Combinar intelixencia artificial e tecnoloxías de análise da información a gran escala (Big Data) para previr accidentes e mellorar da xestión das infraestruturas. Este é un dos grandes obxectivos do proxecto Road4Safe (Proactive road safety risk prediction through multi-source ai and big data to enable data-driven decisions and interventions) impulsado por un consorcio de 18 socios de 12 países liderado polo grupo GeoTech da Universidade de Vigo.
Segundo informa a UVigo nun plano máis concreto, búscase avanzar en seguridade viaria mediante a predición e prevención de accidentes antes de que se produzan, aproveitando a intelixencia artificial (IA) e o Big Data e para iso o proxecto desenvolverá un xemelgo dixital (DT) do tráfico rodado e a infraestrutura baseado en IA, que integrará datos procedentes de múltiples fontes (vehículos conectados, sensores de infraestrutura, datos ambientais e históricos) para xerar predicións de risco en tempo real en mapas de perigos a nivel local e de rede.
Levaranse a cabo dous proxectos piloto complementarios: un en Austria, no que se porán a proba escenarios críticos en túneles e ramplas de entrada e saída, e outro no Corredor de Biscaia (España), que avaliará a predición de riscos a escala de rede.
Ao finalizar o proxecto, as tecnoloxías ofrecerán unha solución integral para a xestión proactiva da seguridade, en consonancia coa obxectivo Visión Cero da UE.
O investigador principal do proxecto é o catedrático Pedro Arias, investigador do grupo GeoTech, que forma parte do CINTECX. Explica que o fío condutor do proxecto é a prevención: anticiparse ao accidente: “Damos prioridade ás estradas secundarias e aos tramos de transición, como accesos e saídas de autovías ou túneles, onde as diferenzas de velocidade e uns estándares de deseño máis baixos aumentan a gravidade dos accidentes”. En 2023, lembra o catedrático, “morreron preto de 25.600 persoas nas estradas da UE, e o 56 % delas en vías secundarias”.
Principais eidos de traballo
Segundo explica Pedro Arias, o proxecto abordará varios ámbitos. Por exemplo a xestión do tráfico en tempo real, coa vista posta na anticipación de retencións, detección de condución errática, avisos de colisión e velocidades seguras recomendadas por tramo.
Outro dos focos serán as infraestruturas, coa identificación dos tramos onde o risco se debe á propia estrada e proposta de medidas a longo prazo, ademais da simulación de como afectan á seguridade a deterioración da infraestrutura e as distintas estratexias de mantemento.
Tamén se traballará no eido da mobilidade conectada, no que respecta á comunicación vehículo-infraestrutura para facer chegar os avisos aos condutores, e deseño de interfaces que fagan esas mensaxes claras e doadas de comprender.
18 socios, 12 países e cinco millóns de euros
A UVigo coordina un total de 18 socios de 12 países, dos que cinco participan como asociados (dúas entidades australianas, dúas estadounidenses e unha máis procedente de Singapur). Entre os 13 beneficiarios (socios con orzamento) atópanse as universidades da Coruña, Chemnitz, Delft e Queensland e empresas que destacan no eido das tecnoloxías de vangarda aplicadas ao transporte, tanto no caso de vehículos, como a británica HAAS Alert e a húngara Commsignia, como de infraestruturas, entre elas as españolas Cemosa e Xouba Ingeniería. O consorcio complétase con outros axentes como a corporación pública de autoestradas de Austria, Asfinag, a Federación Internacional de Estradas (IRF) ou a Fundación Tecnalia. Deste xeito, o proxecto cubre toda a cadea, dende a investigación ata a aplicación real na estrada.
O proxecto arrincou oficialmente a pasada semana cunha xuntanza en Vigo e está financiado polo programa Horizonte Europa da Comisión Europea. Ten unha duración de 42 meses e un orzamento superior os 5 millóns de euros, dos que uns 862.000 € corresponden á UVigo.
Un xemelgo dixital e dous pilotos reais
Como explica o catedrático Arias, “hoxe a xestión da seguridade viaria é, en boa medida, reactiva, é dicir, actúase sobre os puntos onde xa se produciron accidentes”. Indica que Road4Safe quere dar a volta a esa lóxica e anticipar as situacións de risco para evitar os accidentes antes de que ocorran. Para iso desenvolverá un xemelgo dixital da estrada e do tráfico, é dicir, unha réplica virtual que se alimenta en tempo real de datos de moitas fontes: vehículos conectados, sensores, cámaras e LiDAR instalados na vía, información meteorolóxica, inventarios de estradas, imaxes de satélite ou históricos de accidentes.
O investigador engade que “o proceso a IA terá un papel esencial en varios puntos”. Por un lado, axudará a integrar e depurar todos eses datos, que hoxe están moi fragmentados e teñen formatos e calidades moi diferentes. “Ademais”, apunta, “será de utilidade para predicir o risco a dúas escalas: mapas de risco de toda a rede, útiles para planificar a medio e longo prazo, e predicións en tempo real para un tramo concreto (por exemplo, anticipar con minutos de antelación que se vai formar unha retención nun túnel, detectar unha condución errática ou avisar dun risco de colisión); e ademais, a IA axudará a decidir a través dun sistema de apoio á decisión propón e prioriza medidas para os xestores das estradas (velocidades recomendadas, regulación de accesos, desvíos ou melloras na propia infraestrutura) e simula o seu efecto no xemelgo dixital antes de aplicalas”. Finalmente, servirá para chegar aos condutores, transmitindo avisos mediante sistemas de transporte intelixente cooperativos, que envían mensaxes directamente aos vehículos e aos paneis de mensaxe variable.
