Continuando una investigación que ya se ha desarrollado en dos fases anteriores, investigadores de la Universidad de Oregon, Estados Unidos, presentaron un modelo de IA que podría ayudar a ciclistas durante sus tránsitos por un carril bici.
A través de una aplicación móvil, los conductores de estos vehículos podrían recibir recomendaciones sobre su velocidad, para llegar a tiempo para la próxima luz verde del semáforo del cruce más cercano.
Información anticipada de semáforos para ciclistas
Esta aplicación, denominada FastTrack, fue desarrollada y probada en las fases anteriores del proyecto de investigación. Este software permite a los ciclistas comunicarse pasivamente con las señales de tráfico, mientras se desplazan a lo largo de una concurrida pista para bicicletas en Eugene, Oregon, donde comenzaron las primeras pruebas de esta fase.
«El objetivo general es dar a los ciclistas un uso más seguro y eficiente de las intersecciones señaladas de una ciudad. El proyecto actual intenta utilizar dos algoritmos de aprendizaje profundo, LSTM y 1D CNN, para abordar el pronóstico de series temporales. El objetivo es predecir la siguiente fase de una próxima señal de tráfico accionada dado un historial de sus fases anteriores en formato de serie temporal. Nos sentimos alentados por los resultados», comentó el Dr. Stephen Fickas, director de la investigación en un comunicado.
En las etapas anteriores de este trabajo, Fickas y su equipo c implementaron con éxito un sistema propio de hardware y software denominado Bike Connect, que permitió a las personas que se desplazan en bicicleta obtener, con manos libres, información anticipada con respecto a una próxima señal de tráfico, valiéndose de su velocidad y dirección de viaje para incrementar la posibilidad de que el semáforo se encuentre con luz verde al llegar si se siguen las recomendaciones aportadas.
Los dos algoritmos de aprendizaje automático integrados en este sistema durante la última etapa de investigación, según afirman, tienen un buen historial con el pronóstico de series temporales: redes neuronales convolucionales unidimensionales (CNN 1D) y modelos de memoria a corto plazo (LSTM).
Al momento de evaluar los resultados obtenidos, los investigadores pudieron predecir la siguiente fase con aproximadamente un 85% de precisión, para cada uno de los algoritmos de pronóstico de series temporales.
La aplicación FastTrack requiere una fuente en tiempo real de las próximas señales de tráfico en la ruta del ciclista, siendo los sistemas de gestión de tráfico (TMS) fundamentales para que en el futuro se pueda usar una aplicación FastTrack sin sobresaltos.
Una vez más, se trata de un prometedor proyecto que da sus primeros pasos. El detalle más científico y técnico de esta propuesta puede encontrarse en un artículo publicado por el Instituto Nacional de Transportes y Comunidades estadounidense, donde también se integra como anexo un archivo en Google Colab, para revisar el código en detalle y aportar comentarios a sus desarrolladores.