Un equipo de investigación de la Universidad de Málaga ha desarrollado un sistema de inteligencia artificial para diseñar rutas de patrullaje policial en Málaga, Andalucía, con el objetivo de mejorar la seguridad ciudadana. La herramienta utiliza un mapa virtual urbano alimentado con datos reales de criminalidad y permite estimar cuántas patrullas son necesarias en cada zona y cómo deben desplazarse para reforzar la vigilancia en los puntos con mayor incidencia delictiva. El avance central del trabajo es la creación de un gemelo digital de los delitos de Málaga, una representación virtual de la ciudad que combina información geográfica, social y de seguridad.
Este entorno permite probar estrategias de vigilancia antes de trasladarlas al espacio urbano real y evaluar el funcionamiento del despliegue policial en distintos escenarios.
El modelo incorpora además un indicador denominado índice de cobertura, que mide en qué medida las patrullas vigilan las zonas de acuerdo con su nivel de seguridad. Este criterio se diferencia de enfoques tradicionales basados en el tiempo que un área permanece sin visitas o en la frecuencia de paso, ya que busca valorar la eficacia real de la presencia policial.
IA para rutas policiales menos previsibles
Según el estudio ‘Cooperative patrol routing: Optimizing urban crime surveillance through multi-agent reinforcement learning’, publicado en la revista Engineering Applications of Artificial Intelligence, el sistema genera recorridos diferenciados para cada patrulla y evita patrones repetitivos.
Para desarrollar el modelo, los investigadores simulan sobre el gemelo digital de Málaga el comportamiento de las patrullas, consideradas como agentes dentro del sistema. El entorno urbano se ha dividido en cuadrículas de 50 por 50 metros, lo que permite analizar con detalle la concentración espacial de los delitos y su distribución en la ciudad.
La herramienta aprende a optimizar los recorridos mediante técnicas de aprendizaje por refuerzo multiagente. En lugar de seguir rutas fijas, el sistema ajusta de forma autónoma la coordinación entre varias patrullas para ampliar la cobertura del territorio y mejorar la vigilancia de las áreas más sensibles.
Validación en tres áreas urbanas de Málaga
El sistema se ha probado en tres zonas urbanas de Málaga con diferencias en tamaño y condiciones de seguridad. En estos escenarios digitales, el modelo se adaptó a las características de cada contexto y propuso estrategias de patrullaje ajustadas a las necesidades específicas de cada área.
Los resultados indican que la herramienta mejora la cobertura de los puntos críticos y ayuda a calcular el número adecuado de patrullas a pie en cada zona. Con ello, el modelo busca evitar tanto déficits de vigilancia como una asignación excesiva de recursos policiales.
Aunque la propuesta todavía no se ha aplicado en un entorno real, los investigadores señalan que ya contempla condiciones operativas como turnos de ocho horas y desplazamientos a pie. El trabajo muestra el potencial de la inteligencia artificial como apoyo a la toma de decisiones en el ámbito policial, con el fin de optimizar los recursos disponibles y aumentar la eficiencia de la vigilancia.
El grupo de Investigación y Aplicaciones en Inteligencia Artificial trabaja ahora en nuevas líneas para ampliar el modelo. Entre ellas figura un sistema orientado a la gestión de emergencias, capaz de adaptarse y responder a incidentes en tiempo real, así como la incorporación al gemelo digital de variables socioeconómicas, ambientales y de movilidad urbana para hacerlo más realista.
La investigación forma parte de la tesis doctoral de Juan Palma-Borda y se ha desarrollado en el marco del proyecto Atreides del Plan Nacional de I+D, en colaboración con la Unidad Territorial de Inteligencia de la Comisaría Provincial de Málaga de la Policía Nacional. El estudio también ha recibido financiación parcial de la Consejería de Universidad, Investigación e Innovación y del Fondo Europeo de Desarrollo Regional, FEDER, a través del proyecto ‘Modelos de Predicción de Delitos basados en Agentes y Ciencia de Datos’.