Ganadores del premio STAR 2026

El Puerto de Corpus Christi propone transformar el Corredor Internacional de Comercio Joe Fulton en un corredor inteligente de mercancías que mejore la seguridad, la movilidad y la eficiencia operativa durante las temporadas punta de envío de grano. El proyecto combina infraestructura ITS, cámaras habilitadas por IA, análisis de corredores y una plataforma de información para conductores para reducir las colas de camiones, mejorar la visibilidad sobre las operaciones del corredor y apoyar la toma de decisiones basada en datos.

Durante la temporada de cosecha de granos, los camiones que dan servicio a la terminal de grano de ADM pueden hacer cola durante horas a lo largo del corredor, creando congestión, riesgos para la seguridad, impactos en la calidad del aire por vehículos en ralentí y desafíos operativos para conductores, agricultores, transportistas y operadores de terminales.

• Monitorización del tráfico en corredores utilizando infraestructura ITS y análisis de congestión
• Plataforma de comunicación con conductores que proporciona estimaciones de tiempos de espera e información sobre la planificación del trayecto.
• Cámaras habilitadas por IA para detectar colas, ocupaciones y cuellos de botella operativos de camiones
• Integración con el Gemelo Digital del Puerto para apoyar la visibilidad y la toma de decisiones a nivel de corredor

• Reducción de la longitud de las colas de camiones y congestión en los corredores
• Mejora de la seguridad vial y la movilidad de mercancías
• Menor ralentí y emisiones del vehículo
• Mayor eficiencia operativa para los operadores de terminales y los actores del transporte de mercancías

El enfoque puede replicarse en corredores de mercancías, puertos, instalaciones intermodales y puertas industriales de todo Texas. Análisis de IA, herramientas de información para conductores y la integración con Digital Twin proporcionan un marco escalable para gestionar la congestión recurrente de mercancías en todo el estado.

La ciudad de Tyler y sus socios proponen un sistema de monitorización de pavimentos habilitado por IA que utiliza cámaras existentes de vehículos municipales para recopilar vídeo de carreteras durante las operaciones rutinarias. Las herramientas de IA y visión por ordenador analizarán los datos para identificar los desagrados del pavimento y generar evaluaciones del estado del pavimento más frecuentes y rentables para apoyar el mantenimiento proactivo y una mejor gestión de infraestructuras.

Actualmente, la ciudad de Tyler recopila datos del Índice de Estado del Pavimento (PCI) cada cuatro años utilizando estudios operados por contratistas siguiendo las normas ASTM D6433. Aunque eficaz, este proceso es costoso, poco frecuente y no puede captar las condiciones cambiantes del pavimento entre ciclos de topografía. Los municipios necesitan un enfoque más escalable, continuo y rentable para la monitorización del pavimento que apoye decisiones de mantenimiento proactivas y basadas en datos.

• Utiliza cámaras existentes de vehículos de flota para recopilar vídeo de la carretera durante las operaciones normales
• Aplicar IA y herramientas de visión por ordenador para detectar y clasificar los desagrados en el pavimento y los recortes de servicios públicos
• Validar los resultados generados por IA frente a las encuestas de verificación del terreno según ASTM D6433 realizadas por UT Tyler
• Integrar los resultados de las condiciones en los sistemas de gestión de pavimentos y en las plataformas SIG
• Desarrollar un marco escalable y agnóstico respecto al proveedor para el despliegue regional futuro

• Reducir los costes asociados a las inspecciones tradicionales de pavimento
• Proporcionar actualizaciones casi en tiempo real sobre el estado del pavimento
• Mejorar la planificación del mantenimiento y las decisiones de inversión en infraestructuras
• Mejorar la responsabilidad por los daños en el pavimento relacionados con servicios públicos
• Mejorar la seguridad viaria, la movilidad y el rendimiento a largo plazo del pavimento
• Mide la precisión del sistema mediante análisis de correlación y errores frente a datos de encuestas PCI

El proyecto está diseñado como un modelo escalable y transferible para municipios de todo el este de Texas y de todo el estado. Las oportunidades futuras incluyen repositorios regionales de imágenes de pavimentos, modelización predictiva de deterioro e integración con iniciativas más amplias de innovación en transporte, incluidos los programas TxDOT.

