Cómo detectamos actas repetidas sin unir infracciones distintas
Deduplicar no es borrar filas parecidas. La fuente, el identificador, el hecho y las contradicciones forman una decisión conservadora que debe conservar trazabilidad.
Por Marco Ferreiro ·
Una misma acta puede aparecer en dos consultas, cambiar de estado o llegar desde sistemas que comparten información. También pueden existir dos infracciones realmente distintas con la misma patente, conducta y día. Un algoritmo agresivo las uniría; uno que nunca relaciona nada llenaría la pantalla de repeticiones.
El objetivo no es lograr la menor cantidad de filas. Es conservar cada hecho y explicar cuándo dos referencias probablemente hablan de la misma causa.
La fuente forma parte de la identidad
El número de acta rara vez debe tratarse como una clave universal. Dos municipios pueden emitir el mismo número. Incluso dentro de un organismo puede haber series, años o tipos de documento distintos.
La clave más fuerte combina:
- organismo o fuente que asignó el identificador;
- número completo, sin perder prefijos ni ceros;
- juzgado, serie o jurisdicción cuando integran el espacio de nombres.
Si la fuente declara un identificador estable y reaparece exactamente, se puede relacionar con alta confianza. Aun así, se conserva cada observación y su fecha: una versión puede estar en pago voluntario y otra mostrar sentencia.
RFC 9562 explica que un identificador sólo ofrece garantías dentro del esquema donde fue creado y advierte sobre asumir que un dato natural nunca cambiará. Para datos externos, generar nuestro propio UUID ayuda a rastrear la observación, pero no demuestra que dos actas sean iguales.
Normalizar no significa borrar diferencias
Antes de comparar se pueden normalizar mayúsculas, espacios, separadores y formatos de fecha. La guía nacional de datos abiertos recomienda estructuras consistentes para facilitar procesamiento y reutilización.
La versión original debe conservarse de manera protegida o mediante evidencia suficiente. Si A-00123 se transforma en A00123, la interfaz puede ser más consistente, pero el sistema debería poder explicar qué recibió. No se eliminan prefijos porque “parecen decorativos”.
También se normalizan organismos con un catálogo versionado. Un cambio de nombre oficial no convierte automáticamente dos autoridades en la misma entidad.
La coincidencia compuesta genera candidatos
Cuando falta un identificador común, se puede evaluar similitud entre:
- dominio;
- fecha y hora del hecho;
- ubicación y sentido;
- código o descripción de conducta;
- organismo y juzgado;
- importe o cantidad de unidades;
- evidencia asociada.
Una coincidencia alta crea un candidato, no una certeza. Por ejemplo, la misma patente puede cruzar dos veces un control en un día. Dos cámaras cercanas pueden registrar conductas separadas. Y un importe igual puede surgir de una escala común.
El algoritmo debería ponderar campos según su estabilidad y publicar reglas versionadas. No hace falta revelar defensas de seguridad, pero sí poder reproducir por qué se relacionaron dos registros.
Las contradicciones frenan la unión
Algunos datos incompatibles pesan más que varias similitudes. Si cambian organismo, ubicación distante en horarios imposibles, sentido, conducta sustancial o evidencia, la unión automática debe detenerse.
Otros cambios son compatibles con una evolución:
- estado de pendiente a juzgada;
- importe recalculado por vencimiento;
- incorporación posterior de una foto;
- corrección formal de una descripción;
- asignación de juzgado.
La diferencia se registra como historial, no sobrescribiendo silenciosamente el valor anterior.
Tres resultados posibles
Una evaluación conservadora produce:
- misma acta: identidad fuerte dentro de la fuente o relación oficial explícita;
- posible repetición: similitud suficiente, pero falta una clave o existe una diferencia no resuelta;
- actas distintas: identificadores o hechos incompatibles.
En el segundo caso se pueden agrupar visualmente sin sumar dos veces en un resumen tentativo, siempre que la interfaz explique la incertidumbre y permita abrir ambos registros. Para decisiones de pago, prevalece la consulta y la confirmación del organismo.
