Como se ha mencionado anteriormente, los objetos que contengan un atributo del tipo color han de gestionar un valor para ese atributo que se ha de transformar en discreto, siendo el valor que da origen a ese atributo un valor difuso.

La adaptación es importante en este tipo de campo color, no siendo fácil dar respuesta a qué valor asignar al atributo. La propuesta que se va a realizar, para aplicar una metodología basada en ella, es una conversión de datos según la decodificación de colores RGB. Esta decodificación convierte cada color en un conjunto de 3 números que representan una tupla de 3 valores entre 0 y 255. En cada atributo de dicha tupla se refleja la cantidad aportada de los colores rojo (R-ed), verde (G-reen) y azul (B-lue) respectivamente. Esta nomenclatura aparece en los sistemas de codificación de imágenes usados por diferentes herramientas informáticas y se considera un estándar a nivel internacional. Existen valores predeterminados para ciertos colores que se consideran como referencia, como por ejemplo el rojo, que se codifica (255, 0, 0); el blanco, que se codifica (255, 255, 255), o el negro, que se codifica (0, 0, 0).

Esto implica que la definición de un objeto color puede usar 2 definiciones, la discreta que usa el nombre del color y la numérica, que usa una tupla. De esta forma se podría denotar (color1) R (blanco) o (color1) R (255,255,255).

Los valores RGB también pueden encontrarse decodificados de forma hexadecimal, variando entre 00 y FF los valores que aparecen para su definición. La codificación hexadecimal usa los valores 0-9 y A-F, siendo A=10, … , F=15. Un valor hexadecimal XY se puede transformar a un valor numérico entre 0 y 255 usando la formula X*16+Y.

Con la conversión a valores numéricos de los colores usando la decodificación RGB, la creación de una medida de similitud se puede definir de una manera más objetiva usando la distancia euclídea para 3 dimensiones. Por definición, la distancia euclídea no tiene necesariamente que estar acotada, sin embargo, en este caso particular, al referirse a un conjunto finito de valores, sí lo está. Esta acotación nos permite saber el valor máximo que toma dicha distancia y poder aplicar un factor corrector que nos permite establecer que los valores resultantes pertenezcan al intervalo [0,1], donde 0 indicaría que los colores no se parecen en absoluto y 1 que son iguales. Esta escala, que se gradúa a través de una distancia preestablecida, permite considerar una aproximación de una relación ya que, cuanto mayor sea el valor, más se parecerán los colores.

Definición: Siendo el color 1 representado con la tupla (r1, g1, b1) y el color 2 con la tupla (r2, g2, b2), puede definirse el grado de similitud entre ambos colores como

Ejemplo: Dados los colores predefinidos blanco= (255, 255, 255), negro= (0, 0, 0), gris= (128, 128, 128), azul marino= (0, 0, 128), verde oliva= (128, 128, 0) y morado= (128, 0, 128), se representa en la Tabla 1 los diferentes valores de la medida de similitud μ entre cada par de colores.

Que el grado de similitud entre estos colores predefinidos sea bajo significa que los colores no se parecen lo suficiente y que se pueden distinguir fácilmente, por lo que no llevarían a confusión al gestor de los datos y puedan descartarse en los primeros pasos de una investigación.

Quizás el gestor tenga problemas cuando deba determinar cuál es el grado mínimo que debe considerar para comenzar a descartar posibles valores. En el ejemplo se puede ver que el color morado se parece al gris o al azul marino con un grado de similitud de 0,7102, que es bastante alto, pero puede no considerarse como suficiente ya que los colores indicados se pueden distinguir bien de forma objetiva. Dicho valor sí puede usarse como grado comparativo para indicar que un color se parece más a otro según sus grados de similitud.

El uso de la distancia euclídea para este caso determinado se considera adecuado una vez adaptado mediante factores de normalización, si bien se debe considerar aplicarla en otros casos por los inconvenientes que presenta, como no estar acotada, ser sensible a cambio de escalas y que las variables sean independientes estocásticamente (Cuadras et al., 1996). Nótese que existen valores, como el color gris (128, 128, 128), cuyo grado de similitud con respecto a cualquier otro color siempre será superior a 0,5.

