Tiempo 4:00
🦈 Shark Tank Universitario · 2026
Universidad Autónoma del Perú
Facultad de Ingeniería · Escuela Profesional de Ingeniería de Software Título de proyecto
TrackEye Technologies
SILVEC
Sistema Inteligente de Localización Vehicular Colaborativa
Informe Integral de Ingeniería de Requerimientos · Propuesta de Software
"Cada cámara ayuda a encontrar tu vehículo"
Integrantes — Grupo 3
  • Chacón Díaz, Jordy Joseph
  • Flores Bejarano, Johan
  • Flores Díaz, Francisco J.
  • Morales Vidal, Joseph Antony
  • Vargas Cuya, Luis Artuto
Docente
Zapata Taxi, Lidia
Año académico
2026
⏱ 30 seg
🦈 Shark Tank — Exposición Empresarial
TrackEye Technologies
SILVEC
Sistema Inteligente de Localización Vehicular Colaborativa
"Cada cámara ayuda a encontrar tu vehículo"
35K
robos/año en Perú
28%
tasa de recuperación
$280M
pérdidas anuales USD
88%
sin rastreo activo
⏱ 45 seg
02 — Problema identificado
El Sistema Está Roto
En el Perú se roban 35,000 vehículos al año. Solo el 28% se recupera. El 88% del parque automotor opera sin ningún sistema de rastreo, y los mecanismos actuales —denuncia policial, GPS caro, CCTV fragmentado— trabajan en silos desconectados, sin capacidad colaborativa.
$280M
pérdidas directas anuales (USD)
Calculado con valor promedio conservador de $8,000 por unidad no recuperada. Sin contar pérdidas indirectas en operatividad y seguros.
88%
vehículos sin rastreo activo
El GPS convencional cuesta entre $150 y $600 de instalación. Solo el 12% del parque automotor peruano tiene algún sistema activo.
<18%
recuperación sin localización
La denuncia policial sin datos de localización inicial tiene una tasa de recuperación inferior al 18%. El tiempo lo es todo.
0
plataformas colaborativas
En el Perú no existe ninguna plataforma que movilice a los conductores como agentes activos de seguridad vehicular. Ese vacío es SILVEC.
Propietarios particulares
Empresas de transporte
Compañías aseguradoras
Flotas corporativas
Policía Nacional
⏱ 1 min
03 — Solución propuesta
La Red Que Ya Existe

SILVEC transforma la cámara frontal de cualquier vehículo en un nodo de una red colaborativa de detección. No necesitas GPS en el auto robado. Basta con que alguien equipado con SILVEC lo haya visto.

01
Captura y detección local
La cámara frontal captura imágenes. El módulo IA (TensorFlow Lite) detecta y reconoce placas sin enviar imágenes a la nube, protegiendo la privacidad.
02
Registro GPS + cifrado
Cada placa detectada se registra con coordenadas GPS (±3 m), timestamp UTC y se cifra con AES-256 antes de enviarse a la nube.
03
Reporte y búsqueda en la red
El propietario reporta el robo en 3 pasos. El sistema busca en detecciones de las últimas 72 horas y genera un mapa de la ruta probable.
04
Alertas colaborativas
Notificaciones simultáneas al propietario, autoridades y conductores en radio de 5 km del último avistamiento, en menos de 30 segundos.
⚡ Red colaborativa masiva
Con el 5% del parque de Lima (~130,000 vehículos), SILVEC cubre más vías que cualquier sistema de cámaras municipales existente. El valor crece con cada usuario.
📵 Sin GPS en el vehículo robado
No requiere ningún dispositivo instalado previamente en el auto sustraído. Basta con que otro conductor lo haya detectado.
💰 Accesible desde $5/mes
Funciona con un smartphone estándar como sensor. Sin hardware costoso. 70% más barato que un GPS convencional con mayor cobertura.
Criterio GPS CCTV SILVEC
Sin dispositivo en el robado ✗ ✓ ✓
Costo accesible ✗ ✓ ✓
Red colaborativa ✗ ✗ ✓
Escala ilimitada ✗ ✗ ✓
⏱ 30 seg
04 — Usuarios y stakeholders
Quién Se Beneficia
Usuarios principales
Conductores particulares
Propietarios de vehículos
Empresas de transporte
Administradores
Administrador general del sistema
Equipo de soporte técnico
Equipo de monitoreo de datos
Clientes
Empresas aseguradoras
Flotas corporativas
Empresas de logística
Organizaciones aliadas
Policía Nacional del Perú
Municipalidades
MTC — Ministerio de Transportes
Empresas de seguridad privada
⏱ 1 min
05 — Requerimientos del sistema
Qué Debe Hacer
Requerimientos funcionales
Crítico
RF01 — ALPR
Reconocimiento automático de placas
El sistema reconocerá placas vehiculares en tiempo real desde la cámara frontal, con precisión ≥ 95% en condiciones diurnas normales.
