Ingeniero de la Universidad Nacional propuso sistema de inteligencia artificial para combatir los colados en Transmilenio

¿Puede la inteligencia artificial detectar a los colados en Transmilenio? Un ingeniero de la Universidad Nacional de Colombia presentó un modelo que permite identificar malas prácticas con una precisión superior a la medición humana.

Datos oficiales indican que uno de cada seis usuarios del sistema de transporte masivo de Bogotá evade el pago del pasaje, pese a los controles en puertas y torniquetes, las campañas de sensibilización y la presencia de personal de seguridad en la mayoría de portales y estaciones.

Ahora puede seguirnos en Facebook y en nuestro WhatsApp Channel

A pesar de los métodos utilizados el sistema sigue expuesto a fallas que afectan la operación y las finanzas.

El recaudo disminuye y la carga prevista en los buses se altera debido a la entrada de personas que no aparecen en los registros.

Lo anterior genera aglomeraciones en estaciones y portales y altera las frecuencias de los buses, pues estas se fijan con base en los pagos registrados y no en la cantidad real de pasajeros que utilizan el servicio a lo largo del día.

El desbalance entre cifras oficiales y situación real presiona la infraestructura sin puntos de referencia confiables.

Modelo anticolados en Transmilenio

Ante el escenario de caos para las personas que si pagan su pasaje y esperan un mejor servicio, César Iván Rodríguez Peraza, magíster en Ingeniería de Sistemas y Computación de la Universidad Nacional de Colombia, desarrolló un sistema de inteligencia artificial que permite obtener datos más precisos sobre el número de personas que cruzan el torniquete sin validar el pago.

El investigador advirtió en El Tiempo que “el método manual tiene muchas limitaciones.

Cuando entran varias personas al mismo tiempo es difícil seguir todos los movimientos, y a veces el operador pierde evasores, mientras el modelo propuesto revisa cada escena sin agotarse y es capaz de diferenciar cuándo alguien paga y cuándo no”.

Para la construcción del modelo, Rodríguez utilizó videos suministrados por la Universidad y programas como Python, además de librerías especializadas en análisis de imágenes y aprendizaje de máquina.

La herramienta compara cada ingreso con ejemplos previos de validación y de evasión, y así reconoce el patrón que corresponde a un pago correcto y el que corresponde a eludirlo.

Los resultados se evaluaron mediante comparaciones tramo por tramo y por segmentos de video.

El investigador elaboró conteos manuales con el fin de contrastarlos con los del sistema. Esa verificación permitió medir el nivel de acierto del modelo frente a la observación humana.

La propuesta alcanzó una efectividad cercana al 95%. Rodríguez explica que los evasores resultaron identificados con precisión y que los errores se concentraron en usuarios que sí habían pagado pero aparecieron clasificados como evasores.

Además, observó que ciertos comportamientos legítimos activaban alertas del sistema, como ingresar con bicicletas, perros o elementos de gran tamaño.

La primera versión del modelo había alcanzado cerca del 65%, de modo que el avance representó un salto notable.

El análisis se enfocó en los evasores del torniquete y no incluyó otras formas de ingreso indebido, como pasos por laterales o accesos abiertos. Para cubrir esas rutas sería necesario ampliar el conjunto de datos y la herramienta. A pesar de esa limitación, los resultados revelan un vacío crítico en la medición actual.

Rodríguez señaló que “en algunos momentos el modelo indicaba ‘aquí hay un evasor’, y en mis notas yo no lo tenía registrado; cuando volvía al video, en efecto identificaba la evasión. En horas de alta afluencia la herramienta veía cosas que yo simplemente pasaba por alto”.

Ese hallazgo evidencia el subregistro presente en los conteos humanos, con impacto directo en las decisiones operativas.

Pese a los avances, TransMilenio no ha incorporado el modelo a sus procesos. Los conteos manuales continúan como herramienta principal para estimar el número de personas que ingresan sin pagar. Las evaluaciones de la Universidad Nacional confirman que existen alternativas más precisas para medir el fenómeno.

La evasión constituye uno de los mayores desafíos financieros del Sistema. Estudios recientes calculan pérdidas superiores a $113.000 millones al año, cifra que equivale a recursos suficientes para construir dos colegios públicos o un hospital de primer nivel.

En 2024 se impusieron 174.000 comparendos por evasión; sin embargo, solo 10.364 se pagaron, lo que deja un 94 % de multas sin cumplimiento. A ese panorama se suma un déficit financiero que supera los $3 billones y que compromete la continuidad del servicio.

Por tal motivo, el Concejo de Bogotá analiza un aumento de tarifa por encima de la inflación que llegaría a $3.450.