La ciudad de Málaga se ha convertido en un auténtico laboratorio urbano para probar rutas policiales diseñadas con inteligencia artificial. Un equipo de la Universidad de Málaga (UMA) ha creado un sistema capaz de trazar recorridos de patrulla más eficientes a partir de datos reales de criminalidad, con la idea de reforzar la vigilancia justo donde hace más falta.
Lejos de ser una simple herramienta teórica, este modelo se apoya en un mapa virtual detallado de la capital malagueña que permite simular estrategias de patrullaje antes de llevarlas a la calle. La propuesta apunta a un objetivo muy concreto: ayudar a la Policía a distribuir mejor sus recursos, evitar zonas desatendidas y reducir recorridos rutinarios que resultan previsibles para los delincuentes.
Un gemelo digital para planificar rutas policiales con IA
En el centro del proyecto se encuentra la creación de un gemelo digital de los delitos en Málaga, es decir, una réplica virtual de la ciudad en la que se integran datos geográficos, sociales y de seguridad. Este entorno simulado recoge tanto la localización de los incidentes delictivos como otros factores del entorno urbano, de manera que los investigadores pueden «probar» diferentes configuraciones de patrullas sin mover un solo agente del cuartel.
Según el trabajo publicado en la revista científica Engineering Applications of Artificial Intelligence bajo el título «Cooperative patrol routing: Optimizing urban crime surveillance through multi-agent reinforcement learning», este gemelo digital sirve para evaluar de antemano qué estrategia de vigilancia ofrece mejores resultados. De esta forma, los cuerpos policiales pueden ensayar múltiples escenarios virtuales antes de tomar decisiones operativas en el mundo real.
Una de las aportaciones clave del modelo es un nuevo indicador, bautizado como índice de cobertura, que mide hasta qué punto las patrullas consiguen proteger cada zona según su nivel de riesgo. Frente a enfoques más clásicos, que se fijan sobre todo en la frecuencia de paso o en cuánto tiempo permanece un área sin ser visitada, este indicador se centra en la eficacia real del despliegue: cuánta superficie crítica queda realmente vigilada y con qué intensidad.
Gracias a este análisis, la herramienta es capaz de determinar tanto el número ideal de patrullas a pie como sus recorridos recomendados, ajustados al patrón de criminalidad de cada barrio. De este modo, se reducen tanto los «puntos ciegos» sin presencia policial como el despilfarro de recursos en zonas con menor nivel de riesgo.
Cuadrículas de 50×50 metros y patrullas tratadas como agentes inteligentes
Para alcanzar ese nivel de detalle, el equipo investigador ha dividido la ciudad en pequeñas cuadrículas de 50 por 50 metros. Cada uno de estos bloques funciona como una unidad de análisis donde se calcula la concentración de delitos y otros parámetros relevantes. Esta microrresolución permite identificar con bastante precisión en qué esquinas, calles o tramos se acumulan más incidentes.
Sobre este tablero urbano cuadriculado, la inteligencia artificial simula el comportamiento de las patrullas, que en el modelo se representan como «agentes» capaces de aprender y coordinarse. Estos agentes virtuales no siguen órdenes cerradas, sino que van ajustando sus movimientos en función de la información que reciben del entorno simulado.
El sistema se basa en técnicas de aprendizaje por refuerzo multiagente. En la práctica, esto significa que la IA prueba distintas rutas y estrategias, evalúa qué funcionamiento proporciona mejor cobertura y, con ese «feedback», va afinando los recorridos. No se trabaja con rutas fijas, sino con una mejora continua, donde varias patrullas aprenden a repartirse el territorio de forma cooperativa.
De acuerdo con los autores del estudio, este enfoque encaja con diversas teorías criminológicas que sostienen que los recorridos poco previsibles pueden desincentivar la actividad delictiva. Si las patrullas no siguen siempre el mismo camino ni el mismo horario, resulta más difícil para posibles infractores anticipar dónde y cuándo habrá presencia policial.
Rutas policiales con IA: menos patrones repetitivos y más cobertura
Una diferencia clara respecto a métodos más tradicionales es que el sistema no genera un único itinerario estándar, sino rutas diferenciadas para cada patrulla. Esta multiplicidad de recorridos hace que la vigilancia sea menos monótona y que las zonas de riesgo queden cubiertas desde distintos ángulos y en momentos distintos del día.
Las pruebas realizadas en el entorno virtual muestran que, con este modelo, aumenta la cobertura de los llamados puntos críticos, mientras se ajusta el número de efectivos necesarios en cada área. En otras palabras, se evita tanto la falta de vigilancia en zonas problemáticas como el despliegue excesivo de agentes en lugares donde no es tan necesario.
El sistema ha sido validado en tres áreas urbanas de Málaga con características diferentes en tamaño, densidad y nivel de seguridad. En todos los casos, el modelo fue capaz de adaptarse al contexto y ofrecer rutas personalizadas de patrullaje más eficientes que los planteamientos de referencia con los que se comparaba.
Los investigadores subrayan que el objetivo no es sustituir el criterio policial, sino aportar una herramienta de apoyo a la toma de decisiones. A partir de los resultados de la simulación, los mandos pueden valorar distintos escenarios, comprobar cuántos agentes serían necesarios y decidir qué configuración encaja mejor con la realidad operativa del cuerpo.
Aunque la propuesta continúa en fase experimental, el comportamiento del sistema sugiere que esta clase de rutas policiales diseñadas con IA podría ayudar a aprovechar mejor los recursos disponibles, especialmente en ciudades con alta densidad urbana y demandas de seguridad muy cambiantes a lo largo del día.
