Investigadores de la Fundación i2CAT, centro de investigación aplicada en el ámbito de las nuevas tecnologías digitales, han liderado el desarrollo de un sistema para la detección de riesgos y flujos de tráfico en vías urbanas e interurbanas basado en el uso de tecnologías de Inteligencia Artificial (IA) y big data. El proyecto es una iniciativa del Centre of Innovation for Data tech and Artificial Intelligence (CIDAI) y en él han participado, además, investigadores del Barcelona Supercomputing Center (BSC), del Centre de Telecomunicacions i Tecnologies de la Informació (CTTI) y de Eurecat – Centre Tecnològic de Catalunya.
El sistema proporciona soluciones de movilidad inteligente basadas en IA y big data en base a dos objetivos principales. El primero de ellos ha sido lograr la prevención proactiva de accidentes de tráfico mediante la identificación de situaciones de riesgo que implican tanto a vehículos como a peatones. El segundo objetivo se ha centrado en analizar el flujo de tráfico en zonas urbanas y segmentos de carreteras interurbanas con el fin de detectar comportamientos anómalos en carretera y obtener información sobre las condiciones de tránsito que acaban derivando en atascos.
Plataforma software para la identificación de riesgos
Para cumplir ambos objetivos, los investigadores seleccionaron dos ubicaciones interurbanas en dos segmentos diferenciados de la carretera C31 y una ubicación urbana, para la que se eligió un cruce en la ciudad de Barcelona. Mediante un sistema de cámaras, se registraron más de 150 horas de grabación de vídeo en estos tres puntos. A partir de este material, se identificó un conjunto de casos de uso representativos que abarcaban escenarios de riesgo típicos causados, por ejemplo, por vehículos que cambian de carril sin respetar las líneas continuas o el cruce de peatones con el semáforo en rojo.
A partir de ahí, los investigadores desarrollaron una plataforma de software para el procesado de datos y elaboraron los módulos de análisis. Se desarrolló un módulo de detección y seguimiento de objetos basado en tecnología IA para la detección de los diferentes tipos de usuarios de la vía (coches, camiones, motos, peatones, etc.) siguiéndolos a través de cuadros consecutivos y extrayendo información valiosa sobre su posición y velocidad. También se elaboró un módulo de detección de semáforos y se establecieron las reglas y mapas semánticos para detectar riesgos específicos asociados al tráfico.
Buen rendimiento del sistema
Los investigadores destacan el buen desempeño del sistema, que ha permitido la detección y el seguimiento de múltiples tipos de vehículos en diferentes momentos del día y la estimación de la velocidad, un elemento de gran importancia porque permite determinar varios eventos relacionados con el tráfico, como la distancia de seguridad o la identificación de vehículos detenidos.
El caso de cambio ilegal de carril, que se da al cruzar las líneas continuas, fue detectado con una precisión del 89% y el caso de cruce de peatones con semáforo en rojo con un 75%. Otro indicador llamativo es el bajo número de detecciones de falsos negativos. El sistema identificó correctamente el 93,75% de las situaciones de riesgo e incluso permitió detectar situaciones de riesgo alto que no estaban contempladas al inicio del proyecto como, por ejemplo, la circulación de bicicletas y de peatones por los laterales de los carriles de la carretera.
En lo relativo a los tipos de riesgo, el sistema ha puesto en evidencia la diferencia entre los entornos interurbanos, que involucran principalmente a automóviles y vehículos más grandes como camiones y autobuses, y los entornos urbanos, donde son los peatones los que corren un riesgo mayor en la gran mayoría de escenarios.
La información obtenida por el sistema podría ayudar a las administraciones a desarrollar modelos de prevención para reducir sustancialmente el número de accidentes de tráfico y de muertes en la carretera. A su vez, permitiría mejoras sustanciales en el flujo de tráfico y la reducción de emisiones de gases contaminantes, gracias a la reducción de los atascos y a la optimización del tiempo de espera en los semáforos en las ciudades.
“Durante los próximos años, las administraciones y las autoridades de tráfico de muchos países ya están planteando una nueva estrategia de seguridad vial y gestión del tráfico basada en la transformación digital y en la explotación de datos procedentes de diferentes fuentes. Para ello, será necesario implementar soluciones tecnológicas como la desarrollada en este proyecto”, concluyen los investigadores.
