Los sistemas de monitoreo de tráfico son comunes en todas las redes de carreteras desarrolladas a nivel mundial. Generalmente se componen de semáforos, señalización estática y dinámica, detectores de vehículos de bucle inductivo, equipos de radio, cámaras de velocidad, cámaras de detección de matrículas y cámaras de CCTV. Los sistemas de gestión de tráfico en sí se gestionan desde una sala de control segura donde el personal autorizado asegura la gestión del sistema.
Los operadores de salas de control suelen estar altamente capacitados y ser experimentados, lo que los hace muy solicitados. A menudo es un desafío reclutar y retener a dichos operadores y asegurar que haya suficientes operadores calificados en cada turno, ya que estas salas de control funcionan 24/7. La Inteligencia Artificial puede asistir significativamente a los operadores de salas de control en la gestión del control de manera más eficiente y en la realización de más tareas basadas en eventos, como la detección de eventos anómalos, incluidas averías de vehículos, colisiones de vehículos u otros peligros en la carretera, y la detección de la velocidad de circulación.
Este caso de estudio explora cómo un sistema experto de inteligencia artificial puede implementarse y utilizarse en una sala de control de monitoreo de tráfico para obtener mejores resultados para todos los que interactúan con sistemas complejos. Por lo tanto, los operadores de la sala de control y los viajeros transitan por diversas redes de carreteras.
Las técnicas de geometría computacional, que están bien establecidas en los gráficos por computadora, pueden emplearse para detectar más contexto una vez que se rastrean los objetos. Por ejemplo, la colisión de dos vehículos puede detectarse de manera eficiente mediante algoritmos de detección de colisiones computacionales, incluida la intersección de dos cuadros delimitadores que rodean cada vehículo respectivo.
Es esencial utilizar técnicas algorítmicas clásicas en sistemas expertos, ya que son más confiables y eficientes dado que su programación es exacta. Los sistemas de inteligencia artificial deben limitarse a una modalidad en la que un humano tome la decisión final sobre la acción a realizar. Esto se debe a que, si bien los sistemas de inteligencia artificial son altamente confiables, existe un margen de error que debe mitigarse. Por lo tanto, recomendamos implementar sistemas expertos de manera híbrida, utilizando lo mejor tanto de las técnicas de inteligencia artificial como de la programación algorítmica clásica.
Descripción general del desafío organizacional
Los sistemas expertos son complicados de implementar en un entorno como una sala de control. Además de los desafíos tecnológicos, deben seguirse numerosos obstáculos administrativos, requisitos de cumplimiento y procesos internos para garantizar una implementación adecuada. Si bien la tecnología representa un desafío para la gestión de proyectos y la implementación dentro de muchas organizaciones grandes, los beneficios generalmente siguen superando el costo de no implementarla debido a la deuda técnica.
Mirar constantemente pantallas durante horas seguidas cuando la mayor parte del tiempo no ocurre nada particularmente fuera de lo común es una tarea difícil para la mayoría de las personas y sería tedioso. Es natural suponer que la concentración sería difícil de mantener a medida que pasa el tiempo. Lo anteriormente mencionado es donde los sistemas expertos de AI sobresalen. El sistema puede monitorear constantemente las transmisiones de las cámaras en busca de eventos que requieran una respuesta y hacer sugerencias a un operador de sala de control sobre cómo podría proceder.
A continuación se enumeran algunos ejemplos que describen cómo un AI puede trabajar con un operador de sala de control:
- Si dos o más vehículos colisionan, un AI lo detectará, registrará el incidente y alertará a un operador de la sala de control.
- Si un vehículo circula a una velocidad inadecuada, el AI puede considerar alertar al conductor a través de una señal digital.
- Dado que se detecta un peligro en la carretera, una AI puede alertar a un operador de la sala de control y sugerir cerrar el carril hasta que un equipo elimine el peligro.
Datos Organizacionales Disponibles como Entrada para AI
La siguiente es una lista de fuentes de datos utilizadas por sistemas automatizados de monitoreo de tráfico:
- Cámaras CCTV, posicionadas a lo largo de varias redes de carreteras.
- Información de señales de cámaras de tráfico que indica el estado de la red de carreteras.
- Los detectores de vehículos de bucle inductivo proporcionan datos como el peso del vehículo.
- Datos de sensores LiDAR para complementar las transmisiones de CCTV que para algunos casos de uso pueden ser más confiables para el procesamiento para el reconocimiento por computadora.
Metodología de Integración
A continuación se presenta una descripción general del proceso que realizaríamos para integrar un sistema experto de monitoreo de tráfico basado en inteligencia de artículos dentro de una sala de control:
- Identificar las transmisiones de CCTV/LiDAR y el sistema de cámaras que proporciona monitoreo y grabación de dichas transmisiones.
- Reenvíe los datos a una supercomputadora o proveedor de computación en la nube para análisis y procesamiento en tiempo real.
- Pase las transmisiones a través de Telemus AI™ y devuelva las transmisiones de video aumentadas a los sistemas de monitoreo de seguridad dentro de la sala de control.
- Configurar alertas personalizadas para el personal de seguridad en función de lo que se detecta según los parámetros en los que los operadores de la sala de control desean que opere.
- Evaluar constantemente el rendimiento del sistema de inteligencia artificial para mejorarlo e impulsar continuamente eficiencias aún mayores.
Dado que Telemus AI™ se encarga de la implementación técnica de inteligencia artificial, las organizaciones pueden centrarse en la lógica de negocio y en los procesos y procedimientos internos integrando las capacidades tecnológicas.
Aplicaciones Organizacionales
A continuación se enumeran otras aplicaciones potenciales para su organización:
- Mejora de la eficiencia, eficacia y rendimiento de las salas de control de tráfico.
- Determinar puntos críticos de tráfico para optimizar la planificación urbana y reducir la congestión del tráfico.
- Seguimiento de vehículos de flota si están dentro de un estacionamiento y son devueltos por empleados de la empresa.
- Seguimiento de vehículos dentro de estacionamientos y medición de la duración de la estadía para comprender mejor el comportamiento de los viajeros.
Beneficios potenciales y realizados
Los beneficios potenciales de los sistemas expertos basados en inteligencia artificial son inmensos. Su implementación puede conducir a una mejor productividad de los operadores de la sala de control, una reducción de errores en la detección de eventos, una mejor planificación de ciudades y carreteras, una reducción de la congestión del tráfico y un conocimiento general mejorado de la red de carreteras, todo ello teniendo en cuenta la dimensión temporal, mejorando la comprensión de los métodos estáticos típicos.
En la actualidad, muchos de estos sistemas aún se encuentran en la etapa de investigación y desarrollo. Sin embargo, la planificación organizacional debería ocurrir a partir de ahora, ya que los desafíos de implementación serán enormes incluso a medida que mejore el estado del arte. Telemus AI™ tiene implementaciones robustas de tecnologías de inteligencia artificial y puede tener sistemas integrados que operan a escala.
Telemus AI™ es una empresa de inteligencia artificial con sede en Australia que proporciona soluciones avanzadas al gobierno y a las empresas. Contáctenos hoy para una consulta gratuita sobre cómo Telemus AI™ puede integrarse en su organización.
