Con el objetivo de mejorar la seguridad en las ciudades y reducir el número de delitos, esta investigación propone un algoritmo que combina técnicas de inteligencia artificial (IA) y aprendizaje automático (ML) para generar rutas de patrullaje policial. Se utilizan datos reales sobre delitos reportados en la Ciudad de Quito, Ecuador, durante 2017. El algoritmo, que consta de cuatro etapas, combina información espacial y temporal. Primero, los delitos se agrupan alrededor de los puntos con mayor concentración de delitos graves, y se predicen futuros puntos calientes. Luego, se estudia la probabilidad de delitos cometidos en cualquiera de esas áreas en un intervalo de tiempo. Esta información se combina con los puntos de paso espaciales para obtener rutas reales de vigilancia a través de un sistema de decisión difuso, que considera la distancia y el tiempo (calculado con la API de OpenStreetMap), y la probabilidad. Se ha analizado el tiempo de cálculo y se han comparado las rutas con las propuestas por un experto. Los resultados demuestran que el uso de información espacio-temporal permite el diseño de rutas de patrullaje de manera efectiva y, por lo tanto, mejora la seguridad ciudadana y reduce el gasto en recursos policiales.