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.
Nuestro Equipo
Equipo multidisciplinario de ingeniería, ciencia de datos e inteligencia vial preventiva
Romero Rojas Adriano Alessandro
Arquitectura del Sistema & ML
Modelado dual XGBoost y orquestación predictiva
Mendoza Ricse Gimena Cristel
Ciencia de Datos & Clima
Calibración Open-Meteo y análisis de granizadas
Rodríguez Tarazona Jesús Alfredo
Ingeniería Geoespacial & Red Vial
Segmentación híbrida 1 km / 3 km en vías PE-*
Chuquiyauri Lagunas Albert
Base de Datos & Telemetría
Esquema relacional PostgreSQL e indexación regional
Aliaga Llocclla Héctor Jorch
Análisis Preventivo & Operaciones
Protocolos SUTRAN, PNP Carreteras, Provías y COEN
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_pctyprob_despiste_pctcruzando geología, muros de contención y calendario festivo. - Registro de cierres preventivos: bitácora institucional de incidencias vivas que retroalimenta el dataset continuo de entrenamiento.
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
Inventarios Geológicos
Mapeo de zonas críticas por remoción en masa: quebradas activas, laderas inestables, cañones y susceptibilidad base de huaycos.
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.
Puntos Negros y Eventos
Historial de siniestralidad (2021–2026), curvas críticas de despiste y calendario de feriados o festividades regionales que saturan corredores viales.
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)
tramos_carretera
162 tramos de carreteras nacionales (PE-*) y departamentales con entorno geográfico, muro de contención, altitud y segmentación 1 km / 3 km.
clima_diario_consolidado
Almacena lluvia real, granizo y temperatura mínima ya ocurridos hasta el día anterior (ayer), evitando brechas de memoria hídrica del suelo.
calendario_eventos
Feriados nacionales y festividades regionales (Fiestas Patrias, Santiago, Semana Santa) con factor de saturación vehicular por corredor.
incidencias_vivas
Registro institucional de cierres preventivos, alertas de granizada y bloqueos activos emitidos por PNP, SUTRAN, Provías o COEN.
dataset_ml_continuo
Consolida cada jornada climática y cada cierre preventivo confirmado para alimentar el reentrenamiento continuo del modelo XGBoost.
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%.
/api/modelo/importancia...