De la simulación a la calle: condiciones reales y validación en Málaga
Uno de los puntos fuertes del proyecto es que, pese a estar todavía en un entorno simulado, se han incluido ya restricciones operativas reales. El modelo contempla, por ejemplo, turnos de ocho horas para las patrullas y recorridos a pie, con lo que las rutas sugeridas no son meras líneas sobre un mapa, sino trayectos que podría asumir una patrulla en su jornada de trabajo.
En la práctica, la herramienta indica cuántas patrullas convendría desplegar en cada cuadrícula y cómo distribuir sus recorridos para que el índice de cobertura alcance valores adecuados según el riesgo delictivo. Esto abre la puerta a ajustar, turno a turno, la planificación del servicio en función de los datos acumulados.
El sistema, además, se ha puesto a prueba con datos reales de criminalidad de la ciudad de Málaga. Al alimentar el gemelo digital con registros históricos de delitos, los investigadores han podido comprobar si las rutas propuestas por la IA mejoran la vigilancia de las zonas más problemáticas frente a las estrategias habituales.
Los resultados apuntan a que la tecnología contribuye tanto a reforzar la presencia policial en áreas conflictivas como a reducir solapamientos innecesarios entre patrullas. En un escenario de recursos limitados, este ajuste fino resulta especialmente relevante para sacar mayor partido de cada agente desplegado.
La colaboración con la Unidad Territorial de Inteligencia de la Comisaría Provincial de Málaga de la Policía Nacional ha sido clave para adaptar el modelo a la realidad del trabajo policial en la ciudad. Este contacto directo con la práctica diaria facilita que el sistema no se quede en un ejercicio académico, sino que evolucione con vistas a una aplicación futura.
Investigación andaluza y financiación europea para rutas policiales con IA
El desarrollo de este sistema forma parte de la tesis doctoral de Juan Palma-Borda y se enmarca en el proyecto ATREIDES del Plan Nacional de I+D. El trabajo se ha llevado a cabo por el Grupo de Investigación y Aplicaciones en Inteligencia Artificial de la UMA, un equipo con experiencia previa en modelos basados en agentes y análisis de datos complejos.
La iniciativa ha contado con financiación parcial de la Consejería de Universidad, Investigación e Innovación, así como del Fondo Europeo de Desarrollo Regional (FEDER), a través del proyecto «Modelos de Predicción de Delitos basados en Agentes y Ciencia de Datos». Este respaldo institucional sitúa a Málaga como uno de los escenarios más avanzados de España en el uso de IA aplicada a la seguridad ciudadana.
Desde la Fundación Descubre se ha difundido el alcance de esta investigación, en la que el investigador Eduardo Guzmán ha destacado el potencial de la inteligencia artificial para diseñar herramientas de apoyo en la planificación policial. La idea es que los cuerpos de seguridad dispongan de instrumentos objetivos que les ayuden a justificar y optimizar sus decisiones de despliegue.
Más allá de la capital malagueña, el planteamiento abre la puerta a que otras ciudades andaluzas o europeas, con suficiente información georreferenciada, puedan adoptar soluciones similares. Al tratarse de un modelo basado en cuadrículas y agentes, la metodología sería exportable, con las adaptaciones necesarias, a otros entornos urbanos.
En un contexto en el que la seguridad y el uso eficiente de los recursos públicos están bajo la lupa, este tipo de proyectos refuerza la apuesta por una gestión de la vigilancia policial más basada en datos y menos en la intuición o la inercia de rutinas históricas.
Próximos pasos: emergencias, tiempo real y más variables en el gemelo digital
El equipo de la Universidad de Málaga no se ha quedado solo en el diseño de rutas de patrulla. Los investigadores trabajan ya en nuevas líneas para ampliar el alcance del gemelo digital, con el objetivo de que el sistema pueda gestionar situaciones mucho más dinámicas.
Entre los siguientes pasos previstos se encuentra el desarrollo de un módulo orientado a la gestión de emergencias en tiempo real. La idea es que, ante un incidente concreto, el sistema sea capaz de recalcular sobre la marcha las rutas recomendadas, redirigir patrullas y proponer una reorganización del dispositivo para no dejar desprotegidas otras zonas sensibles.
También está sobre la mesa la incorporación de factores socioeconómicos, ambientales y de movilidad urbana al gemelo digital. Aspectos como la afluencia de personas en determinadas franjas horarias, la presencia de zonas de ocio, la iluminación, el tráfico —por ejemplo, regulado por la ordenanza municipal de zonas de bajas emisiones— o incluso las condiciones meteorológicas podrían influir en el cálculo de las rutas óptimas.
Con más capas de información integradas, el modelo se volvería aún más realista y ajustado al comportamiento diario de la ciudad. Esto permitiría anticipar mejor dónde podrían aumentar determinados tipos de incidentes y adaptar la vigilancia a ritmos urbanos que no son estáticos, como grandes eventos, temporadas turísticas o cambios en la movilidad.
Todo este trabajo se enmarca en un esfuerzo más amplio por aplicar la inteligencia artificial a la seguridad ciudadana sin perder de vista la necesidad de supervisión humana y de adecuación a los marcos legales europeos en materia de protección de datos y derechos fundamentales.
Con la combinación de un gemelo digital detallado, un índice de cobertura que mide la eficacia real de la vigilancia y rutas policiales configuradas mediante aprendizaje por refuerzo multiagente, Málaga se sitúa en la vanguardia de las rutas policiales con IA. El proyecto demuestra que, con datos de calidad y colaboración entre universidad y cuerpos de seguridad, es posible rediseñar el patrullaje urbano para que sea menos predecible, más ajustado al riesgo y mejor alineado con las necesidades reales de la ciudadanía.