Mapinsight: plataforma para la gestión y visualización de comercio informal en Santiago

Abstract

El aumento del comercio informal, particularmente en el centro de Santiago, plantea importantes desafíos para la gestión y organización de los espacios públicos, que afecta tanto a los residentes como a los comerciantes formales. Este proyecto presenta un prototipo funcional diseñado para procesar, analizar y visualizar datos georreferenciados de espacios públicos urbanos. Al aprovechar técnicas avanzadas de aprendizaje automático, visión por computadora y análisis geoespacial, el sistema ofrece una solución integral para monitorear y gestionar las dinámicas urbanas relacionadas con el comercio informal. La metodología incluye la construcción de un conjunto de datos robusto utilizando imágenes georreferenciadas, así como la implementación de algoritmos de agrupamiento (K-means) y clasificación (Naive Bayes) para modelar y predecir patrones de comercio informal. Modelos de detección de objetos específicos de una plataforma RoboFlow, se integran para identificar elementos característicos del comercio informal, incluyendo toldos y mesas. Estos datos son procesados y visualizados en un entorno web interactivo, permitiendo a planificadores urbanos, técnicos de campo y ciudadanos interesados a tomar decisiones informadas. Desarrollado con un enfoque modular, el sistema resulta escalable y está diseñado para la futura integración de funcionalidades adicionales. Las herramientas de visualización, como mapas interactivos y segmentaciones espaciales, permiten identificar áreas críticas y desarrollar estrategias para la regulación del espacio público. A pesar de las limitaciones presupuestarias y técnicas, el proyecto asegura la interoperabilidad y seguridad de los datos, cumpliendo con los estándares geoespaciales actuales. El prototipo representa un aporte en la gestión urbana al combinar análisis predictivo con herramientas tecnológicas. Los resultados preliminares validan la efectividad del sistema y destacan su potencial para aplicarse en otras áreas urbanas que enfrentan desafíos similares.

The increase in informal commerce, particularly in Santiago’s downtown area, has posed significant challenges for the management and organization of public spaces, impacting residents and formal merchants alike. This project presents a functional prototype designed to process, analyze, and visualize georeferenced data of urban public spaces. By leveraging advanced machine learning, computer vision, and geospatial analysis techniques, the system offers an integrated solution for monitoring and managing urban dynamics related to informal commerce. The methodology involves building a robust dataset using georeferenced images and implementing clustering (K-means) and classification algorithms (Naive Bayes) to model and predict informal commerce patterns. Object detection models, such as YOLO, are incorporated to identify characteristic elements of informal commerce, including tents and tables. These data are processed and displayed in an interactive web environment, enabling urban planners, field technicians, and engaged citizens to make informed decisions. Developed with a modular approach, the system is scalable and designed for future integration of additional functionalities. Its visualization tools, such as interactive maps and spatial segmentations, enable the identification of critical areas and the development of strategies for public space regulation. Despite budgetary and technical constraints, the project ensures data interoperability and security, adhering to current geospatial standards. This prototype represents a significant step forward in urban management by combining predictive analysis with accessible technological tools, contributing to more efficient and inclusive public space management. Preliminary results validate the system’s effectiveness and highlight its potential for application in other urban areas facing similar challenges.