa constatação motivou um estudo que analisou os 5.507 acidentes fatais registrados pelo Infosiga no Estado de São Paulo durante o ano de 2024. Em vez de aceitar a classificação tradicional, procuramos responder a uma pergunta diferente: será que os acidentes possuem perfis ocultos, que não aparecem quando olhamos apenas para sua modalidade administrativa?

Para responder a essa questão utilizamos uma técnica estatística conhecida como Análise de Classes Latentes (Latent Class Analysis), amplamente empregada na medicina, psicologia e criminologia para identificar grupos naturalmente existentes em grandes bases de dados. Em vez de perguntar se determinado acidente foi um atropelamento ou uma colisão frontal, a técnica considera simultaneamente dezenas de características: quais veículos estavam envolvidos, onde ocorreu o acidente, em que horário, em que tipo de via, se houve múltiplas vítimas, qual era o contexto territorial e outras informações disponíveis na base.

O resultado foi surpreendente. Os acidentes fatais não se organizam em torno das categorias tradicionais. Eles se agrupam em dez grandes perfis, cada um deles representando uma configuração própria de usuários, veículos, ambiente viário e circunstâncias de ocorrência. Em outras palavras, os acidentes possuem uma estrutura muito mais complexa do que aquela sugerida pelas estatísticas convencionais.

O maior desses grupos corresponde ao que chamamos de motociclista urbano vulnerável. Sozinho, ele responde por quase um quarto de todos os acidentes fatais registrados no Estado. Diferentemente do que muitas vezes se imagina, esses acidentes não são compostos apenas por colisões entre motocicletas e automóveis. Uma parcela expressiva envolve choques contra obstáculos, quedas e tombamentos ocorridos em vias urbanas. O problema central não parece ser apenas o comportamento do motociclista, mas sua enorme exposição ao risco em cidades desenhadas prioritariamente para automóveis.

Outro grupo importante reúne os acidentes rodoviários envolvendo automóveis em alta velocidade. Nesse perfil predominam choques, capotamentos e colisões frontais, frequentemente associados a múltiplas vítimas fatais. Aqui, a infraestrutura da rodovia, a velocidade operacional e a separação entre fluxos assumem papel muito mais importante do que nas áreas urbanas.

Também identificamos um tipo específico de acidente caracterizado pelos conflitos cotidianos entre automóveis e motocicletas nas cidades. Curiosamente, não existe uma modalidade física dominante. Colisões laterais, traseiras, frontais e outras colisões aparecem praticamente na mesma proporção. O elemento comum não é a forma do impacto, mas o intenso compartilhamento do espaço urbano por veículos com características muito diferentes de aceleração, frenagem, tamanho e visibilidade.

Os acidentes envolvendo caminhões também revelaram uma realidade pouco percebida pelas estatísticas tradicionais. Na verdade, existem dois problemas distintos. Em um deles, caminhões se chocam com automóveis em rodovias, produzindo acidentes de enorme gravidade e elevada frequência de múltiplas vítimas. No outro, caminhões colidem com motocicletas, expondo de maneira dramática a desigualdade física entre os veículos. Embora ambos apareçam genericamente como acidentes envolvendo caminhões, suas dinâmicas são completamente diferentes.

Talvez o resultado mais interessante do estudo tenha surgido justamente na análise dos atropelamentos. A estatística oficial registra todos eles sob uma única categoria. A análise dos dados mostrou que, na prática, existem pelo menos três tipos completamente distintos de atropelamentos.

O primeiro ocorre nas áreas urbanas, envolvendo principalmente automóveis e pedestres em vias municipais. Nesse caso, as soluções passam por redução de velocidade, travessias seguras, melhor sincronização semafórica e desenho urbano voltado para quem caminha.

O segundo concentra-se nas regiões metropolitanas e envolve ônibus e outros veículos de grande porte. Aqui, os principais desafios estão relacionados ao funcionamento do transporte coletivo, aos pontos de parada, aos corredores exclusivos e aos conflitos entre passageiros e veículos durante embarque, desembarque e conversões.

O terceiro perfil aparece nas rodovias estaduais. São atropelamentos ocorridos predominantemente à noite, em trechos onde rodovias convivem com bairros, pequenos municípios, pontos de ônibus e circulação de pedestres. Nesses casos, passarelas, iluminação, redução de velocidade, travessias protegidas e reorganização da ocupação do entorno tornam-se muito mais importantes do que campanhas educativas genéricas.

Essa fragmentação dos atropelamentos talvez seja a principal contribuição prática do estudo. Ela mostra que não existe "o problema dos atropelamentos". Existem problemas diferentes, que compartilham apenas o fato físico de um pedestre ter sido atingido por um veículo.

