Libelium integra computer vision en iris360 para la gestión de la movilidad inteligente
Tabla de Contenidos
Hasta hace poco, medir la huella ambiental de los vehículos en carretera era un ejercicio de estimaciones basadas en promedios. Las administraciones públicas se enfrentaban a una "ceguera de datos": sabían cuántos coches pasaban, pero no conocían su impacto real.
El desafío planteado por la movilidad actual es mayúsculo: ¿Cómo identificar marcas, modelos, años de matriculación y etiquetas ambientales de miles de vehículos en movimiento sin depender exclusivamente de una base de datos de matrículas estática? La respuesta de Libelium llega en forma de tecnología innovadora, por supuesto: transformar la infraestructura de cámaras de videovigilancia en inteligencia con visión por ordenador para convertir el tráfico en conocimiento estructurado.
¿Qué es la computer vision y por qué es clave en la movilidad inteligente?
La computer vision o visión por computadora/ordenador es la tecnología que mejor responde a las necesidades que plantea una movilidad urbana en constante evolución. Por eso, en Libelium no podíamos perder la oportunidad de integrarla en nuestra plataforma de gestión e inteligencia de datos, iris360. Esta innovación promete transformar la gestión de la movilidad en las ciudades.
El reto es distinguir qué tipo de vehículo está viendo la cámara y adjudicar un índice de huella medioambiental en función de varios parámetros.
El sistema distingue y analiza la movilidad sin necesidad de leer matrículas, lo que permite:
- Distinguir el tipo de tráfico (coche, moto, furgón, etc.).
- Determinar la ocupación del vehículo (car sharing, conductor único, etc.).
- Estimar el nivel de contaminantes emitidos.
- Detectar incidencias (accidentes, aparcamiento en doble fila, etc.).
- Identificar la pegatina ambiental del coche (ECO, A, B, C...).
Una vez procesados los datos de las cámaras en iris360, diseñamos un modelo de inteligencia artificial para analizar el impacto ambiental del tráfico en tiempo real. Pero no sólo eso, esta información alimenta al gemelo digital para simular escenarios futuros y, entonces sí, tomar decisiones.
La capacidad de Libelium para transformar estas imágenes en datos es clave. Sólo así se puede analizar, a través de diferentes algoritmos, aspectos como el tipo de vehículo, la ocupación, incidentes como accidentes o aparcamientos en doble fila, e incluso el tipo de pegatina que lleva el coche, todo ello sin necesidad de leer matrículas.
Además, esta innovación permite enriquecer la solución de Libelium envair360 con la que cualquier ciudad puede design and manage its low-emission zone (LEZ) de manera inteligente.
Paso 1 de la computer vision: enseñar a ver a las cámaras ya instaladas
En las ciudades, vivimos rodeados de cámaras de videovigilancia. Se estima que en España hay más de 900.000 cámaras de videovigilancia en total. Esto equivale, aproximadamente, a una cámara por cada 52 habitantes. Así que… ¿por qué instalar nuevas si podemos enseñar a estas a ver cosas diferentes?
La gestión urbana enfrenta desafíos complejos. El aumento de la población y la congestión del tráfico son algunas de estas preocupaciones. La visión por computadora ofrece soluciones innovadoras a estos problemas.
Una de estas cosas que podemos enseñar a ver es el tipo de vehículo que está viendo. Esto es de gran ayuda para los gestores públicos porque la Agenda 2030 establece que las ciudades con más de 50.000 habitantes:
- Deben reducir las emisiones de su parque automotor en un 45% para 2030.
- Deben eliminar las emisiones de CO2 de los vehículos para 2050.
Sin embargo, la falta de una herramienta tecnológica que permita medir eficazmente la huella ambiental de los vehículos es un reto que ralentiza la consecución de este objetivo.
Además, uno de los principales desafíos de las ciudades es la integración de soluciones nuevas con infraestructuras ya existentes y a menudo, las ciudades cuentan con sistemas legacy que son difíciles de actualizar.
A pesar de estos retos, las oportunidades son innumerables (y seguro que ya estás pensando en otros casos de uso). La visión por computadora puede transformar la gestión de la movilidad en áreas urbanas. Algunas de las aplicaciones incluyen:
- Optimización del tráfico: Análisis de patrones de tráfico para mejorar el flujo.
- Monitorización ambiental: Detección de niveles de contaminación en tiempo real.
- Gestión del transporte público: Coordinación eficiente de vehículos y rutas.
Además, la gestión de datos es crucial. La visión por computadora genera grandes volúmenes de información. El procesamiento y análisis efectivo de estos datos requiere tecnologías avanzadas.
