Aplicación de la IA en las

soluciones de peaje. Caso

de éxito en EEUU.

Sept 2019

Javier Rojo Fernández

jarojo@indra.es

Índice Introducción Inteligencia Artificial

Aplicabilidad de la IA a las soluciones de

peaje actuales

Líderes en precisión en los tests del

DAVAO en la I-880 en San Francisco

(USA)

1

2

3

1

Introducción Inteligencia Artificial

4

Inteligencia Artificial - ¿Qué es?

5

Aplicaciones de la inteligencia artificial

Industria Medicina

Robótica

Lingüística

Decisión

6

Impacto

40% Mejora

Rendimiento Empresarial

200% Crecerá

Capital - Trabajo

The factory of the future will have only

two employees, a man and a dog. The

man will be there to feed the dog. The

dog will be there to keep the man from

touching the equipment. (Warren

Benis)

7

La Inteligencia Artificial está adquiriendo una importancia fundamental en las líneas de innovación de Indra. En

el mercado de transporte se están desarrollando una serie de sistemas para hacer la gestión del tráfico más

eficiente y precisa.

Estos algoritmos aprenden de manera similar a los humanos, en base a la experiencia. Para esto Indra

requiere de una serie de datos clasificados que permitirán aprender a sus algoritmos.

Para entrenar un algoritmo de

Inteligencia Artificial son

fundamentales unos datos de

calidad

Inteligencia Artificial - ¿Por qué?

8

Inteligencia Artificial – Capacidades Deep Learning

Conclusiones:

1. Los productos de IA necesitan un gran volumen de datos

2. La IA aprende como los humanos ( + Experiencia (DATOS) = + Conocimiento)

3. Los sistemas basados en Deep Learning son capaces de obtener precisiones mejores que los algoritmos tradicionales

debido a su constante aprendizaje y no requieren la supervisión humana

2

Aplicabilidad de la IA a las soluciones de peaje actuales

10

Soluciones de peaje

Peaje convencional

Peaje free-flow

DAVAO

Terminal de validación

11

Posibilidades del Deep Learning vs aplicaciones de peaje

Funcionalidades IA Aplicación en PEAJE

Detección de objetos Detección de vehículos y ocupantes, contaje

de ejes, matrículas

Clasificación de objetos en imágenes Clasificación de vehículos, lectura de

matrículas

Tracking de objetos Seguimiento de vehículos en vídeo

Segmentación de imágenes Detección de carretera vs vehículo vs peatón

Re-identificación - reconocimiento Armado de viajes (origen – destino)

%%% Aumento en la

precisión

Reducción de la

tasa de

validación

manual

€€€ Reducción de

costes de

operación

y mto.

Reducción de la

complejidad de

las soluciones

BENEFICIOS

12

Ejemplos de aplicación de IA a los sistemas de peaje

13

Vídeo

14

Deep Tolling Server

Algoritmos de Deep Learning (IA) especializados en peaje

Servidor IA especializado en funcionalidad de peaje 1. Detección de objetos: ejes, vehículos, parabrisas y ocupantes

2. Clasificación de objetos: ejes, vehículos

3. Lectura de matrículas

Beneficios API REST: fácil integración con los servicios de peaje (RSE y Back Office)

Reducción de tasas de validación manual: antes de enviar a validación se le

consulta al DTS, si la confiabilidad del resultado es alta, se evita la validación

manual

Posibilidad de redundancia para mayor disponibilidad

Reentrenamiento automático: el sistema mejora con el tiempo de forma autónoma,

con sus propias detecciones y con los resultados de las revalidaciones

15

Deep Tolling Server

Algoritmos de Deep Learning (IA) especializados en peaje

16

Deep Tolling Server

Algoritmos de Deep Learning (IA) especializados en peaje

17

Innovación en los sistemas de peaje

Inteligencia Artificial

• DAVAO

• Pórtico free-flow

• Peaje convencional

DETECCIÓN DE

EJES

DETECCION

DE

OCUPANTES

DETEC. Y

SEGUIM

DE VEHÍCULOS

CLASIFICACIÓ

N

DE

VEHÍCULOS

%%% Mejora del

rendimiento

Reducción tasas

de validación

manual

€€€ Reducción costes

O&M

Simplificación de

las soluciones

BENEFICIOS DEL DEEP LEARNING

18

Los pisones cuenta-ejes tradicionales son sustituidos por una cámara

lateral y un módulo HW/SW de procesado.

