Antecedentes
Esta solución intenta por un lado reducir la siniestralidad vial causada por distracciones al volante y la ausencia del cinturón concienciando y produciendo un efecto disuasivo en los conductores Una segunda necesidad es la de ayudar a optimizar el proceso sancionador dando fiabilidad en la identificación de posibles infracciones, la eficiencia en la detección y posterior sanción aumentando la capacidad actual liberando recursos en las partes más mecánicas de la revisión de infracciones.
Retos
Este proyecto permitió la automatización de la detección en imágenes de conductores cometiendo estas infracciones: uso del móvil y ausencia del cinturón mediante un sistema de Machine Learning (ML) i Visión por Computador (VC).Con este proyecto se demostró que la Inteligencia Artificial (IA) podía, por un lado, ayudar a optimizar el proceso sancionador dando fiabilidad en la identificación de posibles infracciones, la eficiencia en la detección y posterior sanción y, por otro lado, aumentar la capacidad actual liberando recursos en las partes más mecánicas de la revisión de infracciones a la vez que se producía un efecto disuasivo en los conductores.
Fases
El procedimiento que se siguió para mejorar la eficiencia en el proceso sancionador fue el siguiente: primero se clasificaron las imágenes seleccionando aquellas que el algoritmo marcaba como posible infracción y, en segundo lugar, para los casos de uso se utilizaron imágenes diurnas y claras con una resolución y contraste que permitía la correcta identificación y clasificación.
Se contemplaron dos casos de uso: ausencia del cinturón y uso del móvil. El SCT facilitó las imágenes para la prueba obtenidas a través de su sistema de detección de matrícula y captura de imágenes de vehículos.
Para el primer caso, se utilizó un volumen de 90.462 imágenes, de las cuales 1.500 estaban etiquetadas. El modelo predictivo obtuvo una precisión del 78%.El segundo caso, la detección del uso del móvil, se incrementó el número de imágenes hasta las 129.449, de las cuales 67.782 estaban etiquetadas.
El modelo predictivo obtuvo una precisión superior al 70%.
Nuevos Servicios
Realizamos un análisis de la cadena de valor del proceso donde detectamos una serie de puntos críticos susceptibles de aplicar con éxito la IA.
- Automatización: mejorar del proceso de identificación y clasificación de imágenes sancionables. Mediante la creación del modelo predictivo de red neuronal conseguimos reducir el número de imágenes a visualizar por la persona encargada de abrir el expediente sancionador.
- Eficiencia y productividad: Esta automatización y clasificación previa permitió multiplicar por 50 la productividad total del proceso, aumentó la fiabilidad y eficiencia dado que solo se visualizaban imágenes donde se producía una infracción descartando el resto de imágenes.
- Reducción de costes operativos: un ahorro de tiempo de dedicación y coste de recursos destinados a visualizar y catalogar imágenes.
- Mejora de la calidad de vida de los trabajadores: la automatización ha permitido eliminar del proceso aquellas tareas más rutinarias y mecánicas.
Conclusiones
La utilización de la Inteligencia Artificial (IA) nos ha permitido Transformar el proceso de negocio conjugando y uniendo partes separadas del mismo. Este nuevo servicio proporciona nuevas características, mejora el rendimiento, la productividad, automatiza tareas, etc., todas ellas impactan directamente en el valor percibido por el cliente.
Este proyecto permitió demostrar que la IA es una herramienta de ayuda en la detección de infracciones. En estos momentos se ha ampliado la tipología de infracciones y riesgos de tráfico en vías urbanas e interurbanas, por ejemplo, la detección de: adelantamientos incorrectos, velocidades anormalmente altas o bajas, proximidad de vehículos a peatones durante ciertas maniobras, peatones cruzando en semáforo rojo, etc.
Patrocinadores Premios @aslan 2023
Implantado en:
Centre de Telecomunicacions i Tecnologies de la Informació
Periodo de ejecución:
12/02/2020 - 03/02/2023
Socio tecnológico destacado:
