AI para Infraestructura Cívica

Construimos una plataforma AI multi-pipeline en AWS. El pipeline de detección de infraestructura usa Claude Sonnet y procesamiento de nubes de puntos LiDAR para clasificar 197 tipos de activos desde imágenes a nivel de calle, con refinamiento de posición, deduplicación entre colecciones e informes GeoJSON interactivos. El sistema funciona en ECS Fargate con trabajadores paralelos e inferencia Bedrock Batch para 50% de ahorro en costos a escala.

Un pipeline de evaluación de riesgos arbóreos procesó 86,164 árboles urbanos en 7 sitios principales del evento, logrando una tasa de evaluación del 97.2%. La selección de imágenes basada en orientación con KD-tree encuentra las 15 mejores vistas por árbol de 4.4 millones de registros de cámara. Un mecanismo de reintento semántico mejoró 8,048 evaluaciones de no evaluable a evaluable, identificando 24 árboles de prioridad crítica y 3,085 de alta prioridad. Un pipeline separado de evaluación vial extrae 12+ atributos de condición de 205,707 puntos de estudio a lo largo de 763 millas a intervalos de 20 pies.

Un sistema de extracción de informes de accidentes maneja procesamiento de documentos multi-jurisdicción con un pipeline híbrido OCR + LLM logrando 99.36–99.78% de precisión por campo. Un analizador de narrativas de accidentes extrae 30 campos estructurados del texto narrativo en 13 jurisdicciones con reglas de validación post-verificación. La plataforma completa abarca 6,400+ pruebas automatizadas en código Python y Rust.