Para referenciar el color se debe tener una tabla prefijada, como la MIT’S XConsortum (Walsh, 2006), que transforma el valor discreto que aporta el testigo en una tupla de valores que describen el color en la escala RGB. Si dicha descripción del color se basa en una identificación visual de la tabla, la declaración tendrá un valor mejor definido y los resultados de las medidas de similitud serán más precisos.

En los hechos delictivos donde participan vehículos, posiblemente el detalle más útil es que la víctima o los testigos aporten la matrícula que llevaba el vehículo o vehículos implicados. Salvo el caso en que se usen matrículas falsas, puede considerarse el atributo de referencia principal.

Lamentablemente, estas matrículas se aportan de forma parcial o con caracteres cambiados en algunos casos, llegando a confundir esos caracteres indicando alguno que ni siquiera pertenece a la matrícula. Podemos definir el objeto matrícula como aquel que posee como atributos los caracteres que la conforman en la posición en la que aparecen. Así, la matrícula 1234ABC quedaría definida como (matrícula)R(1,2,3,4,A,B,C). De esta forma podemos establecer qué atributo va en cada posición y si un valor pertenece a un objeto matrícula. Abusando de la notación, matrícula puede considerarse tanto objeto como atributo (vehículo)R(matrícula)R(1,2,3,4,A,B,C).

Si se considera el caso de las matrículas españolas actuales con formato NNNNLLL, existen un total de 80 millones de combinaciones posibles. Los números de cada serie van del 0000 al 9999 y las letras usadas son 20, prescindiendo de las vocales y la letra Q. Teniendo en cuenta los casos posibles hasta el final de la serie M, en la actualidad tendríamos 40 millones de combinaciones potencialmente activas.

De esos 40 millones de casos posibles, las combinaciones se reducen en función de la información conocida de la siguiente forma:

El resto de casos posibles de las letras depende de la combinatoria de las mismas y la limitación al estudio sobre la codificación activa el día de los hechos a investigar, siendo los casos posibles dependientes de si las letras son anteriores o posteriores a la letra M y el conocimiento o no de la posición.

De este cálculo de combinaciones posibles se desprende que el investigador obtiene mayor beneficio si la víctima o testigo son capaces de aportar al menos una letra antes que un dígito. De la misma forma, la determinación exacta de la posición del dígito o letra reduce considerablemente el número de casos posibles, pero hace que sea improductiva si la información proporcionada es errónea.

Se va a definir un grado de similitud que permita proponer una matrícula candidata en una investigación a partir de la información aportada por los testigos o por otros medios de prueba. Se ha considerado que la información aportada puede no ser correcta, por lo que en la definición de dicho grado se tiene que tener en cuenta que esa información inválida no condicione de forma grave el resultado.

Para comparar cadenas de caracteres, como es el caso de las matrículas, se podría partir de la distancia de Levenshtein (Levenshtein, 1965), que establece el número de cambios necesarios para que una palabra se transforme en otra mediante modificaciones simples de cambio de un carácter, inserción o eliminación del mismo. Para el caso de estudio planteado, al poder ser la información parcial, no podría aplicarse la misma, debiendo considerarse un algoritmo que sea capaz de medir esta particularidad adecuadamente.

Se define v(condición, matrícula) = 1 si la matrícula cumple la condición propuesta y 0 en caso contrario. Cuando la condición es compuesta, v toma el valor de la media aritmética de considerar todas las condiciones como individuales. De esta forma, el valor de v pertenece siempre al intervalo [0,1].

La condición se puede expresar de 2 formas. Si se sabe la posición, se representa con el número o la letra en esa posición, y el resto de caracteres desconocidos se representan con un asterisco *. Cuando no se sabe la posición, se denota como Xϵ para que indicar que el carácter X pertenece a la matrícula. Por ejemplo, para indicar la condición de que la letra M ocupa la primera posición de las letras de una matrícula de formato NNNNLLL (N = número, L = letra), se denotaría ****M**.

Con el fin de que la información errónea no afecte a los resultados considerablemente, cuando existe más de una condición en la propuesta, se realiza la media aritmética de las diferentes condiciones individuales. Esto implica que, si la condición es verdadera en su totalidad, el valor de v no se ve afectado, pero si las condiciones propuestas contienen alguna condición individual errónea, se mantienen las condiciones individuales verdaderas y el valor de v global, aunque se vea disminuido, no resulte perjudicado de la misma forma que si se valorara la condición completa.

