La tecnología inteligente al servicio del transporte

La tecnología inteligente al servicio del transporte Dra. Daniela López De Luise (Computational Intelligence Society. IEEE Argentina) Luego de muchos años de idas y venidas, los sistemas inteligentes llegaron a los transportes. En este artículo se presentan las posibilidades y alcances del sector. En los años 50 los sistemas inteligentes eran poco más que una tecnología de guerra que buscaba reubicarse en la plaza científica y tecnológica. El furioso éxito de los primeros Sistemas Expertos (sistemas informáticos que imitan a un experto humano en un área específica) y algunas variantes de Redes Neuronales artificiales (especialmente aquellas que permitían reconocimientos de patrones) durante los años 60 culminó en un colapso casi total luego de que la comunidad verificara en los 80 que aquellas tecnologías distaban mucho de satisfacer las exigentes expectativas de ese entonces.

Pasaron algunos años y ciertos científicos revisaron las teorías. Se atrevieron a expandirlas más allá de o esperado. Para ello tuvieron que realizar un profundo cambio que incluso derivo en la incorporación de un concepto distinto de inteligencia, y un nuevo nombre para el área de conocimiento: “Inteligencia Computacional” o “ Soft Computing”.

Recuperación de imágenes

Reconocimiento automático de caracteres

a) b)

a) una de los 500 rostros aprendidos por la red neuronal (izquierda), es buscado utilizando sólo la región de los ojos (centro) y se recupera la imagen de la derecha.

c)

b) rostro parcialmente oculto (izquierda), imagen desplazada (centro), imagen con ruido uniforme (derecha). Las primeras redes neuronales se concentraron en la reconstrucción de patrones y caracteres. Esto trajo beneficios para los ciudadanos en la vida práctica. Por ejemplo, la oficina postal lo empleó para el reconocimiento automático de códigos postales manuscritos, lo que permitió clasificar la correspondencia por cartero de manera automática. En la figura: a) se aprecia los datos con los que se entrenó una red neuronal, b) el reconocimiento de los números superpuestos, c) reconocimiento de números distorsionados e incompletos*.

Para los primigenios sistemas de seguridad, también fue importante aplicar las redes neuronales artificiales. En la figura se muestra un típico uso para control de acceso a edificios: a) un rostro de 500 aprendidos, b) una vez capturada la imagen, se puede hallar con sólo una porción, desplazada, o con pérdida de nitidez (llamado “ruido”)**.

El paradigma involucra desde entonces, entre otras cosas: -Cambio en el concepto de inteligencia a imitar. Ahora el objetivo es simular las características de la “inteligencia biológica”, trascendiendo el concepto de la mera inteligencia humana. -Incorporación de estrategias mucho más potentes, que incluyen conceptos extraídos de la

física, química, medicina, biología, etc. Tal el caso de los sistemas basados en entropía, recocido simulado, etc. -Flexibilidad en la búsqueda de la solución. El sistema es capaz de aprender desde la información que recibe y hasta modificar su estrategia en algunos casos. -Resultados aproximados. El precio que hubo que pagar por este aumento en la eficiencia resolutiva, es la falta de precisión. Esto no debe desanimar al usuario ya que suele suceder que estos sistemas “imprecisos” tienen una muy eficiente respuesta para el contexto en el que se los emplea y, en muchas ocasiones constituyen la única alternativa de solución posible para el problema. La aplicabilidad de estas técnicas Pasados los primeros impulsos de la inteligencia computacional, la comunidad comenzó a incorporar módulos con estas técnicas a la industria, con resultados diversos. El grado de éxito depende de diversos factores, entre los más importantes se pueden citar: -Grado de pericia del experto en Inteligencia Computacional. -Grado de definición de qué es lo que se necesita para resolver el problema por parte del sector de la industria. -Existencia de experiencias similares previas en la industria. -Complejidad del problema a resolver. -Grado de interacción entre los involucrados con el problema, el sector, y el especialista en Inteligencia Computacional que diseña la solución. -Posibilidad de “prototipado evolutivo” (construir un modelo inicial rústico que se va perfeccionando). Lo actual Algunas de las múltiples experiencias actuales a nivel mundial se pueden citar: -Transporte público: Son principalmente aptos para optimizar el balance entre pasajeros y servicio. Por ejemplo en Brasil se implementó una Red neuronal para mejorar la capacidad de simular y estimar el índice potencial de viajes, utilizado para la planificación estratégica de

