Bogotá - Ingeniería - Maestría en Ingeniería - Ingeniería de Sistemas y Computación · 2026
Implementación de un modelo de aprendizaje computacional para clasificación de manzanas por uso de suelo en Bogotá. Un enfoque para la planificación urbana
La clasificación de uso de suelo predominante por manzanas en Bogotá es un proceso que se realiza manualmente o empleando herramientas SIG (Sistema de Información Geográfica) cuyos algoritmos suelen ser poco configurables y exigen altos requerimientos computacionales. Este enfoque no aprovecha suficientemente las técnicas de Machine learning (ML) en la planeación urbana, y actualmente en la ciudad no existen soluciones que integren imágenes satelitales de las manzanas con modelos de ML para automatizar esta tarea a nivel intraurbano. Este estudio propone la implementación de un sistema llamado BUBLUC, (Bogota Urban Block Land use classification), una aplicación de algoritmos de ML que incluye: la descarga de imágenes de las manzanas en Bogotá con sus datos geoespaciales; su etiquetado por uso de suelo predominante; y la implementación de algoritmos Deep Learning (DL) usando como base los modelos preentrenados de DinoV2 y EfficientNetB3V2 para la clasificación del suelo intraurbano en Bogotá. El presente estudio expone técnicas de aumentación de datos para mitigar el desbalance del dataset y también la exploración de hiperparámetros en cada arquitectura. El enfoque experimental del presente trabajo muestra una mejora sustancial al pasar de la implementación de DinoV2 a EffificentNetB3V2. Esta última emplea una arquitectura de fusión intermedia que concatena para cada imagen tanto el índice de Vegetación de Diferencia Normalizada(NDVI ) como sus estadísticas asociadas: promedio, desviación estándar y percentiles 25, 50, y 75. Los resultados muestran valores macro de accuracy de 0.70 y de 0.59 para precision, recall y f1-score en el problema de clasificación de usos de suelos predominante por manzana en la ciudad de Bogotá. Estos resultados ejemplifican mediante un caso práctico la aplicación de ML a problemas de clasificación de suelo a nivel intraurbano y ofrece un enfoque teórico y técnico para la implementación de estas tecnologías a nivel de las instituciones públicas y privadas relacionadas con el análisis urbano. Los hallazgos como la adopción de técnicas de ML para la automatización de procesos de análisis urbano pueden contribuir a la integración de urbanismo contemporáneo en Colombia y Latinoamérica con las tecnologías de IA y a la generación ágil de insumos relevantes para la planeación urbana. (Texto tomado de la fuente)