La combinación de IA y datos de los sistemas de videovigilancia está configurada para transformar la forma en que gestionaremos el tráfico y la movilidad urbana en los próximos años. Desde el enrutamiento hiperpersonalizado y la comunicación de Vehículo a todo (V2X), hasta la planificación y medición más efectivas de la infraestructura, estos sistemas sientan las bases para un progreso significativo, importante que salva vidas.
La tecnología de vigilancia como plataforma de innovación
Existe un cambio fundamental en la forma en que pensamos y utilizamos la tecnología de videovigilancia. Los avances en características como la resolución, la baja luminosidad y las velocidades más altas de los fotogramas solían estar sujetas a la experiencia de quien las visualizaba. Ahora, la calidad, cantidad y amplitud de los datos que capturan estos sistemas implica que podamos hacer mucho más que simplemente supervisar.
Ahora podemos lograr todo tipo de nuevos y complejos objetivos, ya sea reaccionar y responder a instancias en tiempo real, anticipar, prevenir y cambiar resultados o incluso informar sobre planes con nuevos y variados datos. Nos ofrece más formas de determinar, medir o incluso redefinir el éxito, lo que resulta especialmente útil para la industria del transporte, que históricamente ha estado restringida por datos limitados y estrechos.
Las autoridades de transporte y los planificadores se enfrentan a una lista interminable de desafíos: El aumento en el número de conductores, la congestión, el desgaste de las carreteras, los objetivos de emisiones, la salud y la seguridad públicas, así como el deterioro de los patrones medioambientales. Hace que priorizar y justificar las inversiones sea especialmente difícil, especialmente dentro de los presupuestos de los departamentos están siendo reducidos.
Gracias a la capacidad de la IA para procesar, analizar e identificar patrones dentro de enormes volúmenes de datos, las autoridades de transporte pronto tendrán datos mucho más completos para ayudar a informar estas decisiones, y una cantidad significativa de ellos provendrá de la tecnología de vigilancia. Estos sistemas se están convirtiendo cada vez más en una plataforma de datos sobre la que se construyen interesantes nuevos casos de uso que darán forma a la movilidad del mañana. Y la buena noticia es que ya hay millones de cámaras vigilando nuestras carreteras y ciudades, generando datos esperando a ser utilizados.
Estas son solo algunas de las formas casi ilimitadas en que los sistemas de IA basados en vigilancia pueden transformar nuestros sistemas de transporte en los próximos años:
Planificación de rutas a medida
La planificación de rutas implica mucho más de lo que cree. Aunque se han realizado mejoras para tener en cuenta el tráfico y las rutas alternativas, estas se aplican con un enfoque global. Actualmente, se le da poca o ninguna importancia al tipo de vehículo, y mucho menos a objetivos más amplios y conceptuales. Los sistemas de vigilancia ya proporcionan datos del vehículo del conductor en tiempo real (a través de características visibles y tecnología de reconocimiento de matrículas) y podrían detallar rápidamente las condiciones de la carretera en tiempo real. De este modo, disponen de los recursos ideales para una planificación de rutas personalizada.
Las condiciones meteorológicas, por ejemplo, pueden afectar en gran medida al rendimiento del vehículo. La velocidad y la dirección del viento influyen enormemente en el consumo de combustible. Esto es especialmente relevante en los vehículos de transporte y de carga pesada que ya consumen mucho combustible y son poco aerodinámicos. También los vehículos eléctricos. Los tiempos de carga prolongados multiplican cualquier impacto que una reducción de autonomía pueda tener en el viaje. Del mismo modo, las carreteras heladas o parcialmente inundadas pueden ser transitables para vehículos 4x4, pero los automóviles y motocicletas más pequeños necesitan rutas más adecuadas. Los scooters eléctricos son sensibles a las malas condiciones de las carreteras, como baches, piedras sueltas o vías de tranvía. Incluso la visibilidad, ya sea bajo poca luz, niebla u otras condiciones meteorológicas adversas, podría tenerse en cuenta.
Las observaciones en tiempo real también podrían ayudar directamente a los conductores y mejorar la consciencia situacional. Los sistemas de vigilancia pueden detectar vehículos que tienen problemas de tracción y sugerir a los conductores que reduzcan la velocidad. O detectar sutilezas como el posicionamiento en la vía o el cambio a las luces antiniebla.
Desplazamiento y estacionamiento asistidos
Una gestión eficaz de los carriles y de la velocidad puede marcar la diferencia entre un tráfico fluido y atascos de kilómetros de longitud. Un sistema que supervise el uso del carril y aconseje qué carril y en qué velocidad manejar, a través del infoentretenimiento en el vehículo y la señalización externa, sería transformador. Estos mismos sistemas también podrían incorporarse a los semáforos y los sistemas de señalización, priorizando y reequilibrando los tiempos para obtener un mayor efecto. Del mismo modo, incentivar el cumplimiento de estas instrucciones mediante alguna forma de reducción del impuesto de circulación o de la prima de seguro requeriría una documentación confiable, con cámaras capaces de proporcionarla. Pero todos estos vehículos tienen un destino: El estacionamiento.
