PROYECTOS
INFRA4MOV
Título:
Infraestructura inteligente de monitorización del tráfico para la gestión de la movilidad
Duración: 2022 – 2024
Subvención: 56.350 euros
Objetivos.
El objetivo principal del proyecto consiste en desarrollar, implementar y probar (demostraciones a escala piloto y pruebas con usuarios finales en entornos totalmente reales sin restricciones) un sistema de captación, procesamiento y envío de información vial desde un punto de la infraestructura de forma que pueda servir de base a aplicaciones de gestión de tráfico de nueva generación, incluyendo la conducción cooperativa, parcial o totalmente automatizada. El resultado final estará orientado a los operadores de infraestructuras, públicos o privados, así como empresas integradoras de equipamiento de infraestructuras. De igual forma, su campo de aplicación abarca entornos urbanos o interurbanos.
Resumen:
Para alcanzar una movilidad eficiente es imprescindible el uso de la tecnología como apoyo a las políticas de movilidad, para aprovechar la transformación digital y conseguir un sistema de movilidad más eficiente. La carretera del futuro estará sensorizada, será inteligente y capaz de comunicarse con los vehículos conectados que circulen por ella. Sistemas basados en visión por computador y tecnología LiDAR instalados en las infraestructuras permitirán monitorizar su estado, generar información y enviarla al sistema propuesto para que los gestores de las infraestructuras la visualicen, la analicen y, si fuera necesario, emitan alertas y avisos a los vehículos que transitan por esta vía.
Durante la ejecución del proyecto CCAD, el equipo investigador del proyecto coordinado está adquiriendo un conocimiento profundo sobre todos los elementos que conforman la percepción y análisis de los entornos de tráfico desde la infraestructura, con el fin de promover novedosos sistemas de asistencia y fomentar un incremento en los niveles de movilidad automatizada y cooperativa.
Sobre el conocimiento anterior, se propone la prueba de concepto aquí presentada, en la que se pretende obtener un producto preindustrial de un sistema de monitorización que proporcione datos para la gestión del tráfico en entornos urbanos y de carretera asociado a la infraestructura. De esta forma, el objetivo principal del proyecto consiste en desarrollar, implementar y probar (demostraciones a escala piloto y pruebas en entornos reales sin restricciones) un sistema de captación, procesamiento y envío de información vial desde un punto de la infraestructura de forma que pueda servir de base a aplicaciones de gestión de tráfico de nueva generación, incluyendo la conducción cooperativa, parcial o totalmente automatizada. El resultado final estará orientado a los operadores de infraestructuras, públicos o privados, así como empresas integradoras de equipamiento para éstas. El sistema completo será probado en dos casos de uso: infraestructuras críticas en entorno urbano como intersecciones o glorietas en las que se debe supervisar un campo de visión amplio para analizar el flujo de tráfico en el área de análisis y entonos interurbanos para la supervisión, seguimiento y caracterización precisa del tráfico y sus características bajo un pórtico sobre la vía.
Participantes:
-
Instituto Universitario de Investigación del Automóvil (INSIA – UPM), Universidad Carlos III de Madrid, Universidad Europea de Madrid
IP: Felipe Jiménez Alonso y José Eugenio Naranjo Hernández
Resultados:
Se ha desarrollado un algoritmo de detección, seguimiento y clasificación de vehículos que incluye las fases de fusión de datos (en caso de disponer de varios LiDAR), segmentación, clustering, tracking o seguimiento y clasificación.
Si bien la fusión de bajo nivel de datos de varios LIDAR y el filtrado de información fuera de la región de interés y la eliminación del suelo son tareas con soluciones sistemáticas y robustas, la tarea de clustering resulta muy demandante desde el punto de vista computacional y es muy sensible a la configuración del tráfico, con lo que los ajustes aptos para tráfico fluido pueden no ser eficientes para tráfico denso. Por ello, se han probado diferentes algoritmos de clustering como DBSCAN 2D/3D y OPTICS 2D/3D. Se han realizado también ensayos con tráfico fluido y tráfico denso.
En la fase de clasificación se pretende distinguir tipologías de vehículos. Una de las principales dificultades en la clasificación de vehículos basada en LiDAR es la falta de datasets amplios y etiquetados que incluyan nubes de puntos LiDAR con vistas cenitales de los vehículos. Las nubes de puntos presentan complejidades en su procesamiento debido a su información dispersa y en 3D. Como resultado, para clasificar vehículos basados en LiDAR se requiere un enfoque determinista que se encargue en extraer características específicas de los vehículos. Las características extraídas pueden incluir dimensiones del vehículo, como la longitud, anchura y altura, características geométricas como la forma de la carrocería, así como la densidad de puntos en ciertas áreas, lo que puede indicar presencia o ausencia de cristal y pueden ayudar a distinguir entre diferentes tipos de vehículos.
La selección de características es un proceso crucial en la clasificación de vehículos basada en LiDAR. Se han elegido las características siguientes: la longitud del vehículo, la altura del vehículo, la altura delantera y trasera del vehículo, el número de puntos frontales y traseros, y la presencia de ventanas laterales. Con todas las características extraídas, se busca clasificar los objetos detectados en diferentes categorías de vehículos. Entre las categorías de vehículos que se buscan clasificar se encuentran: Motocicleta, turismo, furgoneta, camión rígido y articulado, autobús rígido y articulado y tren de carretera.
Financiadores:
Proyectos I+D+i para la realización de Prueba de Concepto 2022. Proyecto INFRA4MOV/ ayuda PDC2022-133684-C32 financiado por MICIU/ AEI /10.13039/501100011033 y por la Unión Europea Next GenerationEU/ PRTR