De a poco va surgiendo una nueva vía de interpretación para sistemas habituales en el mundo en el campo del tránsito de vehículos y personas
Con la implementación de la IA (Inteligencia artificial), muchos de los problemas habituales han ido siendo utilizados como mecanismos de estudio que permite mejorar y evolucionar a un campo comprobable y consolidado con respuestas asertivas. El último ejemplo lo pone una compañía, que intenta sacar petróleo en el uso de los semáforos para bienestar de toda la sociedad. Al incluir este sistema de algoritmos inteligentes se permite tener una mayor reciprocidad del fin, que es hacer aprender al sistema de las actividades frecuentes con necesidades que siempre son del día a día.
Info relacionada:
A través del Instituto Fraunhofer de Optrónica, Tecnologías de Sistemas y Explotación de Imágenes IOSB se busca dar paso al proyecto que recibe por nombre KI4LSA. Este sistema implementa avances en IA (Inteligencia artificial) dentro del uso habitual en lo semáforos, integrando sensores y cámaras de alta resolución que permiten hacer un análisis en tiempo real de la densidad de flujo vehicular, analizando aspectos como comportamientos, velocidades promedio y hasta conteo de emisiones contaminantes para el medioambiente.
En síntesis lo que se permite es la conmutación de luz inteligente y predictiva que van al frente con los sistemas habituales. En la actualidad los semáforos usan esquemas rígidos, que se basan en tiempos de carga, y en lineamientos de tráfico que son planos. Como este tema es tan cambiante y diverso, es apenas propicio implementar estas técnicas, que permiten al sistema aprender en tiempo real de los comportamientos para dar soluciones más eficientes y en menor carga de tiempo posible.
Cómo funciona y de qué manera la compañía ha puesto en mancha la IA en los semáforos
Al entrar en funcionamiento las cámaras de alta resolución y los sensores de radar esto permite que el sistema haga un análisis profundo en tiempo récord de la cantidad de vehículos que están en cola esperando el cambio. Esto se da gracias al bloque de algoritmos de aprendizaje por refuerzo profundo (DRL), que da en tiempo inmediato soluciones inteligentes a problemas de control complejos. Especialmente usado en momentos críticos como la hora pico, donde se debe dar prioridad al movimiento regulado para minimizar los tránsitos de un punto al otro.
Por el momento el desarrollo está en su fase final y se espera que para finales de junio de este 2022 sea puesto en marcha primero para escenarios menos complejos como el tránsito peatonal, en poblaciones de Alemania que es donde se lleva a cabo la implementación. Del resultado se sabrá en qué momento proceder a situaciones de tráfico real en ciudades con un alto flujo en demanda de automóviles.
