Cuando se habla de los sistemas de control de tráfico informatizados como «cerebros de las ciudades» hay que recordar que la información que gestionan proviene de diversas fuentes: cruces de semáforos, sensores instalados bajo el pavimento, cámaras de vídeo, etc. Investigadores de la Universitat Politècnica de Catalunya llevan tiempo trabajando en un sistema que integre todas estas fuentes para poder mejorar la gestión del tráfico de la ciudad.
El sistema se llama In4Mo (Sistema Avanzado de Información sobre la Movilidad de Personas y Vehículos) y se enmarca dentro del concepto Movilidad inteligente de las Ciudades inteligentes. Precisamente, la parte que consideran más importante de estos conceptos es la de la inteligencia: no basta con obtener muchos datos de diversas fuentes en el menor tiempo posible; lo importante es la combinación entre esa información y un procesamiento adecuado.
El proceso completo para mejorar la información antes de procesarlo pasa por tres fases: filtros, fusión de datos y modelos de predicción. La primera, consiste en aplicar unos filtros que eliminen datos extraños o incompletos, como una medición fuera de rango o unas horas sin datos por cualquier razón. La segunda, sirve para fusionar información de diversas fuentes referidas a los mismos objetos o sucesos, tales como densidad del tráfico e imágenes de vídeo sobre esa misma calle – ambos indican cuántos coches circulan por hora.. Finalmente, están los modelos de predicción, una herramienta matemática que convierte en fórmulas de «simulación» todo lo anterior. Gracias a ellos, se puede predecir cómo evolucionará el tráfico de la ciudad en poco tiempo.
Un ejemplo típico podría ser precisamente recopilar la información del número de vehículos que circulan por una vía mediante un sensor en el pavimento, pero si esa fuente tiene un «pico» extremadamente alto por un error de medición, ignorarlo. Si se pueden combinar los datos de esos sensores con los de las cámaras de vídeo u otros, hacerlo para obtener un dato más fiable. Y, por último, encontrar una fórmula capaz de simular y predecir cuál será el flujo de vehículos al cabo de unos minutos u horas basándose en toda esa información y los históricos disponibles.
Los investigadores ya han apuntado que estos modelos pueden ser útiles para los «personal journey planners» (sistemas de planificación de rutas personales), que todos conocemos como los callejeros, con opciones de navegación para circular por la ciudad combinando, en ocasiones, varios medios de transporte: coche, autobús, metro, a pie o en bicicleta. Además de ser útiles para los ciudadanos, también pueden ser una herramienta interesante para los responsables de la gestión del tráfico de la ciudad, que podrían de este modo contar con más información y realizar cambios y ajustes en tiempo real para mejorar la circulación en las calles.
Nos encantará conocer tu opinión, pero primero tenemos que indicarte que los comentarios están moderados, y no aparecerán inmediatamente en la página al ser enviados. Evita, por favor, las descalificaciones personales, los comentarios maleducados, los ataques directos o ridiculizaciones personales, o los calificativos insultantes de cualquier tipo, sean dirigidos a los autores, a cualquier otro comentarista o la empresa propietaria de esta página. Estás en tu perfecto derecho de comentar anónimamente, pero por favor, no utilices el anonimato para decirles a las personas cosas que no les dirías en caso de tenerlas delante. Intenta mantener un ambiente agradable en el que las personas puedan comentar sin temor a sentirse insultados o descalificados. No comentes de manera repetitiva sobre un mismo tema, y mucho menos con varias identidades o suplantando a otros comentaristas. También, procura que tus opiniones estén relacionadas con lo que se comenta en esta entrada. Los comentarios off-topic, promocionales, o que incumplan todas estas normas básicas serán eliminados.