Modelos de localización de cámaras de vigilancia en una red de transporte público masivo

Abstract

Este artículo estudia el problema de localización de cámaras de vigilancia aplicado a una red de transporte público masivo. Se considera una red de estaciones conectadas entre sí, mediante rutas predeterminadas de buses. El problema estudiado consiste en escoger las estaciones que deben ser vigiladas mediante cámaras con el fin de optimizar simultáneamente dos objetivos: El valor esperado del número de crímenes detectados por las cámaras, y la calidad de las imágenes captadas por el sistema de vigilancia completo. Se formulan dos modelos de optimización basados en programación entera para este problema considerando múltiples períodos, restricciones de presupuesto y restricciones de conectividad donde se busca garantizar que al menos se cuente con una cámara de vigilancia por cada pareja de estaciones conectadas directamente. Se realiza una comparación del desempeño de los modelos matemáticos propuestos usando un optimizador comercial en un conjunto de instancias aleatorio con 20 hasta 200estaciones. Los resultados computacionales permiten concluir sobre la capacidad de los modelos matemáticos para encontrar soluciones óptimas y los recursos computacionales requeridos.

This article studies the problem of locating surveillance cameras in the context of a public transportation system. A network of stops or stations is considered which is interconnected by a set of predetermined bus routes. The studied problem is to choose the set of stations to be monitored by cameras in order to simultaneously optimize two objectives: the expected number of crimes detected by the cameras, and the image quality of the entire surveillance system. Two mathematical models based on integer programming are proposed for this problem, considering multiple periods, budget constraints, and connectivity constraints which ensure that at least a surveillance camera is assigned to one station for each pair of directly connected stations. A comparison of the performance of the proposed mathematical models using a commercial optimizer is performed using a set of randomly generated instances with 20-200 stations. The computational results show the capability of the proposed mathematical models to find optimal solutions and the required computational resources.