Se prevé que, en los próximos años, la combinación de IA y datos de los sistemas de videovigilancia transforme la forma en que gestionamos el tráfico y la movilidad urbana. Desde el enrutamiento hiperpersonalizado y la comunicación «vehículo a todo» (V2X), hasta la planificación y medición más efectivas de la infraestructura, estos sistemas están sentando las bases para un progreso significativo, importante y que salva vidas.
La tecnología de vigilancia como plataforma de innovación
Se está produciendo 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 de fotogramas más altas solían centrarse en la experiencia del espectador. Ahora, la calidad, cantidad y amplitud de los datos que captan estos sistemas implica que podemos hacer mucho más que simplemente supervisar.
Ahora podemos lograr todo tipo de objetivos nuevos y complejos, ya sea reaccionar y responder a instancias en tiempo real, anticiparse, prevenir y cambiar resultados o incluso respaldar con informes planes gracias a datos nuevos y variados. Nos ofrece más formas de medir o incluso redefinir el éxito, lo que resulta especialmente útil para el sector del transporte, que históricamente ha estado restringido por datos limitados y reducidos.
Las autoridades de transporte y los planificadores se enfrentan a una lista interminable de desafíos: aumento del número de conductores, congestión, desgaste de las carreteras, objetivos de emisiones, salud y seguridad públicas, así como peores patrones medioambientales. Hace que priorizar y justificar las inversiones sea especialmente difícil, especialmente dentro de unos presupuestos departamentales que cada vez se reducen más.
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 ricos para ayudar a respaldar con informes 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 nuevos casos prácticos interesantes que darán forma a la movilidad del futuro. La buena noticia es que ya hay millones de cámaras vigilando nuestras carreteras y ciudades, generando datos que esperan ser utilizados.
Estas son solo algunas de las formas casi ilimitadas en que los sistemas de vigilancia con IA pueden transformar nuestros sistemas de transporte en los próximos años:
Planificación de rutas a medida
La planificación de rutas es mucho más compleja de lo que parece. Aunque se han realizado mejoras para tener en cuenta el tráfico y las rutas alternativas, estas se aplican con un enfoque global. Actualmente se tiene poco en cuenta, o no se tiene en cuenta, el tipo de vehículo, por no hablar de objetivos más amplios y conceptuales. Los sistemas de vigilancia ya proporcionan datos en tiempo real del vehículo del conductor (mediante características visibles y tecnología de reconocimiento de matrículas) y podrían detallar pronto 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 afectan enormemente al consumo de combustible. Esto es especialmente relevante para los vehículos de transporte y de carga pesada que ya consumen mucho combustible y son poco aerodinámicos. También para los vehículos eléctricos. Los largos tiempos de carga multiplican cualquier impacto que tenga una reducción de la autonomía en el viaje. Del mismo modo, las carreteras heladas o parcialmente inundadas pueden ser transitables para todoterrenos, pero los vehículos y motocicletas más pequeños necesitan rutas más adecuadas. Las motos eléctricas son sensibles a las malas condiciones de la carretera, como baches, piedras sueltas o vías de tranvía. Incluso la visibilidad, ya sea con 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 conciencia de la situación. 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 carretera o el cambio a las luces antiniebla.
Desplazamiento y aparcamiento asistidos
Una gestión eficaz del carril y de la velocidad puede marcar la diferencia entre el tráfico fluido y los atascos de kilómetros de longitud. Un sistema que supervise el uso del carril y aconseje qué carril y velocidad utilizar, a través del sistema de información y entretenimiento del vehículo y la señalización externa, sería transformador. Estos mismos sistemas también podrían ofrecer información a los semáforos y los sistemas de señalización, priorizando y reequilibrando los tiempos para obtener el mayor efecto. Del mismo modo, incentivar la conformidad con estas instrucciones a través de alguna forma de reducción del impuesto de circulación o de la prima de seguro requeriría una documentación fiable, con cámaras capaces de proporcionarla. Pero todos estos vehículos tienen un destino, lo que implica aparcar.