Pero, ¿cómo se enseña a ver a una cámara? Para ayudar a una cámara de videovigilancia a convertirse en una herramienta de visión por computadora necesita saber qué es lo que está pasando por delante de su lente. Esto se hace mediante etiquetado de datos: la cámara captura la imagen de un coche y la manda a iris360 donde se le ha cargado una base de datos que le permite saber si se trata de un coche o un furgón, qué modelo es o incluso qué etiqueta lleva.
Paso 2: modelado algorítmico de la huella medioambiental del parqué de vehículos en iris360
Libelium ha desarrollado iris360 con el objetivo de ampliar sus funcionalidades y capacidades para abordar cualquier caso de uso relacionado con la gestión medioambiental en la industria y las ciudades.
Esta concepción facilita la implementación de cualquier innovación en iris360. Además, ocurre como con los idiomas: a medida que iris360 integra más funcionalidades, la incorporación de nuevas resulta más sencilla.
Las imágenes son una información valiosa, pero deben transformarse en datos.
La integración de la visión inteligente en la plataforma iris360 se materializa mediante un ecosistema híbrido que combina hardware de vanguardia y algoritmos de Deep Learning. Libelium desplegó cámaras inteligentes e implementó un flujo de trabajo basado en modelos de detección YOLO (You Only Look Once).
Esta tecnología permite a iris360 realizar dos tareas críticas de forma simultánea:
- Detección multimodal: Identificar si lo que aparece en el fotograma es un turismo, un camión, una furgoneta o una motocicleta, determinando su posición exacta y velocidad.
- Clasificación avanzada: Mediante técnicas de fine-tuning y un dataset propio de más de 50.000 imágenes, el sistema es capaz de distinguir entre 625 clases de vehículos, identificando marca y modelo incluso en condiciones de baja visibilidad o meteorología adversa.
Lo que hace única a esta solución es su capacidad para anonimizar los datos en el origen, garantizando la privacidad de los ciudadanos mientras extrae metadatos valiosos para la gestión urbana.
Paso 3: el diseño del gemelo digital de la movilidad urbana
La verdadera magia ocurre cuando la visión por computadora se encuentra con el motor de análisis de iris360. Los datos extraídos por las cámaras alimentan un sistema de gemelos digitales (basados en modelos algorítmicos).
Este avance permite a los gestores de movilidad no solo ver el presente, sino simular escenarios futuros ("What-if"):
- ¿Cuánto se reducirían las emisiones de NO2 si bajamos el límite de velocidad en 10 km/h?
- ¿Cuál es el impacto acústico real de la flota de última milla en un barrio específico?
iris360 convierte los fotogramas en mapas de calor de contaminación y emisiones sonoras y emisiones sonoras, permitiendo políticas públicas basadas en evidencias científicas, no en promedios estadísticos.
Este gemelo digital permite, por ejemplo:
- Detección de tramos críticos: Identificar con precisión qué calles, intersecciones o franjas horarias están experimentando los mayores niveles de congestión o, lo que es más crucial, están correlacionados con picos de contaminación atmosférica o acústica.
- Análisis predictivo: Simular el impacto de cambios en la infraestructura (como cerrar un carril, cambiar la dirección de una vía o implementar una zona de bajas emisiones) antes de llevarlos a cabo en el mundo real.
- Optimización dinámica: Ajustar semáforos, rutas de transporte público o estrategias de delivery en tiempo real para aliviar la presión del tráfico y mejorar la calidad del aire.
La potencia de este enfoque se multiplica exponencialmente con la integración de otras fuentes de datos. El gemelo digital de la movilidad no opera de forma aislada; se nutre de y se conecta con:
- Sensores medioambientales: Datos en tiempo real sobre óxidos de nitrógeno (NOx), partículas en suspensión (PM) y ozono.
- Sensores de ruido: Mapeo acústico dinámico que permite identificar la contaminación sonora generada por el tráfico.
- Open Data: Información meteorológica, eventos programados, datos sociodemográficos y usos del suelo.
- Otros gemelos digitales: Por ejemplo, la integración con el gemelo digital de la red de alcantarillado podría predecir el impacto de las lluvias torrenciales en el tráfico.
Para los expertos en tecnología, la arquitectura de esta solución es un testimonio de escalabilidad. Libelium ha diseñado iris360 para procesar tanto metadatos en el Edge (cámaras inteligentes que envían texto ligero) como streams de vídeo completos en el cloud para infraestructuras heredadas (Legacy).
- Modelos de IA para el reconocimiento de caracteres en las placas de matrícula.
- Enriquecimiento de datos semestral con las microdades de la DGT para cruzar categorías ambientales en milisegundos.
- Interoperabilidad basada en estándares FIWARE, lo que garantiza que iris360 sea una plataforma "viva", capaz de integrarse con cualquier ecosistema IoT existente.