Debe considerarse también que las condiciones pueden ser compatibles o no. Si 2 condiciones no pueden darse a la vez, se da por supuesto que una de las 2 no es correcta, pero no se puede determinar cuál de ellas lo es. Estas condiciones no compatibles afectan al valor de v significativamente ya que impiden que pueda conseguirse alcanzar un valor de certidumbre máximo (v = 1).

Ejemplo: Para el caso en que la persona en su declaración diga “la matrícula portaba la letra M o N en la primera posición de las letras”, porque no es capaz de afirmar ninguna de las 2 opciones, pero crea que una de ellas es posible, v( condición , matricula )=v(∗∗∗∗M∗∗, matrícula )+v(∗∗∗∗N∗∗, matrícula )2. El valor será 0 cuando la matrícula no porte la M o la N en la primera posición o 0.5 cuando la matrícula cumpla una de las condiciones indicadas. Al ser un conjunto de condiciones no compatibles, ya que esta es excluyente y nunca puede darse el caso de que en la posición de la primera letra puedan aparecer 2 valores diferentes a la vez, v nunca podrá ser 1.

Dada un conjunto de n declaraciones d_i con i=1,…, n (la información aportada que se considera un conjunto de condiciones), se define el grado de similitud ∑i=1nv(di, matrícula )n.

Ejemplo: Para el caso de un vehículo que porta la matrícula 1234BCD, se han recibido 4 declaraciones de testigos (d₁-d₄):

d₁: “La matrícula empezaba por 1 y acababa en D”.

d₂: “La matrícula contenía un 3 y un 4, pero no recuerdo las posiciones”.

d₃: “Las 2 primeras letras eran BC o BG”.

d₄: “La matrícula empezaba por 12”.

Se observa inicialmente que al menos 2 testigos afirman que la primera posición es un 1, por lo cual las matrículas que cumplan esa condición tendrán mayor valoración como candidatas.

Esto implica que θ(matrícula) = 14v (1******,matrícula) + 18v (*2*****,matrícula) + 18v (3ϵ,matrícula) + 18v (4ϵ,matrícula) + 18v (****B**,matrícula) + 116v (*****C*,matrícula) + 116v (*****G*,matrícula) + 18v (******D,matrícula).

Al realizar los cálculos, los resultados indican 4 matrículas cuyo valor de θ alcanza el máximo posible, 0.9375. Estas matrículas son 1234BCD, 1234BGD, 1243BCD y 1243BGD, lo cual reduce ampliamente la lista de candidatos. Con un valor de θ = 0.875 hay una serie de candidatos que coinciden en la premisa de la incertidumbre del valor en la posición 6 (C o G) aportada por el testigo en d₃. Esa duda planteada por el testigo sobre el valor refuerza la idea de que no puede afirmarse nada sobre su certidumbre, y el algoritmo plantea como una opción posible, con alta probabilidad, los casos en los que la letra en la posición 6 no coincida con alguna de las señaladas por el testigo en d₃.

La aportación de un dato erróneo, por regla general, debe afectar considerablemente los cálculos y, por ello, el orden de los candidatos propuestos en función de su grado de similitud θ. El algoritmo planteado intenta minimizar esos errores en la medida de lo posible, por lo que la validez del resultado dependerá de cuantos errores tengan las declaraciones y de la relevancia que tengan estas en su conjunto.

Ejemplo: Para el caso del ejemplo anterior se va a cambiar la declaración del testigo en d₄, el cual afirma no solo que las 2 primeras posiciones son 12, sino que añade que el digito en la tercera posición es 8. Esta declaración lleva a contradicción con la aportación del testigo en d₂, ya que no es compatible que exista una matrícula que empiece por 128 y que contenga un 3 y un 4.

La aportación del testigo en d₄ quedará de la siguiente forma:

Este cambio afecta a la fórmula general planteada para el grado de similitud θ, la cual quedaría de la siguiente forma:

Tras realizar los nuevos cálculos, las opciones planteadas varían. A los 4 candidatos propuestos en el caso anterior, se añaden las matrículas 1384BCD, 1384BGD, 1483BCD y 1483BGD. Para estas propuestas, el grado de similitud θ ha bajado de 0.9375 a 0,8533, que sigue siendo alto y aceptable.

