Propuesta de infraestructura de seguridad para pasajeros en la estación Cabitos de la Línea 1 del Metro de Lima, mediante la gestión de riesgo de las zonas más vulnerables de los pasajeros utilizando la herramienta python

Abstract

Las estaciones de Metro son importantes para el desempeño en la vida diaria de los usuarios, se ha tratado de implementar tecnología en muchas áreas con el fin de garantizar la seguridad de los pasajeros ya sea en el control de los trenes o a través de la propia estación. En este estudio, se propone una nueva forma de gestionar las zonas más riesgosas en estaciones de Metro, mediante el reconocimiento de patrones y la visión de la computadora, para esto se aplica el modelo red neuronal convolucional, basado en un aprendizaje autónomo supervisado para identificación de riesgos. No obstante, gestionar las zonas de riesgo en estaciones de Metro tiende a ser complejo debido a sus condiciones dinámicas. Debido a esto, se propone un modelo para identificación de zonas vulnerables en la estación Cabitos mediante la herramienta Python y encuestas a usuarios. Esto consiste, en capturar fotografías de caídas y no caídas de personas ya que al 80% según la entidad de OSITRAN es el accidente más recurrente, acontecidas en diferentes partes de la estación y posterior a ello, presentar mejora de infraestructura para reducir la probabilidad de caídas de los pasajeros en las zonas identificadas. Así mismo, con las medidas implementadas en la estación de Metro Cabitos se reduce en un 20% el riesgo de caídas.

Metro stations are important for the performance of user’s daily lives, so attempts have been made to implement technology in many areas to ensure passenger safety, whether in train control or in the station itself. This research proposes a new way to manage the riskiest areas in Metro stations, through pattern recognition and computer vision, applying the convolutional neural network model, based on supervised autonomous learning for the identification of risks. However, the management of risk areas in Metro stations is often complex due to their dynamic conditions. therefore, a model for the identification of vulnerable zones in Cabitos station is proposed using the Python tool and user surveys. This consists of capturing photographs of falls and non-falls of people account for 80% according to the OSITRAN entity is the most recurrent accident, occurring in different parts of the station and subsequently, present improvements in the infrastructure to reduce the probability of passenger falls in the identified areas. Likewise, with the measures implemented in the Cabitos Metro station, the risk of falls is reduced by 20%.