Herramienta de adquisición de variables y eventos del tráfico vehicular utilizando visión por computador

El aprovechamiento de la infraestructura vial existente, así como la planeación de la infraestructura futura, requieren de información del tráfico que pueda ser adquirida de forma eficiente y efectiva, en diferentes locaciones y en diferentes horarios y lapsos. En la actualidad la ciudad de Bogotá invierte anualmente en contratos de aforo manual para estimar el comportamiento del tráfico en la ciudad, sin embargo esta información no es suficiente para optimizar el uso de una infraestructura ya de por sí bastante limitada. La ciudad viene conceptualizando desde 2006 lo que ha llamado un Sistema Inteligente de Transporte (SIT). Este sistema tuvo un impulso en 2015 con la definición de 4 componentes para la primera fase de desarrollo: (i) Centro de Gestión, (ii) Detección Electrónica (de infracciones), (iii) Semaforización y (iv) Paneles Variables [36. El primer componente, el Centro de Gestión, deberá entrar en funcionamiento para el segundo semestre de 2016. Dicho centro se compone de un conjunto de sensores, una plataforma para colectar, almacenar y presentar la información y un espacio físico para realizar esta tarea. Cuenta con 350 sensores WIFI/Bluetooth para estimar velocidad; 12 sensores de bicicletas ubicados en ciclovías; y 140 sensores de detección de vehículos para cubrir 4 intersecciones de la ciudad [37. Adicionalmente se incluyen 100 cámaras de monitoreo, sin ningún tipo de procesamiento automático. Toda esta infraestructura deberá servir para estimar o medir variables de tráfico como flujo vehicular, densidad vehicular, velocidades promedio e instantáneas; variables necesarias para atender la operación de las vías y el diseño de infraestructura futura. Otras características del tráfico, como la distribución del parque automotor circulante por categorías (según el tipo de vehículo o servicio) y la detección de eventos particulares del tráfico (detención, cambio de carril, contravenciones, bloqueo, colisión, entre otros) permiten un mejor aprovechamiento y modelado del tráfico vehicular, y deberán ser abordadas por la ciudad en la fases futuras de la iniciativa SIT. La adquisición de estas características del tráfico vehicular presentan diferentes retos: deben ser adquiridas: (i) simultáneamente, (ii) en múltiples puntos, (iii) por periodos largos de tiempo (de forma continua de ser posible) y (iv) con precisión. Por tal motivo, diferentes herramientas de tecnología han sido usadas para reemplazar al hombre en la consecución de esta información. En particular, la visión por computador ha demostrado su efectividad para la adquisición del tráfico utilizando información visual [2[7. Si bien existen algoritmos que han demostrado realizar algunas de las tareas planteadas [20[28, aun no se ha llegado a sistemas comerciales de buen desempeño sin la intervención humana constante. Esto debido principalmente a los grandes retos que presenta desarrollo de una herramienta automática de adquisición. El primero, concierne a la ubicación de la cámara, la cual debe permitir observar la información necesaria del tráfico. No obstante su importancia, dicha ubicación se encuentra restringida a las posibilidades físicas que brinda la infraestructura instalada, como postes de electricidad, semáforos donde la cámara puede instalarse y a las cámaras existentes. La falta de control de dicho posicionamiento abre la puerta a las tres temáticas a trabajar en este proyecto de investigación: (i) observabilidad y mensurabilidad de las variables y eventos de tráfico, (ii) la configuración de la herramienta de adquisición para diferentes perspectivas y (iii) la comparación e integración de estrategias basadas en sustracción de fondo y estimación de movimiento. Dada una cámara fija, con una perspectiva específica, es necesario determinar qué características se pueden extraer de forma eficiente y confiable. Por ejemplo, una cámara con vista superior, reduce las ocultaciones observadas entre vehículos, facilitando el conteo y la estimación de velocidad. Sin embargo, observa un área mucho menor que una cámara en perspectiva oblicua, lo que dificulta la observación de eventos de tráfico y requiere de un mayor número de cámaras para una zona determinada. En segundo lugar, el desarrollo de una herramienta de adquisición de información de tráfico que sea fácilmente configurable para diferentes perspectivas es un desafío. Las herramientas actuales permiten la adquisición de variables, por lo general el flujo vehicular y su velocidad [2[14[28, para una vista específica, sobre la cual los algoritmos de procesamiento han sido entrenados y probados. Sin embargo, una vez la perspectiva cambia la configuración de la herramienta es una tarea compleja y su precisión incierta. Se requiere el desarrollo de una herramienta que permita la adquisición de información del tráfico sobre diferentes perspectivas, permitiendo una fácil configuración y manteniendo una alta confiabilidad. Los algoritmos de adquisición existentes se basan en métodos de sustracción de fondo y se configuran para una perspectiva específica. Aunque este enfoque es simple y ha demostrado ser eficaz en algunos escenarios, es altamente susceptible al ruido, al bajo contraste, a las ocultaciones parciales entre vehículos, a movimientos leves de la cámara y principalmente, a niveles altos de congestión vehicular. Por otro lado, los algoritmos de estimación de movimiento, como los basados en flujo óptico, han tenido un gran avance en los últimos años, permitiendo estimaciones de movimientos con precisión sub-píxel y ejecución en tiempo real. Este proyecto comparará el desempeño de estos dos enfoques en escenas reales de tráfico y propondrá una combinación óptima en donde estas dos estrategias se complementen. Con base en estos resultados se desarrollará una herramienta capaz de adquirir las variables de tráfico: (i) velocidad instantánea y promedio, (ii) flujo vehicular, (iii) densidad vehicular y (iv) distancia promedio entre vehículos, desagregadas por carril, y los eventos de tráfico: (i) cambio de carril, (ii) detención, (iii) bloqueo parcial y (iv) bloqueo total. La herramienta podrá ser configurada y utilizada teniendo como entrada videos de tráfico de diferentes perspectivas.