Este descenso en el valor de θ refleja que la fiabilidad de las declaraciones del primer ejemplo puede considerarse objetivamente mejor que la de las del segundo ejemplo, reflejando el hecho de que, no por tener un mayor número de datos proporcionados por los testigos, los resultados sean necesariamente de mayor utilidad para los investigadores.

Existe una variante que se puede considerar en el caso de que, tal como se ha reflejado en el segundo ejemplo, las declaraciones recibidas puedan no ser totalmente fiables. Cuando un testigo indica en su declaración términos como “creo”, “puede que”, o términos similares, refleja que existen dudas sobre si lo comunicado es cierto. El investigador en este caso puede añadir un grado entre 0 y 1 a cada valoración que podría denominarse grado de veracidad. Este grado sería subjetivo y, de esa valoración subjetiva del gestor, los datos obtenidos llevarían a una investigación orientada hacia resultados posiblemente diferentes.

Para los casos de matrículas extranjeras, al ser la combinatoria diferente, no se puede proporcionar un cálculo de casos posibles adecuado sin saber el país de origen. Existen casos, como las matrículas italianas y francesas, que comparten la misma codificación LLNNNLL, en los que no basta simplemente con conocer los candidatos y sus grados de similitud, sino que el análisis debería duplicarse y ampliarse a estos 2 países en caso de no conocerse exactamente el país de procedencia.

Cabe recalcar que el uso de placas de matrícula falsas también hace inviable el análisis que se puede iniciar a partir de los datos obtenidos, aunque sí se puede llegar a la conclusión de confirmar la falsedad de dicha codificación.

Cuando se realiza una reseña de una persona, se anota un valor de referencia del documento que porta o que, usando una mala praxis, manifiesta verbalmente el reseñado. Para el caso de españoles o residentes en España, existe una serie de referencia clara que es el “número de DNI” o el “número de NIE”, abusando de la notación “número” ya que contiene caracteres que no son dígitos. Esta referencia cuenta con una letra de control que permite detectar, en la mayoría de los casos, cuándo se ha introducido incorrectamente dicha referencia, permitiendo corregirla si se detecta el error antes de validarla.

El objeto “número de DNI” o “número de NIE” está formado por los atributos ordenados por su posición, así el “número de DNI” (en adelante, DNI para acortar notación) 12345678Z vendría denotado como (DNI)R(1,2,3,4,5,6,7,8,Z).

En algunos partes de servicio, al ser realizados en la vía pública, no existe la verificación de dichas letras de control de forma automática y se pueden dar errores de anotación. Estos errores se producen habitualmente por el intercambio de posiciones entre un carácter y otro adyacente, por el cambio de un carácter por otro que no es el correcto o por la omisión de uno de los caracteres.

Una vez detectado que existe un error en la anotación del número de registro, la comprobación más sencilla de hacer es intercambiar las posiciones de los diferentes pares de dígitos consecutivos. Esto conlleva hacer simplemente 7 comprobaciones en los casos de los DNI y 6 para los NIE.

La omisión de un carácter, que no sea la letra de control, conlleva mayor número de comprobaciones ya que se ha de probar cada uno de los caracteres posibles en cada posición (0 a 9 más X, Y, Z en la primera posición por si se trata de un NIE). Si el primer carácter es un dígito habría que comprobar 83 casos y, si fuera una letra y por lo tanto un NIE, se entendería que hay un digito omitido en las posiciones 2 a 8 y por tanto las comprobaciones serían solamente 70. Encontrar el dato correcto es una tarea ardua ya que, al combinar los posibles caracteres omitidos y comprobar que cumplen el algoritmo de la letra de control, proporcionará varios candidatos que deberán ser verificados uno a uno.

Descartados estos casos, para poder comprobar el error detectado sin saber cuál es el origen del fallo en la anotación del registro de identidad, es necesario establecer una medida de similitud entre los diferentes caracteres usados. Dado que estos caracteres en los DNI y NIE son en su mayoría dígitos, se va a enfocar la primera parte del estudio en establecer los grados de similitud entre estos.

