Desarrollo de una plataforma web colaborativa para el reporte y análisis espacial de factores de riesgo urbano en la localidad de Engativá, orientada a fortalecer la seguridad ciudadana preventiva

Abstract

Se desarrolló una plataforma web colaborativa (SafeMap) orientada a fortalecer la seguridad ciudadana preventiva en la localidad de Engativá, Bogotá. El problema central que rige la investigación es que existe una brecha entre los datos oficiales de criminalidad y la percepción real de inseguridad de los habitantes los que carecen de canales oficiales para reportar riesgos georreferenciada mente como lo es iluminación deficiente, lotes baldíos, acumulación de basura y deterioro del espacio público. La plataforma fue desarrollada como una aplicación web progresiva con HTML,CSS3,JavaScript en Fronted , Python en Backend, Postgresql como base de datos y el algoritmo de k-means para el agrupamiento espacial de reportes. Se realizó una prueba piloto en el barrio villas de granada de la localidad de Engativá , se hicieron 120 reportes de 32 ciudadanos en un periodo de 5 semanas donde la categoría más reportada fue iluminación deficiente (34,7%), seguida de acumulación de basura (24,4%). Los resultados confirman las 2 hipótesis, existe una relación entre la percepción de inseguridad y el deterioro en infraestructura y los algoritmos de agrupamiento permiten identificar zonas de riesgo preventivo no visibles en las estadísticas tradicionales. El proyecto aporta evidencia sobre el valor de la inteligencia territorial ciudadana y propone un modelo escalable a otras localidades y municipios del país.

A collaborative web platform (SafeMap) was developed to strengthen preventive citizen security in the locality of Engativá, Bogotá. The central problem guiding this research is the gap between official crime data and the actual perception of insecurity among residents, who lack formal channels to georeferencially report urban risk factors such as poor lighting, vacant lots, waste accumulation, and deterioration of public spaces. The platform was built as a Progressive Web Application using HTML, CSS3, and JavaScript on the frontend, Python on the backend, PostgreSQL as the database, and the K-Means algorithm for spatial clustering of reports. A pilot test was conducted in the Villas de Granada neighborhood in the locality of Engativá, where 120 reports were submitted by 32 citizens over a five-week period. The most frequently reported category was poor lighting (34.7%), followed by waste accumulation (24.4%). The results confirm both hypotheses: there is a relationship between the perception of insecurity and infrastructure deterioration, and clustering algorithms can identify preventive risk zones that are not visible in traditional statistics. This project contributes evidence on the value of citizen-driven territorial intelligence and proposes a scalable model applicable to other localities and municipalities across the country.