Crítico
RF03 — Reporte
Reporte de vehículo robado
El usuario podrá reportar un robo en máximo 3 pasos. El sistema activa la búsqueda y notifica a autoridades en menos de 10 segundos.
Crítico
RF05 — Alertas
Alertas colaborativas en tiempo real
Al detectar un vehículo reportado, el sistema notificará al propietario, autoridades y conductores en radio de 5 km en menos de 30 segundos.
Alta prioridad
RF12 — Flotas
Panel corporativo de flota
Clientes empresariales acceden a un panel centralizado con mapa de riesgo por rutas, historial por unidad y reportes exportables.
Requerimientos no funcionales
Crítico
RNF01 — Rendimiento
Tiempo de respuesta < 3 segundos
Las consultas de ubicación responderán en máximo 3 segundos con hasta 1,000 usuarios concurrentes activos simultáneamente.
Crítico
RNF02 — Seguridad
Cifrado de extremo a extremo
TLS 1.3 en tránsito, AES-256 en reposo, bcrypt para contraseñas. Autenticación multifactor obligatoria para roles administrativos.
Alta prioridad
RNF03 — Disponibilidad
99.5% de disponibilidad mensual
Plataforma operativa las 24/7 con máximo 3.6 horas de inactividad al mes. Failover automático en menos de 5 minutos.
Alta prioridad
RNF06 — Escalabilidad
Hasta 500,000 nodos activos
Auto-scaling horizontal en Kubernetes para gestionar picos de demanda y hasta 10 millones de detecciones diarias sin degradación.
Diseño del sistema · 01 / 12
Arquitectura de un Vistazo
Diagrama general del sistema: los nodos sensores (apps con cámara) alimentan la nube SILVEC, que procesa detecciones con IA y coordina alertas hacia propietarios, autoridades, aseguradoras y flotas.
NODOS SENSORES Conductores con SILVEC 📷 ALPR local GPS ±3 m 📷 ALPR local GPS ±3 m 📷 ALPR local GPS ±3 m … hasta 500 000 nodos NUBE SILVEC — Plataforma central Microservicios · AWS EKS API Gateway / Ingesta Autenticación · balanceo · lotes 30 s Módulo ALPR — IA TensorFlow Lite · YOLOv8 · ≥95% Base de datos de detecciones PostgreSQL · ventana 72 h Motor de búsqueda / geoloc. Coincidencia placa · mapa de ruta Servicio de alertas colaborativas Radio 5 km · < 30 s · push ACTORES / BENEFICIARIOS Propietario reporta y localiza Autoridades (PNP) reciben alerta Aseguradoras gestión de flota Flotas corporativas panel de riesgo Detecciones AES-256 · TLS 1.3 Alertas Reporte robo
Diseño del sistema · 02 / 12
Casos de Uso
Interacciones entre los actores (conductor, propietario, cliente de flota, administrador, autoridad y aseguradora) y las funcionalidades que ofrece el sistema, con relaciones «include» y «extend».
Conductor (nodo sensor) Propietario Cliente flota Administrador Autoridad (PNP) Aseguradora SISTEMA SILVEC Registrarse / autenticarse Capturar y detectar placas (ALPR) Sincronizar registros Reportar vehículo robado Consultar ubicación Recibir alertas colaborativas Ver mapa de seguimiento Gestionar panel de flota Ver mapa de riesgo por ruta Administrar sistema y roles Notificar a autoridades «include» «include» «extend» «include»
Diseño del sistema · 03 / 12
Diagrama de Clases
Estructura estática del sistema: clases con atributos y métodos, y sus relaciones de asociación, composición y agregación.
Usuario - id: UUID - nombre: String - email: String - rol: Rol - passwordHash + autenticar() + reportarRobo() Vehiculo - id: UUID - placa: String - marca: String - modelo: String - estado: EstadoVeh + marcarRobado() NodoSensor - id: UUID - versionApp: String - gpsActivo: bool + capturar() + detectarPlaca() Deteccion - id: UUID - placa: String - lat: double - lng: double - timestamp: DateTime - confianza: float + cifrar() + sincronizar() ReporteRobo - id: UUID - codigo: String - estado: EstadoRep - fechaReporte - ultimaUbicacion + activarBusqueda() + cerrar() Alerta - id: UUID - radioKm: int - fechaEnvio: DateTime - destinatarios: int + enviar() Flota - id: UUID - empresa: String - nUnidades: int + verRiesgo() Notificacion - id: UUID - canal: Canal - leida: bool + despachar() Placa - valor: String - pais: String - formato: String + validar() 1 * posee opera 1 1 1 * genera reconoce es objeto de 1 * 1 * dispara 1 * consulta agrupa 1 *
Diseño del sistema · 04 / 12
Diagrama de Secuencia
Flujo de mensajes en el tiempo para el caso central: reportar un vehículo robado, buscar en las detecciones de 72 h y disparar las alertas colaborativas.
