La Fundació i2CAT lidera el desenvolupament d’un sistema de detecció de riscos i fluxos de trànsit basat en Intel·ligència Artificial i big data en una iniciativa de CIDAI

08/07/2022

Investigadors de la Fundació i2CAT, centre de recerca aplicada en l’àmbit de les noves tecnologies digitals, han liderat el desenvolupament d’un sistema per a la detecció de riscos i fluxos de trànsit en vies urbanes i interurbanes basat en l’ús de tecnologies d’Intel·ligència Artificial (IA) i big data. El projecte és una iniciativa del Centre of Innovation for Data tech and Artificial Intelligence (CIDAI) i en ell han participat, també, investigadors del Barcelona Supercomputing Center (BSC), del Centre de Telecomunicacions i Tecnologies de la Informació (CTTI) i de Eurecat – Centre Tecnològic de Catalunya.

El sistema proporciona solucions de mobilitat intel·ligent basades en IA i big data sobre la base de dos objectius principals. El primer d’ells és aconseguir la prevenció proactiva d’accidents de trànsit mitjançant la identificació de situacions de risc que impliquen tant vehicles com a vianants. El segon objectiu s’ha centrat en analitzar el flux de trànsit en zones urbanes i segments de carreteres interurbanes amb la finalitat de detectar comportaments anòmals i obtenir informació sobre les condicions de trànsit que acaben derivant en embussos.

Plataforma software per a la identificació de riscos
Per aconseguir aquests objectius, els investigadors van seleccionar dues ubicacions interurbanes en dos segments de la carretera C31 i una ubicació urbana, per a la qual es va triar un encreuament a Barcelona. Mitjançant un sistema de càmeres, es van registrar més de 150 hores de vídeo en aquests tres punts. A partir d’aquest material, es va identificar un conjunt de casos d’ús representatius que abastaven escenaris de risc típics causats, per exemple, per vehicles que canvien de carril sense respectar les línies contínues o el pas de vianants amb el semàfor en vermell.

A continuació, els investigadors van desenvolupar sobre un cloud híbrid (part de la infraestructura en Azure, gràcies a la donació de crèdits per part de Microsoft, i part en sistemes on-premise) una plataforma de software per al processament de dades i van elaborar els mòduls d’anàlisis. Es va desenvolupar un mòdul de detecció i seguiment d’objectes basat en tecnologia IA per a la detecció dels diferents tipus d’usuaris de la via (cotxes, camions, motos, vianants, etc.) seguint-los a través de quadres consecutius i extraient informació valuosa sobre la seva posició i velocitat. També es va elaborar un mòdul de detecció de semàfors i es van establir les regles i mapes semàntics per detectar riscos específics associats al trànsit.

Un model de prevenció basat en les noves tecnologies
Els investigadors destaquen el bon rendiment del sistema, que ha permès la detecció i el seguiment de múltiples tipus de vehicles en diferents moments del dia i l’estimació de la velocitat, un element de gran importància perquè permet determinar, per exemple, la distància de seguretat o la identificació de vehicles detinguts.

Exemple de risc urbà detectat en un encreuament de Barcelona

El cas de canvi il·legal de carril va ser detectat amb una precisió del 89% i el cas de pas de vianants amb semàfor en vermell amb un 75%. Un altre indicador significatiu és el baix nombre de deteccions de falsos negatius. El sistema va identificar correctament el 93,75% de les situacions de risc i fins i tot va permetre detectar situacions de risc alt que no estaven contemplades a l’inici del projecte com, per exemple, la circulació de bicicletes i de vianants pels laterals dels carrils de la carretera.

Quant als tipus de risc, el sistema ha posat en evidència la diferència entre els entorns interurbans, que involucren principalment a automòbils i vehicles més grans com a camions i autobusos, i els entorns urbans, on són els vianants els que corren un risc major en la majoria d’escenaris.

La informació obtinguda pel sistema podria ajudar les administracions a desenvolupar models de prevenció per reduir substancialment el nombre d’accidents de trànsit i de morts en la carretera. Al seu torn, permetria millores substancials en el flux de trànsit i la reducció d’emissions de gasos contaminants, gràcies a la reducció dels embussos i a l’optimització del temps d’espera en els semàfors a les ciutats.

“Les administracions i les autoritats de trànsit de molts països ja estan plantejant pels pròxims anys una nova estratègia de seguretat viària i gestió del trànsit basada en la transformació digital i en l’explotació de dades procedents de diferents fonts. Per a això, serà necessari implementar solucions tecnològiques com la desenvolupada en aquest projecte”, conclouen els investigadors.