PROJECTS

VIRESTREEP

Title:

APLICACIÓN DE TÉCNICAS DE REALIDAD VIRTUAL Y APRENDIZAJE AUTOMÁTICO EN LA OPTIMIZACIÓN DEL MOBILIARIO URBANO PARA DESPEJAR LA REGIÓN DE VISIBILIDAD DE LOS PEATONES

Duration:   2022 – 2024

 

Budget:  166.750 euros

Resume:

Los accidentes de tráfico son un fenómeno complejo que puede involucrar una gran cantidad de factores relacionados con la infraestructura, los vehículos, los conductores y los Usuarios Vulnerables (VRU, por sus siglas en inglés, que incluyen peatones, (moto)ciclistas y usuarios de vehículos particulares eléctricos), cuyas interacciones mutuas aún no se comprenden bien en gran medida.

La protección de dichos grupos es uno de los objetivos prioritarios de los organismos internacionales y su seguridad se considera un problema de salud pública mundial. Una de las causas de los accidentes es la dificultad del conductor en el percibir a los peatones debido a factores como la disposición de los cruces, la oscuridad, los coches aparcados o la visibilidad comprometida por el mobiliario urbano.

Este mobiliario consta de los elementos instalados en la vía pública, como pasos de peatones, marquesinas, contenedores de reciclaje y estructuras publicitarias, cuyo posicionamiento debe satisfacer sus funciones operativas sin perjudicar la circulación de los VRU y su uso del espacio público. Sin embargo, muchas veces estas ubicaciones impiden líneas de visión claras a los conductores y peatones y/o se ubican en sitios con visibilidad limitada. Para garantizar una circulación más segura, los urbanistas deben considerar todas las medidas para garantizar que dicha visión sea las más adecuadas para todo usuario.

Un área de investigación pendiente es la modelización del comportamiento de los VRU en estos escenarios. VIRESTREEP pretende comprender cómo la disposición del mobiliario urbano sea un factor desencadenante de posibles situaciones de peligro dificultando una visión clara del entorno. Se pretende emplear la Realidad Virtual (VR) y las Técnicas de Aprendizaje Automático (MLT) pueden arrojar luz sobre estas situaciones. La VR permite reproducir condiciones realistas de entornos críticos de manera realista y flexible al reproducir estas situaciones sin perjuicio para las personas. Los MLT ayudan a revelar patrones relevantes en el comportamiento de los VRU al estimar la probabilidad de que se produzca una colisión por problemas de visión y los principales factores que contribuyen a ello. En conjunto, se espera entender cómo el comportamiento de los VRU resulte afectado a través de la simulación de diferentes escenarios y el análisis de datos reales y experimentales (p.ej. accidentes de tráfico y experimentos virtuales). Los resultados, a través de una aplicación de VR interactiva y configurable donde se pueden experimentar y analizar varias configuraciones, ayudarán a definir unas directrices para los urbanistas para la definición de mejores políticas de seguridad.

Modelar y simular de forma realista los comportamientos de los VRU, así como interpretar cuantitativamente las diferencias entre el entorno simulado y los comportamientos reales, es una herramienta útil para la investigación de la seguridad vial. El conocimiento generado servirá para desarrollar medidas más efectivas y proactivas para la mitigación de los factores de riesgo, lo que representa un paso hacia la promoción de un enfoque multidisciplinario en este campo, combinando elementos de ciencia de datos, tecnología y transporte. Se espera que VIRESTREEP contribuya significativamente a los nuevos desafíos planteados para la gestión de la movilidad urbana, al ofrecer una herramienta flexible capaz de probar configuraciones de mobiliario y detectar problemas de seguridad con anticipación.

Partners:

  • Instituto Universitario de Investigación del Automóvil (INSIA – UPM),
  • Centro de I+D+i de la UPM en Eficiencia Energética, Realidad Virtual, Ingeniería Óptica y Biometría (CeDInt-UPM)

Financing:
Proyecto VIRESTREEP/ ayuda TED2021-131516B-I00 financiado por MCIN/AEI /10.13039/501100011033 y por la Unión Europea NextGenerationEU/ PRTR”