💻 computer science

Safe2Hail: A Forensic-Driven Post-Trip Tracking Framework for Ride-Hailing Safety in Africa

Safe2Hail es un marco de trabajo basado en la forense diseñado para mejorar la seguridad en el transporte de pasajeros en África mediante la implementación de un mecanismo de seguimiento post-viaje seguro y ligero que registra los datos de proximidad entre pasajeros y conductores después de que finaliza un viaje, abordando la brecha crítica de seguridad dejada por las medidas actuales que solo se centran en el trayecto.

Autores originales: Alvina Minja, Robert Maina, Mahmud Oloyede, Jema Ndibwile

Publicado 2026-07-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Alvina Minja, Robert Maina, Mahmud Oloyede, Jema Ndibwile

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tomando un transporte de plataforma en una ciudad concurrida como Nairobi o Dar es-Salaam. Te subes al coche, la aplicación rastrea tu trayecto y te sientes seguro porque sabes dónde estás. Pero, ¿qué sucede en el momento en que termina el viaje? O peor aún, ¿qué pasa si el conductor cancela el viaje a mitad del camino, o si te deja en el lugar equivogo?

Según el artículo, las aplicaciones de seguridad actuales son como guardias de seguridad que marcan su salida en el reloj en el segundo en que sales del coche. Una vez que el viaje se considera oficialmente "terminado" en la aplicación, las funciones de seguridad (como el uso compartido de la ubicación en vivo o los botones de SOS) dejan de funcionar. Si algo malo sucede justo después de que termina el viaje, o si el viaje se interrumpió sospechosamente, no queda ningún registro digital que ayude a los investigadores a averiguar qué sucedió.

Safe2Hail es una nueva idea diseñada para solucionar este "punto ciego". Piensa en ello como una "sombra digital" que permanece contigo por un breve tiempo después de que el viaje termina, por si acaso.

Así es como el artículo lo explica, utilizando analogías sencillas:

1. El Problema: La brecha del "interruptor de apagado"

Actualmente, las aplicaciones de transporte son como una película que deja de reproducirse en el momento en que aparecen los créditos. Si ocurre un crimen durante los créditos, la película no lo registra. Los investigadores descubrieron que muchas situaciones peligrosas —como robos, acoso o secuestros— ocurren justo después de que un viaje se cancela o termina prematuramente. Las aplicaciones no rastrean estos momentos, dejando un "vacío forense" (una pieza de evidencia faltante).

2. La Solución: La "Sombra Post-Viaje"

Safe2Hail es un marco de trabajo que actúa como una cámara de seguridad temporal que sigue grabando durante unos minutos después de que se supone que el viaje ha terminado.

Cómo funciona: Si el sistema detecta algo extraño (como que un viaje termine repentinamente en un barrio peligroso, o que el conductor tome un desvío extraño), no se detiene simplemente. En su lugar, cambia a un modo de "Rastreo Post-Viaje" (Post-Track).
La "Sincronización de Proximidad": Imagina que el teléfono del pasajero y el del conductor se están tomando de la mano digitalmente. Incluso después de que el viaje se cancela, estos dos teléfonos siguen susurrándole al servidor de Safe2Hail cada 30 segundos: "Sigo aquí", y "Sigo aquí".
La Verificación de Distancia: El sistema utiliza matemáticas (llamada fórmula de Haversine, que es solo una forma elegante de medir la distancia entre dos puntos en un globo terráqueo) para calcular qué tan separados están el conductor y el pasajero.
- Si permanecen cerca (dentro de 10 metros) durante un tiempo, el sistema lo registra como un "evento de proximidad cercana". Esto es evidencia crucial. Demuestra que, aunque la aplicación decía que el viaje había terminado, el pasajero todavía estaba físicamente cerca del conductor.
- Si se alejan (más de 50 metros), el sistema deja de registrar y los marca como "separados".

3. El Panel de Control de "Puntuación de Riesgo"

Los investigadores construyeron un panel de control que parece un sistema de semáforo para el peligro.

Crearon una "Matriz de Riesgo" (una tabla de puntuación) que analiza diferentes factores: ¿Es tarde por la noche? ¿Es una zona conocida por la criminalidad? ¿Tiene el conductor un mal historial?
Si un viaje tiene una "Puntuación de Riesgo" alta (como una luz roja), el sistema presta atención extra. Trata el viaje como sospechoso y activa la "Sombra de Rastreo Post-Viaje" de inmediato.
El panel muestra un gráfico de la distancia entre el conductor y el pasajero a lo largo del tiempo, ayudando a los investigadores a ver exactamente qué sucedió después de que terminó el viaje.