El estacionamiento es un problema constante para los consejos municipales. Hasta el 30 % de los conductores en entornos urbanos congestionados buscan un espacio. Y esta cifra ni siquiera tiene en cuenta a aquellos que han renunciado a buscar y se desplazan hasta otro lugar. En resumen, cualquier mejora en este aspecto puede tener un enorme impacto en la congestión y en las emisiones.
Las cámaras pueden detectar fácilmente los espacios adecuados, ya sea dentro de un estacionamiento o en la calle. En combinación con el análisis del tráfico y los avances en la conectividad V2X, los conductores podrían ser asignados y dirigidos a determinados espacios en un futuro cercano. La efectividad de esto sólo se multiplica cuando se tiene en cuenta que los vehículos sin conductor se comunican entre sí quién está estacionando dónde.
De forma similar, estos mismos sistemas podrían recomendar el uso del tipo de motor en vehículos híbridos. Sabiendo dónde y cuántas estaciones de carga están disponibles en un destino elegido, junto con los niveles de tráfico y tiempo de viaje necesarios, se podría indicar a los vehículos que cambien a y desde los modos alimentados por batería.
A los conductores también se les podrían presentar opciones alternativas y más eficientes, como estacionar más lejos y tomar un servicio de transporte o alquilar un scooter eléctrico o una bicicleta.
Mejorar la seguridad vial mediante la identificación de cuasi accidentes
El objetivo principal de cualquier autoridad de transporte es hacer que las carreteras sean lo más seguras posible. Los accidentes e incidentes son informados de manera estricta y sirven de base para la toma de muchas decisiones. Sin embargo, el problema con el seguimiento de accidentes e incidentes es que los cuasi accidentes no se notifican. Incluso si todas las señales indican un accidente inminente, es solo después del hecho que de toman las medidas necesarias.
Los datos de vigilancia cambian todo esto. Para zonas de alto riesgo, como cruces peatonales, rotondas e intersecciones, las cámaras y los sistemas de audio podrían rastrear fácilmente el comportamiento del conductor al aproximarse, detectando cosas como altas velocidades y desaceleraciones rápidas, resbalones, uso de bocinas, y luces parpadeantes. Esto logra dos cosas. En primer lugar, notifica qué tipo de medidas preventivas deben tomarse, ya sea una iluminación mejorada, la instalación de espejos para una mayor visibilidad o los baches de moderación del tráfico. Y, en segundo lugar, ofrece una gran cantidad de nuevas métricas para comparar la eficacia de cualquier medida tomada para mejorar la seguridad vial. En conclusión, todo esto se traduce en carreteras más seguras con menos accidentes.
Redefinir el éxito en la planificación urbana
Con este conjunto de datos en constante expansión, las autoridades de transporte y planificación podrán tomar pronto decisiones mucho más informadas. De hecho, cada vez más ciudades invierten en gemelos digitales para modelar la eficacia de los nuevos cambios y propuestas antes de implementarlos. Los sistemas de vigilancia ya están demostrando ser una fuente inestimable de datos históricos y en tiempo real para este tipo de planificación. Los planes piloto y las iniciativas locales pueden brindar un ciclo de retroalimentación de aprendizaje, mejora y verificación antes de realizar grandes inversiones en toda la ciudad.
Los resultados de todas estas pruebas e implementaciones podrían utilizarse para dar forma a una variedad de factores, como las políticas de seguridad pública o de (re)inversión, las normas específicas de vehículos o zonas, la introducción de nuevos sistemas de generación de impuestos e ingresos, así como nuevos incentivos para los conductores.
Del mismo modo, se pueden introducir y supervisar fácilmente nuevas métricas de éxito, como la reducción de cuasi accidentes, la disminución del tiempo para estacionar/búsqueda de estacionamiento, velocidades medias más consistentes, Todo lo cual alimenta métricas más amplias de salud y seguridad pública más allá del departamento individual.
Un colaborador instrumental
Este es solo el comienzo comparado con todo el potencial que ofrece. Sin embargo, hay algo seguro: Lo instrumentales que serán los datos de vigilancia para posibilitar futuras soluciones de tráfico. Todo apunta a que las autoridades de transporte y planificación tendrán muchas más herramientas y recursos para realizar inversiones mejores, más seguras, más saludables, más sostenibles e informadas. Las decisiones se explicarán y justificarán más fácilmente tanto al público como a los responsables del presupuesto. En resumen, la experiencia general para los conductores, los peatones y otros mejorará drásticamente.
