LA TECNOLOGÍA INTELIGENTE AL SERVICIO DEL TRANSPORTE

*Por la Dra. Daniela López De Luise

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.

RECONOCIMIENTO AUTOMÁTICO DE CARACTERES

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 siguiente figura se aprecia:
a) los datos con los que se entrenó una red neuronal,
b) el reconocimiento de los números superpuestos,
c) reconocimiento de números distorsionados e incompletos.

Pasaron algunos años y ciertos científicos revisaron las teorías y hasta se atrevieron a expandirlas más allá de lo esperado. Para ello, tuvieron que realizar un profundo cambio que incluso derivó en la incorporación de un concepto distinto de inteligencia, y un nuevo nombre para el área de conocimiento: “Inteligencia Computacional” o “ Soft Computing”.
El paradigma involucra desde entonces, entre otras cosas, el 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.
También incluye la incorporación de estrategias mucho más potentes que involucran conceptos extraídos de la física, química, medicina, biología, etc. Tal es el caso de los sistemas basados en entropía o recocido simulado. Por otro lado, se incorpora la flexibilidad en la búsqueda de la solución. Eso significa que el sistema es capaz de aprender desde la información que recibe y hasta modificar su estrategia en algunos casos.
Finalmente, aparece el concepto de 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 la causan. 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, que puede recomendar acerca de adecuación del curso de agua, la estabilidad de su cauce y la debilidad de un puente.
También, en una revista técnica española se señala 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 (Nº 1378) donde explicita claramente la implementación de un sistema experto legal que permita “agilizar el sistema de entrega de boletas y partes a agentes fiscales y jueces competentes, y éstos a su vez elaboren y suscriban las actas de juzgamiento de las contravenciones de tránsito”.
También METHODUS es un sistema legal, de la Universidad de Roma (Italia) \»La Sapienza\», que 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.
El Ing. Eugenio Oñate, de la Universidad Politécnica de Cataluña de España 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.
•Logística: Generalmente son sistemas complejos y que permiten al usuario una descripción bastante detallada del problema a resolver, y además 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 y controlar las entregas.
•Impacto ambiental: Siendo un tema de actualidad, aún no hay tantos modelos inteligente de este tipo. En Madrid, España, se propuso el 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.
También en México, 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 tránsito 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.
•Factibilidad: En noviembre de 2008 se presentó en la ciudad argentina de Rosario un sistema denominado Sistema Integral Planificación del Mantenimiento de Redes Viales (SIPLAM). Según declaran sus autores, 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

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 sub-áreas aplicables. Una de ellas es el denominado Aprendizaje automático, que se trata de técnicas que permiten que la computadora \»aprenda\» un conocimiento específico a partir de información no estructurada, generalmente suministrada en forma de ejemplos.

Otra subárea aplicable son las denominadas Redes neuronales, que son un sistema de neuronas conectadas, formando una red. Entre todas colaboran para producir una salida o resultado final, y se las usa como una alternativa de aprendizaje automático y de procesamiento inspirado en el funcionamiento del sistema nervioso animal.
También existen los Agentes inteligentes, una entidad capaz de percibir su entorno, procesar sus percepciones (con la ayuda de sensores) y realizar alguna actividad sobre su entorno (utilizando actuadores) de manera racional, para maximizar un resultado esperado.

Además pueden mencionarse los Sistemas expertos, que imitan el razonamiento de un experto humano de un dominio específico y suelen ser utilizados también para entrenar a profesionales; o los Sistemas de soporte a la decisión (DSS), que son apropiados para evaluar una situación presente o futura, y proveer asesoramiento acerca de cierta decisión. Suelen otorgar una elección entre alternativas con distintos niveles de bondad, para un problema en un contexto dado. 

Asimismo, suelen combinar inteligencia, evaluación de alternativas y una interfase apropiada que simplifica la contextualización del problema y la especificación de las soluciones posibles con sus detalles.
Finalmente se encuentran los Sistemas evolutivos, cuyos algoritmos se relacionan con técnicas inspiradas en el concepto genético o de evolución darwiniana.
También suelen involucrar conceptos similares a los de la naturaleza como 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 (ITS). Tal como afirma el Ing. Daniel Russomanno, presidente de ITS Argentina, en la edición Vial del mes de abril: “Los ITS 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.

* La Dra. Daniela López De Luise es presidente del capítulo Computational Intelligence del Instituto de Ingenieros en Electricidad y Electrónica (IEEE) Sección Argentina.