4. Lo que Realmente Probaron

El artículo describe una simulación (una prueba de ejecución), no un despliegue en el mundo real con usuarios reales de Uber o Bolt todavía.

Construyeron una aplicación de transporte "falsa" usando código de computadora.
Crearon escenarios donde los viajes terminaban antes de tiempo o se desviaban de la ruta.
El Resultado: El sistema funcionó. Logró mantener el rastreo de la distancia entre el conductor y el pasajero "falsos" después de que el viaje terminó. Identificó correctamente cuándo estaban cerca y cuándo se separaron. Registró estos datos de forma segura y privada.

5. Las Limitaciones (Lo que el artículo admite)

Los autores son honestos sobre los límites actuales:

Requiere cooperación: El sistema solo funciona si tanto el conductor como el pasajero mantienen sus teléfonos encendidos y el GPS activo. Si un actor malintencionado apaga su teléfono o el GPS, la "sombra" desaparece.
El GPS no es perfecto: En ciudades muy concurridas con edificios altos, las señales de GPS pueden ser difusas. El sistema utiliza una "zona de amortiguación" (de 10 a 25 metros) para compensar esta imprecisión, pero no es tan preciso como un sensor de alta tecnología.
Es un prototipo: Esta es una versión de "beta". Aún no se ha implementado para millones de usuarios reales, por lo que no sabemos cómo manejará el caos del mundo real, como malas conexiones a internet o personas intentando hackear el sistema.

Resumen

En resumen, Safe2Hail es una propuesta para evitar que las aplicaciones de transporte te "olviden" en el segundo en que termina el viaje. Añade una red de seguridad que mantiene un registro temporal, privado y encriptado de si un pasajero y un conductor permanecieron cerca después de que un viaje fue cancelado o terminó antes de tiempo. Esto le otorga a la policía y a los investigadores un "rastro digital" para resolver crímenes que actualmente quedan sin resolver porque la aplicación dejó de observar demasiado pronto.

Resumen Técnico: Safe2Hail – Un Marco de Seguimiento Post-Viaje Basado en la Forense

1. Planteamiento del Problema

Los servicios de transporte de pasajeros (ride-hailing) en África Oriental (específicamente en Kenia y Tanzania) se han expandido rápidamente, pero enfrentan desafíos de seguridad persistentes que las medidas actuales de las plataformas no logan abordar. Si bien las funciones de seguridad existentes —como las alertas SOS, el intercambio de ubicación en vivo y el monitoreo por GPS— son efectivas durante un viaje, dejan de operar inmediatamente tras la cancelación o terminación prematura del mismo. Esto crea una "brecha forense" crítica donde las amenazas a la seguridad, incluyendo robos, secuestros y acoso, pueden ocurrir después del punto final oficial del viaje sin dejar ningún rastro digital.

El problema específico abordado es la falta de rendición de cuentas y trazabilidad cuando un viaje finaliza prematuramente (por ejemplo, el conductor o el pasajero cancela a mitad de la ruta, cambios de destino no autorizados o suplantación de GPS/spoofing). En estos escenarios, los pasajeros a menudo quedan varados en ubicaciones inseguras y los investigadores carecen de los datos necesarios para reconstruir los eventos o verificar la proximidad entre el conductor y el pasajero después del incidente.

2. Metodología

Los autores proponen Safe2Hail, un marco modular con conciencia forense diseñado para extender el monitoreo más allá de la duración oficial del viaje. La metodología involucra tres componentes principales:

A. Arquitectura del Sistema

El sistema está implementado como una plataforma de middleware ligera que consiste en:

Simulador de Datos de Viaje: Genera telemetría de viajes y activa la detección de anomalías.
Motor de Post-Seguimiento (Post-Track Engine): El componente forense central que inicia una secuencia de "Sincronización de Proximidad" al detectar una anomalía en el viaje (específicamente finales prematuros).
Tablero (Dashboard): Una interfaz basada en web para visualizar los datos del viaje y los registros de post-seguimiento.

El backend utiliza Python (Flask) para el servidor API, SQLite con SQLAlchemy para la persistencia de datos, y Chart.js/Leaflet.js para la visualización.

B. Detección de Anomalías y Calificación de Riesgo

El sistema identifica 13 anomalías específicas de viaje, incluyendo finales de viaje prematuros, desviaciones significativas de la ruta y anomalías de GPS. Para priorizarlas, los autores desarrollaron una Matriz de Riesgo Contextual utilizando un modelo de puntuación multiplicativa:

Puntuación de Riesgo ( $R$ ): Calculada como $R = C \times R_h \times T_d$ , donde $C$ es la puntuación de nivel de crimen (basada en la ubicación), $R_h$ es el multiplicador del historial de calificación y $T_d$ es el multiplicador de la hora del día.
Calificación de Eventos: Las anomalías se califican según su Probabilidad (1–5) e Impacto (1–5). Por ejemplo, los "Disparadores de SOS" y los "Finales de Viaje Prematuros" recibieron las puntuaciones más altas (25 y 20, respectivamente), priorizándolos para el motor de post-seguimiento.

