Caso de uso
Detección inteligente de residuos y optimización de la recogida urbana
Resumen
¿Cómo evitar contenedores desbordados y recorridos innecesarios, cuando la planificación de recogida se basa en horarios fijos y no en el estado real de la calle? Seevia usa visión por computador sobre cámaras urbanas para detectar en tiempo real residuos mal depositados y contenedores saturados, y envía alertas georreferenciadas para priorizar la recogida.
Problema
- Planificación ineficiente basada en rutas fijas: la recogida se organiza con horarios predefinidos sin considerar el nivel real de llenado, generando desplazamientos innecesarios y desbordes en zonas de alta demanda.
- Detección tardía y reactiva de incidencias: la identificación de problemas depende de llamadas ciudadanas o de la observación manual, provocando retrasos y falta de registro sistemático.
- Falta de visibilidad sobre puntos críticos: las administraciones no disponen de una visión estructurada de dónde y cuándo se acumulan residuos fuera de contenedor.
- Déficit de datos integrados para la toma de decisiones: la ausencia de mapas y datos en tiempo real dificulta coordinar de forma eficiente a concesionarias y servicios municipales.
- Impacto en costes, sostenibilidad y percepción del servicio: esta falta de optimización genera mayores costes operativos, impacto ambiental innecesario y una percepción negativa por parte de la ciudadanía.
Solución
- Detección automática de residuos y contenedores: permitió utilizar modelos de deep learning para identificar en tiempo real contenedores desbordados y residuos fuera de los puntos de depósito a partir de imágenes urbanas.
- Alertas georreferenciadas en tiempo real: facilitó el envío automático de avisos con posición exacta, tipo de incidencia y nivel de criticidad a un centro de control.
- Panel de control para servicios de limpieza: permitió supervisar mediante cuadros de mando con mapas de calor, histórico de incidencias e indicadores de saturación para priorizar intervenciones.
- Integración con rutas y recursos de recogida: permitió conectar las alertas con sistemas de planificación y flota para reordenar rutas y optimizar recursos según la demanda real.
- Cumplimiento de privacidad por diseño: garantizó el cumplimiento de RGPD mediante técnicas de anonimización impulsadas por IA que evitan la identificación de personas y vehículos.
- Arquitectura escalable y reutilizable: permitió desplegar la solución sobre infraestructuras existentes e integrar dispositivos IoT adicionales, ampliando su uso a otros servicios urbanos.
Modelo de despliegue
Región de alojamiento de datos
Modelo de venta
Análisis del encaje GovTech
Aplicaciones reales
Nº de aplicaciones
2
CPVs
Solución desarrollada por
Heading
Seevia, spin-off de la Universidad Carlos III de Madrid, desarrolla sistemas de percepción con inteligencia artificial para ciudades, automoción e industria. Su tecnología está en producción en el servicio de limpieza del Ayuntamiento de Madrid a través de FCC Medio Ambiente, donde los vehículos de inspección detectan residuos fuera de los contenedores y han reducido más de un 50% el tiempo de actuación.
Su valor diferencial está en resolver la falta de información continua sobre el estado de la calle: saber qué contenedor desborda, qué señal está deteriorada o cómo se usa un aparcamiento exige hoy inspecciones a pie o esperar al aviso vecinal. Seevia convierte los vehículos que ya recorren la ciudad y las cámaras de la vía pública en inspectores permanentes que detectan, localizan y registran cada incidencia. Para los servicios urbanos de un ayuntamiento, esto supone actuar antes de que llegue la queja y dimensionar cada servicio con datos reales.