A UVigo coordina un consorcio internacional para mellorar a seguridade viaria mediante IA e big data
A Universidade de Vigo coordina o proxecto Road4Safe, unha iniciativa internacional que busca mellorar a seguridade viaria mediante o uso da intelixencia artificial (IA) e o big data. O consorcio, liderado polo grupo GeoTech da UVigo, reúne 18 socios de 12 países e traballará no desenvolvemento de ferramentas capaces de identificar situacións de risco e anticiparse aos accidentes antes de que se produzan.
O proxecto desenvolverá un xemelgo dixital do tráfico rodado e das infraestruturas viarias. Esta réplica virtual integrará información procedente de múltiples fontes, como vehículos conectados, sensores instalados nas estradas, datos ambientais e rexistros históricos, para xerar predicións de risco en tempo real e elaborar mapas de perigos tanto a nivel local como de toda a rede viaria.
A iniciativa contará con dous proxectos piloto complementarios. O primeiro desenvolverase en Austria, onde se probarán escenarios críticos en túneles e ramplas de entrada e saída. O segundo terá lugar no Corredor Conectado de Biscaia, en España, e permitirá avaliar a predición de riscos a escala de rede. O obxectivo final é ofrecer unha solución integral para a xestión proactiva da seguridade viaria, en consonancia coa «Visión Cero» da Unión Europea.
O investigador principal é o catedrático Pedro Arias, integrante do grupo GeoTech, que forma parte do Cintecx. Segundo explica, a prevención é o eixo central do proxecto: anticiparse aos accidentes. Para iso, prestarase especial atención ás estradas secundarias e aos tramos de transición, como os accesos e saídas de autovías ou túneles, onde as diferenzas de velocidade e uns estándares de deseño máis baixos poden aumentar a gravidade dos sinistros. Arias lembra que en 2023 morreron preto de 25.600 persoas nas estradas da Unión Europea e que o 56 % dos falecementos se produciron en vías secundarias.
Entre os principais ámbitos de traballo figura a xestión do tráfico en tempo real, coa anticipación de retencións, a detección de conducións erráticas, os avisos de colisión e a recomendación de velocidades seguras en cada tramo. O proxecto tamén analizará as infraestruturas para identificar aqueles puntos nos que o risco está relacionado co propio estado ou deseño da estrada e propoñer medidas a longo prazo. Ademais, simulará os efectos que a deterioración das infraestruturas e as distintas estratexias de mantemento poden ter sobre a seguridade.
Outro dos eidos será a mobilidade conectada, especialmente a comunicación entre vehículos e infraestruturas para facer chegar os avisos aos condutores. Tamén se deseñarán interfaces que permitan transmitir esas mensaxes de maneira clara e comprensible.
O consorcio está integrado por 18 socios de 12 países, dos que cinco participan como entidades asociadas: dúas australianas, dúas estadounidenses e unha de Singapur. Entre os 13 beneficiarios, que contan con orzamento, figuran as universidades da Coruña, Chemnitz, Delft e Queensland, así como empresas especializadas en tecnoloxías aplicadas ao transporte. No ámbito dos vehículos participan a británica HAAS Alert e a húngara Commsignia, mentres que no das infraestruturas están as españolas Cemosa e Xouba Ingeniería. O consorcio complétase coa corporación pública de autoestradas de Austria, Asfinag, a Federación Internacional de Estradas (IRF) e a Fundación Tecnalia, entre outros axentes.
O proxecto arrancou oficialmente a pasada semana cunha reunión de traballo en Vigo. Está financiado polo programa Horizonte Europa da Comisión Europea, terá unha duración de 42 meses e conta cun orzamento superior aos cinco millóns de euros, dos que arredor de 862.000 euros corresponden á Universidade de Vigo.
O xemelgo dixital permitirá integrar datos de vehículos conectados, sensores, cámaras e sistemas LiDAR instalados nas estradas, información meteorolóxica, inventarios viarios, imaxes de satélite e históricos de accidentes. A intelixencia artificial será fundamental para integrar e depurar estes datos, que actualmente están fragmentados e presentan formatos e calidades diferentes.
A partir desa información, o sistema poderá elaborar mapas de risco de toda a rede, útiles para a planificación a medio e longo prazo, e realizar predicións en tempo real sobre tramos concretos. Así, poderá anticipar a formación dunha retención nun túnel, detectar unha condución errática ou advertir dun posible risco de colisión con varios minutos de antelación.
A IA tamén se empregará nun sistema de apoio á toma de decisións que propoñerá e priorizará medidas para os responsables da xestión das estradas, como cambios nas velocidades recomendadas, regulación de accesos, desvíos ou melloras nas infraestruturas. Estas actuacións poderán simularse previamente no xemelgo dixital para avaliar os seus efectos antes de aplicalas. Os avisos aos condutores transmitiranse mediante sistemas de transporte intelixente cooperativos, que permiten enviar mensaxes directamente aos vehículos e aos paneis de mensaxe variable.
Pedro Arias subliña que se prestará especial atención á fiabilidade da intelixencia artificial, de maneira que as decisións poidan explicarse e non introduzan nesgos que prexudiquen determinados colectivos, como peóns ou ciclistas. O sistema deberá cumprir tamén coa normativa europea de protección de datos e de intelixencia artificial.
As tecnoloxías probaranse en dous escenarios reais. En Austria, o piloto estará situado no túnel de Rustenfeld, nunha autovía ao sur de Viena, que conta cunha saída dentro do propio túnel e soporta un tráfico duns 85.000 vehículos diarios por sentido. En Biscaia, as probas realizaranse no Corredor Conectado, unha rede de máis de 1.200 quilómetros de estradas.
Pola súa banda, o grupo de Xeotecnoloxías Aplicadas da UVigo, ademais de coordinar o proxecto, liderará a área dedicada á recollida, harmonización e intercambio de datos, que constitúe a base dos modelos de análise. O seu traballo centrarase na identificación e integración de información sobre infraestruturas e contexto, como inventarios de estradas, cámaras, imaxes de satélite, sensores meteorolóxicos e históricos de accidentes, así como no desenvolvemento de procesos automáticos para limpar, xeorreferenciar e incorporar os datos á plataforma común do proxecto.
O grupo tamén desenvolverá ferramentas de IA para extraer automaticamente características das estradas relevantes para a seguridade a partir de imaxes, nubes de puntos en tres dimensións obtidas mediante LiDAR e datos dos propios vehículos. Cada resultado irá acompañado dunha medida da súa fiabilidade e dunha explicación en linguaxe natural.
Finalmente, crearán axentes de intelixencia artificial capaces de seleccionar, para cada tramo de estrada, os datos máis útiles e os métodos de procesamento máis axeitados para predicir o risco, explicando tamén os motivos das decisións adoptadas.