Tags:

El problema del tráfico en muchas grandes ciudades es importante, y no solo por el número de coches en circulación, sino por la cantidad de vehículos mal aparcados que se pueden identificar. En lugares como Manhattan, o por ejemplo en Madrid, gran parte de los problemas de congestión se deben a vehículos mal estacionados que invaden parte de la calzada.

Hace prácticamente una década se realizó un estudio en el que se concluía, entre otras cosas, que los vehículos privados excedían en un 30% el espacio destinado al aparcamiento en Lower Manhattan y la cosa no ha dejado de empeorar. Para lidiar con la congestión existen muchas iniciativas, pero una de ellas es especialmente práctica y sencilla de poner en marcha: monitorizar el tráfico ciclista, y utilizar todos esos datos para tomar decisiones.

bicis urbanas

Todo comenzó como un reto propuesto por Sidewalk Labs a estudiantes de Cornell Tech. Uno de los grupos de trabajo tuvo el encargo de estudiar la congestión identificando los aparcamientos en doble fila. ¿Cómo lo hicieron? Lo intentaron de diferentes maneras, por ejemplo ideando un sistema reserva de plazas de aparcamiento; lo descartaron por resultar demasiado caro y complejo de poner en marcha. Lo siguiente fue idear un esquema de precios de aparcamiento dependiente de la demanda: los mejores sitios en hora punta se gravarían en consonancia. Tampoco resultaba práctico.

Por fin, decidieron agregar y mapear datos de tráfico, y para ello diseñaron un sistema que procesase toda esta información. Equiparon bicicletas de alquiler con manillares inteligentes (es decir, con sensores incorporados), acelerómetros y GPS, de manera que se registrasen los movimientos de los ciclistas.

taxi

Así, si la trayectoria de un ciclista mostraba una esquiva de obstáculos del tamaño de automóvil allá donde debería haber estado el carril bici (o si simplemente una o varias bicis tenían que desviar su trayectoria sin justificación, y por un espacio muy similar), el equipo podría inferir que un automóvil o camión estaba mal aparcado (en doble fila en este caso).

Este método se reveló como todo un acierto para conseguir los datos “crudos”, ya que podían disponer de las localizaciones exactas de vehículos mal aparcados en muchos lugares de la ciudad, y de varias fuentes diferentes. Sin embargo, eso no sería suficiente para diseñar un sistema que pueda lidiar con la congestión de manera eficiente.

Por eso, lo más indicado fue diseñar una máquina deep learning para ayudar en el proceso de identificación de los lugares que con mayor probabilidad tendrían vehículos mal aparcados. Dicha máquina fue alimentada con los datos de las bicicletas en decenas de trayectos.

Tras mucho investigar y analizar los datos recogidos, el equipo terminó creando una app para visualizar todos los datos recabados, y crearon un mapa de calor hipotético basado en cómo se vería la ciudad por los ciclistas que la utilizan, mientras circulan normalmente. Esta aplicación, como base de un desarrollo posterior, se puede convertir en una de las herramientas más simples y útiles para combatir la congestión (sabiendo los lugares más probables en donde se aparca mal).

Los primeros interesados en ella… Sidewalk Labs o, en otras palabras Alphabet (Google).

Vía | Techxplore