Situação semelhante ocorre com os motociclistas. Frequentemente tratados como um grupo único pelas estatísticas e pelo debate público, eles aparecem distribuídos em diferentes perfis de acidentes. Há o motociclista urbano, o motociclista rodoviário, o motociclista que colide com automóveis e aquele envolvido em acidentes com caminhões. Cada situação possui fatores de risco próprios e exige intervenções específicas.

O estudo também chama atenção para um aspecto frequentemente negligenciado: o papel do contexto. Durante muito tempo acreditou-se que os acidentes poderiam ser explicados principalmente pelo comportamento dos indivíduos. Excesso de velocidade, álcool, imprudência ou distração continuam sendo fatores importantes, mas os resultados sugerem que o ambiente onde esses comportamentos ocorrem é igualmente decisivo. A mesma colisão frontal assume significado completamente diferente quando ocorre em uma rodovia de pista simples, em uma avenida urbana ou em um cruzamento de bairro. O contexto modifica profundamente o risco e, consequentemente, as formas de prevenção.

Essa visão está em sintonia com o paradigma internacional conhecido como Safe System, hoje adotado por diversos países. Segundo essa abordagem, erros humanos sempre existirão. O papel do poder público não é imaginar que conseguirá eliminá-los completamente, mas construir um sistema viário capaz de impedir que esses erros terminem em morte. Para isso, é preciso compreender onde e como esses erros produzem consequências fatais.

É justamente nesse ponto que uma tipologia como a desenvolvida neste estudo pode contribuir. Enquanto a classificação administrativa responde "como foi o acidente?", a tipologia procura responder "em que contexto esse acidente ocorreu?". Essa diferença parece sutil, mas modifica profundamente a maneira de pensar políticas públicas.

Em vez de simplesmente contabilizar quantos atropelamentos ou colisões frontais ocorreram em determinado município, torna-se possível identificar quais perfis de acidentes predominam naquele território. Um município poderá apresentar grande concentração de motociclistas urbanos vulneráveis; outro poderá ser marcado por atropelamentos em rodovias; um terceiro poderá concentrar colisões envolvendo caminhões. As prioridades deixam de ser definidas pela modalidade física do acidente e passam a refletir as características concretas da mortalidade local.

Naturalmente, nenhuma técnica estatística resolve sozinha os problemas da segurança viária. A análise foi realizada com dados de apenas um ano e depende da qualidade das informações registradas pelo sistema. Novas pesquisas poderão incorporar idade das vítimas, condições meteorológicas, características geométricas das vias, consumo de álcool e diversas outras variáveis capazes de refinar ainda mais essa tipologia.

Ainda assim, a principal mensagem permanece bastante clara. Os acidentes fatais de trânsito não constituem um fenômeno único. Eles representam diferentes combinações de usuários, veículos, ambientes e circunstâncias. Tratá-los todos da mesma maneira significa desperdiçar parte importante das informações disponíveis.

Durante décadas aprendemos a pensar os acidentes como atropelamentos, colisões ou choques. Talvez tenha chegado o momento de enxergá-los de outra forma: como diferentes problemas de mobilidade, infraestrutura, comportamento e organização do espaço urbano, cada um exigindo respostas específicas. Afinal, políticas públicas eficazes dependem, antes de tudo, de diagnósticos corretos. E, nesse aspecto, compreender quem morre, onde morre e em que contexto morre pode ser muito mais importante do que simplesmente saber de que forma ocorreu o impacto.

Dois Brasis, uma mesma estatística? A relação entre apreensão de armas e homicídios sob a perspectiva da heterogeneidade regional

Durante muitos anos, economistas utilizaram a expressão "Belíndia" para descrever o Brasil. Cunhado por Edmar Bacha na década de 1970, o termo ilustrava a convivência, dentro do mesmo país, de uma pequena parcela da população vivendo em padrões comparáveis aos da Bélgica e uma grande maioria enfrentando condições socioeconômicas semelhantes às da Índia. A metáfora procurava chamar atenção para a profunda heterogeneidade brasileira e para os riscos de interpretar médias nacionais como se representassem adequadamente realidades extremamente distintas.

Essa mesma lógica parece aplicar-se à segurança pública. Embora frequentemente tratemos os indicadores criminais brasileiros como pertencentes a um único sistema nacional, diversas evidências sugerem que a violência se organiza segundo regimes territoriais distintos. Em trabalhos anteriores propusemos a existência de dois grandes padrões de funcionamento da criminalidade no Brasil. O primeiro compreende predominantemente os estados do Norte e Nordeste, acrescidos do Rio de Janeiro, caracterizados por maiores taxas de homicídio, maior presença de organizações criminosas, disputas territoriais persistentes e mercados ilícitos mais violentos. O segundo engloba os estados do Centro-Sul, onde predominam níveis significativamente menores de violência letal e estruturas institucionais relativamente mais consolidadas.