El aparcamiento es un problema perenne para los ayuntamientos. Hasta el 30 % de los conductores buscan un espacio donde aparcar en entornos urbanos congestionados. Esta cifra ni siquiera tiene en cuenta a aquellos que han renunciado a buscar y viajan a otro lugar. En resumen, cualquier mejora al respecto puede tener un enorme impacto en la congestión y las emisiones.
Las cámaras pueden detectar fácilmente los huecos adecuados, ya sea dentro de un aparcamiento o en la calle. En un futuro próximo y en combinación con el análisis del tráfico y los avances en la conectividad V2X, podrían asignarse a los conductores espacios donde aparcar y dirigírseles a ellos. La efectividad de esta medida se multiplica cuando se tiene en cuenta que los vehículos sin conductor se comunican entre sí para saber quién está aparcando y dónde.
De forma similar, estos mismos sistemas podrían aconsejar sobre el uso del tipo de motor para 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 los modos alimentados por batería o desde ellos.
A los conductores también se les podrían presentar opciones alternativas y más eficientes, como aparcar más lejos y tomar un autobús lanzadera o alquilar un patinete eléctrico o una bicicleta.
Mejora de 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 se notifican estrictamente y sirven de base para muchas decisiones. Sin embargo, el problema del seguimiento de accidentes e incidentes es que los cuasi accidentes no se notifican. Incluso aunque todas las señales indiquen un accidente inminente, únicamente se toman las medidas necesarias una vez ya ha ocurrido.
Los datos de vigilancia cambian todo lo anterior. Para zonas de alto riesgo, como cruces peatonales, rotondas y cruces, las cámaras y los sistemas de audio podrían rastrear fácilmente el comportamiento del conductor al aproximarse, detectando altas velocidades y desaceleraciones rápidas, derrapes, uso de claxon y parpadeos de los faros. Esto hace dos cosas. En primer lugar, informa sobre qué tipo de medidas preventivas deben tomarse, ya sea mejorar la iluminación o instalar espejos para una mayor visibilidad o resaltos para reducir la velocidad. En segundo lugar, dispone de una gran cantidad de nuevos parámetros para comparar la eficacia de cualquier medida tomada para mejorar la seguridad vial. En última instancia, todo esto se traduce en carreteras más seguras con menos accidentes.
Redefinición del éxito en la planificación urbana
Con este conjunto de datos en constante expansión, las autoridades de transporte y planificación tomarán pronto decisiones mucho más informadas. De hecho, cada vez más ciudades están invirtiendo en gemelos digitales para modelar la eficacia de los nuevos cambios y propuestas antes ponerlos en práctica. Los sistemas de vigilancia ya están demostrando ser una fuente inestimable de datos históricos y en tiempo real para este tipo de planificación. Los programas piloto e iniciativas locales pueden proporcionar un ciclo de retroalimentación de formación, mejora y verificación antes de realizar inversiones importantes en toda la ciudad.
Los resultados de todas estas pruebas e implementación podrían utilizarse para dar forma a una variedad de factores, como políticas de seguridad pública o (re)inversión, reglas específicas de vehículos o zonas, introducir nuevos esquemas de generación de impuestos e ingresos, así como nuevos incentivos para conductores.
Del mismo modo, se pueden introducir y supervisar fácilmente nuevas métricas de éxito, como la reducción de cuasi accidentes, la disminución del tiempo de estacionamiento/búsqueda de estacionamiento, velocidades medias más constantes, todo lo cual se refleja en métricas de salud y seguridad pública más amplias más allá del propio departamento.
Un colaborador decisivo
Solo rascamos la superficie del potencial, pero hay algo claro: el grado de en el que los datos de vigilancia serán decisivos para permitir futuras soluciones de tráfico. Todo apunta a que las autoridades de transporte y planificación tengan muchas más herramientas para realizar unas inversiones mejores, más seguras, más saludables, más sostenibles e informadas. Las decisiones se explicarán y justificarán más fácilmente tanto al público como a los titulares del presupuesto. Y, en última instancia, la experiencia general para conductores, peatones o cualquier otra persona mejorará drásticamente.