No uses el importe como clave
El monto cambia por unidad fija, vencimiento, descuento, sentencia o interés. La misma acta puede mostrar otro total; dos actas distintas pueden tener exactamente el mismo. El importe es un atributo histórico, no una identidad.
Lo mismo vale para descripciones libres. “Exceso de velocidad” puede representar códigos y umbrales diferentes. Si el código oficial está disponible, se conserva junto al texto.
Trazabilidad y revisión
Cada decisión debería guardar versión de regla, registros de entrada, resultado y momento. Una corrección del catálogo puede recalcular candidatos, pero la historia permite auditar por qué antes se mostraban separados.
Casos ambiguos de alto impacto necesitan revisión humana. La persona revisora debería ver sólo los datos necesarios, con acceso registrado. La Ley 25.326 exige seguridad, calidad y pertinencia; deduplicar no justifica retener indefinidamente documentos completos ni exponer datos personales.
Cómo medir sin engañarse
No conviene publicar una “tasa de duplicados” sin definir denominador, período, fuentes y umbral. Los cambios del algoritmo alteran la métrica. Primero se valida contra un conjunto controlado, con ejemplos de coincidencias y de falsos positivos.
Dos errores importan:
- falso positivo: unir actas distintas y ocultar una obligación;
- falso negativo: mostrar la misma acta dos veces y sugerir una deuda duplicada.
La política conservadora prioriza no ocultar hechos. Cuando falta certeza, muestra la relación como hipótesis y dirige a la fuente oficial.
Deduplicar bien no produce un registro “perfecto”. Produce una explicación reproducible: qué coincidió, qué cambió y por qué todavía se muestran uno o dos expedientes.
Metodología
- Alcance
- Método editorial defensivo para detectar referencias potencialmente repetidas en respuestas de fuentes distintas o sucesivas.
- Unidad de análisis
- Un registro de acta con fuente, identificador, organismo, fecha, ubicación, conducta, estado e importe cuando estén informados.
- Cobertura
- Reglas de identidad, similitud, contradicción, procedencia y revisión; no publica umbrales secretos ni datos de producción.
Limitaciones
- La falta de campos o cambios en el organismo pueden impedir una deduplicación automática confiable.
- Relacionar registros no modifica la causa oficial ni decide si corresponde un pago o reclamo.
Fuentes
- Guía para la publicación de datos en formatos abiertos — Dirección de Datos Abiertos (consultada el )
- RFC 9562 — Universally Unique IDentifiers — RFC Editor (consultada el )
- Sistema Nacional de Administración de Infracciones — Agencia Nacional de Seguridad Vial (consultada el )
- Ley 25.326 de Protección de los Datos Personales — Argentina.gob.ar (consultada el )
Preguntas frecuentes
¿Dos actas con el mismo número son siempre la misma?
No. El número puede ser único sólo dentro de un organismo, lote o sistema. Para identificar una acta también se conserva la fuente y, cuando existe, el juzgado o espacio de nombres correspondiente.
¿Misma patente, fecha y conducta alcanzan para fusionar registros?
No siempre. Puede haber dos hechos en distintos horarios, sentidos o ubicaciones. Esos campos sirven para generar una posible coincidencia, pero las contradicciones deben bloquear la unión automática.
¿Qué ocurre cuando no se puede decidir con seguridad?
Se conservan ambos registros, se informa que podrían estar relacionados y se remite al detalle oficial. Ocultar una infracción distinta suele ser más dañino que mostrar una advertencia revisable.
Notas relacionadas
De fuente oficial a resultado: el recorrido de una consulta en multas.ar
Entre ingresar una patente y mostrar un resultado hay decisiones sobre alcance, respuesta de cada fuente, normalización y trazabilidad. Documentarlas evita que un error parezca un cero.
Por qué dos infracciones parecidas pueden mostrar montos distintos
El importe depende de jurisdicción, unidades fijas, fecha de pago, estado del expediente y beneficios vigentes. Comparar sólo la descripción puede hacer parecer iguales actas que no lo son.
Acta, pendiente, sentencia y deuda: cómo mapeamos estados sin inventarlos
Los portales usan vocabularios distintos y una misma palabra puede describir etapas diferentes. El mapa correcto conserva el texto de origen y limita cada equivalencia.