En Bogotá fue puesto a prueba un sistema automatizado que muestra datos más precisos sobre el volumen de vehículos que transitan por una calle, lo que permitiría en el futuro evitar congestiones o trancones, afirma el desarrollador del modelo, Édgar Camilo Camacho, magíster en Ingeniería Electrónica de la Universidad Nacional de Colombia (U.N.).
El sistema de análisis de tráfico se desarrolló a partir de la detección, el conteo y la clasificación de vehículos mediante el procesamiento digital de imágenes, y con la aplicación de métodos y algoritmos, según se difundió a través de la Agencia de Noticias UN.
“En la actualidad, en Bogotá y en otras ciudades del país se realiza la recolección de datos manualmente, lo que genera cierto margen de error desde que son tomados hasta que se utilizan. A raíz de este procedimiento no se hace monitoreo ni reportes de manera continua ni se generan acciones de control inmediato”, indica el ingeniero Camacho.
Para desarrollar el sistema, el investigador escogió un conjunto de algoritmos en cada una de las etapas: adquisición de la imagen, preprocesamiento de esta y detección, además de clasificación y comunicación de la información a partir de momentos en las vías urbanas captados en fotos y videos.
Para adquirir la imagen se usan las cámaras de seguridad ya instaladas en las vías con el fin de medir, clasificar y registrar el flujo vehicular, información que va a un microcomputador.
En la etapa de preprocesamiento se corrigen errores de brillo y contrastes, entre otros aspectos de las imágenes, y luego se trabaja la detección, en la que a partir de algoritmos de aprendizaje de máquina (machine learning) se identifica dónde hay carros.
“La detección por medio de las características HAAR, que describen la imagen, mostró una precisión del 75 %, suficiente para que el algoritmo de seguimiento, correspondiente a un filtro de Kalman, estimara las detecciones faltantes y realizara su labor de forma adecuada”, añade Camacho.
Luego, gracias a la imagen, se analiza qué tipo de carros transitan y los clasifica. Por último, se toman los datos, se acumulan y comprimen para enviarlos a un sistema creado por las secretarías de Movilidad, con el fin de analizar los resultados y determinar qué tipo de acciones pueden disminuir el volumen de tráfico.
Con base en esta experiencia, el investigador señala que se espera perfeccionar el modelo para, por ejemplo, disminuir el margen de error de las imágenes que se capturan cuando hay mucho sol, o al acercarse la noche, cuando el porcentaje de exactitud bajó a cerca del 75 %.
No obstante, reitera que el costo computacional del algoritmo es lo suficientemente económico como para ser implementado en un sistema de bajo costo que permite realizar el procesamiento de forma local en cualquier tipo de ciudad.
