Inteligencia Artificial: El nuevo agente de tránsito

Inteligencia Artificial: El nuevo agente de tránsito 

Agilizar el tránsito en las ciudades ya es posible: Valiéndose de cámaras, algoritmos y sistemas de aprendizaje automatizado como el Machine Learning, un equipo de investigación de la Universidad Nacional del Sur y del CONICET desarrolló un sistema que permite reducir los tiempos innecesarios del semáforo en rojo. 

📱 Suscribite Gratis Alertas de Transito por Whatsapp o Email o Telegram

♥ Te sirve este servicio? Podes apoyarnos un ☕ Cafecito haciendo clic acá para que el servicio siga creciendo.

El sistema favorece la gestión del tráfico en intersecciones donde los semáforos con tiempos fijos no son efectivos. Se utilizan cámaras y algoritmos de Machine Learning.


Agilizar el tránsito en las ciudades ya es posible: Valiéndose de cámaras, algoritmos y sistemas de aprendizaje automatizado como el Machine Learning, un equipo de investigación de la Universidad Nacional del Sur y del CONICET desarrolló un sistema que permite reducir los tiempos innecesarios del semáforo en rojo. 
Cómo almacena información, qué pasa si el sistema se daña y cómo identifica vehículos de emergencia, como ambulancias o camión de bomberos, algunas de las claves.

Históricamente, las ciudades han sido puntos álgidos de tránsito, demoras y congestión vehícular. En los tiempos modernos, el escenario cada vez se complica más y es fundamental encontrar soluciones para optimizar los recorridos. Los semáforos, piezas claves en el paisaje urbano, podrían ser la solución… sólo habría que hacerlos un poco más “inteligentes”. Magalí de Diego (Agencia CTyS-UNLaM) -

En Cipolletti, provincia de Buenos Aires, un equipo de investigación de la Universidad Nacional del Sur y del CONICET desarrolló: 
  • Un sistema de semaforización inteligente que acorta los tiempos innecesarios de la luz roja. 
  • El sistema favorece la gestión del tráfico en intersecciones donde los semáforos con tiempos fijos no son efectivos. 
  • Se utilizan cámaras y algoritmos de Machine Learning, una rama de la inteligencia artificial (IA) que le permite a la máquina aprender patrones y realizar tareas sin una programación específica.

“El sistema identifica autos, micros, camiones o motos en cada calle y ajusta los tiempos de luz verde acorde a esa cantidad, para evitar que haya tiempos de espera si no hay tránsito por la otra vía”, explica Diego Moyano, miembro del equipo del Instituto de Investigaciones en Ingeniería Eléctrica (IIIE) "Alfredo Desages" (UNS-CONICET, en diálogo con la Agencia CTyS-UNLaM.

Los dispositivos, que ya están funcionando en dos cruces de la ciudad bonaerense, tienen un sistema exacto;
  • La operación se basa en la asignación dinámica del tiempo de luz verde en dos tramos.
  • El tiempo tradicional de verde es de 60 segundos, pero nosotros lo dividimos en dos tramos de 30”, comienza a explicar Favio Masson, doctor en Control de Sistemas, investigador del CONICET. 
  • Para el primero, según la cantidad de vehículos en espera, se asigna un mínimo de cinco segundos a un máximo de 30, contemplando, según el tipo de calle, aproximadamente cinco segundos por cada auto detectado. 
  • “En caso de que haya solo uno o ningún vehículo detectado, cuando están terminando los cinco segundos de base el sistema revisa si hay nuevos vehículos y, si hay solo uno o ninguno, asigna otros cinco segundos y pasa a rojo. O sea, el tiempo mínimo de verde son 10 segundos”, precisa el especialista.

Masson asevera que “el tiempo mínimo en cada tramo se asigna como un margen de seguridad, aunque no se detecten autos”. Según explican los investigadores, este sistema de cámaras y algoritmos le permite al controlador inteligente variar de forma dinámica y segura los ciclos de las luces verdes de todos los semáforos que intervienen en la intersección.

