Prisma

Portal de usuario.

Prisma: Detección de Viabilidad Urbana mediante Deep Learning y Fusión de Datos Satelitales

Proyecto de Ingeniería de Datos | Abril 2026

Motivación (¿Por qué?)

El crecimiento demográfico acelerado proyecta que el 70% de la población mundial será urbana en 2050. Los métodos tradicionales de evaluación de terrenos son lentos, costosos y vulnerables a sesgos humanos. Desarrollamos este sistema para democratizar el acceso a análisis territoriales precisos, permitiendo una planificación urbana resiliente basada en datos objetivos y actualizados en tiempo real.

Metodología y Métodos (¿Cómo?)

Implementamos una arquitectura de Fusión Tardía (Late Fusion) basada en Redes Neuronales Convolucionales (CNN) multi-rama para procesar entradas de diversa naturaleza física:

Rama Espectral: Procesa tensores Xrgb∈RB×H×W×3 para detectar patrones morfológicos.

Rama Topográfica: Analiza el relieve mediante un Modelo Digital de Elevación (DEM) Xtopo∈RB×H×W×1.

Rama de Vegetación: Utiliza el índice NDVI (Xndvi) para evaluar la pérdida de biomasa y restricciones ecológicas.

El proceso de inferencia se define mediante la concatenación de los vectores de características extraídos fi, seguido de una capa de clasificación: y^=Softmax(W⋅[frgb,ftopo,fndvi]+b)

Finalmente, integramos una API de Large Language Model (LLM) que traduce estas métricas cuantitativas y análisis de series temporales en un reporte técnico cualitativo en formato PDF.

Aprendizajes

Durante el desarrollo, identificamos que la normalización de datos multimodales es crítica; escalas incorrectas en el DEM pueden opacar las características ópticas. Aprendimos que la IA no reemplaza al urbanista, sino que actúa como un sistema de soporte que reduce el tiempo de diagnóstico inicial en un 80%. La arquitectura NoSQL (MongoDB) resultó superior para manejar metadatos geoespaciales heterogéneos frente a bases relacionales tradicionales.

Expansión y Futuro

Para escalar Prisma, planeamos:

Análisis de Series Temporales: Incorporar modelos LSTM para predecir la dirección del crecimiento urbano en los próximos 10 años.

Alta Resolución: Integrar datos de radar (SAR) para análisis en zonas con alta cobertura nubosa.

Sostenibilidad: Incluir capas de "Islas de Calor Urbano" para recomendar áreas de reforestación obligatoria.