La detección de ejes cuenta con un

gran número de beneficios, entre los

cuales, cabe destacar los siguientes:

Sensores no intrusivos: No se

necesita obra civil, ni cortes de carril

para la instalación o mantenimiento

Se simplifica la instalación

Precisión de contaje de ejes >99%

Precisión de clasificación de ejes

(simple, doble) >90%

Reducción del ≈50% en costes de

inversión

Se reducen los costes de

mantenimiento y reposición: al no

haber contacto, no hay desgaste.

La precisión se mantiene en el

tiempo, no disminuye según lo

hace la vida útil del HW como con

los pisones

Detección de ejes

19

Clasificación de vehículos por visión

El sistema permitirá

Clasificar

por visión tránsitos de

vehículos como único

sistema de clasificación,

obtener su matrícula y

características.

Automatización

del proceso de

revisión de lista

NVDF

Ahorro de

tiempo

Misma marca y

modelo,

diferente

categoría

Irlanda, M1

Utilización de imagen de contexto

para clasificar vehículos

Irlanda, M1

Corrección de la

clasificación recibida

en la lista NVDF (de

terceros) para

disminuir la

validación manual

Viaducto Elevado Puebla (México)

Utilización de imágenes de matrícula

de pórticos free-flow para clasificar

vehículos en 4 categorías (moto, ligero,

bus, camión)

Precisión obtenida: 99%

Clasificación de vehículos por visión

21

Innovación en los sistemas de peaje

Detección de ejes y clasificación mediante Deep Learning

(1) Estimación basada sobre el cálculo de inversión (suministro e instalación) de los sistemas de clasificación (pisones cuenta-ejes vs cámaras)

(2) Estimación basada sobre la disminución de mantenimientos y reposiciones de los stmas. de clasificación y de la reducción de la tasa de validación.

99,5% Clasificación de

vehículos

50% Ahorro en inversión (1)

€

Cerca de

75% Ahorro en mantenimiento

y validación(2)

€

Cerca de

Una concesionaria con 150 vías e IMD de

300.000 vehículos podría llegar a ahorrar

+150.000€/año (operación)

Solución auditable

al estar basadas en

reconocimiento de

imagen

Reducción del

mantenimiento soluciones no

intrusivas y sin desgaste

3

Líderes en precisión en los tests del DAVAO en la I-880 en San Francisco (USA)

23

¿Qué es el DAVAO? Detector Automático de Vehículos de Alta Ocupación

24

¿Qué es el DAVAO? Detector Automático de Vehículos de Alta Ocupación

( Vídeo del DAVAO )

25

DAVAO – Método tradicional con algoritmos de visión artificial

Filtrado de frecuencias (Transformada de

Fourier)

Filtro de Wiener

Extracción de bordes

Extracción de Región de interés (ROI)

Búsqueda de caras (Viola-Jones, Haar

Cascades y SVM)

Búsqueda de ocupantes (Algoritmo de

texturas)

Resultado Final

26

DAVAO: Aplicabilidad del Deep Learning

Beneficios de la aplicación de Deep Learning

Proceso de Deep Learning 1. Clasificación de vehículo

2. Búsqueda de parabrisas

3. Búsqueda de ocupantes

Beneficios Incremento de la precisión y de la rapidez de procesado

Se simplifica la calibración

Reentrenamiento automático: el sistema mejora con el tiempo de forma autónoma

27

DAVAO: Líderes en las pruebas de la MTC en la I-880

• FECHA: Mayo 2019

• LUGAR: Express Lane en la I-880 de San Francisco (USA)

• PROVEEDORES: Conduent, Transcore (NEC), Indra

• Verificación manual de 18.000 tránsitos

• Auditados por varias entidades independientes (MTC, Caltrans)

• Precisión en Contaje: Indra: 89% 2º : 77% (+12%)

• Imágenes validables: Indra: 92% 2º : 84% (+8%)

ESTE ES UN EJEMPLO DE CÓMO LA IA

PUEDE AYUDARNOS A ESTAR UN PASO

POR DELANTE DE NUESTROS

COMPETIDORES

28

Innovación en los sistemas de peaje

DAVAO: beneficios de la aplicación de Deep Learning

Incremento en la rapidez de detección

400% ( < 500 ms )

Solución económica

Bajo coste de instalación,

calibración y mantenimiento

Incremento significativo de la precisión del

sistema respecto a los algoritmos

tradicionales de visión artificial

€

99,9% Detección de

parabrisas

98% Detección de

HOV 2+

95,3% Detección de

HOV 3+