Optimización del tráfico en tiempo real con IA en semáforos
Tecnologías
Las carreteras están crónicamente congestionadas y los vehículos hacen colas interminables en los cruces. Las horas punta son especialmente perjudiciales para los largos atascos. En el Instituto Fraunhofer de Optrónica, Tecnologías de Sistemas y Explotación de la Imagen IOSB, los investigadores de la rama del instituto para la automatización industrial INA de Lemgo están utilizando la inteligencia artificial para el control inteligente de los semáforos como parte de los proyectos «KI4LSA» y «KI4PED». En el futuro, los algoritmos de autoaprendizaje combinados con los nuevos sensores deberían garantizar una mayor fluidez del tráfico y reducir los tiempos de espera, además de mejorar la seguridad de los peatones en los cruces.
El proyecto KI4LSA, promovido por la organización Fraunhofer, utiliza inteligencia artificial basada en datos en tiempo real de semáforos y otras señales luminosas de tráfico con el objetivo de optimizar el flujo de tráfico.Para ello, han implementado un sistema de sensores que puede registrar los flujos de tráfico y datos ambientales relevantes con suficiente precisión y fidelidad, usando la menor cantidad de sensores posible, y después reenviarlos a la nube para su análisis. La IA utilizada para este propósito utiliza algoritmos de última generación para el aprendizaje profundo, el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo. Con la ayuda de un prototipo, se probará el sistema en Lemgo (Alemania) para analizar, con viajeros y residentes, la optimización del flujo de tráfico y la reducción de emisiones. Estos datos de tráfico se reforzarán con datos reales de otras localizaciones, o a través de simulaciones para obtener pruebas de escalabilidad respecto a tramos de tráfico mayores. Fuente (en inglés): https://www.iosb-ina.fraunhofer.de/en/divisions/Machine-Learning/Research-topics-and-projects/Project-KI4LSA-Artificial-intelligence-for-light-signal-systems.htmlNota de prensa (en inglés): https://www.fraunhofer.de/en/press/research-news/2022/february-2022/traffic-lights-controlled-using-artificial-intelligence.html
Para ofrecer las mejores experiencias, utilizamos tecnologías como las cookies para almacenar y/o acceder a la información del dispositivo. El consentimiento de estas tecnologías nos permitirá procesar datos como el comportamiento de navegación o las identificaciones únicas en este sitio. No consentir o retirar el consentimiento, puede afectar negativamente a ciertas características y funciones.
Funcional
Siempre activo
El almacenamiento o acceso técnico es estrictamente necesario para el propósito legítimo de permitir el uso de un servicio específico explícitamente solicitado por el abonado o usuario, o con el único propósito de llevar a cabo la transmisión de una comunicación a través de una red de comunicaciones electrónicas.
Preferencias
El almacenamiento o acceso técnico es necesario para la finalidad legítima de almacenar preferencias no solicitadas por el abonado o usuario.
Estadísticas
El almacenamiento o acceso técnico que es utilizado exclusivamente con fines estadísticos.El almacenamiento o acceso técnico que se utiliza exclusivamente con fines estadísticos anónimos. Sin un requerimiento, el cumplimiento voluntario por parte de tu proveedor de servicios de Internet, o los registros adicionales de un tercero, la información almacenada o recuperada sólo para este propósito no se puede utilizar para identificarte.
Marketing
El almacenamiento o acceso técnico es necesario para crear perfiles de usuario para enviar publicidad, o para rastrear al usuario en una web o en varias web con fines de marketing similares.
Para ello, han implementado un sistema de sensores que puede registrar los flujos de tráfico y datos ambientales relevantes con suficiente precisión y fidelidad, usando la menor cantidad de sensores posible, y después reenviarlos a la nube para su análisis. La IA utilizada para este propósito utiliza algoritmos de última generación para el aprendizaje profundo, el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo. Con la ayuda de un prototipo, se probará el sistema en Lemgo (Alemania) para analizar, con viajeros y residentes, la optimización del flujo de tráfico y la reducción de emisiones. Estos datos de tráfico se reforzarán con datos reales de otras localizaciones, o a través de simulaciones para obtener pruebas de escalabilidad respecto a tramos de tráfico mayores. Fuente (en inglés): https://www.iosb-ina.fraunhofer.de/en/divisions/Machine-Learning/Research-topics-and-projects/Project-KI4LSA-Artificial-intelligence-for-light-signal-systems.htmlNota de prensa (en inglés): https://www.fraunhofer.de/en/press/research-news/2022/february-2022/traffic-lights-controlled-using-artificial-intelligence.html