C. Lógica de Sincronización de Proximidad de Post-Seguimiento

Cuando un viaje termina prematuramente y el punto final está a más de 50 metros del destino previsto, el sistema inicia una sincronización temporal:

Mecanismo: Los dispositivos del conductor y del pasajero intercambian coordenadas GPS cada 30 segundos a través de un canal cifrado durante un período de retención (por ejemplo, 5 minutos).
Cálculo de Distancia: El sistema utiliza la fórmula de Haversine para calcular la distancia en tiempo real entre los dos dispositivos.
Umbrales:
- 10 metros: Indica que es probable que el pasajero aún esté dentro o físicamente cerca del vehículo.
- 25 metros: Aproxima los escenarios de separación, teniendo en cuenta la varianza de la precisión del GPS en entornos urbanos.
- 50 metros: Es el umbral para terminar la sincronización y marcar el estado como "separado".
Manejo de Datos: Todos los registros son anonimizados, cifrados y almacenados en una base de datos relacional para garantizar la trazabilidad forense sin comprometer la privacidad del usuario.

3. Contribuciones Clave

El artículo describe tres contribuciones principales:

Mecanismo de Post-Seguimiento: Un módulo ligero que extiende temporalmente el monitoreo tras anomalías en el viaje para preservar rastros digitales verificables manteniendo la privacidad.
Mapeo de Riesgo Contextual: Una matriz de riesgo sistemática que clasifica y jerarquiza las anomalías de viaje específicas para los contextos de Tanzania y Kenia.
Multiplicadores de Riesgo Dinámicos: Un sistema de puntuación que ajusta la severidad de las anomalías basándose en factores contextuales como las tasas de criminalidad local, el historial de calificación del conductor y la hora del día.

4. Resultados y Evaluación

Los autores desarrollaron un prototipo funcional y realizaron pruebas beta utilizando entornos simulados (simuladores de aplicaciones Flutter para conductores y pasajeros).

Escenarios de Simulación: El sistema fue probado contra escenarios que incluyen finales prematuros, cancelaciones, desviaciones de ruta y desactivación de GPS.
Desempeño: El prototipo demostró una alta precisión en la clasificación de los resultados de proximidad post-viaje:
- Final Prematuro: 95% de precisión.
- Desviación de Ruta: 92% de precisión.
- Cancelación: 90% de precisión.
- GPS Desactivado: 89% de precisión (notado como "Rastro perdido" en algunos casos debido a la dependencia del GPS).
Visualización: El tablero visualizó con éxito la evolución temporal de la distancia de proximidad, distinguiendo claramente entre eventos de "proximidad mantenida" y "separación" frente a los umbrales definidos (10m y 25m).

5. Significado y Reivindicaciones

El artículo afirma que Safe2Hail aborda un vacío específico y no mitigado en la seguridad de los servicios de transporte: la falta de trazabilidad forense después de que un viaje se termina.

Continuidad Forense: A diferencia de las aplicaciones tradicionales que detienen el monitoreo al punto final del viaje, Safe2Hail proporciona un rastro digital continuo para ayudar a los investigadores a determinar si un pasajero permaneció en el vehículo tras una terminación abrupta.
Preservación de la Privacidad: El sistema está diseñado para almacenar únicamente identificadores anonimizados y datos de distancia, evitando la captura de información personal.
Escalabilidad e Integración: Construido sobre una arquitectura ligera de Flask/SQLite, el marco está diseñado para integrarse fácilmente en las infraestructuras de transporte existentes sin una carga significativa.
Limitaciones Reconocidas: Los autores señalan modestamente que el prototipo actual depende de un comportamiento cooperativo de los dispositivos (el GPS debe estar activo) y carece de verificación mediante Bluetooth de Baja Energía (BLE) o NFC, lo que limita su capacidad para confirmar la presencia en el "mismo vehículo" si el GPS se desactiva o la señal es pobre. La evaluación se basa en modelos y simulaciones, no en un despliegue masivo en el mundo real.

En conclusión, Safe2Hail propone un enfoque escalable y dirigido a la forense para mejorar la rendición de cuentas y la seguridad en los ecosistemas de transporte de pasajeros, extendiendo la ventana de monitoreo más allá de la duración oficial del viaje.