A questão investigada neste artigo é simples, mas possui importantes implicações metodológicas: a relação entre apreensões de armas de fogo e homicídios é a mesma nesses dois regimes? Caso a resposta seja negativa, modelos nacionais únicos podem estar ocultando mecanismos distintos de produção da violência.

Utilizamos dados estaduais referentes ao ano de 2026, anualizados a partir dos cinco primeiros meses disponíveis. As taxas de homicídio doloso e de apreensão de armas de fogo foram calculadas por 100 mil habitantes para as 27 unidades da Federação. Inicialmente estimou-se um modelo de regressão linear simples entre apreensões de armas – como proxy para armas em circulação - e homicídios. Em seguida foi introduzida uma variável indicadora representando os dois regimes territoriais e, finalmente, um termo de interação entre a taxa de apreensões e o regime, permitindo verificar se o efeito das apreensões diferia entre os grupos.

.[1]

A análise agregada do Brasil revelou uma associação surpreendentemente fraca entre apreensões de armas e homicídios. A correlação de Pearson foi de apenas aproximadamente 0,22, estatisticamente não significativa. O modelo linear simples apresentou um (R^2) inferior a 5%, indicando que a taxa de apreensões praticamente não explica as diferenças observadas nas taxas estaduais de homicídio quando todas as unidades da Federação são analisadas conjuntamente.

Entretanto, a introdução da variável representando os dois regimes alterou substancialmente o desempenho do modelo. O coeficiente de determinação aumentou para aproximadamente 54%, revelando que grande parte da variação interestadual decorre simplesmente da existência de dois patamares distintos de violência letal. Em outras palavras, a classificação dos estados segundo o regime criminal explica muito mais da distribuição dos homicídios do que a própria taxa de apreensões de armas.

O coeficiente associado ao regime mostrou-se altamente significativo. Mantido constante o nível de apreensões de armas, os estados do Centro-Sul apresentam, em média, cerca de nove homicídios a menos por 100 mil habitantes em relação aos estados do Norte, Nordeste e Rio de Janeiro. Esse resultado permaneceu praticamente inalterado tanto na estimação com erros robustos HC3 quanto no bootstrap, indicando elevada estabilidade.

Em seguida foi estimado o termo de interação entre apreensões e regime. A hipótese substantiva era que as apreensões poderiam desempenhar papéis diferentes nos dois sistemas criminais. No Centro-Sul observou-se uma associação positiva moderada entre apreensões e homicídios (mais armas, mais homicídios, conforme esperado), enquanto no Norte/Nordeste essa associação permaneceu bastante fraca. Contudo, o teste formal da interação não alcançou significância estatística. Assim, embora visualmente e nas correlações simples os padrões pareçam distintos, os dados disponíveis não permitem afirmar que as inclinações das duas retas sejam estatisticamente diferentes.

Esse resultado merece atenção. Frequentemente interpreta-se a ausência de significância em um grupo e a presença de significância em outro como evidência de diferenças entre eles. Estatisticamente, porém, essa conclusão só é válida quando o próprio termo de interação é significativo. No presente estudo isso não ocorreu. A principal diferença entre os regimes não está na intensidade da associação entre apreensões e homicídios, mas sim no nível médio de violência letal.

Inserir aqui a Figura 1.

Figura 1. Relação entre taxas de homicídio doloso e taxas de apreensão de armas por unidade da Federação, com retas de regressão para cada regime criminal e para o Brasil agregado.

A Figura 1 ajuda a compreender intuitivamente os resultados da regressão. Observa-se que os estados pertencentes aos dois regimes ocupam regiões distintas do plano cartesiano. Os estados do Norte, Nordeste e Rio de Janeiro concentram-se em níveis muito mais elevados de homicídios, enquanto os estados do Centro-Sul distribuem-se em patamar inferior. As retas de regressão possuem inclinações semelhantes, mas estão deslocadas verticalmente, ilustrando exatamente o efeito capturado pelo coeficiente do regime. Em vez de alterar substancialmente a relação entre apreensões e homicídios, o regime desloca todo o nível esperado de violência.

