RESUMEN
Las evaluaciones probabilísticas de riesgo sísmico y multi-amenaza a gran escala y alta resolución dependen críticamente de cómo se representa la exposición y de cómo se asignan adecuadamente las funciones de vulnerabilidad a parques edificados heterogéneos. Mientras que la modelización del amenaza ha alcanzado un alto grado de armonización y la modelización de la vulnerabilidad ha alcanzado un alto nivel de madurez computacional, la interfaz exposición–vulnerabilidad sigue siendo manual, basada en tipologías y difícil de escalar de manera consistente. En Barcelona y en toda Cataluña, las funciones de vulnerabilidad derivadas de edificios individuales o muestras limitadas han sido frecuentemente extrapoladas a portafolios utilizando clasificaciones gruesas. Cuando los modelos de amenaza, exposición y daño a pérdida se mantienen constantes, esta práctica produce amplias dispersiones en las métricas de pérdidas a nivel de portafolio. Primero cuantifica esa variabilidad mediante un análisis de sensibilidad controlado centrado únicamente en la vulnerabilidad para Barcelona. Utilizando una base consistente de evaluación probabilista de la amenaza sísmica y una correspondencia unificada de daño a pérdida, los conjuntos de funciones de vulnerabilidad publicados se intercambian mientras todos los demás componentes se mantienen fijos. Los resultados muestran que la Pérdida Anual Promedio (AAL) varía aproximadamente entre €25,6 millones y €348,0 millones dependiendo únicamente del conjunto de vulnerabilidad seleccionado, demostrando una sensibilidad de orden de magnitud atribuible a la asignación de funciones. Un estudio piloto focalizado en el distrito del Eixample confirma que la reasignación manual detallada (por ejemplo, posiciones en esquina frente a posiciones en el centro de manzana) mejora el realismo local, pero no es escalable a portafolios a nivel de ciudad o región.
Para abordar esta limitación estructural, el segundo paso pasa de una asignación ad hoc hacia una exposición repetible y transparente. La tesis desarrolla un flujo de trabajo de estructuración de la exposición basado en la geometría mediante Análisis, Clasificación y Agrupación de Huellas de Edificios (BFA/BFC/BFG). Las huellas de edificios catastrales de alta resolución de Cataluña se utilizan para extraer dimensiones y se transforman en clases de forma en planta interpretables y reproducibles utilizando métricas de forma previamente calculadas para definir clases basadas en lados. Los resultados del análisis comparativo de varias métricas de forma muestran que las medidas simples de compacidad coinciden en rectángulos y cuadrados regulares, pero difuminan diferencias importantes en plantas alargadas, irregulares y con aberturas. Esto revela redundancia entre los índices escalares de compacidad y una capacidad limitada para diferenciar geometrías articuladas y con aberturas, destacando la necesidad de desarrollar una alternativa capaz de preservar distinciones más detalladas relevantes para el comportamiento estructural.
El marco de Análisis, Reconocimiento y Clasificación de Huellas de Edificios (BFARC-YOLO) se basa en este fundamento para permitir una clasificación de la exposición escalable aumentada con inteligencia artificial. Aproximadamente 1,8 millones de huellas de edificios se representan como siluetas orientadas y se entrenan progresivamente utilizando ~0,34% de muestras etiquetadas. El modelo final alcanza una precisión media (mAP@0.5:0.95) ≈ 0,96 en 44 clases de alta resolución. La optimización mediante GPU reduce el tiempo de inferencia regional de más de 490 horas (referencia CPU) a ~72 horas, demostrando viabilidad operativa. La interoperabilidad con la taxonomía GEM permite la integración directa en plataformas de riesgo establecidas y una interfaz web ligera permite inferencias por lotes auditables.
En lugar de desarrollar nuevas funciones de fragilidad, esta tesis ofrece una infraestructura de modelización. Crea un puente replicable desde la geometría catastral hasta una clasificación de la exposición alineada con la vulnerabilidad, minimizando la subjetividad en la asignación de vulnerabilidad y permitiendo una modelización del riesgo de carteras escalable, transparente y reproducible. Al reformular la exposición como una capa de modelización estructurada y habilitada por el aprendizaje, el estudio sienta las bases para futuras calibraciones de fragilidad y para evaluaciones del riesgo multiamenaza de nueva generación en ciudades, regiones y países densos y heterogéneos, así como a escala global.
Directora de tesis:
DOCTORANDO
Samar Momin es doctorando del grupo de investigación Resiliencia y prevención de desastres, que forma parte del clúster de investigación Mecánica estructural y de partículas. Su investigación se centra en el desarrollo de modelos de visión por computador basados en YOLO para la reducción del riesgo de desastres, con intereses que abarcan la ingeniería sísmica, la modelización de amenazas y la evaluación multirriesgo. También cuenta con experiencia como consultor independiente en proyectos de evaluación de amenazas y riesgos.