Según los datos del Ayuntamiento de Madrid, solo en un día se realizan en la capital más de 12 millones de desplazamientos (incluyendo los que se realizan en vehículo privado o motocicleta y los que se hacen en transporte público). Estas cifras son solo una muestra de que el crecimiento urbano ha generado una demanda creciente de sistemas de monitorización de tráfico (TMS) robustos y precisos. De ahí que un equipo de investigadores de la Universidad Politécnica de Madrid (UPM ) hay propuesto un nuevo sistema de monitorización del tráfico basado en el uso de sensores LIDAR 3D, cuya principal característica es que utilizan pulsos de luz láser para medir distancias con alta precisión.

“Las tecnologías tradicionales, como los lazos inductivos y la visión por computador, presentan limitaciones bajo condiciones ambientales adversas y en escenarios de tráfico de alta densidad”, explica Jose Eugenio Naranjo, del Instituto Universitario de Investigación del Automóvil Francisco Aparicio Izquierdo de la UPM. Para resolver ese problema, los investigadores de la UPM proponen una arquitectura modular para la monitorización del tráfico basada exclusivamente en sensores LiDAR 3D, que destacan por su alta precisión y su resiliencia frente a las variaciones de luz y meteorología.

“Los sensores LIDAR 3D forma parte de un conjunto de tecnologías de percepción espacial que incluyen también sensores de ultrasonidos, cámaras con tecnología de navegación SLAM (simultaneous localization and mapping) y sistemas basados en visión artificial. A diferencia de los ultrasonidos, que emplean ondas acústicas y poseen un alcance limitado, LiDAR destaca por su alta resolución, velocidad de captura y capacidad de operar en ambientes con baja iluminación o condiciones adversas”, explica el investigador de la UPM.

El sistema propuesto en el trabajo consta de una arquitectura con ocho niveles modulares e independientes. Sus principales innovaciones incluyen métodos optimizados de sustracción de fondo, algoritmos de detección en tiempo real basados en aprendizaje automático con técnicas de muestreo reducido, un sistema de seguimiento multiobjeto que preserva la identidad de los vehículos frente a oclusiones y un clasificador basado en árboles de decisión que asigna el tipo de vehículo a partir de características geométricas.

Pruebas en la M-13 madrileña

La metodología propuesta por los investigadores de la UPM se validó en condiciones reales en la autopista M 13 de Madrid (España) durante más de 100 horas de registro de datos, utilizando un pórtico instrumentado con un LiDAR 3D que supervisaba una calzada de dos carriles, evaluando atributos críticos para la gestión del tráfico como la detección, clasificación y seguimiento de vehículos. El diseño propuesto facilita la escalabilidad y la compatibilidad con diversos sensores, habilitando aplicaciones avanzadas en monitorización de tráfico, contextos cooperativos de vehículos conectados (V2X), conducción altamente automatizada y autopistas inteligentes.

Para los investigadores de la UPM, la principal contribución de este trabajo radica en el diseño de una arquitectura modular para sistemas de monitorización del tráfico concebida desde cero para superar las restricciones impuestas por los enfoques cerrados. La aplicación fundamental es dar servicio a la nueva generación de sistemas de percepción y monitorización de tráfico desde la infraestructura, así como proveer de información muy precisa a los centros de gestión de tráfico.

“Esta propuesta promueve una descomposición funcional del sistema en niveles independientes, cada uno de los cuales puede desarrollarse, evaluarse y sustituirse, garantizando una evolución tecnológica ágil, una mayor capacidad de adaptación a condiciones cambiantes de la vía y una integración fluida con plataformas cooperativas”, explican los investigadores. “Esta arquitectura se ha concebido con el propósito de dotar de capacidades inteligentes a elementos físicos existentes en las carreteras —como postes, pórticos o semáforos—, permitiendo que estos elementos pasivos se transformen en nodos activos de percepción distribuida y facilitando su integración en sistemas cooperativos de transporte inteligente”, añaden.