Nota técnica.
Resumen. El mantenimiento vial en Brasil sigue siendo reactivo: el bache se convierte en orden de servicio solo después del reclamo — y del daño. Este artículo describe un enfoque de "flota como sensor" en el que vehículos que el municipio ya opera (autobuses, recolección de basura, vehículos de mantenimiento) capturan el pavimento de forma continua; un modelo de visión computacional detecta y clasifica anomalías; cada ocurrencia se georreferencia con foto, fecha y severidad; y un panel central prioriza las reparaciones por criticidad, tráfico y costo. El resultado es una inspección continua, auditable y sin nuevas obras — desde la detección hasta la comprobación de la reparación.
1. El problema: el mantenimiento reactivo
Los baches en el pavimento son hoy uno de los mayores generadores de costo evitable en la gestión urbana: daños a vehículos que se convierten en indemnización judicial, reparación de emergencia hasta 3× más cara que el mantenimiento planificado, y una percepción pública que se deteriora con cada lluvia. El modelo actual — inspección manual y reclamo del ciudadano — es lento, depende de que el daño ya exista y no genera datos para priorizar.
- Las ocurrencias llegan por teléfono/defensoría, sin ubicación precisa ni evidencia.
- Sin datos de severidad y tráfico, los equipos atienden en el orden en que llega el reclamo — no donde el riesgo es mayor.
- Falta una trazabilidad auditable: dónde había un bache, cuándo se tapó, con qué calidad — información esencial para fiscalizar contratos de bacheo.
2. La solución: la flota como sensor
El sistema opera en cuatro capas, sin exigir nuevas obras ni interrumpir la operación de la flota:
- Captura — cámaras vehiculares compactas en la flota municipal. Cada vehículo cubre su itinerario normal; la malla se revisita continuamente, sin costo adicional de desplazamiento.
- Detección por IA — modelo de visión computacional (familia YOLO / segmentación) entrenado para pavimento brasileño, clasificando bache, fisura, parche deteriorado y hundimiento, con estimación de dimensión y severidad. Se ejecuta embarcado (edge) o en la nube.
- Datos georreferenciados — cada detección registra foto, coordenada GPS, vía, fecha/hora y severidad en base de datos geoespacial (PostgreSQL + PostGIS). Las detecciones repetidas del mismo punto se consolidan en una ocurrencia con historial — incluyendo la comprobación visual de la reparación.
- Panel de gestión — mapa de la ciudad con ocurrencias por severidad, priorización (criticidad × tráfico × recurrencia), SLA de los equipos de reparación e informes ejecutivos.
3. Arquitectura técnica
Cada capa usa tecnología de referencia, madura y portable:
- Captura — cámara automotriz IP67 con GNSS, descarga por 4G/Wi-Fi.
- Inferencia — YOLO/segmentación en edge (Jetson o similar) o nube, según conectividad y costo.
- Datos — PostgreSQL + PostGIS, con deduplicación por radio y por vía.
- Servicios — API REST y webhooks para integración con sistemas 156/defensoría y ERP de obras.
- Visualización — dashboard web con el mapa de la malla y BI (Metabase).
- Seguridad — anonimización (blur) automática de placas y rostros; LGPD por diseño.
Toda la plataforma se ejecuta en la nube o en la infraestructura del propio Municipio, según la política de datos local — los datos son del Municipio, en formato abierto, desde el primer hasta el último día.
4. Privacidad y conformidad (LGPD)
El sistema observa el pavimento, no personas. Las placas de vehículos y los rostros se anonimizan (blur) automáticamente antes del almacenamiento; las imágenes registran exclusivamente el activo público (la vía). El tratamiento se fundamenta en el ejercicio de políticas públicas (art. 7º, III y art. 23 de la LGPD), con informe de impacto (RIPD) entregado en la implantación y trazabilidad de auditoría de acceso.
5. Del bache a la ciudad inteligente
La misma infraestructura — cámaras en la flota + pipeline de visión computacional — detecta mucho más allá de baches, mediante actualización de modelo: tapas de alcantarilla ausentes, inundaciones, descarte irregular de basura, iluminación apagada, señalización dañada y árboles caídos. Es el camino natural hacia una plataforma de ciudad inteligente, sin cambiar el hardware. El enfoque "flota como sensor" ya opera en Brasil — Manaus, São José dos Campos y Sabesp usan variaciones de la misma idea — lo que reduce el riesgo de innovación para el Municipio.
6. Por qué Meta Dados
Integramos SASCAR, Autotrac, Omnilink y similares en el día a día: instalar y operar sensores embarcados es nuestro terreno desde hace más de dos décadas. Construimos y operamos nuestras propias plataformas (WMS, TMS, BI, enriquecimiento de datos) — no revendemos cajas negras. Y diseñamos paneles para la decisión pública: priorización, SLA y rendición de cuentas, con práctica consolidada en LGPD, pentest y gobernanza de datos. Para el municipio, comienza con un diagnóstico gratuito en 48h: relevamiento de la flota disponible, rutas y sistemas a integrar, y un plan de cobertura de la malla con piloto de 90 días.
Preguntas frecuentes
¿Hay que comprar vehículos o hacer obras para empezar?
No. La idea central es usar la flota que el municipio ya opera — autobuses, recolección de basura, vehículos de mantenimiento. Las cámaras son compactas y cada vehículo cubre su itinerario normal, sin costo adicional de desplazamiento ni interrupción de la operación. Un piloto de 5 a 10 vehículos en rutas de alta circulación ya cubre la malla prioritaria.
¿Cómo se convierte esto en defensa jurídica para el Municipio?
Cada detección registra foto, coordenada, vía, fecha/hora y severidad, y las detecciones repetidas del mismo punto consolidan un historial — incluyendo la comprobación visual de la reparación. Esto crea una trazabilidad auditable de inspección continua de la malla, con evidencia fechada y georreferenciada, que fortalece la defensa en acciones de indemnización y permite fiscalizar objetivamente los contratos de bacheo (reincidencia en el mismo punto).