Propietario App SILVEC API Gateway Serv. Reportes Motor Búsqueda Serv. Alertas Conductores 5 km 1: completar reporte (3 pasos) 2: POST /reportes {placa} 3: crearReporte() 3.1: generarCódigo() 4: buscar(placa, 72h) 4.1: match detecciones 5: últimaUbicación + ruta 6: activarAlertas(radio 5 km) 7: push a conductores (<30 s) 8: alertasEnviadas 9: 201 Created + código 10: reporte activo 11: código + mapa seguimiento
Diseño del sistema · 05 / 12
Diagrama de Actividades
Flujo de trabajo del nodo sensor paso a paso: captura, detección ALPR local, filtrado por confianza, cifrado, envío y activación de alertas.
Capturar imagen (1 fps) Detectar placa (ALPR local) TensorFlow Lite · YOLOv8 conf > 85% no Descartar sí Registrar placa + GPS (±3 m) + UTC Cifrar AES-256 y encolar (lote 30 s) Enviar a plataforma (TLS 1.3) placa reportada no Almacenar 72 h sí Generar mapa de ruta probable Enviar alertas (radio 5 km · <30 s) Notificar propietario / PNP / flota
Diseño del sistema · 06 / 12
Diagrama de Estados
Ciclo de vida de un reporte de robo y las transiciones entre sus estados: creado, activo, detectado, localizado, recuperado, cerrado o expirado.
Creado reporte iniciado Activo / Buscando ventana 72 h Detectado match >85% Localizado mapa de ruta Recuperado Cerrado / Falsa alarma Expirado sin detección activarBusqueda() placaDetectada() geolocalizar() confirmarRecuperación() descartada() cancelar() timeout 72 h nueva detección
Diseño del sistema · 07 / 12
Diagrama de Componentes
Organización modular del sistema: componentes de la app móvil, microservicios del backend y sistemas externos, con sus interfaces.
APP MÓVIL (nodo sensor) UI / Interfaz «component» Cámara + Captura «component» ALPR Engine «component» TensorFlow Lite GPS / Geoloc. «component» Cifrado AES-256 «component» Sync / Cola local «component» BACKEND — MICROSERVICIOS (EKS) API Gateway «component» Serv. Auth «component» Serv. Detección «component» Serv. Búsqueda «component» Serv. Alertas «component» Serv. Reportes «component» Serv. Flotas «component» Notificaciones «component» Motor IA / GPU «component» PostgreSQL «component» Redis / Kafka «component» EXTERNOS Push FCM «component» API PNP «component» API Aseguradora «component» Mapas / GIS «component» HTTPS/REST push
Diseño del sistema · 08 / 12
Diagrama de Despliegue
Arquitectura física: distribución del software en el smartphone, el clúster EKS de AWS, bases de datos gestionadas y servicios externos.
Smartphone (Android/iOS) «device» App SILVEC ALPR (TFLite) Módulo GPS Cola local SQLite ☁ AWS CLOUD — región us-east-1 Clúster EKS (Kubernetes) «device» Pod API GW Pod Auth Pod Búsqueda Pod Alertas Pod Reportes Pod Flotas Nodo GPU · Pod ALPR/IA (YOLOv8) HPA · Auto-scaling horizontal Ingress / Load Balancer (TLS 1.3) Amazon RDS «device» PostgreSQL Detecciones 72h ElastiCache «device» Redis S3 + SQS «device» Objetos / colas Servicios externos «device» Firebase FCM API PNP API Aseguradora Google Maps HTTPS · TLS 1.3 JDBC cache eventos REST
Diseño del sistema · 09 / 12
Modelo Entidad-Relación
Diseño de la base de datos: entidades, claves primarias/foráneas y cardinalidades (notación pata de gallo).
USUARIO 🔑 id_usuario • nombre • email • rol • password_hash VEHICULO 🔑 id_vehiculo 🔗 id_usuario • placa • marca • estado NODO_SENSOR 🔑 id_nodo 🔗 id_usuario • version_app • gps_activo DETECCION 🔑 id_deteccion 🔗 id_nodo • placa • lat • lng • timestamp • confianza REPORTE_ROBO 🔑 id_reporte 🔗 id_vehiculo • codigo • estado • fecha_reporte ALERTA 🔑 id_alerta 🔗 id_reporte 🔗 id_deteccion • radio_km • fecha_envio NOTIFICACION 🔑 id_notif 🔗 id_alerta • canal • leida FLOTA 🔑 id_flota 🔗 id_usuario • empresa • n_unidades posee opera genera es reportado dispara evidencia emite gestiona
Diseño del sistema · 10 / 12
Flujo de Datos (DFD)
Diagrama de flujo de datos de nivel 1: cómo la información se mueve entre entidades externas, procesos y almacenes de datos.