Financiado mediante una subvención USDOT SMART, la ciudad de Fort Worth completó la Fase I de un Piloto Inteligente de Microsensibilización Meteorológica para abordar brechas críticas en los datos meteorológicos a baja altitud y a nivel de carretera. El proyecto desplegó una red de 27 microsensores meteorológicos en toda la Zona de Innovación de Movilidad de la Alliance Texas, proporcionando información meteorológica hiperlocal en tiempo real para apoyar vehículos autónomos, movilidad aérea avanzada (AAM), operaciones de carga y usuarios de carreteras. Los datos de la red de sensores se integran en una plataforma centralizada de apoyo a la toma de decisiones que mejora la conciencia situacional y apoya operaciones de transporte más seguras y fiables.

Las condiciones meteorológicas pueden variar significativamente a cortas distancias, lo que supone desafíos para los sistemas de transporte que dependen de información medioambiental precisa y oportuna. Las redes existentes de monitorización meteorológica a menudo carecen de la resolución necesaria para soportar tecnologías emergentes de movilidad como vehículos autónomos, operaciones con drones y movilidad aérea avanzada. La ciudad de Fort Worth identificó la necesidad de inteligencia meteorológica hiperlocal en tiempo real para mejorar la seguridad, la fiabilidad y la toma de decisiones operativas en sistemas de transporte multimodales.

• Desplegar una red de sensores inteligentes de micrometeorología
• Recopilar datos en tiempo real de carreteras y atmósferas a baja altitud
• Apoyar operaciones autónomas de carga, actividades con drones, movilidad aérea avanzada y gestión de carreteras
• Desarrollar una base escalable para la futura integración con la gestión del tráfico y los sistemas de vehículos conectados

• Mejora de la seguridad y fiabilidad para vehículos autónomos, movilidad aérea avanzada, operadores de mercancías y usuarios de la carretera
• Mayor visibilidad de condiciones meteorológicas localizadas que afectan a las operaciones de transporte
• Avance de los objetivos a largo plazo de movilidad inteligente e innovación en transporte de Fort Worth

El proyecto establece un marco escalable para operaciones regionales de transporte conscientes del clima. El enfoque es transferible a otras comunidades de Texas que buscan apoyar tecnologías de transporte conectadas, automatizadas y emergentes mediante una inteligencia ambiental mejorada.

Detección inteligente de conducción en sentido contrario y marco de seguridad conectado para zonas de trabajo de sentido único

Presentador: Lucio Gutiérrez García

Líder del proyecto: Ciudad de Brownsville

Resumen del proyecto: La ciudad de Brownsville propone desplegar un marco inteligente de detección de conducción en sentido contrario y un marco de seguridad en zonas de trabajo conectadas para mejorar la seguridad en zonas de trabajo temporales de sentido único. Utilizando radar, imágenes térmicas, dispositivos de alerta conectados y comunicaciones en tiempo real, el sistema detectará movimientos en sentido contrario y alertará automáticamente a conductores, operadores de tráfico y equipos de emergencia. El proyecto impulsa los objetivos de TxDOT en infraestructuras conectadas, operaciones proactivas de seguridad y despliegue escalable de zonas de trabajo inteligentes en todo Texas.

Áreas tecnológicas: Tecnologías de Vehículos Conectados (CV2X); Sistemas Inteligentes de Transporte (ITS); Zonas de Trabajo Inteligente; Seguridad en el Transporte; TSMO; Análisis Predictivo; Integración de datos en tiempo real; Sistemas de Apoyo a la Decisión

Socios: Ciudad de Brownsville, Condado de Cameron, Fuerzas del Orden y Departamento de Bomberos

Ubicación del proyecto: Brownsville, Texas

Definiciones y antecedentes del desafío: Las zonas de trabajo nocturno de sentido único enfrentan mayores riesgos de seguridad, y las medidas tradicionales de control del tráfico pueden no prevenir adecuadamente los incidentes de entrada en sentido contrario. Este proyecto despliega un marco de seguridad inteligente y conectado que proporciona detección en tiempo real, advertencias y contramedidas automáticas para reducir el riesgo de accidentes y mejorar la conciencia del conductor.

