Investigadores de la Universidad de Texas (EEUU) están desarrollando una nueva herramienta que usa la inteligencia artificial para reconocer y clasificar los objetos grabados por las cámaras de tráfico, con el objetivo de analizar cómo interactúan, se comportan y afectan a la fluidez del tráfico.
El equipo de investigación está formado por personal del Centro de Computación Avanzada de Texas y del Centro de Investigación del Transporte de la Universidad de Texas. Su trabajo se basa en el desarrollo de herramientas que permitan realizar análisis de tráfico complejos y con capacidad de búsqueda utilizando aprendizaje automático y gestión avanzada de los datos.
El objetivo es que el sistema sea capaz de reconocer objetos, como personas, automóviles, autobuses, camiones, bicicletas, motocicletas y semáforos, y luego establecer cómo se comportan esos objetos entre ellos.
Esta información puede luego ser analizada y consultada por los responsables del tráfico para conocer por ejemplo, entre otros muchos aspectos, cuántos vehículos circulan en sentido contrario por una calle de sentido único.
El algoritmo desarrollado para el análisis del tráfico etiqueta automáticamente todos los objetos potenciales a partir de los datos sin procesar, rastrea los objetos comparándolos con otros objetos previamente reconocidos y compara los resultados de cada escena para descubrir las relaciones entre los objetos. Las pruebas realizadas por la herramienta han obtenido un 95 % de aciertos automáticos, lo que da una idea de la precisión y utilidad de estos sistemas.
Otra de las utilidades del sistema es la capacidad de identificar automáticamente los momentos en los que aparecen vehículos y peatones demasiado cerca, para descubrir ubicaciones o zonas más peligrosas, o espacios donde hay más peatones que cruzan las calles sin que esté señalizado para ello.
Un proyecto flexible que puede contribuir a mejorar la seguridad, y del que podrán sacar mucho partido los responsables de tráfico de las ciudades.