El Ayuntamiento de Shellharbour, en Nueva Gales del Sur, equipó vehículos municipales con cámaras de IA que detectan y geolocalizan automáticamente baches, grietas, señalización horizontal borrada, señalización dañada y otros defectos en una red de 500 km de carreteras y 300 km de senderos, clasificando cada defecto por gravedad para priorizar el mantenimiento.
500 km
Red de carreteras cubierta (2025)
300 km
Red de senderos cubierta (2025)
Detalles
Madurez
Piloto
Promotor
Shellharbour City Council
Período
2025
Palabras clave
local government, public works, transportation, computer vision
Contexto
En octubre de 2025, el Ayuntamiento de Shellharbour (Nueva Gales del Sur, Australia) comenzó a operar una cámara de IA especializada montada en la parte delantera de vehículos municipales para escanear automáticamente carreteras y senderos mientras los vehículos realizan sus tareas habituales en toda el área de gobierno local de Shellharbour.
Objetivos
El objetivo del ayuntamiento es priorizar los peligros más rápidamente y planificar mejor los trabajos de mantenimiento registrando los defectos automáticamente, en lugar de depender únicamente de las quejas comunicadas por los residentes.
Actividades
El sistema identifica una amplia variedad de defectos —baches, grietas, superficies irregulares, basura, vegetación colgante, señalización horizontal desvaída, señalización dañada, grafitis y animales atropellados— y registra cada uno con evidencia fotográfica y ubicación GPS en una base de datos de defectos, calificando cada defecto en una escala de gravedad para que los equipos de mantenimiento puedan priorizar las reparaciones más urgentes. El ayuntamiento planea añadir una segunda cámara antes de que finalice 2025 para ayudar a inspeccionar más rápidamente la totalidad de su red de 500 kilómetros de carreteras y 300 kilómetros de senderos.
Resultados
El alcalde Chris Homer describió el sistema como algo que muestra 'un gran potencial para aumentar la seguridad y la eficiencia de la comunidad', y el ayuntamiento citó una clasificación más rápida de los peligros y una mejor planificación anticipada de los trabajos de mantenimiento como los principales beneficios esperados.
Conclusiones
Al tratarse de un proyecto piloto recién lanzado, el ayuntamiento aún no ha publicado cifras antes/después sobre los tiempos de respuesta a las reparaciones, la reducción de atrasos o el ahorro de costes, y no se han hecho públicas estadísticas de precisión de detección (a diferencia de otros despliegues similares) — se trata de una implementación en fase temprana a seguir, no de un resultado probado y evaluado.
Implementación
Coste indicativo
Bajo (< 50 000 €) — One AI camera deployed October 2025, a second planned by end of 2025; cost not disclosed.
Tiempo hasta resultados
Corto (< 1 año) — Launched October 2025; still in early rollout at time of reporting.
Personal y competencias
Shellharbour City Council operational/maintenance staff
Condiciones para el éxito
Mounting AI cameras on council vehicles already doing normal duties, avoiding a dedicated survey fleet
Severity-rated defect database to prioritise maintenance crew response
Planned second camera (by end of 2025) to cover the full 500km road / 300km pathway network
Modos de fallo comunes
No detection-accuracy statistics published, unlike some peer deployments
No before/after repair-response, backlog or cost-saving figures yet, being only weeks into operation
Dónde encaja
Tipo de gobernanza
Australian local council
Escala
single local government area (500km roads, 300km pathways)
Nivel de ingresos
high income
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.
Caltrans adoptó la plataforma BRACE2 de Berkeley para transmitir datos de sensores de 22 puentes californianos, sustituyendo las inspecciones basadas …