Un grupo de investigadores desarrolló una herramienta informática que combina un software "inteligente" con las cámaras de monitoreo que dispone cada Municipio con el objetivo de detectar a los motociclistas que circulan sin la protección reglamentaria. La implementación de la tecnología Machine Learning puede ser utilizada para advertir en tiempo real a los agentes de tránsito.
"Machine Learning, es un conjunto de técnicas que permiten que la computadora ‘aprenda’ a hacer cosas automáticamente en base a ejemplos que se le proveen, sin que un individuo le tenga que decir cómo hacerlo", explicó el director del Centro Superior para el Procesamiento de la Información (CeSPI) de la UNLP, Juan Marra.
El satélite Atenea de la UNLP fue lanzado de la mano de la misión a Artemis II, que tiene como destino la Luna.
La FULP llamó a movilizar en abril tras la resolución que obliga a aplicar la Ley de Financiamiento Universitario, en medio de la semana de paro docente en la UNLP.
La idea es utilizar las cámaras de video vigilancia, algo que en los municipios abunda, y aprovechar esa capacidad instalada utilizándola con otros propósitos. Este software resulta una herramienta de enorme valor estadístico para el diseño y creación de políticas públicas en materia de seguridad vial.
Según las estadísticas, los accidentes viales son una de las principales causas de muerte en nuestro país y en el mundo. En 2018 se registraron en Argentina más de 5.400 muertes en calles y rutas, lo que arroja un estremecedor promedio de 15 muertes por día en accidentes de tránsito y más del 40% de esos casos fatales corresponden a siniestros protagonizados por motociclistas.
Por su parte, el licenciado Alejandro Ferraresso, especialista de la UNLP, en este tipo de desarrollos, detalló: "Lo primero que se hace es entrenar un modelo para que logre identificar, de todo aquello que pasa por delante de la cámara, qué es un motociclista y que no. Luego se entrena un segundo modelo para que identifique quien tiene casco y quién no. Para entrenar a estos sistemas existen distintos tipos de tecnologías; en este caso que se trabaja con imágenes, utilizamos un tipo de modelo conocido como redes neuronales".
"Después de armar estos dos modelos, se elabora una aplicación, que captura las imágenes de las cámaras de video y luego cada determinado periodo de tiempo ejecuta los modelos entrenados. El primer modelo recorta las imágenes que interesan, en este caso, separa las motos de los otros elementos que puedan aparecer. Después, el segundo modelo separa los motociclistas con cascos de los que no lo utilizan, ya sea el conductor o el acompañante", cerró Ferraso.
Es importante destacar que el sistema logra la identificación y procesa los datos sin la necesidad de que una persona esté físicamente observando las cámaras de forma permanente. Gracias al entrenamiento, puede discernir con plena efectividad entre una moto -de cualquier tipo, modelo y color- de otro medio de transporte similar, como por ejemplo una bicicleta o un caballo. Del mismo modo puede diferenciar si una persona lleva casco o no, aun cuando el conductor tenga puesta alguna prenda similar en la cabeza, como un gorro, un pasamontaña o incluso un casco de ciclista.
}
En esa línea, los especialistas señalaron que la implementación de esta tecnología no demanda una gran inversión económica por "la mayoría de los municipios poseen cámaras de seguridad en cantidad". En cuanto a la posibilidad de comenzar a implementar este desarrollo, adelantaron que ya se iniciaron gestiones para realizar pruebas pilotos con las municipalidades de La Plata, Almirante Brown y Lomas de Zamora.