transportes necesarios. -Seguridad vial: Los sistemas inteligentes son una fuente de mejora para las técnicas de recopilación, análisis y evaluación de datos estadísticos sobre accidentes. Es posible desarrollar una metodología de planificación y evaluación de actuaciones de los conductores (a posteriori) para mejorar sensiblemente la seguridad en la circulación vial. En España se han propuesto algunas alternativas efectivas que aplican un tipo de análisis estadístico llamado Bayesiano. Un problema grande, en países como Colombia, es la vulnerabilidad a la socavación en los puentes de la Red Vial. Se define socavación como el grado de exposición del puente al daño por elementos que causan socavación. Existen diferentes metodologías disponibles para la estimación de la vulnerabilidad a la socavación. Una de las alternativas es el uso de un Sistema Experto de la Universidad de Washington, llamado CAESAR. Este sistema puede recomendar acerca de adecuación del curso de agua, la estabilidad de su cauce y la vulnerabilidad de un puente. También en la Revista técnica de la Asociación Española de la Carretera se referencia un sistema montado en una Red Local de dispositivos con sensores inteligentes apropiados, distribuidos adecuadamente para mostrar a los conductores información correcta aún en circunstancias climatológicas adversas. -Regulación y normativa vial: Son de suma utilidad en este punto los sistema expertos. En Ecuador ya hay una resolución (Nro 1378) donde explicita claramente la implementación de un sistema experto legal que permita “agilizar el sistema de entrega de boletas y partes a so agentes fiscales y jueces competentes, y éstos a su vez elaboren y suscriban las actas de juzgamiento de las contravenciones de tránsito”. METHODUS es un sistema legal de la Universidad de Roma "La Sapienza", y manipula las solicitudes de registro de cierto tipo de trabajadores viales. Un operador examina el texto legal y crea una descripción normalizada para el sistema. Con ésto el sistema es capaz de derivar las consecuencias de cada situación y las explica al operador para que éste escoja la decisión que prefiera.

-Infraestructura: La propuesta Automan-Tunel, es un sistema de visión y control para el desarrollo de un sistema automático de mantenimiento de carreteras. E. Oñate y sus colaboradores proponen el uso de los Sistemas de Soporte a la Decisión en ingeniería civil y presentan ejemplos concretos de su aplicación a la prevención del riesgo de inundaciones (y a la gestión de las emergencias correspondientes), al diseño de instalaciones en proyectos urbanísticos y a la gestión energética en municipios.

presentó en la ciudad de Rosario un sistema llamado SIPLAM, SISTEMA INTEGRAL DE PLANIFICACIÓN DEL MANTENIMIENTO DE REDES VIALES. Según declaran sus autores, es un sistema que sirve de apoyo para la gestión de actividades de conservación, rehabilitación y reconstrucción vial. También Ayuda a los responsables de la toma de decisiones a encontrar la óptima distribución de fondos destinados al mantenimiento vial, permitiendo así un uso más racional de los recursos existentes. La comunidad

-Logística: Generalmente son sistemas complejos y que permiten al usuario una descripción bastante detallada del problema a resolver. Suelen ser muy específicos. El Sistema Experto para Zonificación y Enrutamiento RUTA, permite entre otras cosas definir cuadrillas de distribución, imprimir zonas con rutas demarcadas, generar planillas de enrutamiento, controlar las entregas etc.

Los sistemas inteligentes deben ser vistos como un conjunto de herramientas disponibles para para cubrir las limitaciones de los sistemas de cómputo tradicionales. Pueden enumerarse una gran variedad de subáreas aplicables, entre otras son de destacar:

-Aprendizaje automático: Técnicas que permiten que la computadora "aprenda" un conocimiento -Impacto ambiental: Siendo un tema de específico a partir de información no actualidad, aún no hay tantos modelos estructurada, generalmente suministrada en inteligente de este tipo. En Madrid se propuso el forma de ejemplos. uso de un sistema experto para la identificación de impactos ambientales de proyectos a partir de un sistema de información geográfica . -Control de tráfico: Dentro de este área son más frecuentes los sistemas inteligentes. En Madrid se trabaja con una red de sensores autónomos distribuidos a lo largo de varios kilómetros de un camino. La información es enviada a un servidor, y se reducen los costos para controlar amplios tramos de carretera. En Méjico lograron solucionar el caos vial que existía en una avenida, con una red neuronal que se va calibrando. De esta manera evitan que los automovilistas tomen ciertas calles equivocadamente, generando congestionamientos. Para reducir la cantidad de accidentes de tráfico desde una perspectiva preventiva, se pueden mejorar los sistemas de diagnóstico de situaciones para identificar los jóvenes conductores con mayor propensión a tener accidentes de tráfico.

