*Por el Ing. Delbono Luis – LEMaC, Centro de investigaciones viales UTN FRLP – CIC PBA.
La Inteligencia Artificial (IA) se ha convertido en una herramienta innovadora que se viene aplicando en la gestión y operación de carreteras para mejorar la seguridad, la eficiencia y la sostenibilidad. Se utiliza en diferentes campos como en sistemas de gestión del tránsito en tiempo real, ajustando los tiempos en los semáforos en función del tránsito, lo que reduce la congestión; o en sensores inteligentes en la interpretación de datos para recopilar información sobre el tránsito, condiciones climáticas y condiciones de la carretera para la toma de decisiones. También se emplea para detectar accidentes y eventos en la mejora de la seguridad vial, notificando a las autoridades responsables de intervenir rápidamente.
La toma de decisiones, asociadas con la conservación de carreteras en servicio, depende en muchos casos de la experiencia profesional, con cierto grado de incertidumbre. La IA permite asistir y optimizar el proceso, debido a la cantidad de factores para tener en cuenta, a la diversidad de alternativas de solución posible, a los costos asociados y posibles errores que se puedan cometer por la rapidez en que se requiere tomar las decisiones.
Uno de los empleos de la IA es en el mantenimiento predictivo de los pavimentos. Mediante el uso de algoritmos de aprendizaje automático (Machine Learning) la IA puede analizar patrones y datos históricos relacionados con el deterioro en los pavimentos. Esto permite prever posibles problemas, interviniendo con un mantenimiento oportuno antes de que se conviertan en reparaciones costosas, optimizando la gestión en el mantenimiento de carreteras y calles.
Los sistemas de sensores y monitoreo acoplados a los vehículos, drones, etc., permiten recopilar datos sobre el estado del pavimento, como baches, grietas, deformaciones, etc., mediante el procesamiento de imágenes. (Figura 1).
La IA puede identificar y clasificar objetos que se encuentren en las imágenes, ya sea en fotografías estáticas o en secuencias de video.
Para minimizar la subjetividad ligada a la inspección visual de los sistemas de adquisición de datos, un apoyo fundamental son los catálogos de pavimentos o manuales en los que aparecen los tipos de deterioros con imágenes, descripciones y modos de cuantificación. La IA identifica, analiza y predice los daños en el pavimento obtenidos en campo y los asocia a los patrones de deterioros mediante técnicas de procesamiento digital de imágenes (Figura 2). En base a ello, se puede programar el mantenimiento de manera preventiva y eficiente, y así reducir los costos de mantenimiento, rehabilitación y construcción de las carreteras y calles.
Esto además permite la segmentación de imágenes para identificar áreas específicas de interés y detectar anomalías o patrones inusuales en las mismas.
Los métodos de predicción por imágenes se destacan por su versatilidad, no solo son capaces de clasificar el problema, sino que puede detectar el tipo de daño y cuantificarlo. Es capaz de diferenciar entre: grietas longitudinales, grietas transversales, grietas en forma de piel de cocodrilo, baches, desprendimiento, ahuellamientos, marcas viales, etc., y pavimento sin daños. (Figura 3).
Entre los ejemplos de desarrollos de software que podemos encontrar, en el marco de la reunión anual del TRB2020 (Transportation Research Board) de la Academia de Ciencias, Medicina e Ingeniería de los Estados Unidos, celebrada en Washington DC, podemos citar que una empresa Argentina presentó el software Intelligent Pavement Vision (IPV), desarrollado durante el 2019, el cual permite realizar el análisis automatizado de fisuras y baches en la evaluación del estado de los pavimentos viales y aeroportuarios. El software desarrollado utiliza conceptos de Machine Learning en las técnicas de IA; a partir de imágenes georreferenciadas de alta calidad, y de un algoritmo propio que posibilita el cálculo y la parametrización de fallas del pavimento que, comparadas con el catálogo de daños en pavimentos, permite definir los parámetros D3 (fisuración) y D4 (desprendimientos) de la metodología de la Dirección Nacional de Vialidad de Argentina, para obtener el índice de Estado (IE) y el índice de Serviciabilidad Presente (ISP) del camino. El software fue desarrollado en el marco del contrato para la elaboración de los Planes Plurianuales de Inversiones y Mantenimiento de las redes viales provinciales de Jujuy, Salta, Tucumán y Santiago del Estero. El acuerdo, gestionado por Vialidad Nacional y financiado por el Banco Mundial, conllevó el análisis del estado de más de 10.000 kilómetros de red pavimentada [3].
La división de transporte del BID (Banco Interamericano de Desarrollo) ha desarrollado el software “Pavimenta2”, una herramienta que permite la identificación de defectos en pavimentos localizados en autopistas y carreteras, y la señalización vertical y horizontal sobre las mismas a partir de un vídeo grabado por una cámara en un vehículo convencional. Mencionan que el costo del proceso para el mantenimiento vial es 53 veces menor que el convencional y el tiempo del proceso es 39 veces más rápido [4].
Existen diferentes técnicas de análisis de procesamiento de datos, con actividades y enfoques diferentes. Un ejemplo sencillo con ellas es crear un mapa de la red viaria que, mediante un código de colores como verde, amarillo y rojo, valore el estado de la carretera, donde el verde indica un estado excelente y en rojo que es urgente repararlo. Atendiendo a este código universal, con colores intermedios entre el verde y el rojo, permite seleccionar la mejor estrategia, el tipo de intervención más adecuada, priorizar la zona de reparación y el momento adecuado para realizarlo, lo que deriva en una disminución de costos al realizarlo de manera planificada.
También juega un papel crucial en la optimización de los materiales. Al analizar datos climáticos, de tránsito y de desgaste del pavimento, la IA puede recomendar fórmulas de mezcla asfáltica especifica que mejoren la durabilidad y resistencia de las reparaciones, contribuyendo con la sostenibilidad.
En resumen, los estados y municipios pueden considerar este tipo de estrategias en las reparaciones y señalización de calles urbanas y carreteras con el objetivo fundamental de preservar la calidad de los pavimentos a largo plazo y la seguridad de los usuarios. Esto se debe a que los sistemas de planificación y programación basados en IA asignan recursos de manera eficiente, incluyendo la programación de equipos de construcción, la logística de materiales y la gestión del personal. Así, se permite un uso óptimo de los recursos y se evita retrasos innecesarios en los proyectos.
Referencias:
[3] https://dallocas.blogs.upv.es/2020/05/02/evaluacion-del-pavimento-mediante-inteligencia-artificial/
