ViaSegura Perú · Inteligencia Vial Preventiva

SUTRAN · PNP Carreteras · Provías Nacional / Descentralizado · COEN / INDECI · Concesionarias Viales

PLATAFORMA INSTITUCIONAL DE PREVENCIÓN VIAL162 Tramos Nacionales · 25 Regiones

ViaSegura Perú — Inteligencia Vial Preventiva

Pasamos de reaccionar tarde cuando la carretera ya colapsó a prevenir huaicos, granizadas y despistes antes de que ocurran, brindando alertas tempranas accionables en carreteras nacionales para SUTRAN, PNP Carreteras, Provías Nacional y COEN.

Predicción de HuaicosDespistes y Granizadas
Red Vial Evaluada
162
Tramos PE-* y departamentales
Segmentación
1 / 3 km
Híbrida: críticos vs. planicies
Inferencia ML
< 50 ms
Motor dual XGBoost-CPU
Memoria Hídrica
Ayer+Hoy
Saturación acumulada 3 días

Nuestro Equipo

Equipo multidisciplinario de ingeniería, ciencia de datos e inteligencia vial preventiva

5 Integrantes
AR
01

Romero Rojas Adriano Alessandro

Arquitectura del Sistema & ML

Modelado dual XGBoost y orquestación predictiva

GM
02

Mendoza Ricse Gimena Cristel

Ciencia de Datos & Clima

Calibración Open-Meteo y análisis de granizadas

JR
03

Rodríguez Tarazona Jesús Alfredo

Ingeniería Geoespacial & Red Vial

Segmentación híbrida 1 km / 3 km en vías PE-*

AC
04

Chuquiyauri Lagunas Albert

Base de Datos & Telemetría

Esquema relacional PostgreSQL e indexación regional

HA
05

Aliaga Llocclla Héctor Jorch

Análisis Preventivo & Operaciones

Protocolos SUTRAN, PNP Carreteras, Provías y COEN

FASE 1 · MVP OPERATIVO ACTUALEN PRODUCCIÓN

Monitoreo Predictivo de la Red Vial Nacional

Capacidades desplegadas hoy para la evaluación preventiva diaria en las 25 regiones del país.

  • Red vial nacional de 162 tramos: segmentación híbrida de 1 km en puntos críticos (quebradas, taludes, pasos de montaña) y 3 km en planicies o rectas continuas.
  • Clima consolidado hasta ayer + pronóstico de hoy: sincronización diaria vía Open-Meteo para cuantificar lluvia acumulada de los últimos 3 días y detección de granizadas.
  • Modelo XGBoost dual: calcula de forma independiente prob_huayco_pct y prob_despiste_pct cruzando geología, muros de contención y calendario festivo.
  • Registro de cierres preventivos: bitácora institucional de incidencias vivas que retroalimenta el dataset continuo de entrenamiento.
FASE 2 · VISIÓN A FUTUROESCALAMIENTO NACIONAL

Telemetría Oficial en Tiempo Real y Despacho Automático

Hoja de ruta de integración directa con sensores nacionales y respuesta automatizada en campo.

  • Estaciones automáticas SENAMHI y cinemómetros SUTRAN: ingesta oficial en tiempo real de pluviómetros en quebradas activas, sensores de humedad de talud y velocidad vehicular por corredor.
  • Alertas push / SMS automáticas en campo: notificación instantánea a patrullas de PNP Carreteras y cuadrillas con maquinaria amarilla de Provías Nacional antes de que se produzca el corte de vía.
  • Reentrenamiento continuo en la nube: pipelines automáticos que recalibran los boosters XGBoost con cada temporada de lluvias (FEN) e incidencias validadas en dataset_ml_continuo.

1. ¿Cómo se Recopilaron e Integraron los Datos?

Fusión de cuatro fuentes institucionales y meteorológicas en una matriz única por tramo carretero

INGEMMET

Inventarios Geológicos

Mapeo de zonas críticas por remoción en masa: quebradas activas, laderas inestables, cañones y susceptibilidad base de huaycos.

Provías Nacional / MTC

Red Vial y Defensas

Trazado de carreteras nacionales (PE-*) y departamentales, altitud en m s.n.m. e inventario de muros de contención, enmallado y drenaje pluvial.

SUTRAN / COEN

Puntos Negros y Eventos

Historial de siniestralidad (2021–2026), curvas críticas de despiste y calendario de feriados o festividades regionales que saturan corredores viales.

Open-Meteo

Clima Real + Pronóstico

Telemetría climática consolidada de días previos (lluvia real de ayer y acumulado de 3 días) cruzada con el pronóstico del día y códigos WMO de granizo.

2. ¿Por qué PostgreSQL / Supabase? (5 Tablas Relacionales)

Integridad referencial estricta con claves foráneas hacia tramos_carretera e indexación jerárquica por (region, provincia)

INDEX (region, provincia) · Respuesta rápida por jurisdicción
Catálogo Base

tramos_carretera

162 tramos de carreteras nacionales (PE-*) y departamentales con entorno geográfico, muro de contención, altitud y segmentación 1 km / 3 km.

Índice B-Tree en (region, provincia) y (via_codigo)
Histórico Real

clima_diario_consolidado

Almacena lluvia real, granizo y temperatura mínima ya ocurridos hasta el día anterior (ayer), evitando brechas de memoria hídrica del suelo.

Clave única (tramo_id, fecha) e índice (tramo_id, fecha DESC)
Saturación Vial

calendario_eventos

Feriados nacionales y festividades regionales (Fiestas Patrias, Santiago, Semana Santa) con factor de saturación vehicular por corredor.

Índices en (fecha_inicio, fecha_fin) y (region)
Operación en Vivo

incidencias_vivas

Registro institucional de cierres preventivos, alertas de granizada y bloqueos activos emitidos por PNP, SUTRAN, Provías o COEN.

Índice compuesto (activo, region, provincia)
Feedback Loop

dataset_ml_continuo

Consolida cada jornada climática y cada cierre preventivo confirmado para alimentar el reentrenamiento continuo del modelo XGBoost.

Índices en (fecha DESC) y (tramo_id)

3. ¿Por qué XGBoost como Motor Predictivo?

Arquitectura dual de árboles potenciados por gradiente (xgboost-cpu) calibrada para datos tabulares geográfico-climáticos

Alto rendimiento tabular geográfico-climático

Captura interacciones no lineales entre lluvia acumulada de 3 días, ausencia de muro de contención, altitud y tipo de entorno, superando a modelos lineales en datos heterogéneos.

Inferencia en lote < 50 ms

Evalúa simultáneamente los 162 tramos mediante xgb.DMatrix en CPU sin requerir GPU, permitiendo reevaluar cualquier fecha operativa al instante.

Explicabilidad auditable por variables

Cada predicción expone el peso real (ganancia) de sus 11 variables y mantiene una regla física estricta: en Planicie la probabilidad de huaico es 0%.

Cargando métricas de entrenamiento e importancia de variables desde /api/modelo/importancia...