La Comunidad de Madrid ha puesto en marcha una nueva agrupación de Policía Local que operará de manera conjunta en seis municipios: San Martín de Valdeiglesias, Navas del Rey, Pelayos de la Presa, Cadalso de los Vidrios, Villa del Prado y Aldea del Fresno. Esta unidad, compuesta por 54 agentes, tiene como objetivo reforzar la seguridad ciudadana en estas localidades, que en total suman alrededor de 30.000 habitantes.
Con esta incorporación, ya son nueve las asociaciones de este tipo que están en funcionamiento en la región, mientras que una décima se encuentra en proceso de tramitación, según informó el Ejecutivo autonómico.
El Gobierno madrileño ha aumentado en un 30% las ayudas a los ayuntamientos que participan en este modelo de cooperación policial, destinadas principalmente a cubrir los gastos de personal. Estas subvenciones forman parte de la Estrategia de Seguridad Integral de la Comunidad de Madrid (ESICAM179), que en 2025 cuenta con un presupuesto de 70,5 millones de euros y beneficia a diez municipios.
El monto de las ayudas varía según la población, con un máximo de 36 euros por habitante en municipios con menos de 5.000 habitantes y de 23 euros en aquellos con poblaciones entre 20.000 y 40.000. Además, para acceder a este modelo, los ayuntamientos deben tener continuidad geográfica y carecer de recursos suficientes para mantener un cuerpo de Policía Local por sí mismos.
El plan, coordinado por la Agencia de Seguridad y Emergencias Madrid 112 (ASEM 112), se inició en 2021 con el propósito de mejorar la seguridad en los pequeños municipios y facilitar la cooperación intermunicipal. Además de financiar los gastos de personal, se encarga de la adquisición de uniformes, vehículos, dispositivos electrónicos, unidades caninas y la modernización de los terminales de comunicación TETRA. datos de una base de datos para su análisis.
2. Elimina valores nulos o duplicados de un conjunto de datos.
3. Transforma los datos en un formato adecuado para su análisis, como por ejemplo cambiar el tipo de datos de una columna o crear nuevas variables.
4. Estandariza los datos para que tengan la misma escala y puedan ser comparados de manera adecuada.
5. Aplica técnicas de codificación para convertir variables categóricas en numéricas.
6. Realiza análisis exploratorio de los datos para identificar patrones, tendencias o relaciones entre variables.
7. Utiliza herramientas estadísticas o de machine learning para extraer información relevante de los datos.
8. Visualiza los datos de manera gráfica para hacer interpretaciones más sencillas y claras.
