O investigador do CITEEC Alberto Alvarellos achega intelixencia artificial para mellorar as operacións de Lagosteira

Alberto Alvarellos González, docente da Facultade de Informática da UDC e investigador do grupo Laboratorio de Enxeñaría do Software (ISLA), adscrito ao Centro de Innovación Tecnolóxica en Edificación e Enxeñaría Civil (o CITEEC da UDC), defendeu a súa tese de doutoramento o pasado mes de febreiro coa que obtivo unha cualificación de sobresaínte cum laude. Esta investigación foi dirixida por Juan Ramón Rabuñal Dopico, catedrático da área de Ciencia da Computación e Intelixencia Artificial e director técnico do CITEEC, xunto cunha ampla colaboración do Grupo de investigación en Enxeñaría da Auga e do Medio Ambiente (GEAMA) da UDC.
O traballo realizado na tese de Alberto Alvarellos ten como “obxectivo mellorar a seguridade nos portos e optimizar as operacións portuarias, centrándose particularmente en predicir os movementos de axitación dos barcos atracados e o rebase de ondas sobre o dique do porto exterior de Punta Lagosteira, da Coruña”.
Para este obxectivo, no desenvolvemento da tese creouse unha infraestrutura de tipo IoT (Internet of Things ou Internet das Cousas) que foi utilizada para recompilar datos masivos dos movementos dos buques e dos eventos de rebase de ondas sobre o dique no porto exterior de Punta Lagosteira, A Coruña, entre os anos 2015 e 2022, rexistrando os movementos de 112 barcos e detectando 3.709 eventos de rebase. Combinando estes datos coas variables descritivas das condicións océano-meteorolóxicas, elaboráronse modelos de Machine Learning (Aprendizaxe Automática) para poder predicir o comportamento dos buques e os posibles eventos de rebase a partir das predicións marítimas e meteorolóxicas.
Ademais, creouse unha ferramenta web que incorpora técnicas SIX (mapas dixitais cunha gran cantidade de datos asociados) e distintos modos de visualización para axudar aos operadores portuarios a interpretar e utilizar as predicións dos modelos creados, facilitando a toma de decisións baseadas en información obxectiva e fiable e reducindo os riscos das operacións portuarias.
A investigación que deu lugar a esta tese foi financiada parcialmente polo proxecto Ferramentas preditivas para a toma de decisións na xestión portuaria baseadas en Machine Learning. Inclusión de criterios de permanencia en atraque, onda larga e rebase (PID2020-112794RB-I00 do MCIN/AEI/10.13039/501100011033), cuxos Investigadores Principais son Enrique Peña González e Juan Ramón Rabuñal Dopico.