Solución propuesta:

• Construir sistemas interinstitucionales para la coordinación de emergencias y el diseño proactivo
• Sensores de detección direccional de vehículos basados en radar
• Notificaciones en tiempo real de TSMO y del Centro de Gestión de Tráfico
• Integración con Signos Dinámicos de Mensajes (DMS)

Beneficios esperados y medidas de rendimiento:

• Reducción de posibles conflictos en sentido contrario dentro de las zonas de trabajo
• Mejora de la seguridad operativa en zonas de trabajo nocturnas
• Respuesta a emergencias: Acelerar la detección y el despacho entre jurisdicciones

Escalabilidad:El marco propuesto está diseñado intencionadamente como una solución de transporte inteligente escalable y replicable, capaz de desplegarse en corredores urbanos, rutas de mercancías, carreteras rurales, proyectos de puentes y grandes operaciones de construcción en todo Texas.

Presentador: Farhan Butt

Líder del proyecto: Ciudad de Denton

Resumen del proyecto: La propuesta del proyecto se centra en una estrategia de mitigación predictiva para ubicaciones específicas con graves lesiones identificadas en el Plan de Acción Visión Cero de la Ciudad de Denton, que fue adoptado recientemente por el Ayuntamiento. Esta iniciativa pretende mejorar la seguridad vial para los usuarios vulnerables, al tiempo que trabaja para reducir a la mitad las muertes por accidentes y lesiones graves para 2035 y, en última instancia, a cero muertes para 2050, en línea con el plan Visión Cero de TXDOT.

Áreas tecnológicas: Análisis Predictivo; Seguridad en el Transporte; Integración de Datos; Sistemas de Apoyo a la Decisión; Movilidad inteligente

Socios: Ciudad de Denton; Autoridad de Transporte del Condado de Denton (DCTA)

Ubicación del proyecto: Ciudad de Denton, Texas

Definición y antecedentes del desafío:Los accidentes graves son eventos relativamente raros, lo que dificulta predecirlos utilizando métodos tradicionales de análisis de seguridad. Las prácticas actuales dependen en gran medida de datos históricos de accidentes y de patrones pasados de High Injury Network, que pueden no identificar riesgos emergentes. Como resultado, las inversiones en seguridad suelen ser reactivas en lugar de proactivas. El proyecto aborda esta brecha identificando futuras zonas de riesgo antes de que ocurran accidentes graves.

Soluciones propuestas:

• De la gestión de la seguridad reactiva a la gestión predictiva de riesgos
• Integrar datos conductuales, multimodales y contextuales con el análisis tradicional de accidentes para apoyar la priorización basada en riesgos en los corredores HIN.

Beneficios esperados y medidas de rendimiento:

• Identificación temprana de ubicaciones de alto riesgo
• Intervenciones de seguridad más proactivas
• Mejora de la priorización de inversiones
• Apoyo más fuerte para la implementación de Vision Zero

Escalabilidad:El marco puede ampliarse a corredores, jurisdicciones y agencias de transporte adicionales incorporando conjuntos de datos disponibles localmente. Su metodología basada en datos proporciona un modelo escalable para una gestión proactiva de la seguridad en Texas y más allá.

Presentador: Casey Brown

Líder del proyecto: Evolve Houston (acelerador de mercado no partidista 501(c)(3)

Resumen del proyecto: Evolve Houston gestiona el capital de transporte comunitario como un portafolio de capital riesgo. A través de su Programa de Subvenciones, Evolve coloca pequeñas microbecas — hasta $15,000 — Con innovadores hiperlocales, los gestiona de forma práctica para reducir riesgos y forma a los ganadores escalables hacia inversiones a escala de infraestructura. En cuatro años ha desplegado más de 1 millón de dólares en 75 proyectos — capital que cataliza aproximadamente 3 veces el valor de inversión inmediato y hasta 7 veces más a medida que escala el impacto. Su prueba más clara: una única microsubvención que se convirtió en el Community Connector, ahora un servicio permanente de METRO.