Para ello, usando como base de datos imágenes reales obtenidas de documentos, se han extraído diferentes muestras de diferentes dígitos, localizadas en las zonas de lectura mecánica de documentos de viaje. Estas muestras se han normalizado para un tamaño estándar de 10 x 10 píxeles en una imagen en blanco y negro. Se pueden obtener muestras diferentes cambiando el origen de las imágenes y el tamaño de las mismas en píxeles. Al varias las muestras y la morfología de los caracteres, los grados de similitud que se van a definir pueden variar de los propuestos.

Definición: El valor numérico de un píxel en las coordenadas i, j en una imagen c en formato blanco y negro se define como:

Definición: Dado C un conjunto de imágenes con la misma dimensión en píxeles, el valor común del conjunto C para las coordenadas i, j se define como:

Definición: Dadas c₁, c₂ imágenes de a * b píxeles, siendo a la anchura y b la altura, pertenecientes al conjunto C, se define el grado de similitud entre c₁ y c₂ como:

Esta función mide la cantidad de coincidencias de píxeles blancos y negros entre dos caracteres a partir de sus imágenes tomadas, es decir, cómo se parecen. Para el caso de imágenes con diferente anchura o altura en píxeles, no es posible calcular el grado de similitud, motivo por el cual el conjunto de imágenes debe ser homogéneo en cuanto a estos parámetros se refiere.

A pesar de no ser una relación de similitud por no cumplir la transitividad, esta función permite establecer, fijando un carácter de inicio, un orden numérico entre los caracteres, usando como referencia el grado φ.

Para cada conjunto de imágenes del mismo carácter, se puede obtener el valor común de dicho conjunto, que será el que se use como referencia para hacer las comparaciones usando el grado φ.

A modo de ejemplo, se muestran en la Tabla 2 los valores de φ para los dígitos del 0 al 9 usando esta metodología con las imágenes de 10x10 píxeles tomadas de una muestra.

Usando los grados de similitud entre dígitos indicados en la tabla y dada una referencia de documento con un error de transcripción, podemos hacer una valoración orientada de los posibles candidatos a ser el dato correcto.

El orden de comprobación sería la sustitución en función del valor del grado φ, de mayor a menor valor, siempre y cuando la referencia contenga uno de los dígitos. Así, se partiría del cambio del 2 por el 7, o viceversa, por poseer el mayor grado de similitud 0.77. Seguiría el 3 por el 5 con un grado de similitud de 0.76, el 6 por el 8 con grado 0.75, el 0 por el 8 con grado 0.70, etc.

De forma análoga, si se considera que el carácter erróneo cambiado es la letra de control, se puede comprobar también el grado de similitud entre la letra anotada y la correcta según el algoritmo de verificación de la letra de control.

Ejemplo: Se ha encontrado en un parte de servicio anotado el DNI 32052158T, el cual no verifica el algoritmo de la letra de control. El formato es correcto, por lo que no es necesario hacer las diferentes pruebas incluyendo los diferentes candidatos que se darían si faltara un carácter.

La comprobación de las 7 permutaciones posibles no confirma la letra de control, por lo que, por descarte, el caso posible que queda es el de sustitución de la letra de control o uno de los dígitos por uno erróneo.

Según el algoritmo de comprobación de la letra de control, a la serie de dígitos le corresponde el valor W, el cual tiene un grado de similitud de 0.39 con respecto a la letra T, bastante bajo, por lo que no parece la opción correcta.

Los candidatos se van a obtener cambiando uno a uno los dígitos existentes por aquellos que tengan mayor grado de similitud. El primero de los cambios es el 2 por el 7, no cumpliendo ninguno de los 2 candidatos el algoritmo de verificación. Los siguientes 2 candidatos se producen al cambiar el 3 por el 5 y viceversa, resultando que tampoco cumplen el algoritmo de verificación.

El quinto candidato se genera al cambiar el 8 por el 6, siendo su grado 0.75. Este candidato sí es verificado por el algoritmo, por lo que solamente ha sido necesario comprobar 5 de los 72 candidatos posibles para hallar una posible solución.