Casos de uso del computer vision en movilidad urbana
Esta visión integral convierte al computer vision de ser una herramienta de conteo a ser el catalizador de una gestión urbana inteligente, proactiva y sostenible, transformando la ciudad en un organismo vivo, adaptable y optimizado.
El caso de uso que se muestra en este artículo es para el cálculo de la huella medioambiental tramo a tramo de una autopista, pero se nos ocurren otros casos de uso de computer vision aplicado a la movilidad:
Seguridad vial:
- Detección de incidentes y accidentes: Identificación automática e inmediata de colisiones, vehículos parados, objetos en la vía, o situaciones de riesgo (por ejemplo, humo, peatones o animales en la calzada).
- Monitorización de comportamientos de conducción peligrosos:
- Detección de conducción en sentido contrario (wrong-way driving).
- Identificación de vehículos que circulan por el arcén de forma indebida.
- Detección de distancia de seguridad insuficiente entre vehículos.
- Análisis de la velocidad y el frenado brusco.
- Detección de vehículos sin cinturón de seguridad o uso del teléfono móvil: Aunque la legislación varía, el computer vision puede alertar sobre estas infracciones. Aunque la legislación varía, el computer vision puede alertar sobre estas infracciones.
- Alerta por niebla o condiciones climáticas adversas: Evaluación visual de la visibilidad para activar las señales de advertencia correspondientes.
Gestión y eficiencia del tráfico:
- Conteo y clasificación de vehículos: Recuento preciso por tipo (turismos, camiones, autobuses, motocicletas) para estudios de tráfico, planificación y peajes.
- Medición de la densidad y la fluidez del tráfico: Análisis en tiempo real de la ocupación de los carriles y la velocidad media para optimizar los semáforos o los carriles reversibles en los accesos/salidas.
- Detección de congestión y formación de colas: Identificación temprana de atascos para informar a los conductores y desviar el tráfico si es necesario.
- Gestión de carriles específicos (VAO, camiones, peajes): Monitoreo del uso correcto de carriles de alta ocupación o restringidos.
- Análisis de origen-destino (OD): Seguimiento anónimo de matrículas o vehículos para entender los patrones de movimiento y los tiempos de viaje.
Mantenimiento y operaciones:
- Inspección de infraestructuras: Detección de deterioro en la carretera, señales de tráfico dañadas o ausencia de marcas viales.
- Monitorización de zonas de obras: Seguimiento de la actividad en zonas de construcción para garantizar la seguridad de los trabajadores y optimizar los desvíos.
- Detección de neumáticos o partes de vehículos caídas: Identificación rápida de escombros o restos que supongan un peligro.
Cumplimiento normativo (LPR - Reconocimiento de Matrículas):
- Control de acceso y peaje electrónico: Detección de vehículos para facturación automática o verificación de permisos.
- Búsqueda de vehículos robados o con orden de búsqueda: Comparación de matrículas en tiempo real con bases de datos policiales.
Inteligencia artificial y análisis de imágenes, el futuro de la movilidad sostenible
La ciudad no duerme, pero ahora, por fin, comprende. Con la integración de Computer Vision en iris360, hemos dejado de 'grabar' para empezar a 'interpretar'. No son solo píxeles; es la capacidad de distinguir entre un patinete eléctrico zigzagueando y un peatón con movilidad reducida en milisegundos. Estamos dotando a las ciudades de un sistema nervioso digital que predice el atasco antes de que el primer conductor toque el freno.
El tráfico ineficiente es responsable de hasta el 25% de las emisiones de CO2 en entornos urbanos. La Computer Vision puede reducir los tiempos de ralentí (coches parados) en un 15-20% mediante ajustes de tráfico en tiempo real.
Hacia una movilidad urbana más eficiente y humana
Mientras parpadeas, iris360 ya ha clasificado 50 vehículos, detectado una infracción y ajustado la fase del semáforo.
El avance tecnológico está revolucionando la gestión de la movilidad en nuestras ciudades. La integración de la computer vision y la inteligencia artificial ofrece nuevas oportunidades para una planificación urbana más eficiente. Estas tecnologías prometen crear entornos que prioricen tanto la eficacia como el bienestar humano.
El futuro de las ciudades inteligentes está intrínsecamente ligado a este tipo de desarrollos. Al enfocar la tecnología hacia soluciones sostenibles y centradas en el ser humano, podemos reimaginar la movilidad. Esto no solo optimiza los sistemas urbanos, sino que también mejora la calidad de vida de sus habitantes. La movilidad urbana está en el umbral de una transformación que la hará más eficiente y más alineada con nuestras necesidades futuras.
Behind the Change.
Beyond the Challenge.
English 
Español