Cómo Seattle DOT usa C3 AI para reducir el tiempo de análisis de accidentes de tráfico en un 90 %
El Departamento de Transporte de Seattle implementó C3 AI Safety Analysis para impulsar su iniciativa Vision Zero, unificando datos de más de 7.800 intersecciones en 4.000 millas de vialidad. La plataforma impulsada por IA reemplazó los flujos de trabajo manuales y aislados con análisis de gravedad de accidentes basado en aprendizaje automático y paneles interactivos. En 12 semanas, SDOT logró una reducción de más del 90 % en el tiempo de análisis de accidentes, permitiendo la identificación casi en tiempo real de puntos críticos de seguridad.
Impacto
90%+
Reducción en el tiempo de análisis de accidentes
250,000+
Total de accidentes analizados
4,000
Millas de vialidad unificadas
7,800+
Intersecciones cubiertas
12 weeks
Tiempo desde el inicio hasta la aplicación lista para producción
5 years
Años de datos históricos integrados
11
Usuarios capacitados e incorporados
5
Pantallas de interfaz configuradas
6,000+
Accidentes anuales en calles de la ciudad
~30
Accidentes fatales anuales aproximados
$28 billion
Activos de transporte de la ciudad supervisados
760,000+
Población de la ciudad atendida
Desafío
El análisis de accidentes del SDOT dependía de procesos manuales y aislados, con sistemas de datos desconectados que dificultaban identificar intersecciones de alto riesgo, evaluar inversiones pasadas en seguridad o responder de forma proactiva a los patrones emergentes de accidentes a escala.
Solución
El SDOT implementó C3 AI Safety Analysis, integrando cinco años de datos históricos de accidentes, tráfico y vialidad en una plataforma unificada que aplica análisis de factores de gravedad basado en aprendizaje automático y paneles interactivos en las más de 7.800 intersecciones de la ciudad.
Herramientas y tecnologías
Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.
Historia completa
El Departamento de Transporte de Seattle (SDOT) es responsable de una de las redes de transporte urbano más complejas del Noroeste del Pacífico, con más de 4.000 millas de vialidad, 7.800 intersecciones e infraestructura valorada en 28.000 millones de dólares que sirve a más de 760.000 residentes. A medida que crecía la demanda de viajes en vehículos, peatones y ciclistas, también aumentaban los desafíos de seguridad, con más de 6.000 accidentes y casi 30 muertes en carretera al año. Para abordar esto, SDOT lanzó Vision Zero, una ambiciosa iniciativa ciudadana orientada a eliminar completamente las muertes y lesiones graves en el tráfico para 2030.
A pesar de la urgencia de Vision Zero, las capacidades analíticas del SDOT no seguían el ritmo de la escala del problema. El análisis de accidentes dependía de procesos manuales y repetitivos que dificultaban identificar intersecciones de alto riesgo o comprender las causas raíz de los choques graves. Los datos estaban dispersos en múltiples sistemas desconectados, impidiendo a los analistas obtener una visión unificada de la seguridad vial a escala de la ciudad. Además, al departamento le faltaban los recursos y la experiencia interna necesarios para procesar los crecientes volúmenes de datos de accidentes, tráfico y vialidad a su disposición.
Evaluar el impacto de las inversiones pasadas en seguridad presentaba un desafío adicional. Las mejoras en intersecciones no se registraban de forma consistente ni se vinculaban a datos de resultados, dejando a los planificadores sin evidencia fiable de qué tratamientos de diseño o estrategias de mitigación estaban reduciendo realmente las fatalidades. Para un programa basado en datos como Vision Zero, estas brechas creaban riesgos reales: los patrones emergentes de accidentes podían pasar desapercibidos, los esfuerzos podían duplicarse entre equipos y las oportunidades de intervención proactiva podían perderse por completo.
Para superar estas barreras, SDOT implementó C3 AI Safety Analysis, una plataforma impulsada por aprendizaje automático diseñada específicamente para la seguridad del transporte. En solo 12 semanas desde el inicio del proyecto, el equipo de C3 AI integró cinco años de datos históricos de accidentes, tráfico y vialidad en una aplicación centralizada y lista para producción que cubre las más de 7.800 intersecciones de la ciudad. La plataforma aplica análisis de factores de gravedad de accidentes basado en aprendizaje automático para identificar causas raíz, señalar corredores de alto riesgo y respaldar la priorización basada en evidencia de las inversiones en seguridad a través de paneles interactivos.
Los resultados fueron inmediatos y medibles. El tiempo de análisis de accidentes se redujo en más del 90 %, permitiendo la identificación casi en tiempo real de puntos críticos de seguridad en toda la ciudad. Los ingenieros y planificadores de seguridad obtuvieron la capacidad de evaluar la efectividad de las medidas de mitigación pasadas, rastrear tendencias de rendimiento en corredores y planificar mejoras futuras con mucha mayor precisión. Con perspectivas impulsadas por IA que reemplazan los flujos de trabajo manuales, el SDOT está ahora mejor posicionado para asignar recursos a los proyectos de mayor impacto y acelerar el progreso hacia su objetivo Vision Zero.
Amazon Bedrock