La medida de similitud θ del apartado anterior se puede generalizar, ya que en ella no se va a usar la terminología de carácter correcto o incorrecto, sino los términos carácter propuesto y carácter candidato. Una matrícula es en realidad una referencia a la serie de un vehículo, por lo que se trataría de un caso de estudio análogo.

Haciendo un abuso de la notación, se denotarán con j las posiciones de los caracteres contenidos en una declaración, obviando aquellos no presentes y la parte de las declaraciones donde se indica que un carácter pertenece a una referencia, quedando denotado por θ∗( referencia )=∑i=1,jnv(dij,, referencia )∗φ(j,rj)n, donde r_j es el carácter en la posición j de la referencia.

Esta medida de similitud permite evaluar los datos de la referencia sin necesidad de conocer si estos son correctos o incorrectos. Se debe usar con la precaución de saber en todo momento que pueden existir errores y que no siempre se puede verificar la fiabilidad de la fuente.

Se ha tomado una serie de imágenes de vehículos, recortando trozos donde aparece en mayor medida la carrocería, para determinar el color de los mismos. Dichas imágenes están compuestas por un conjunto de píxeles, con tamaños no fijados previamente, en la escala RGB. A través de una aplicación creada al efecto, se extraen los diferentes valores de los colores de cada píxel.

Debido a que estas imágenes contienen ruido, píxeles con un color notablemente diferente al resto de su entorno, se ha de proceder a una limpieza de los valores anómalos. Para ello, se ha usado el algoritmo del método DBSCAN (Ester et al., 1996) con valor de distancia máxima de 2, grupos mínimos formados por 1 objeto y midiendo las distancias entre tuplas con la distancia euclídea normalizada para 3 valores. Se ha tomado el conjunto o clúster con mayor número de componentes, descartando los píxeles fuera de dicho grupo. Para definir el color tomado de la fotografía, se usa la media de cada uno de los componentes RGB de los píxeles pertenecientes al grupo.

Ejemplo: Se ha tomado una fotografía de un coche blanco, a la sombra para que dicho color aparezca atenuado. De dicha fotografía se ha recortado un trozo lateral de una puerta, obteniendo una imagen de 378 x 359 píxeles. Los valores iniciales se indican en la Tabla 3.

Se observa claramente la presencia de ruido, por lo que, tras ser analizados los datos con DBSCAN y tomar el conjunto principal, este consta de 537 valores, siendo estos los que figuran en la Tabla 4.

Teniendo en cuenta que el color blanco puro en la escala RGB se corresponde con la tupla (255, 255, 255), se aprecia una gran diferencia con los valores resultantes. Esto es debido a que el color imprimado en el coche ya presenta una diferencia con estos valores, a lo que se añade cómo estos colores se ven afectados por las circunstancias físicas externas, como la luz o la curvatura de la puerta, cuando se les toma una fotografía. Usando la medida de similitud entre colores, µ((255, 255, 255), (188, 190, 195)) = 0.7488, que podemos considerar un valor alto.

Se pueden considerar otros colores predefinidos, aunque estos no tienen por qué tener valores fijos. De esta forma se puede tomar como referencia, pero no de forma exacta, el color gris claro de la tabla MIT’S XConsortum. Según su definición, los valores en la escala RGB se corresponden con la tupla (211, 211, 211), aunque puede haber diferencias si se toma una definición diferente de este color, usando la medida de similitud entre colores, µ((211, 211, 211), (188, 190, 195)) = 0.9207, que es superior a la medida de similitud con el color blanco.

Esto es un ejemplo claro de cómo un color puede ser definido por un testigo, o por la captura de una imagen, de forma errónea o tergiversada sin intención, por las condiciones en las cuales se apreciaron los hechos y se asimiló un valor de forma subjetiva.

Ejemplo: Tomando una segunda imagen de un coche blanco, al sol, se ha recortado la parte del capó, incluyendo algunas tonalidades de ruido dentro de la misma. El tamaño resultante es de 118 x 104 píxeles. Los valores iniciales figuran en la Tabla 5.

Igualmente, se observa la presencia de ruido, por lo que, tras ser analizados los datos con DBSCAN y tomar el conjunto principal, este consta de 175 valores, siendo estos los datos que aparecen en la Tabla 6.

