Ingenieros de la Universidad de Valladolid desarrollan sistemas de transporte inteligente

CGP/DICYT En los últimos años, las telecomunicaciones y la informática están avanzando en nuevos campos de aplicación, como los Sistemas de Transporte Inteligente (ITS, por sus siglas en inglés). Se trata del conjunto de soluciones telemáticas que tratan de ahorrar tiempo y costes a los gestores de flotas, aumentar la fluidez del tráfico y reducir los accidentes, entre otros aspectos. En esta línea trabaja el grupo de Telemática Industrial de la Universidad de Valladolid, que desarrolla sistemas de gestión de flotas capaces de calcular en tiempo real las mejores rutas para los vehículos, atendiendo a variables como el tráfico o las condiciones meteorológicas.

Uno de los miembros del grupo, el profesor del Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática Francisco Javier Díaz Pernas, ha detallado en declaraciones a DiCYT que el fin último es determinar las rutas “más eficientes”. Para ello, han creado el sistema SigFlot, con el que interactúan tanto el conductor como el centro de gestión de la empresa. En concreto, el conductor del vehículo dispone de una PDA con el sistema integrado que le proporciona las rutas que debe realizar y que han sido enviadas por el centro de gestión, tras haber estimado la mejor opción en función de costes de transporte, teniendo en cuenta variables meteorológicas y de tráfico.

“Si en un momento determinado existe acumulación de tráfico en un punto de una ruta que es la preferible, intentamos reajustarla para que el conductor del camión no tenga ese impedimento, sobre todo porque un vehículo de carga parado supone un gran coste. Determinamos la logística más efectiva para llevar a cabo el suministro inteligente”, asegura el experto.

La situación del tráfico se recoge en tiempo real desde la Dirección General de Tráfico (DGT). Se observan las condiciones en diferentes puntos de la red de carreteras y si existe una acumulación importante de vehículos se le asigna un coste. “Si el coste influye excesivamente en el encarecimiento del transporte intentamos recalcular esa ruta y llevar el camión otro lado”, señala el profesor, quien pone como ejemplo los periodos de salida y entrada a las grandes ciudades durante las vacaciones.

Asimismo, el transporte se puede redirigir ante condiciones meteorológicas adversas, para lo que obtienen datos del portal de la Agencia Estatal de Meteorología (Aemet). La importancia de que estos datos se descarguen en tiempo real en el momento en que se necesitan es vital., “si no es así de poco van a servir”, advierte.

Incorporación de redes neuronales

El software que ha implementado el grupo de investigación incorpora redes neuronales, sistemas informáticos de reconocimiento de patrones que surgen como resultado de aplicar los conocimientos adquiridos sobre modelos biológicos a la informática. En este caso, realizan aprendizajes sobre situaciones del transporte que ya han sido vividas.

Las redes neuronales también forman parte de otras líneas del grupo, como son el desarrollo de arquitecturas neuronales bioinspiradas, es decir, arquitecturas “que de alguna manera se comportan de forma similar al sistema humano” y que se utilizan “para realizar desarrollos en visión artificial, como el reconocimiento de escenas”, concluye el investigador.

Redes neuronales

Una neurona está provista de un cuerpo celular del que salen una serie de ramificaciones denominadas dendritas, a través de las que le llegan múltiples mensajes en forma de impulsos eléctricos. Cuando este bombardeo de informaciones supera determinado umbral de potencia (estas células tienen una carga de entre -60 ó -70 milivoltios), la neurona percibe entonces que ella misma debe disparar una señal con un mensaje dirigido a otras células nerviosas colindantes. En el caso de los modelos informáticos de redes neuronales las células nerviosas son en realidad un modelo de funciones matemáticas (escalón, lineal y mixta, sigmoidal o gaussiana). De la misma manera que lo hacen los sistemas biológicos, las redes neuronales son capaces de aprender reacciones a determinadas cantidades de estímulos o a determinados tipos de estímulos. La diferencia principal con los modelos biológicos es que los sistemas informáticos son más limitados.