Áreas tecnológicas: Electrificación y carga de vehículos eléctricos; Microtránsito y transporte bajo demanda; análisis de datos y carteras; Comunidad

Socios: Ciudad de Houston, General Motors, BP, Organizaciones Comunitarias de Houston

Ubicación del proyecto: Houston, Texas

Definición y antecedentes del desafío:Las ideas más prometedoras de transporte comunitario rara vez se descubren, prueban o escalan. El capital corporativo y público permanece inactivo porque los pequeños proyectos hiperlocales se consideran demasiado arriesgados y costosos de evaluar, financiar y supervisar — Y las comunidades con mayores necesidades son las que más difícil es alcanzar para la financiación tradicional. El resultado es una brecha persistente entre las buenas ideas y la infraestructura desplegada. La pieza que falta es un sistema que reduzca riesgos en las pequeñas apuestas para descubrir proyectos innovadores que puedan medirse e identificarse para soluciones a escala estatal.

Soluciones propuestas:

• Desplegar capital comunitario como una cartera gestionada de pequeñas microsubvenciones (hasta 15.000 dólares)
• Reduce el riesgo de cada proyecto de forma práctica mediante pruebas, selección, distribución, monitorización y medición en el mercado
• Utiliza los datos de rendimiento para identificar ganadores escalables desde el principio

Beneficios esperados y medidas de rendimiento:

• Éxito de proyectos casi 100% gestionado en segmentos que los financiadores tradicionales evitan
• Conector Comunitario – 129.000+ viajes con 4,9/5 (33.000+ valoraciones)
• Medidas por los fondos desplegados, proyectos financiados, personas atendidas, capital de seguimiento y resultados entregados.

Escalabilidad:El modelo es flexible tanto en temas como en geografía: el tema de Seguridad Vial 2026 y una nueva ventana de solicitud continua permiten que cualquier distrito de TxDOT o comunidad de Texas lo replique. El único ingrediente local son las relaciones — El método, la selección y la gestión de carteras viajan.

Presentador: Brendy Rincon Troconis

Líder del proyecto: Universidad de Texas en San Antonio

Resumen del proyecto: Este proyecto propone una iniciativa multidisciplinar para documentar y preservar digitalmente los corredores e infraestructuras de transporte de Texas utilizando drones, tecnologías de topografía digital, inteligencia artificial y entornos de gemelos digitales. Al combinar tecnologías digitales modernas con perspectivas históricas y comunitarias, esta colaboración busca ayudar a preservar los corredores de transporte que continúan moldeando Texas y sus comunidades a lo largo de las generaciones.

Áreas tecnológicas: Inteligencia Artificial (IA); Gemelos Digitales; Tecnología de Drones; Topografía Digital; SIG y visualización

Socios: la Universidad de Texas en San Antonio; agencias de transporte locales y regionales; Organizaciones de preservación Ubicación del proyecto: San Antonio, Texas y región circundante

Definición y antecedentes del desafío: A lo largo de la historia, los corredores de transporte han dado forma al desarrollo de las comunidades de Texas. Rutas históricas, puentes, senderos y autopistas conectaban a personas, culturas, comercio e ideas a través de vastos territorios. Hoy en día, las carreteras y puentes modernos siguen sirviendo como conexiones esenciales entre comunidades, apoyando la movilidad, la actividad económica y el crecimiento regional. A medida que Texas sigue creciendo, existe una necesidad creciente de comprender, documentar y preservar mejor estos corredores de transporte para las futuras generaciones. Este proyecto propone una iniciativa multidisciplinar que combina ingeniería, historia, tecnologías digitales y estrategias de preservación orientadas a la comunidad para apoyar la gestión a largo plazo de la infraestructura de transporte de Texas.