Tomando las medidas de similitud con respecto a las definiciones mediante tuplas en escala RGB de los colores blanco y gris claro del ejemplo anterior, tenemos que µ((255, 255, 255), (234, 234, 236)) = 0.9202 y µ((211, 211, 211), (234, 234, 236)) = 0.9071, siendo para este ejemplo el color observado más similar al blanco que al color gris claro.

Teniendo en consideración el resultado de los ejemplos indicados con un color claro de referencia como es el color blanco, puede considerarse que los valores obtenidos y anotados en las bases de datos pueden diferir de forma considerable cuando se trata con colores que presentan una gama variada de valores, como las familias de los colores que pueden ser interpretados como azul, verde, gris o amarillo.

La metodología para obtener una medida de similitud entre matrículas parciales θ quedó definida anteriormente, reflejando cómo se obtendrían candidatos usando una base de datos general muy amplia que recoge cualquier posible combinación de matrículas. En algunas investigaciones, se parte de una base de datos más específica, con datos de vehículos que contienen, entre otros campos, la matrícula y el color.

Para trabajar con esta base de datos específica, ampliando la metodología usada para obtener las medidas de similitud θ entre matrículas, se va a definir una nueva medida de similitud θ’ que añada el color del vehículo.

Dada un conjunto de n declaraciones d_i con i = 1,…, n (la información aportada que se considera un conjunto de condiciones), se define el grado de similitud θ′( matrícula, color )=∑i=1nv(di, matrícula )2n+∑i=1nμ(di, color )2n. Cada declaración d_i debe tener 2 partes, la dedicada a la matrícula y la dedicada al color.

Esta nueva definición equipara la valoración de los datos matrícula y color en la declaración, otorgándoles el mismo peso de ½ en la ecuación, si bien pueden adaptarse según la valoración de las declaraciones. En caso de que las declaraciones tengan mayor relevancia describiendo la matrícula que en la descripción, puede otorgársele más peso a este y viceversa.

Ejemplo: Tras el análisis de cámaras de seguridad, se comprueba cómo 5 vehículos han sido captados transitando por una vía cercana al lugar donde se ha producido un hecho delictivo. Estos vehículos se corresponden con las matrículas y colores siguientes: <3748FDV, (190, 83, 120)>, <8263HGR, (59, 131, 189)>, <2372DDF, (238, 180, 34)>, <4764GTF, (35, 107, 142)>, <2822HCN, (36, 24, 130)>.

Un testigo afirma, en la declaración d_1, que la matrícula del vehículo contenía un 6 y una letra G, siendo de color “azul grisáceo”, identificándolo en la tabla MIT’S XConsortum con los valores (54, 100, 139) correspondiente a “azul acero 4”.

Según la declaración d₁, θ′( matrícula, color )=v(6ϵ, matrícula )+v(Gϵ, matrícula )4+μ((54,100,139), color )2. Haciendo la comparación con los 5 vehículos, resultaría la Tabla 7.

Tomando en cuenta esta declaración, los vehículos 8263HGR y 4764GTF tienen una medida θ’ superior a 0.9 ya que sus medidas parciales son bastante relevantes. Estos serían los principales candidatos si solo se tuviera la declaración d₁.

Un segundo testigo aporta la declaración d₂, en la cual indica que los dígitos en las posiciones segunda y tercera son 3 y 6, siendo de color “azul oscuro”, identificándolo en la tabla MIT’S XConsortum con los valores (16, 78, 139) correspondiente a “azul evasor 4”.

Según la declaración d₂, θ′( matrícula , color )=v(∗3∗∗∗∗∗, matrícula )+v(∗∗6∗∗∗∗, matrícula )4+μ((16,78,139), color )2. Haciendo la comparación con los 5 vehículos, resultaría la Tabla 8.

Tomando en cuenta esta declaración d₂, los vehículos 8263HGR y 4764GTF tienen una medida θ’ alta, pero no de la misma consideración que la declaración d₁, ya que es seguro que hay un error en los datos de la matrícula en esta declaración por no ser cumplida por ninguno de los vehículos de la base de datos restringida. El investigador, ante estas declaraciones, puede optar por cambiar los pesos y dar más valor al grado que mide la similitud del color.

