Las ciudades ampliamente urbanizadas tienen múltiples factores que contribuyen a aumentar el riesgo de accidentes de tráfico. Entre ellos, Bogotá ha invertido en desarrollar una red de cámaras de monitoreo de tráfico y un centro de gestión para minimizar la ocurrencia de accidentes. Con los avances en visión por computador y deep learning, se pueden aplicar métodos para adquirir información del tráfico más rápido y mejor que con la supervisión humana. Este proyecto propone una metodología para estimar el riesgo de tráfico de eventos conflictivos y medidas sustitutas de seguridad, utilizando técnicas de última generación de detección y seguimiento de objetos. Primero, se presenta un método de calibración de la cámara, basado en la estimación de puntos de fuga. A continuación, se evalúan las técnicas de detección y seguimiento de objetos y se aplica un método de modelado de la escena, basado en la técnica de calibración, para estimar la proyección al plano de tierra de los objetos. Luego, se presentan los resultados en casos de identificación de eventos conflictivos y mediciones sustitutas de seguridad en el tráfico. Finalmente, se presentan las conclusiones del análisis de riesgos de tránsito, mostrando el potencial de la metodología propuesta en brindar información importante para tomar decisiones que conduzcan a mejorar la seguridad vial.