As nosas universidades impulsan a transformación da mobilidade urbana en sustentábel e intelixente

luns, 5 de xullo do 2021 Sandra Rivadulla

O proxecto MaGIST pretende diminuír o impacto ambiental, facendo máis sustentábel a mobilidade urbana. Para acadalo está a mobilizar os sistemas intelixentes de transporte que desenvolven investigadores da USC, UVigo, UDC e da Universidade Carlos III de Madrid. Segundo explican, “os problemas relacionados co tráfico rodado son unha das maiores preocupacións nas cidades, e por tanto retos chave dos Sistemas Intelixentes de Transporte (ITS) urbano modernos”.
O obxectivo do proxecto MaGIST (Almacenamento e procesado de datos xeoespaciais masivos para o transporte urbano intelixente e sustentábel) consiste en definir a arquitectura dun sistema intelixente de transporte urbano que permita a incorporación continua de datos e conte con procesos de aprendizaxe automática, co fin de predicir os fluxos do tráfico ou detectar aquelas zonas do espazo urbano nas que exista unha “degradación de activos” que poida afectar á mobilidade.

Labor do grupo GeoTECH

Co catedrático da Escola de Enxeñaría Forestal Henrique Lorenzo como investigador principal, o grupo GeoTECH (Universidade de Vigo) responsabilizase do subproxecto MaGIST-ERIUM: Intelixencia xeoespacial como soporte á toma de decisións en mobilidade urbana. Este céntrase, por unha banda, no desenvolvemento dun sistema de procesado de datos xeoespaciais e “técnicas de aprendizaxe automática” que permitan “obter medidas da degradación de activos” de infraestruturas relevantes para o transporte, como pavimento ou sinalizacións.
Por outra banda, nunha segunda liña de traballo, o grupo que integran investigadores da Escola de Enxeñería Industrial e da EE Forestal (UVigo) deseñará unha metodoloxía para a caracterización topográfica das “zonas navegábeis” da contorna urbana, o que permitiría a este sistema de transporte intelixente definir “redes de navegación adaptadas a cada modo de mobilidade”. Estes dous obxectivos atópanse así mesmo vinculados ao inicio de dúas teses de doutoramento por investigadores do grupo.
En liñas xerais, sinalan desde o grupo GeoTECH, un sistema intelixente de transporte urbano persegue a “xestión integral do tráfico nunha cidade, optimizando as capacidades existentes e os niveis de servizo”. Coordinado polo Laboratorio de Bases de Datos da UDC, no proxecto coordinado MaGIST, que se estende ata 2023, participan tamén os grupos de investigación en Gráficos por Computador e Enxeñaría de Datos da USC e de Aplicacións e Servizos Telemáticos da Universidade Carlos III.
O seu obxectivo é deseñar un sistema de transporte “eficiente e sustentábel”, actuando a varios niveis e agrupando os resultados dos diferentes subproxectos nunha aplicación móbil e nun “panel de control”, que contribúa á toma de decisións por parte dos xestores públicos, a través da incorporación de datos de tempo real e da “exploración analítica” dos rexistros de eventos previos, de tal xeito que permita analizar tanto datos “que reflicten cambios lentos” na cidade, “como fluxos de información altamente cambiantes”.
Nese senso, proxéctase unha actuación a varios niveis, que abranga a monitoraxe e predición do tráfico e do seu impacto ambiental, tendo en conta que constitúe un dos principais causantes de emisións de óxidos de nitróxeno nas áreas urbanas, así como a definición de “rutas multimodais” que combinen o transporte público “con outros modos de desprazamento” e que se optimizarían seguindo as predicións do tráfico e da calidade do aire. Un terceiro eixo céntrase no seguimento da degradación das infraestruturas, que é un dos obxectivos do subproxecto que coordina Lorenzo.

MaGIST-ELA

Empregando unha aplicación para consultar detalles do tráfico / Imaxe de Santi Alvite (USC)

MaGIST-ELA é outro dos subproxectos, que colle corpo baixo o epígrafe Xeoprocesamento a gran escala para análise exploratorio e baseado na aprendizaxe, cuxos investigadores principais son os profesores da USC José Manuel Cotos Yáñez e José Ramón Ríos Viqueira. O obxectivo principal de MaGIST-ELA é o desenvolvemento de técnicas eficientes de procesamento de consultas sobre data lakes heteroxéneos moi grandes—repositorios de almacenamento centralizado que conteñen Big Data de varias fontes nun formato granular e sen procesar— e a súa aplicación para a resolución da análise xeoespacial.
MaGIST-ELA utilizará a aprendizaxe automática para a monitoraxe e a predición de fluxos de tráfico, e para o seguimento e predición da calidade do aire. A aprendizaxe automática utilizarase tamén para estimar a degradación do pavimento a partir de datos obtidos de dispositivos móbiles. A continuación, deseñaranse técnicas de almacenamento e procesamento aproximado para dar soporte á análise exploratoria de fontes xeoespaciais. Finalmente, aplicará a aprendizaxe automática sobre datos vectoriais e raster mediante o procesamento de conxuntos de consultas.

PUBLICIDADE