Un desafío operativo, económico y reputacional
Según indica Renfe, el vandalismo mediante grafitis no autorizados genera un impacto significativo en la operación ferroviaria: costes directos de limpieza y reparación, retirada temporal de trenes del servicio y deterioro de la experiencia del viajero y de la imagen corporativa. De hecho, en 2024, el coste directo asociado a grafitis superó los 11 millones de euros para Renfe, poniendo de relieve la urgencia de evolucionar desde modelos reactivos de limpieza posterior al daño hacia estrategias predictivas y preventivas.
Además de la afectación sobre trenes, el fenómeno se extiende a cocheras, túneles, estaciones y otros activos, y ha incorporado tácticas más organizadas, como el uso del freno de emergencia o “palancazo” para forzar paradas, que exigen nuevas capacidades de anticipación y respuesta coordinada entre seguridad, operaciones y mantenimiento.
El reto planteado por Renfe
El Laboratorio de IA de Renfe lanzó el reto con el fin de identificar soluciones capaces de:
- Analizar el histórico de incidentes de grafitis (ubicación, tipo de ataque, día, hora, contexto) para descubrir patrones recurrentes.
- Generar alertas predictivas con al menos dos horas de antelación que señalen zonas y franjas horarias de alto riesgo.
- Optimizar la asignación de recursos de vigilancia y priorizar rondas en función del riesgo dinámico.
- Activar capacidades de visión artificial sobre cámaras existentes para detectar movimientos sospechosos o actividades anómalas en cocheras y zonas vulnerables en fases posteriores.
- Asegurar explicabilidad del modelo, escalabilidad modular y alineamiento con los estándares de seguridad y cumplimiento normativo de Renfe.
La solución presentada por Innova-tsn
Innova-tsn propuso un sistema predictivo de prevención de grafitis sustentado en inteligencia artificial explicable y analítica avanzada, diseñado para desplegarse progresivamente y generar valor desde las primeras semanas, con foco en tres pilares:
- Analítica histórica y enriquecimiento contextual: integración de bases de datos de incidentes de grafitis con variables externas como meteorología, eventos públicos, calendario laboral y otros factores ambientales que influyen en la probabilidad de ataque.
- Modelado horario-espacial del riesgo: modelos supervisados que generan mapas de calor de riesgo por ubicación y franja horaria para las siguientes 24 horas, actualizándose de forma periódica con nueva información operativa.
- Alertas tempranas y replanificación de vigilancia: emisión automática de alertas priorizadas (alto/medio/bajo) con ≥2h de antelación cuando se superan umbrales de riesgo, acompañadas de sugerencias de ajuste dinámico de rondas de patrullaje.
Durante las próximas semanas se llevará a cabo la construcción de una infraestructura cloud segura, la integración de datos históricos y de contexto, el entrenamiento inicial de modelos y el despliegue de un dashboard operativo para un conjunto de cocheras piloto de alta incidencia.
El piloto establecerá un marco de medición apoyado en KPIs operativos y económicos que aspiran, entre otras variables, a reducir en un 20% los actos vandálicos, emitir el 50% de las alertas con al menos 2 horas de antelación para posibilitar acciones preventivas, lograr un ahorro anualizado estimado en 150.000 € en limpieza, logística y disponibilidad operativa y obtener un nivel de satisfacción en torno al 80% entre el personal de seguridad usuario del sistema.
Tras la primera fase, se evaluará la extensión a nuevas zonas geográficas y la incorporación progresiva de capacidades de visión artificial sobre cámaras existentes.
Por qué Innova-tsn es el partner adecuado para Renfe
La propuesta se apoya en la experiencia de Innova-tsn como consultora líder en el ciclo de vida integral del dato, con contrastada trayectoria en analítica avanzada, inteligencia artificial aplicada y despliegue de soluciones end-to-end en entornos críticos de operación. La compañía ha demostrado su capacidad tecnológica y de colaboración en ecosistemas de innovación de referencia donde aporta liderazgo en data, IA y experiencia sectorial para abordar retos complejos de digitalización, detección avanzada (fraude, anomalías) y gestión de infraestructuras distribuidas.
En palabras de Begoña Vega, Head of AI Models & Applications en Innova-tsn, “estamos muy agradecidos a Renfe por confiar en nosotros para abordar un desafío tan relevante. En Innova-tsn creemos en aplicar la IA donde realmente marca la diferencia: reducir el impacto del vandalismo, optimizar recursos y mejorar servicios públicos. Pondremos toda nuestra experiencia en analítica avanzada para que el piloto genere resultados tangibles desde el inicio”.
Si (
No(