Conductor Propietario Autoridad PNP 1 Detectar placa (ALPR) 2 Registrar detección 3 Reportar robo 4 Buscar y localizar 5 Notificar alertas D1 Detecciones (72 h) D2 Reportes de robo D3 Usuarios / Vehículos imágenes placa+GPS registro cifrado D1 datos robo código D2 coincidencia último avistamiento alerta / ubicación valida consulta 72h
Diseño del sistema · 11 / 12
Wireframes / Prototipos
Bocetos de las interfaces clave: cámara activa con detección, reporte de robo en 3 pasos y mapa de seguimiento con alertas.
Cámara activa · detección ▣ vista cámara PAB-123 ● Nodo activo · 42 placas hoy GPS ±3 m · batería 78% REPORTAR ROBO Reportar robo · 3 pasos 1 2 3 Paso 2 · Detalles del robo Placa PAB-123 Fecha 25/07 08:40 Zona Av. Javier Prado SIGUIENTE → Mapa de seguimiento último avistamiento 🔔 Alerta enviada a 34 conductores radio 5 km · hace 12 s Código: SIL-2X9K · Estado: Buscando
Diseño del sistema · 12 / 12
Historias de Usuario
Funcionalidades descritas desde la perspectiva del usuario, con rol, objetivo, motivación, prioridad y puntos de estimación.
HU-01 Alta Como conductor, quiero que la app reconozca placas automáticamente con mi cámara para aportar a la red sin esfuerzo manual ◈ 5 pts Criterios: Dado-Cuando-Entonces HU-02 Alta Como propietario, quiero reportar el robo de mi vehículo en máximo 3 pasos para activar la búsqueda de inmediato ◈ 8 pts Criterios: Dado-Cuando-Entonces HU-03 Alta Como propietario, quiero recibir alertas cuando mi vehículo sea detectado para conocer su ubicación en tiempo real ◈ 8 pts Criterios: Dado-Cuando-Entonces HU-04 Media Como conductor, quiero ser notificado si un auto robado está cerca de mí para colaborar en su localización ◈ 5 pts Criterios: Dado-Cuando-Entonces HU-05 Media Como gestor de flota, quiero ver un panel con el riesgo por ruta de mis unidades para tomar decisiones logísticas seguras ◈ 5 pts Criterios: Dado-Cuando-Entonces HU-06 Baja Como administrador, quiero gestionar usuarios, roles y reportes falsos para mantener la integridad del sistema ◈ 3 pts Criterios: Dado-Cuando-Entonces
⏱ 30 seg
06 — Solicitud de inversión
El Deal
Solicitamos una inversión de
$260K
Dólares americanos · 18 meses
  • Equipo de desarrollo (12 roles especializados)
  • Dataset ALPR con 500K placas peruanas
  • Infraestructura cloud AWS (GPU, RDS, EKS)
  • Piloto con 100 vehículos en Lima
  • Auditoría de seguridad y cumplimiento legal
📈
Punto de equilibrio en el mes 16
Ingresos proyectados de $75,000/mes al mes 18 con costos operativos de $38,000. Margen operativo del 49%.
💹
TIR del 68% a 5 años — MOIC 4.2x
En escenario optimista con 3% de penetración del parque automotor y dos aseguradoras nacionales: MOIC 7.1x.
🌎
Expansión regional año 3
Ecuador, Colombia y Bolivia. Mercado TAM latinoamericano estimado en $2.1B USD. Arquitectura ya diseñada para escala regional.
🏦
Canal asegurador: $40K/mes con 2 clientes
$2/vehículo/mes con aseguradoras de 10,000 pólizas cada una. El canal de mayor rentabilidad y menor costo de adquisición.
Distribución del presupuesto
Equipo dev (12 roles)
$138K · 53%
Infraestructura AWS
$42K · 16%
Dataset ALPR / IA
$28K · 11%
Seguridad y cumplimiento
$18K · 7%
Piloto vehicular
$18K · 7%
Marketing + Legal
$16K · 6%
La red que hace imposible esconderse.
Cada conductor equipado con SILVEC hace el sistema más poderoso para todos. El mercado existe. Está desatendido en toda Latinoamérica. La pregunta no es si alguien lo va a construir — sino quién lo hace primero.
🎯 Product Manager
📐 Ingeniero de Requerimientos
🏗️ Arquitecto de Software
📱 Dev Mobile ×2
⚙️ Dev Backend ×2
🤖 Especialista IA/ML
🌐 Dev Frontend
☁️ DevOps / Cloud
🔒 Seguridad
✅ QA / Tester
TrackEye Technologies — SILVEC · 2025