SISTEMAS PARA SUPERVISIÓN DEL TRÁFICO VEHICULAR PARA INTERNET DE LAS COSAS

Los algoritmos se basan en visión y trayectorias.

Técnica matemática para la detección de centros de carriles, y formación de líneas divisorias.

Fuente: Cinvestav

En muchas zonas metropolitanas circulan más de un millón de automóviles. Por ejemplo, en la Ciudad de México circulan poco más de 10 millones de vehículos automotores, lo que se traduce en diversos problemas viales, como congestionamiento, contaminación o accidentes. Para atender este fenómeno, algunas urbes han creado sistemas que permiten monitorear el comportamiento vial a través de cámaras, radares y otros tipos de dispositivos, pero al añadir otros sensores diferentes a las cámaras, se encarecen los sistemas. Investigadores del Centro de Investigación y Estudios Avanzados (Cinvestav) Unidad Guadalajara, integraron un sistema que monitorea y sobre todo, procesa en tiempo real videos del tráfico vehicular, para obtener métricas importantes que pudiera desplegarse en lugares estratégicos de diversas ciudades.

Este sistema de visión de alto rendimiento con una única cámara estática, integra algoritmos existentes y permite la detección de vehículos en movimiento, manejando la oclusión entre vehículos, su rastreo, conteo y clasificación en chicos, medianos y grandes, con una precisión mayor al 98 por ciento. Este y otros sistemas permitirían observar el problema del flujo de tráfico, y monitorearlo mediante cámaras de video con acceso a internet, de bajo costo relativamente, para recoger información que al procesarla posteriormente, generan datos precisos y útiles en la toma de decisiones por parte del conductor en tiempo real; es decir, no sólo son datos informativos, explicó Deni Torres Román, líder del proyecto.

Si pudiéramos desplegar cámaras en puntos estratégicos de la ciudad (urbes desarrolladas ya las tienen) para recoger información y procesarla, con una aplicación móvil, el usuario podría ver en tiempo real lo que sucede en esos puntos o en determinado tramo carretero, con diferencia de pocos segundos. El sistema también realiza un conteo por segundo de los automotores para determinar el flujo, lo cual es base para clasificar el tráfico vehicular por ejemplo en: lento, moderado o pesado; y con ello en un futuro rediseñar el tránsito. Otro aspecto importante de la investigación, es la detección de las líneas divisorias de los carriles, las cuales son especificaciones del concepto clásico de carreteras. En realidad, las líneas divisorias de carriles motivadas por la dinámica del manejo no son rígidas, ni rectas, ni en todo instante los choferes manejan por el centro del carril.

Los algoritmos que detectan estas líneas pintadas en el pavimento, se basan en visión, y los que detectan el centro de los carriles, se basan en las trayectorias más recientes de los vehículos. Motivados por estos hechos, los investigadores desarrollaron un algoritmo nuevo basado en la entropía de la información, específicamente en la entropía de los pixeles de las imágenes, que permite en 30 segundos, la detección de los centros de los carriles dinámicos y la formación de las líneas divisorias de carriles, los cuales cambian en el tiempo.

La idea de emplear la entropía nos vino al observar el comportamiento temporal de los diferentes pixeles y regiones del video capturado por la cámara. Se uso ese criterio para desarrollar un algoritmo nuevo, a fin de encontrar los puntos de entropía máxima (puntos en el centro de los carriles) y de entropía mínima (puntos de líneas divisorias entre carriles), esta información permite identificar cuando un conductor cambia de carril por algún accidente u otra razón. Mediante su integración con la denominada internet de las cosas, estos sistemas, junto a otros que se desarrollan en el mundo, pueden servir de base para el concepto de ciudades y carreteras inteligentes.