Tipo de vehiculo
Carro, moto, patineta electrica, bicicleta, camioneta, camion, taxi, ambulancia, vehiculo oficial. Cada categoria puede tener su tarifa, su zona asignada y sus reglas de acceso.
Cada vehiculo que entra a un sitio CI24 se clasifica al instante: carro, moto, patineta electrica, bicicleta, camioneta o camion; marca y modelo aproximado; color; y atributos relevantes para tarifa y seguridad. Habilita cobro diferenciado, reportes de mix de flota, y enriquece la deteccion de fraude. Modelo de vision: Gemma local en cada equipo, destilado de Gemini Flash 2.5. Inferencia 100% on-device sin dependencia de APIs externas.
Carro, moto, patineta electrica, bicicleta, camioneta, camion, taxi, ambulancia, vehiculo oficial. Cada categoria puede tener su tarifa, su zona asignada y sus reglas de acceso.
Marca con alta confianza, modelo aproximado (familia, ej: SUV mediano, sedan compacto, pickup). Util para reportes de mix de flota, segmentacion de clientes y validacion contra registros de convenios corporativos.
Detectado en frame de entrada para correlacion futura. Distingue colores principales (blanco, negro, gris, plata, rojo, azul, verde, amarillo). Util para reconstruir eventos cuando la placa no es legible.
Numero de ocupantes aproximado, presencia de carga visible, vehiculo escolar, vehiculo adaptado, motocicleta con casco o sin casco. Habilita reglas operativas mas finas (ej: obligatoriedad de casco para acceso de motos).
El Agente AI interno de cada equipo combina dos fuentes de vision en cada paso vehicular:
Las dos imagenes se correlacionan en el mismo evento. Para clientes con requerimientos de seguridad (centros comerciales premium, edificios corporativos con politicas estrictas, sitios gubernamentales), la camara de piso es una capa adicional de evidencia. Para sitios estandar, es una proteccion contra fraude de placa flotante o vehiculo simulado.
La camara de piso no solo confirma que paso un vehiculo: ademas, los Agentes AI internos analizan cada frame con vision LLM para detectar si algo o alguien esta donde no deberia. Esto cruza la frontera del parking estandar hacia el caso de uso de seguridad:
Que detecta el agente en esta capa:
Por que es viable hoy: antes de los LLM de vision, este analisis requeria modelos entrenados especificamente para cada caso (uno para personas, otro para objetos sospechosos, otro para liquidos). Con el modelo Gemma local los Agentes AI internos pueden hacer una consulta contextual del tipo "hay algo en esta imagen que NO sea parte mecanica del chasis de un vehiculo?" y obtener una respuesta utilizable en menos de un segundo. Eso convierte una capacidad antes reservada a sitios de alta seguridad en algo aplicable a cualquier parqueadero.
La inferencia de vision en cada equipo de campo corre sobre Gemma, un modelo open-weights de Google que puede ejecutarse on-device (consolas, PPAs). Gemma fue destilado del modelo profesor Gemini Flash 2.5: el modelo grande genero un dataset de respuestas de alta calidad sobre imagenes reales de parqueaderos LATAM, y Gemma aprendio a reproducir esas respuestas con una fraccion del costo computacional. La consecuencia practica:
La eleccion no es definitiva. Cuando hay un modelo mejor (en precision, latencia o costo), Ultrapark lo evalua en canary, mide contra Flash 2.5 en condiciones reales de sitios CI24/WOW, y migra si los resultados lo justifican. La capa de aplicacion (decisiones operativas) es estable y no cambia cuando se rota el modelo de vision.
La clasificacion vehicular es del vehiculo, no del usuario. Ultrapark esta disenado para cumplir con la Ley 1581 de 2012 y el Decreto 1377 de 2013 de proteccion de datos personales en Colombia:
Cada decision tiene un nivel de confianza. Cuando esta debajo del umbral, el Agente AI interno muestra al operador (o al usuario en la consola) la categoria detectada para que confirme. Decisiones de alto valor (cobro alto, restriccion de acceso, alerta de seguridad) siempre escalan a humano si la confianza no es alta.
El modelo Gemma local (destilado de Gemini Flash 2.5) funciona razonablemente bien con condiciones de iluminacion variables y oclusiones parciales. El Agente AI interno monitorea la calidad de cada inferencia y, cuando detecta condiciones adversas persistentes, alerta al operador para revisar la camara o ajustar la iluminacion. La clasificacion no detiene la operacion: si no se puede clasificar, el agente usa la tarifa por defecto y registra la situacion.
Si. Son modulos independientes. La clasificacion vehicular se aplica al vehiculo (tipo, marca, color, etc.) y no requiere identificar personas. El reconocimiento facial (Face Parking) es un modulo opcional separado, que se activa solo con consentimiento explicito y para casos de uso especificos (membresias, suscripciones).
Diseno para sitios de hasta varios miles de eventos vehiculares por dia sin acumulacion. Cada equipo ejecuta inferencia local y solo sube a la nube la metadata y los frames de eventos flag (fraude, anomalia, escalacion). El volumen de transferencia se mantiene bajo incluso en sitios de alto trafico.
El dashboard muestra metricas de calidad de inferencia por equipo y por dia: % de frames con confianza alta, distribucion de categorias detectadas, eventos escalados a humano. Caidas sostenidas generan alerta al equipo CI24 para revisar el sitio (camara, iluminacion, configuracion).
Si. Los reportes operativos se pueden segmentar por convenio corporativo, tipo de vehiculo, hora, dia, y exportar como PDF o Excel. Util para mostrar al cliente corporativo el uso real del convenio.