Un tren vandalizado por unos grafiteros como los que apedrearon a un vigilante de seguridad / RENFE

Un tren vandalizado por unos grafiteros como los que apedrearon a un vigilante de seguridad / RENFE

Economía

Renfe usará inteligencia artificial para anticiparse a los grafitis en trenes y cocheras

El sistema predictivo desarrollado con Innova-tsn permitirá emitir alertas con dos horas de antelación y optimizar la vigilancia ferroviaria

Identificados por la firma: detienen a cuatro grafiteros que vandalizaron más de 40 trenes en Barcelona

Leer en Catalán
Publicada

Noticias relacionadas

Renfe se planta ante el vandalismo con grafitis y apuesta por la inteligencia artificial como aliada estratégica.

La operadora ferroviaria ha seleccionado a Innova-tsn, consultora especializada en analítica avanzada y gestión del dato, para desarrollar un innovador Sistema Predictivo de Prevención de Grafitis, basado en IA, tal y como ha informado la entrevista especializada Computing.  

Trenes de Renfe grafiteados

Trenes de Renfe grafiteados ACN

La iniciativa ha sido elegida como ganadora del primer Concurso de Proyectos de Inteligencia Artificial de Renfe, que busca aplicar el potencial del aprendizaje automático para resolver desafíos operativos complejos en el entorno ferroviario.

El objetivo es ambicioso, pero concreto: prever y disuadir ataques vandálicos mediante alertas anticipadas, mapas de riesgo horario-espacial y optimización dinámica de los recursos de vigilancia.

Todo ello para hacer frente a un fenómeno que, solo en 2024, le costó a Renfe más de 11 millones de euros en limpieza, reparaciones y paradas de servicio.

Un problema más allá de la estética

El impacto de los grafitis ilegales va mucho más allá de lo visual. Afecta directamente a la operativa diaria, con trenes retirados de circulación, espacios inutilizados y deterioro de la experiencia del usuario.

Además, se ha detectado una mayor organización entre los autores de estos actos, con tácticas como el “palancazo” (activación del freno de emergencia) para forzar paradas y ejecutar ataques relámpago.

Estas actuaciones no solo afectan al material rodante, sino también a cocheras, túneles, estaciones y otros activos críticos.

La necesidad de evolucionar desde un enfoque reactivo hacia uno predictivo y preventivo ha sido clave para lanzar este reto desde el Laboratorio de IA de Renfe.

Así funcionará el sistema predictivo

La solución diseñada por Innova-tsn integra inteligencia artificial explicable, analítica histórica y factores contextuales (como la meteorología, los eventos públicos o el calendario laboral) para estimar la probabilidad de ataques.

Su funcionamiento se apoya en tres pilares clave:

  • Analítica histórica y enriquecimiento contextual: integración de bases de datos de incidentes con variables externas para entender mejor el cuándo y el porqué de los ataques.

  • Modelado espacio-temporal del riesgo: generación de mapas de calor dinámicos que identifican ubicaciones y franjas horarias de alto riesgo para las próximas 24 horas.

  • Alertas anticipadas y vigilancia inteligente: activación automática de avisos con al menos dos horas de margen, clasificados por niveles de riesgo, acompañados de propuestas para reajustar patrullajes y rondas de vigilancia en tiempo real.

Durante las próximas semanas, se desplegará el piloto en varias cocheras de alta incidencia, con la construcción de una infraestructura cloud segura, entrenamiento de modelos y desarrollo de un dashboard operativo para el personal de seguridad.

El piloto: menos vandalismo, más eficiencia

El marco de medición prevé ambiciosos indicadores clave (KPIs), entre ellos:

  • Reducción del 20% de los actos vandálicos en las zonas piloto.

  • Emisión del 50% de alertas con ≥2 horas de antelación.

  • Ahorro estimado de 150.000 euros anuales en limpieza, logística y disponibilidad operativa.

  • Nivel de satisfacción del 80% entre el personal de seguridad usuario del sistema.

En una segunda fase, está prevista la incorporación de capacidades de visión artificial sobre las cámaras ya existentes, para detectar movimientos anómalos en tiempo real y fortalecer la respuesta preventiva.