Gestión de inventarios municipales (aceras y asfaltados) mediante IA
Antecedentes
Históricamente, el control del estado del pavimento se realizaba mediante inspecciones manuales y procesos reactivos, dependientes de revisiones presenciales o avisos ciudadanos, con limitaciones en objetividad, homogeneidad del criterio técnico y eficiencia operativa.
El proyecto parte de una solución tecnológica desarrollada en entorno TRL-9, basada en modelos de visión artificial y análisis geoespacial, con capacidad de integración en los sistemas municipales GIS y cuadros de mando Power BI.
Se trata de una iniciativa alineada con los principios del Reglamento Europeo de Inteligencia Artificial (AI Act), garantizando:
• Anonimización de imágenes (rostros y matrículas).
•Supervisión humana de resultados.
• Infraestructura segura (servidores propios, AWS y AcuGIS).
•No clasificación como sistema de alto riesgo.
Retos
El proyecto responde a los siguientes retos estructurales:
2.1. Reto técnico:
•Disponer de un inventario actualizado, objetivo y georreferenciado del estado del viario.
•Sustituir procesos manuales por sistemas automatizados basados en IA.
•Garantizar calidad y trazabilidad del dato.
2.2. Reto operativo:
•Reducir tiempos de inspección.
•Automatizar la generación y asignación de órdenes de trabajo.
•Cerrar el ciclo completo detección–intervención–verificación.
2.3. Reto económico:
•Reducir costes operativos entre un 70 % y 80 %.
•Optimizar recursos municipales.
• Priorizar intervenciones con criterios técnicos homogéneos.
2.4. Reto estratégico:
•Facilitar la toma de decisiones basada en datos.
•Mejorar la planificación preventiva frente al mantenimiento reactivo.
•Dotar a los equipos de gobierno de herramientas de seguimiento en tiempo real.
Fases
El sistema se estructura en un flujo integral de cinco fases:
Fase 1. Captura de datos.
•Captación sistemática de imágenes mediante dispositivos embarcados en patinetes eléctricos o vehículos municipales.
•Generación de un repositorio propio con cientos de miles de imágenes.
•Periodicidad recomendada: cada 1–2 años.
Fase 2. Procesamiento mediante IA.
•Modelos de deep learning para detección y clasificación de defectos.
•Georreferenciación automática mediante algoritmos geoespaciales.
•Integración con cartografía municipal.
Fase 3. Generación de inventario digital
•Creación de base de datos estructurada en PostgreSQL.
•Integración con entorno GIS municipal.
•Visualización avanzada mediante panel Power BI.
Fase 4. Gestión operativa en campo
•Generación automática de incidencias.
•Asignación directa de órdenes de trabajo a cuadrillas mediante aplicación móvil.
•Actualización en tiempo real del estado de intervención.
Fase 5. Supervisión y mejora continua
•Validación humana de resultados.
•Actualización periódica de modelos.
• Enriquecimiento mediante cruce con otras capas municipales (colegios, centros médicos, equipamientos sensibles).
Nuevos Servicios
El proyecto transforma dos procesos tradicionales en servicios digitales proactivos:
4.1. Inspección automática del viario
•Detección automatizada de defectos.
•Clasificación objetiva y homogénea.
•Eliminación de inspecciones manuales sistemáticas.
4.2. Gestión inteligente del mantenimiento
•Generación automática de órdenes de trabajo.
•Seguimiento digital completo.
•Trazabilidad del ciclo de mantenimiento.
4.3. Cuadro de mando estratégico
•Visualización en Power BI.
•Mapas temáticos.
•Indicadores comparativos.
•Análisis en tiempo real para priorización de inversiones.
4.4. Interoperabilidad municipal
•Integración con GIS.
•Cruce con otras bases de datos municipales.
• Acceso coordinado entre servicios técnicos y equipos de gobierno.
Conclusiones
El proyecto permite:
•Reducción del tiempo de gestión entre 80 % y 90 %.
•Reducción de costes operativos estimada entre 70 % y 80 %.
•Mejora sustancial de la calidad del dato frente a métodos tradicionales.
•Digitalización completa del inventario de aceras y asfaltados.
•Transformación del mantenimiento urbano hacia un modelo proactivo, automatizado y basado en evidencia.
Además, la infraestructura es escalable y evolutiva, permitiendo:
•Incorporación futura de modelos predictivos.
•Generación automatizada de proyectos de obra.
•Implementación de chatbots de consulta.
•Desarrollo de un sistema integral de gestión del mantenimiento urbano.
•Transferencia tecnológica a otros municipios mediante parametrización del sistema.
Patrocinadores Premios AAPP 2026
