La UMH desarrolla un sistema de Inteligencia Artificial para predecir la evolución del tráfico

Investigadores de la Universidad Miguel Hernández (UMH) de Elche (Alicante) han desarrollado soluciones de Inteligencia Artificial, basadas en redes neuronales profundas, para predecir el estado del tráfico utilizando datos de sensores fijos (por ejemplo, espiras) y de vehículos conectados. Este nuevo sistema permite predecir el tráfico a 15 minutos vista.

Para llevar a cabo este estudio, los investigadores del laboratorio UWICORE, perteneciente al Centro I3E de Investigación en Ingeniería de Elche de la UMH, han digitalizado e implementado sobre la plataforma de simulación de tráfico SUMO un escenario de tráfico real correspondiente a 97 kilémtros de tramo de la autovía A-7 entre Alicante y Murcia, ha explicado la institución académica.

Para ello, han contado con la colaboración del Centro de Gestión de Tráfico de Levante que ha proporcionado datos de todos sus sensores de tráfico en el tramo seleccionado durante 12 años.

Este tramo ha sido seleccionado por la elevada afluencia de tráfico (Intensidad Media Diaria de 100.000 vehículos en algunos puntos) y por la gran cantidad de sensores de tráfico en el tramo (99 en total), que permiten medir de forma precisa el tráfico con una periodicidad de un minuto.

Escenario Digital de Simuación

Con una selección de estos datos, los investigadores han desarrollado un escenario digital de simulación que permite generar con gran exactitud el tráfico experimentado en el tramo de la A-7 durante un total de diez días. Para ello, los investigadores de la UMH han desarrollado una nueva metodología de calibración que permite generar de forma precisa y realista escenarios digitales de simulación de tráfico a partir de datos reales.

Mediante la plataforma digital de tráfico creada en la UMH, los investigadores han desarrollado técnicas basadas en redes neuronales profundas para predecir el estado del tráfico a 15 minutos vista utilizando datos de los vehículos conectados.

Los investigadores han analizado cómo influye la penetración del vehículo conectado en la precisión de las predicciones de la intensidad, densidad y velocidad del tráfico.

Los trabajos de la UMH han permitido demostrar que es posible mejorar los niveles de predicción del tráfico con datos de tan solo un 4% de los vehículos con respecto a cuando se realiza la predicción con los datos de los sensores de tráfico (espiras) desplegados actualmente en el tramo de la A7 objeto de estudio.

Los investigadores de la UMH han demostrado, también, que la fusión de los datos proporcionados por los sensores de tráfico actuales con los datos de los vehículos conectados permite mejorar la precisión en la predicción del tráfico. Por ejemplo, la fusión de datos de sensores de tráfico con datos de tan solo un 10% de los vehículos reduce el error de predicción en un 40% con respecto a cuándo se realiza la predicción del estado del tráfico sólo con los datos proporcionados por las espiras.

Según datos de Strategy Analytics, en 2019 más de la mitad de los vehículos fabricados en el mundo serán vehículos conectados. Como explica el director del grupo UWICORE, Javier Gozálvez, el vehículo conectado mejora el confort y la seguridad y potencia la digitalización de la movilidad.

Además, ofrece a las administraciones públicas y gestores de tráfico nuevas herramientas para conocer y gestionar el tráfico. Por ejemplo, con los datos de los vehículos conectados es posible conocer el estado del tráfico e incluso predecirlo, sin necesidad de desplegar y mantener sensores de tráfico como se hace actualmente.

Sin embargo, el acceso a esos datos tendrá un coste, con lo que es importante que las administraciones y gestores sepan cuántos datos necesitan para realizar sus funciones. Las investigaciones de la UMH no sólo ofrecen herramientas basadas en la inteligencia artificial para la caracterización y predicción del estado del tráfico, sino que permiten también cuantificar los datos necesarios para poder predecir el estado del tráfico de forma precisa. Por ejemplo, el porcentaje de vehículos de los que se necesita disponer datos.

Proyecto Predict

Las investigaciones de la UMH han sido realizadas en el marco del proyecto Predict (Predicción y caracterización de tráfico con datos de vehículos conectados y vehículos autónomos), financiado por la Dirección General de Tráfico. En el proyecto, los investigadores de la UMH también han cuantificado el impacto de los vehículos autónomos sobre el tráfico.

Sus conclusiones indican que hasta que al menos un 15% de los vehículos sean autónomos no se verá un beneficio en la fluidez del tráfico y en la capacidad de las autovías, si no se desarrollan soluciones para garantizar una coexistencia eficaz de los vehículos autónomos y los vehículos convencionales.