Haciendo la valoración con estas 2 declaraciones sobre los vehículos 8263HGR y 4764GTF, se tiene que θ′(8263HGR,(59,131,189))=0.9332+0.65422=0.7937 y θ′(4764GTF,(35,107,142))=0.9768+0.71062=0.8437.

Con estas 2 únicas declaraciones, conteniendo una de ellas información errónea, no puede afirmarse claramente cuál de los 2 vehículos es el principal candidato, pero sí que se han conseguido descartar los otros 3 vehículos, reduciendo la muestra inicial de candidatos. Una tercera declaración con información fidedigna de la matrícula puede clarificar la elección entre los 2 candidatos. Sin embargo, al ser los colores de los vehículos candidatos muy similares, con una medida de similitud µ((59, 131, 189), (35, 107, 142)) = 0.8687, la declaración sobre el color no sería determinante.

Se ha realizado un estudio durante 6 meses, entre enero y junio de 2025, sobre diversa documentación donde figuraban números de DNI o NIE, encontrándose 13 casos donde existían anomalías producidas por errores de anotación de los mismos por parte de los agentes.

De estos casos, se ha podido llegar a la conclusión de que 1 se corresponde con la falta de un carácter, 2 a errores de permutación y 10 a cambio de un carácter por otro incorrecto.

Para resolver estas incidencias, se programó un algoritmo asistente siguiendo las pautas indicadas anteriormente. Este programa asistente actualmente se encuentra en una aplicación programada para sistemas Android, para que pueda ser consultado por determinados agentes en la vía pública ante documentos con mala calidad y por el personal encargado de registrar los datos en la base de datos policial.

Para resolver el caso de la falta de 1 carácter, el algoritmo desarrollado comprobó la verificación de la letra de control de los 83 candidatos posibles. De estos 83 candidatos, tan solo 3 cumplían la verificación, debiendo contrastarse cada uno de ellos con la base de datos y localizándose el correcto por coincidencia de otros datos.

Los 2 casos de errores de permutación ofrecían 7 candidatos cada uno, verificando tan solo 1 de ellos, en cada caso, el algoritmo de verificación de la letra de control.

Para los restantes 10 casos, con la sustitución de un carácter por otro, se procedió a seguir el orden indicado por el algoritmo para obtener candidatos, con base en los grados de similitud y los caracteres presentes en cada referencia. Uno de los casos contemplaba el cambio de una Y por una X en un NIE, con un grado alto de similitud de 0.74, comprobándose su validez usando el tercer candidato por orden de grado de similitud. De los 10 casos, el que más se demoró para encontrar el error usando el algoritmo lo hizo durante la comprobación del noveno candidato.

Retornando al caso de la declaración d₂ en el apartado 3.2, donde la declaración con respecto a la matrícula era errónea al no ser cumplida totalmente por los candidatos de la muestra, la medida usada puede ser modificada para considerar que existe un error en la valoración. Dicha modificación se haría cambiando el valor v del carácter indicado de la matrícula por el valor v del carácter candidato, multiplicado por la medida de similitud entre ambos caracteres, el indicado y el candidato, como se definió anteriormente.

Los datos del color no van a ser modificados, manteniendo los valores obtenidos en el apartado anterior, por lo que de forma análoga se define θ^*(matrícula, color).

Para los vehículos candidatos, los resultados de θ^* ofrecen valores diferentes a los de θ’, siempre mayores o iguales por las propiedades matemáticas de la fórmula para calcular el grado, quedando definida para d₂, θ∗( matrícula , color )=v(∗m2∗∗∗∗∗, matrícula )∗φ(3,m2)+v(∗∗m3∗∗∗∗, matrícula )∗φ(6,m3)4+μ((16,78,139), color )2. Los valores calculados figuran en la Tabla 9.

Esta nueva valoración usando la medida θ^* en vez de θ para considerar que existe información errónea eleva el grado de similitud a unos valores que permiten considerar la aceptación de la declaración d₂ para la investigación. El inconveniente es que también eleva los valores de los candidatos que otras declaraciones pueden descartar sin tener en cuenta los errores, disminuyendo la diferencia relativa entre los candidatos.