Resumen:
El proyecto de innovación se constituyó como una prueba de concepto (PoC) cuyo reto fue proporcionar, a partir del uso de las imágenes de vídeo del Sistema de Captación de Imágenes (SCI) de la APBA, información en tiempo real acerca del grado de ocupación de los viales de entrada y salida a distintas zonas portuarias así como de los flujos de llegada de camiones para las diferentes franjas horarias del día, que le permita, tanto a la APBA, como a los demás agentes de la cadena logística, mejorar su eficiencia operativa, reduciendo los tiempos de espera y optimizando el flujo de mercancías.
El reto fue desarrollado por la empresa Babel en colaboración con AWS, cuya solución tecnológica permitió demostrar que mediante herramientas de Visión por Computador e Inteligencia Artificial, es viable detectar las colas de vehículos pesados existentes en los distintos accesos y registrar además la velocidad y los tiempos de espera asociados.
El alcance de la prueba de concepto consistió en el desarrollo e implementación de un producto mínimo viable software basado en algoritmos que permiten procesar las imágenes captadas por las cámaras existentes en el puerto y devolver, de forma automática, información en tiempo real del grado de ocupación de los accesos a las terminales. De este modo se consigue obtener, tanto la ocupación, como los tiempos de espera estimados.
Para ello, estos algoritmos permiten:
- Detectar vehículos pesados a través de las cámaras de vídeo.
- Realizar el seguimiento de los vehículos en movimiento.
- Aplicar reglas de negocio para considerar lo que es una cola de vehículos.
- Utilizar la posición de los vehículos para estimar la longitud de la cola en cada carril de la vía, y, de este modo, obtener los tiempos de espera según la velocidad de avance.
El objetivo final es minimizar los problemas de congestión de tráfico con el objetivo de mejorar la calidad de servicio ofrecida por el puerto. Y para ello, la APBA pretende disponer de una herramienta que, (1) permita la monitorización en tiempo real del estado de actividad en las puertas de las terminales de contenedores, TTP, PIF, acceso a puerto o áreas de embarque y (2) en base a los registros históricos y otras fuentes de datos, permita obtener una predicción de la distribución de llegadas de camiones a lo largo de la jornada y los tiempos de espera estimados a corto-medio plazo.
Esto posibilitará que la APBA, en un futuro, pueda ofrecer información de calidad a los transportistas con el fin de facilitarles la toma de decisiones a la hora de planificar su estancia en puerto, mejorando su eficiencia operativa y a su vez reduciendo las emisiones derivadas del tráfico pesado.
Innovación del proyecto:
- Uso de la IA para la detección automática de eventos de interés a partir del análisis de imágenes y vídeos procedentes del Sistema de Captación de Imágenes de la propia APBA y sin necesidad de dispositivos específicos que requieren de interacción externa (sensores, tags, balizas, etc.).
- Capacidad de aprendizaje incremental de los algoritmos de reconocimiento visual gracias a las técnicas de Machine Learning.
- Uso de redes neuronales y el aprendizaje profundo (Deep Learning) para mejorar la trazabilidad de vehículos pesados en el recinto portuario.
- Capacidad de cálculo de velocidades y tiempos de espera de los vehículos, entendiendo situaciones excepcionales que ocurren en los carriles y que no deben contemplarse como colas.
- Solución basada en un sistema agnóstico al hardware.
Productos del proyecto:
- Prototipo software de una plataforma de monitorización y análisis de los flujos de tráfico en los accesos a las terminales de contenedores del PBA.
A continuación, se muestra un vídeo de demostración del prototipo desarrollado:
Deja una respuesta