Foram ainda realizados testes de influência para verificar se os resultados eram determinados por poucos estados extremos. Nenhuma unidade da Federação apresentou Distância de Cook superior aos limites convencionalmente utilizados. Embora Paraíba, Pernambuco, Maranhão, Espírito Santo e Rondônia exerçam influência relativamente maior sobre o ajuste, sua retirada individual não altera qualitativamente as conclusões do modelo. O bootstrap confirmou essa estabilidade, reforçando que os resultados não dependem de observações isoladas.

A correlação entre armas e homicídios permanece positiva tanto nos grupos quanto no conjunto nacional; o que muda é sua intensidade. O fenômeno observado aproxima-se do conceito de heterogeneidade estrutural ou mistura de populações. Os estados brasileiros não parecem compartilhar um único mecanismo gerador da violência, mas sim dois sistemas relativamente distintos. Ao agregar ambos em um único modelo, parte importante da estrutura dos dados é perdida.

Essa interpretação aproxima-se da antiga ideia da "Belíndia". Assim como indicadores econômicos nacionais frequentemente escondem realidades profundamente distintas, também os indicadores criminais podem mascarar a existência de diferentes regimes de funcionamento da violência. A taxa média brasileira de homicídios representa uma combinação de sistemas criminais  bastante diversos, cuja dinâmica institucional, criminal e social dificilmente pode ser resumida por um único parâmetro nacional.

Do ponto de vista metodológico, a principal contribuição deste exercício talvez não esteja na relação entre apreensões e homicídios propriamente dita, que é bastante complexa, mas na demonstração de que a heterogeneidade regional modifica substancialmente a capacidade explicativa dos modelos estatísticos. O ganho de ajuste decorreu quase integralmente da introdução da variável de regime, e não do aumento da complexidade do modelo ou da inclusão de novas covariáveis.

A  conclusão é que a análise da violência letal brasileira ganha consideravelmente quando reconhece explicitamente a existência de diferentes regimes. Os resultados mostram que a variável "regime" explica muito mais da distribuição dos homicídios do que a taxa de apreensões de armas ou outras variáveis. Embora não tenha sido possível demonstrar estatisticamente que o efeito das apreensões difere entre os dois grupos, ficou evidente que os níveis médios de violência são profundamente distintos. Em outras palavras, o Brasil continua sendo um país de fortes contrastes internos. Assim como a antiga metáfora da Belíndia lembrava que uma média nacional pouco dizia sobre as desigualdades econômicas do país, a análise da criminalidade sugere que também existe uma espécie de "dois Brasis" na segurança pública.

Ignorar essa heterogeneidade pode levar à especificação inadequada de modelos estatísticos, à interpretação equivocada de correlações nacionais e, sobretudo, à formulação de políticas públicas uniformes para contextos criminais que operam segundo lógicas bastante diferentes. Reconhecer esses diferentes regimes não significa abandonar a busca por explicações nacionais, mas sim construir modelos capazes de incorporar explicitamente a diversidade estrutural que caracteriza as diferentes dinâmicas criminais brasileiras.

 Anexo

Variável	Coeficiente	Erro-padrão HC3	Estatística t	p-valor	IC 95%
Intercepto	18,748	1,420	13,20	<0,001	[15,811 ; 21,684]
Taxa de apreensão de armas	0,071	0,076	0,93	0,362	[−0,087 ; 0,228]
Regime (Centro-Sul = 1)	−8,698	1,769	−4,92	<0,001	[−12,358 ; −5,038]
Apreensões × Regime	0,058	0,086	0,67	0,508	[−0,120 ; 0,236]

 

Indicador	Valor
Número de observações	27 UFs
Variável dependente	Taxa de homicídios (por 100 mil habitantes)
Variável explicativa	Taxa de apreensão de armas (por 100 mil habitantes)
Moderador	Regime territorial (0 = Norte/Nordeste + RJ; 1 = Centro-Sul)
Estimador	OLS
Erros-padrão	HC3 (robustos)
(R^2)	0,547
(R^2) ajustado	0,488
F (modelo)	11,61
p (modelo)	<0,001

 

Regime	Inclinação (β)	p-valor
Norte/Nordeste + RJ	0,071	0,362
Centro-Sul	0,129 (= 0,071 + 0,058)	0,004

 

---

[1] Para evitar inferências sensíveis ao pequeno tamanho da amostra (27 observações), a estimação utilizou erros-padrão robustos HC3, recomendados para amostras reduzidas e possíveis problemas de heterocedasticidade. Complementarmente, foi realizado bootstrap não paramétrico com 5.000 reamostragens estratificadas por regime, preservando o número de estados em cada grupo. Também foram examinadas medidas de influência, incluindo Distância de Cook, valores de alavancagem (hat values) e DFBETAs, para verificar se os resultados dependiam de observações específicas.