Por: Illah Nourbakhsh, asesor estratégico world de ROBO y profesor en la Universidad Carnegie Mellon
Todos tenemos ese semáforo problemático en la ciudad que, sin duda, se vuelve rojo en el momento en que nos detenemos en él. ¿Quién es la mente maestra que trabaja contra nosotros y nuestro viaje diario a casa? La respuesta es easy: probablemente nadie o nada, lo que pide una actualización muy necesaria, ¿no le parece? En muchos sentidos, la intersección de la carretera es una representación perfecta del caos organizado en nuestras vidas, que cumple el propósito esencial de mantener a las personas seguras, pero también nos irrita a todos cuando estamos al volante.
Nuestro sistema de tráfico precise se ha convertido en el statu quo durante el siglo pasado, pero ¿podría ser posible un enfoque más optimizado basado en datos? ¿Podría la IA acudir al rescate en los semáforos en rojo?
Esa es la pregunta que los investigadores de la Universidad Carnegie Mellon se propusieron resolver. Hace años, mis colegas comenzaron sus esfuerzos por estudiar las intersecciones urbanas en Pittsburgh. Inicialmente se centraron en desarrollar sistemas de cámaras y software program de visión por computadora basado en inteligencia synthetic que pudieran observar con precisión las condiciones del tráfico en una intersección: cuántos automóviles, bicicletas y peatones están esperando para cruzar, cada minuto del día y en todas las direcciones del flujo. ?
Observaciones como esta se convirtieron en problemas de análisis de datos a gran escala donde mis colegas descubrieron algo sorprendente. Dos formas de ineficiencia abundaban en los semáforos:
- El tiempo de los viajeros se desperdiciaba constantemente, con un gran potencial de ahorro de tiempo si los semáforos pudieran responder a las condiciones reales del tráfico en tiempo actual.
- La producción de carbono resultante de automóviles y camiones en ralentí constituía una parte significativa del presupuesto de viaje, por lo que ahorrar tiempo también generaría beneficios ambientales reales.
Luego vino una asociación entre la ciudad y la universidad que haría posibles los algoritmos del mundo actual. La ciudad de Pittsburgh permitió a los investigadores no solo observar, sino también controlar los semáforos en las intersecciones de prueba. Los programadores comenzaron a diseñar algoritmos de IA que minimizarían los tiempos de espera de todos (automóviles, bicicletas y peatones por igual), un beneficio mutuo literal en el mundo de la optimización.
Este núcleo de una thought se convirtió en un producto, Surtrac, y una empresa derivada, Speedy Circulation, que maduró la tecnología en numerosas ciudades y demostró ahorros cuantitativos en todos los ámbitos:
- Reducción del 25 % en los tiempos de viaje para los viajeros locales, incluidos los peatones
- Reducción del 40 % en el tiempo de espera en los semáforos en rojo
- Reducción del 20% en las emisiones de los vehículos debido a una reducción significativa en la cantidad de paradas y aceleraciones.
Por lo tanto, las técnicas de optimización de IA están resolviendo un problema que las personas no podrían haber resuelto por sí mismas al tener en cuenta los datos en tiempo actual en los sistemas de management de intersecciones distribuidos y optimizar todos los criterios sin tener que comprometer a un grupo de usuarios en beneficio de otro. Estas técnicas han reducido el desperdicio basic de una manera que mejora la experiencia de cada grupo de usuarios.
La complejidad es parte de nuestro mundo diseñado, desde el management de ascensores en edificios de gran altura hasta los sistemas de diagnóstico médico y el management del tráfico aéreo. En todos los casos, los algoritmos de IA más nuevos nos brindan la posibilidad de experimentar algo nuevo a través de la eliminación de desperdicios e ineficiencias que benefician al mundo, no solo a los usuarios, sino también al entorno pasivo que nos rodea, al reducir las emisiones de gases de efecto invernadero y el uso de energía.
Las empresas constituyentes de ROBO International representan a los innovadores que se necesitan para lograr este tipo de optimización de crimson. Empresas como Cognex, Hexagon, Optex y Omron proporcionan la visión por computadora y los sensores de infraestructura necesarios para evaluar el comportamiento humano en redes complejas. Estos sistemas de detección, junto con las innovaciones de optimización computacional, abrirán un camino más eficiente (o en este caso, un camino), en el que cada uno de nosotros obtendrá más valor.