“Los rojos -agrega-, asociados a los tiempos de espera, van a quedar establecidos por la carga de las otras arterias. Por ejemplo, si el semáforo tiene cuatro calles con 60 segundos de verde en un semáforo convencional, con este sistema el tiempo de espera mínimo será de treinta segundos, si no hay vehículos o hay muy pocos en las otras arterias. El máximo sería de tres minutos, 60 segundos por cada una de las otras calles”.

Un diseño con muchos upgrades

Los investigadores destacan que el sistema posee dos capas. La primera está conectada directamente con las luces y un controlador convencional. Sobre este, está el sistema inteligente que comunica al controlador los tiempos de verde. Si por alguna razón el sistema inteligente dejase de funcionar, el controlador va a operar como una semaforización convencional fija. Al mismo tiempo, se envía un mensaje a la autoridad y al servicio técnico para que resuelvan el inconveniente. 

Otro aspecto interesante es que el sistema inteligente almacena varios registros históricos del funcionamiento. “A partir de esta información, se construye un modelo estadístico simple y, si se pierde alguna de las cámaras que se utilizan para medir la carga de vehículos, se ingresa a un modo de operación alternativo según las estadísticas para ese día y horario”, indica Moyano quién se desempeña como Personal de Apoyo del CONICET.

Este robusto sistema, que puede mantenerse en funcionamiento en cualquier situación, también permitiría la distinción de vehículos de emergencia como patrullas, ambulancias o camiones de bomberos. “Al detectar su presencia, va habilitando semáforos verdes para que realice el recorrido de forma rápida y segura”, explica el investigador de la UNS. 

A entrenar… ¡A toda máquina!

El equipo de la Universidad Nacional del Sur lo tiene claro: La inteligencia artificial tiene que ser una herramienta que potencie el desarrollo científico y tecnológico. Por eso, valiéndose del procesamiento y análisis de datos que permiten las tecnologías actuales y como parte del proceso de trabajo, comenzaron a “entrenar semáforos”.

El Machine Learning, o aprendizaje automático, se desprende del área de la IA y se centra en el desarrollo de algoritmos y modelos computacionales capaces de aprender patrones y, con el paso del tiempo, mejorar su precisión. En el proyecto de la UNS y el CONICET, que se realiza bajo la dirección de Santiago Gerling Konrad, el desarrollo de esta tecnología fue fundamental. 

 “En lugar de seguir instrucciones explícitas, los sistemas de Machine Learning utilizan datos para mejorar su rendimiento a lo largo del tiempo. Estos algoritmos pueden analizar grandes cantidades de información, identificar tendencias y generar predicciones o tomar decisiones sin intervención humana directa. El proceso de aprendizaje implica ajustar automáticamente los parámetros del modelo en función de la retroalimentación proporcionada por los datos de entrenamiento”, explicaron los expertos.

Un trabajo con reconocimiento nacional

El proyecto, en el que también participó Nicolas Paternostro, fue realizado en el marco del programa ImpaCT.AR, una convocatoria cuyo propósito es promover proyectos de investigación y desarrollo destinados a brindar apoyo a organismos públicos en la búsqueda de soluciones a desafíos de interés público. Además, fue distinguido en los INNOVAR 2023, una competencia que busca distinguir trabajos con el objetivo de impulsar invenciones de alto impacto social y comercial, que promuevan la transferencia de conocimientos y tecnología al sector productivo.

El sistema permite la distinción de vehículos de emergencia como patrullas, ambulancias o camiones de bomberos. Foto: gentileza de los investigadores.


Fuente:
https://www.ctys.com.ar/
Tags: CONICET, Inteligencia Artificial, Semáforo, Universidad Nacional del Sur

Publicar un comentario

0 Comentarios