Para poder asegurarse que el tráfico fluya sin percances y sin necesidad de intervención manual, se requiere de entrada automatizar las técnicas para contar automóviles. Esto en general es latoso y complicado de hacer. Además, no hay técnicas perfectas. Para contar autos se usan diversas técnicas como radas, detectores infrarrojos o detectores de ciclos inductivos, así como las cámaras de tráfico que se usan normalmente para vigilancia, por ejemplo.
Un sistema de visión por computadora pudiese ser una alternativa interesante para contar automóviles que pasan por una carretera, pero este método está limitado a las condiciones del clima y a la luz natural. Con más de 263 millones de autos de pasajeros registrados en toda la Unión Americana y más de 14 millones de vehículos tan solo en la Florida, el problema no es trivial.
En un nuevo estudio, los investigadores de la mencionada universidad, del colegio de Ingeniería y Ciencias de la Computación, hallaron una mejor manera para contar automóviles usando sistemas inteligentes de vigilancia del tráfico. Lo que ellos querían era desarrollar un sistema de conteo automático, usando la infraestructura existente, el cual se desempeñara bien tanto en condiciones de día soleado o de lluvia, incluso tormenta, o bien de noche. El sistema en el que trabajaron parece ser mejor que todos los que están usándose en la práctica.
El nuevo sistema tiene una precisión de más del 96%, mucho mejor que los viejos sistemas. El nuevo programa, quienes los investigadores bautizaron como “OverFeat Framework”, está mostrando su enorme potencial en el campo del monitoreo del tráfico y podría dar una solución efectiva para “contar coches”. OverFeat Framework es una combinación efectiva de redes neuronales convolucionadas, es decir, que sacan promedios y técnicas de clasificación y reconocimiento de imágenes.
El equipo de investigación, liderado por Hongbo Su, desarrolló e implementó dos algoritmos en su nuevo programa: Métodos de substracción del fondo y el OverFeat Framework, basado en Python para el conteo automático de automóviles. Su y Debojit Biswas, un estudiante de doctorado en la Universidad, evaluaron la precisión de su nuevo sistema contra el conteo que pudiese hacerse a mano. “El entender la carga de tráfico físico es crítica para poderlo administrar así como para renovar o construir nuevas carreteras”, dijo Su. “Contar los autos es necesario para entender la densidad de vehículos en nuestras carreteras, lo que en última instancia ayuda a los ingenieros y a los que toman las decisiones a planear y presupuestar sus procesos”, dijo.
Y mientras desarrollaban y probaban este nuevo sistema, los investigadores también tomaron en consideración factores que pueden alterar a las videocámaras, como vibraciones en puentes u otras condiciones similares. Ellos estudiaron autobuses (1,300 imágenes), coches 91,300 imágenes), taxis (1,300 imágenes) y camiones (1,568 imágenes), así como vehículos de rescate, como los bomberos (1,300 imágenes), usando seis videos de control de tráfico localizados en las calles de más tránsito en Florida. Recolectaron información de estas cámaras a diferentes tiempos durante cada día.
Se estima que hay más de un millón de cámaras de video colocadas en la red carretera de los Estados Unidos. En Florida hay miles de cámaras que ayudan a los conductores con sus problemas de tráfico al día.
“La mejor parte del nuevo sistema es que no hay que añadir nada a la infraestructura porque las cámaras ya están colocadas en los lugares estratégicos en nuestras calles y carreteras”, dice Aleksandar Stevanovic, co-autor del estudio y profesor de Ingeniería de la Universidad Florida Atlantic. “Estamos usando videos de estas cámaras para contar autos con precisión y así tener más entendimiento sobre la congestión en nuestras carreteras. Entonces, con esto, podremos compartir esta información con los especialistas en administración de tráfico de manera que puedan encontrar formas de cómo optimizar el flujo de automóviles, dando quizás nuevas rutas y n última instancia, mejorar el flujo del tránsito”.
Su y Stevanovic planean trabajar con agencias locales, estatales y federales, así como empresas comerciales para así maximizar los beneficios del sistema que han desarrollado y tener una manera mucho más precisa de “contar autos”.
Referencias: Phys.org