En los sistemas de aprendizaje se construye automáticamente un modelo que representa el comportamiento más significativo de los datos del problema. Luego de construido el modelo, cuando un dato pasa por él, la respuesta suele basarse en las características que mejor representan al dato actual.

-Redes neuronales: Son un sistema de neuronas conectadas, que forman una red. Entre todas colaboran para producir una salida o rseultado final. Se las usa como una alternativa de aprendizaje automático y de procesamiento -Factibilidad: En Noviembre de 2008, se inspirado en el funcionamiento del sistema

nervioso animal.

también para entrenar a profesionales.

El sistema experto suele crearse con el conocimiento de uno o más expertos en cierto sector. Los usuarios típicamente acceden al mismo a través de una interfase gráfica que le permite formular consultas de manera apropiada y conseguir la justificación de sus respuestas. Las redes neuronales artificiales suelen ser una alternativa clásica y práctica para la clasificación automática de datos. Suelen ser empleadas en el procesamiento de imágenes.

-Sistemas de soporte a la decisión (DSS):Estos sistemas son apropiados para evaluar una situación presente o futura, y proveer asesoramiento acerca de cierta decisión. Suelen proveer una elección entre alternativas con -Agentes inteligentes: Entidad capaz de percibir distintos niveles de bondad, para un problema en su entorno, procesar sus percepciones (con la un contexto dado. ayuda de sensores) y realizar alguna actividad sobre su entorno (utilizando actuadores ) de manera racional, para maximizar un resultado esperado.

Los agentes inteligentes reaccionan al estado actual del entorno siguiendo un códice interno que suele ser sencillo. El comportamiento inteligente se logra por la acción coordinada de un conjunto de individuos autónomos.

Cuando el DSS recibe una consulta, solicita información adicional que le sirve internamente para predecir los distintos escenarios posibles que se pueden generar en el mundo real. Cada escenario suele estar asociado con una probabilidad de ocurrencia. La respuesta suele ser el conjunto de escenarios más probables junto con sus probabilidades y características.

-Sistemas expertos: Son sistemas que imitan el razonamiento de un experto humano de un Suelen combinar inteligencia, evaluación de dominio específico. Suelen ser utilizados alternativas y una interfase apropiada que

simplifica la contextualización del problema y la especificación de las soluciones posibles con sus detalles. -Sistemas evolutivos: Los algoritmos de este tipo se relacionan con técnicas inspiradas en el concepto genético o de evolución darwiniana.

Los sistemas evolutivos se basan en la teoría de C. Darwin para representar un problema en términos de códigos genéticos, individuos y poblaciones.

Suelen involucrar conceptos similares a los de la naturaleza: mutación, cruza de cromosomas, herencia, etc. Lo que se viene Si bien se puede apreciar una amplia aceptación de la Inteligencia Computacional en la actualidad, los especialistas están de acuerdo en que la tendencia a usar este tipo de tecnologías de avanzada es creciente en términos generales. En especial se puede esperar que suceda lo mismo en los sistemas inteligentes de transporte. Tal como afirma el Ingeniero Russomanno en la edición Vial del mes de Abril: “ITS1 será la industria que más crecerá en los próximos años” y está llamada a ser parte importante de la industria del transporte e infraestructura. Para ello será necesario un acercamiento progresivo y adecuado de los sectores científicos y del transporte, generando una transferencia efectiva desde los enfoques de la ciencia hacia la industria del sector, empleando metodologías específicas. 1 ITS sigla en inglés de Sistemas inteligentes de transporte.

Notas: *Imágenes extraídas de Neural Networks, C. Lau. IEEE PRESS. **Imágenes extraídas de Artificial Neural Networks. E. SánchezSinencio, C. Lau. IEEE PRESS.