Soluciones propuestas:

• Utilizar drones y herramientas digitales de topografía para capturar datos de infraestructuras de transporte
• Desarrollar entornos gemelos digitales habilitados con IA para puentes y corredores de transporte que apoyen la preservación
• Integrar la ingeniería, la investigación histórica y las perspectivas comunitarias en las estrategias de preservación y planificación

Beneficios esperados y medidas de rendimiento:

• Mejorar la preservación y gestión a largo plazo de la infraestructura de transporte
• Apoyar los esfuerzos de planificación, inspección y gestión de activos de infraestructuras
• Crear registros digitales accesibles para educación, investigación y planificación futura

Escalabilidad:El proyecto está diseñado como un modelo escalable para documentar digitalmente la infraestructura de transporte en todo Texas. Las oportunidades de expansión futura incluyen una colaboración más amplia con agencias, universidades y organizaciones de preservación.

Presentador: Subasish Das

Líder del proyecto: Universidad Estatal de Texas

Resumen del proyecto: El proyecto CoCorridor-AI establece una plataforma digital 3D interactiva y un intermediario unificado de datos en la nube a lo largo del corredor inteligente de la I-35 para coordinar en tiempo real las operaciones de tráfico entre varias agencias. Al absorber datos de sensores ITS no intrusivos del carril principal y de los nodos de cámaras YOLO montados en intersecciones, el sistema detecta instantáneamente anomalías como inundaciones repentinas y colisiones entre varios vehículos. CoCorridor-AI publica automáticamente las advertencias de los viajeros, enruta dinámicamente el tráfico alrededor de cuellos de botella y activa ajustes adaptativos de sincronización de semáforos en redes municipales adyacentes.

Áreas tecnológicas: 3D Digital Twin (estándar Mapbox); Análisis de Visión por Ordenador en Límites (YOLO26); Unified Cloud Brokerage (estándares WZDx y NTCIP); Navegación Inmersiva de Google Maps; Telemetría de Sistemas Inteligentes de Transporte (ITS).

Socios: Universidad Estatal de Texas (AIT Lab), Distrito Austin de TxDOT, Ciudad de San Marcos, Ciudad de Kyle, Ciudad de Buda, Ciudad de Selma.

Ubicación del proyecto: I-35 Smart Corridor en el centro de Texas, que se extiende por 46 millas desde Buda (salida 220) pasando por Kyle y San Marcos hasta Selma (salida 174).

Definición del desafío y antecedentes: El corredor de la I-35 a través del centro de Texas es una ruta comercial y de cercanías crítica que enfrenta una congestión severa, inundaciones repentinas localizadas recurrentes y altos riesgos de accidentes secundarios. Actualmente, los municipios locales operan en silos de datos, lo que provoca retrasos en la respuesta a incidentes y horarios descoordinados de los semáforos de la carretera de servicio durante los desvíos de autopista. Este proyecto aborda la falta de integración de datos en tiempo real y multijurisdiccional necesaria para gestionar el flujo de tráfico incidente, proteger a los equipos de mantenimiento y advertir a los viajeros sobre peligros activos.

Soluciones propuestas:

• 3D Digital Twin: Panel de Mapbox que rastrea en tiempo real flujos, incidentes y zonas de trabajo.
• Nodos Edge YOLO26: Análisis de cámaras con IA que monitoriza conflictos para adaptar señales locales.
• Cloud Data Broker: Intercambio de datos sin silos utilizando los estándares WZDx y NTCIP.
• Alertas para viajeros: Google Street View coordina la verificación y despachos en mapas de Twitter.

Beneficios esperados y medidas de rendimiento:

• -25% Fallos secundarios: Alertas de advertencia en tiempo real para colas de cuello de botella.
• +18% Capacidad de desvío: Coordinación coordinada de la sincronización de semáforos municipales.
• Verificación instantánea: Comprobación visual inmediata de los incidentes mediante sincronización mapa con Street View.
• Seguridad en zonas de trabajo: Alertas de velocidad en cabina y cierres de carril con doble sistema digital.

Escalabilidad: Replicable a nivel estatal (por ejemplo, I-10, I-45) usando estándares abiertos (WZDx/NTCIP) y redes de cámaras/sensores existentes sin ninguna adaptación de hardware.