Muñoz Barraza, Francisco Antonio2026-10-262026-10-262026https://repositorio.usm.cl/handle/123456789/79566El sistema Geoviality utiliza Inteligencia Artificial para detectar baches, pero depende de coordenadas GPS para geolocalizar los eventos, lo que puede generar errores debido a interferencias y a la velocidad del vehículo durante la captura. Esto puede llevar a asignaciones incorrectas en calles cercanas, ya que el sistema asocia los puntos GPS a la calle más próxima sin considerar el camino recorrido, afectando así la calidad de los datos y del software. Este trabajo aborda dicha problemática desde la Ingeniería de Software, enfocándose en mejorar la precisión de los datos geoespaciales como un aspecto clave de la calidad del producto. Para ello, se diseña e implementa un módulo correctivo basado en un enfoque Map-Aware Particle Filter, capaz de refinar las coordenadas GPS utilizando no solo la medición del sensor, sino también otros datos obtenidos del dispositivo y el contexto geométrico de la red vial. La solución se integra al sistema existente sin alterar su flujo principal y su efectividad se evalúa mediante métricas cuantitativas y con referencia al modelo de calidad ISO/IEC 25010, especialmente en términos de adecuación funcional, confiabilidad y eficiencia temporal. Los resultados obtenidos muestran importantes reducciones de error, además de la corrección de puntos anteriormente asignados a calles incorrectas. Con esta propuesta, Geoviality incrementa significativamente la precisión de su capa geoespacial y aumenta su confiabilidad en escenarios reales.31 páginasesAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Ingeniería de SoftwareInteligencia artificialGeolocalizaciónCoordenadas GPSMap-Aware Particle FilterDatos geoespaciales35609002930129 Industria, innovación e infraestructura11 Ciudades y comunidades sostenibles