Redes neuronales sobre grafos para la clasificación de asentamientos informales:

En este seminario se presentó una investigación desarrollada como tesis de maestría, centrada en la detección y clasificación de asentamientos informales en Bogotá mediante el uso de redes neuronales sobre grafos (GNNs). El trabajo nace como una extensión de un proyecto de consultoría enfocado en la identificación de características urbanas mediante imágenes satelitales, y propone una innovación metodológica al emplear grafos en lugar de redes convolucionales tradicionales.

El problema central radica en la dificultad para estimar el grado de informalidad en barrios urbanos, especialmente en cuanto a la tenencia legal de la tierra. A partir de esto, los autores desarrollaron un enfoque en dos etapas:

Modelo 1 – Clasificación de barrios individuales: Usando datos geográficos y satelitales, se entrenó una red neuronal sobre grafos para predecir si un barrio es formal o informal, incluso cuando no existe etiqueta previa.

Modelo 2 – Predicción de informalidad por UPZ: Utilizando los resultados del primer modelo y datos sociodemográficos (como nivel educativo, tamaño del hogar, intoxicaciones registradas y acceso a Internet), se predijo el porcentaje de informalidad en cada Unidad de Planeamiento Zonal (UPZ) de la ciudad.

Con una AUC de 88.9% en el primer modelo y un desempeño aceptable del segundo (R² ≈ 48%), el estudio demuestra el potencial de las GNNs para complementar encuestas oficiales y guiar políticas públicas en urbanismo. Además, se discutieron limitaciones, extensiones futuras, e implicaciones prácticas en otras ciudades y contextos del país.