Identificar y poder predecir de forma precisa diferentes situaciones de tráfico, resulta fundamental para cualquier sistema de gestión y control del mismo.
Con semáforos estáticos, por ejemplo, se busca una gestión de los tiempos rojo-verde que ofrezca la mejor fluidez de tráfico de los vehículos, respetando los pasos de los peatones, y teniendo en cuenta los escenarios más comunes. Sin embargo, cuando los sistemas son dinámicos, es fundamental detectar situaciones características del tráfico para poder establecer el tiempo óptimo de la luz verde, en cada momento.
Sin embargo, ¿cómo se pueden detectar estas situaciones de tráfico características, sobre las que hay que actuar?. Con mucha frecuencia, es la identificación errónea de situaciones la que lleva a ciclos de semáforos inadecuados.
Para solucionar este problema, investigadores de la empresa Andata, han desarrollado un nuevo algoritmo capaz de aprender de forma autónoma la identificación de nuevas situaciones de tráfico características, y la mejor actuación sobre las mismas.
Mediante el uso de inteligencia artificial, y dotando al sistema de toda la información recibida en relación al tráfico (sensores, aforos, etcétera), actual e histórico, el sistema utiliza una serie de métricas especiales para agrupar y clasificar los diferentes escenarios detectados en un catálogo de situaciones reales, sobre las que poder actuar.
Lo que se persigue es que cualquier sistema de control de tráfico inteligente sea capaz de identificar y gestionar eficazmente las situaciones más comunes y críticas que se producen, de forma que se garantice un correcto funcionamiento de los ciclos de los semáforos en esos escenarios, y la gestión adecuada del resto de elementos.
La información más detallada del funcionamiento del sistema se puede conocer en la web del desarrollador, cuyo link ponemos a continuación: http://www.veronet.eu/en/traffic-and-pollution-prediction.html