La inteligencia artificial proporciona seguridad vial en el túnel de San Bernardino

¿Puede la inteligencia artificial hacer que los túneles de carretera sean más seguros y eficientes? El Vehicle Hotspot Detection System (VHD) de SICK en las entradas norte y sur del túnel de San Bernardino responde a esta pregunta con un rotundo sí. Este sistema ha sido entrenado con Deep Learning para diferenciar entre cubos de rueda peligrosamente calientes en los vehículos de los silenciadores, también calientes pero que no suponen riesgo. El resultado es un mayor nivel de seguridad y menos alarmas fallidas para una óptima fluidez del tráfico.

“Los sistemas VHD de SICK se utilizan para detectar camiones y autobuses con superficies sobrecalentadas y, por tanto, con riesgo de incendiarse, antes de entrar en un túnel, un transbordador, un terminal de carga o una estación de control de tráfico”, explica Lukas Wallimann, Product Manager de VHD en la sede de SICK en Buochs, Suiza. Para ello, el sistema combina las imágenes de cámaras infrarrojas con los datos de medición de sensores 2D-LiDAR.

De esta forma mide la temperatura de los vehículos y obtiene sus dimensiones para generar un modelo en 3D, en el que pueden identificarse automáticamente las distintas zonas, como las ruedas, el motor, el tubo de escape o el maletero. “En los últimos diez años se han instalado este tipo de sistemas en toda Europa, también en el túnel del Mont Blanc y en el túnel de San Gotardo”, nos cuenta Christoph Gilgen, Customer Project Manager de SICK. Que los sistemas VHD han demostrado en la práctica ser una medida fiable de seguridad contra los incendios en los túneles lo confirma Italo Broggini, de la Oficina Federal de Carreteras en Suiza (ASTRA), filial de Bellinzona: “El pórtico térmico de San Bernardino nos ayuda a retirar del tráfico los vehículos demasiado calientes y contribuye así a una mayor seguridad en el túnel”.

Margen de mejora en la calidad de las alarmas

Por tanto, los sistemas VHD son efectivos. Pero para hacerlos aún más eficaces, se ha trabajado en mejorar la calidad y la seguridad de activación de las alarmas. Una condición irrenunciable para el proyecto de San Bernardino era que el parque de bomberos del túnel está únicamente estacionado en el pórtico sur. Si el pórtico térmico informa de una alarma en la entrada norte del túnel, situada a unos siete kilómetros, los bomberos van a tardar un poco en llegar al vehículo peligroso. Las alarmas fallidas, por ejemplo desencadenadas por un silenciador caliente, provocan la intervención innecesaria del personal de extinción de incendios. Pero, ¿de cuánto margen real de mejora disponen los sistemas VHD, y cómo puede utilizarse este potencial para hacerlos más eficientes?

La inteligencia artificial mejora la calidad de las alarmas de los VHD

Se trata de mejorar la precisión del sistema. Pero, ¿cómo se puede mejorar? ¿Habría que instalar más sensores? ¿O harían falta nuevos algoritmos con los que puedan identificarse y diferenciarse con seguridad posibles fuentes de incendios en los vehículos?

“La solución nos la da la inteligencia artificial, o más concretamente, el Deep Learning”, desvela Roman Schindler, ingeniero de software de CNN en SICK. Pero este “CNN” no tiene nada que ver con la cadena de noticias norteamericana, sino que significa “Convolutional Neural Network”, una red neuronal artificial inspirada en procesos biológicos y que se utiliza, principalmente, para el procesamiento automatizado de datos de imágenes. Una ventaja decisiva de este procedimiento es su reducida tasa de errores, lo que cual debería confirmarse al implementar los sistemas VHD con el algoritmo de CNN.

Aprendizaje mediante entrenamiento a partir de imágenes es lo que ha hecho el sistema VHD durante cuatro meses en un “Campo de entrenamiento”. Roman Schindler nos describe el desarrollo del proceso: “Durante este tiempo se recopilaron, analizaron, clasificaron manualmente y, finalmente, se utilizaron para el aprendizaje del algoritmo CNN miles de imágenes térmicas de instalaciones ya existentes”. Además, SICK ha estado repasando con el comandante de la Fuerza de Intervención de San Bernardino todas las alarmas de los últimos meses, con el fin de filtrar las alarmas fallidas de entre todos los avisos de alarma.

Esta medida también se ha utilizado para perfeccionar el algoritmo CNN. El nuevo procedimiento ha mejorado notablemente la diferenciación de las distintas zonas de los vehículos, como las ruedas, el motor o el escape. “En el túnel de San Bernardino, en donde se prueba por primera vez el algoritmo durante el funcionamiento real, la tasa de alarmas fallidas ha sido reducida”, explica Christoph Gilgen. “Esto constituye una mejora más que significativa en comparación con el algoritmo convencional, el cual sigue funcionando en segundo plano como copia de seguridad en estos pórticos térmicos”.

El algoritmo CNN permite la actualización de los pórticos existentes

Italo Broggini de ASTRA señala otro aspecto positivo: “Gracias a una baja proporción de alarmas fallidas se producen menos intervenciones innecesarias, lo que supone un ahorro de costes y un aumento de la motivación del personal en caso de alarma”. Así que no es de extrañar que las empresas explotadoras de otros sistemas VHD se encuentren altamente interesadas en una actualización de sus instalaciones. “Equipar los sistemas con el algoritmo CNN es perfectamente posible, al fin y al cabo no es más que una actualización de software”, aclara Lukas Wallimann, y añade: “Los nuevos pedidos de sistemas VHD lo llevan ya incorporado desde el principio. El cliente puede así beneficiarse de los muchos años de experiencia de SICK en la medición térmica de vehículos sin que les cueste más que el algoritmo convencional”.

Los sistemas VHD “están constantemente aprendiendo”

Pero la release actual del algoritmo CNN no va a ser la última, ya que se seguirán utilizando nuevos datos de imágenes y ciclos de entrenamiento para continuar perfeccionando el rendimiento del sistema. “Los sistemas VHD siempre están aprendiendo”, resume Roman Schindler. Además, se abren para ellos nuevos campos de aplicación relacionados. De hecho, SICK está trabajando actualmente en un nuevo desarrollo del sistema VHD para terminales de transbordadores, a fin de detectar puntos calientes en equipos de refrigeración de camiones. El nuevo algoritmo CNN hará más eficientes los sistemas VHD. Un proceso del que conocemos el principio pero no sabemos hasta dónde puede llegar.

 Otras publicaciones

Seguir leyendo

Seguir leyendo

Seguir leyendo