Ingenieros desarrollan herramienta de detección de intrusión ferroviaria con Inteligencia Artificial

El hallazgo de esta notable invención fue publicado recientemente en la revista Análisis y prevención de accidentes.

Inteligencia artificial en la detección automatizada de intrusiones

El conjunto de investigación está compuesto por Asim Zaman, ingeniero de proyectos en la institución de Rutgers, y Xiang Liu, profesor de transporte de dicha universidad. Ambos han trabajado en la elaboración de un modelo auxiliado por inteligencia artificial que identifica de forma autónoma los episodios de invasión al sistema ferroviario, además de diferenciar entre distintos tipos de invasores y generar videoclips de cada suceso. Este modelo inteligente emplea un algoritmo de reconocimiento de objetos para procesar datos de video en un conjunto de datos único.

«Esta información nos proporcionará respuestas a diversas interrogantes, como el horario con mayor número de invasiones y si las personas acceden a las puertas antes de subir o bajar», mencionó Zaman.

Durante los últimos años se ha notado un incremento en los accidentes derivados de la violación de propiedad privada en los Estados Unidos, provocando la muerte de cientos de personas. Han sido implementados varios acercamientos para disminuir estas fatalidades, sin embargo, ninguno ha demostrado ser efectivo hasta el momento.

La FRA (Federal Railroad Administration) calculó en 2008 la muerte de 500 personas cada año debido a la invasión de las vías de tren, un número que se elevó a 855 en 2018 de acuerdo a datos del mismo organismo.

Zaman y Liu determinaron a través de su estudio que los intrusos son individuos o vehículos no autorizados en una zona de trenes o propiedad de tránsito no indicada para uso público, o aquellas personas que transiten una zona señalizada luego de ser activada.

Estudios anteriores han pronunciado principalmente información sobre las víctimas, sin tener en cuenta los casi accidentes, que según Liu y Zaman, pueden ofrecer un entendimiento valioso sobre los patrones de invasión, lo que podría permitir el diseño de soluciones de control más efectivas.

La teoría de los investigadores fue examinada con vídeos capturados en una zona urbana de Nueva Jersey. Una de las dificultades de los sistemas de video actuales en estos lugares es que no son analizados sistemáticamente ya que este procedimiento requiere una gran cantidad de mano de obra y es costoso.

Capacitación de la inteligencia artificial

Zaman y Liu capacitaron su inteligencia artificial y herramienta de aprendizaje profundo para analizar 1,632 horas de videos del lugar de estudio. Tras 68 días de seguimiento, se encontraron 3,004 casos de invasión, lo que representa un promedio de 44 cada día. Descubrieron que casi un 70% de los intrusos eran hombres y aproximadamente un tercio accedió antes de que el tren pasara. La mayoría de las invasiones ocurrieron los sábados alrededor de las 5 p.m.

De acuerdo con Zaman, las autoridades locales podrían hacer uso de estos datos detallados para posicionar oficiales de policía cerca del cruce durante los momentos de mayor infracción, o bien, informar a los dueños de los ferrocarriles y a los responsables de tomar decisiones sobre medidas más efectivas en los cruces. Estas soluciones podrían incluir sistemas de eliminación de pasos a nivel o señales y puertas anticipadas.

«A todos les encanta la información y eso es exactamente lo que proporcionamos. Queremos proporcionar a la industria ferroviaria y a las personas que toman decisiones herramientas para aprovechar el potencial latente de la infraestructura de vigilancia por video a través del análisis de riesgos de sus fuentes de datos en lugares específicos», añadió Liu.

Los investigadores también están llevando a cabo estudios en Virginia y Carolina del Norte. Recientemente, recibieron una subvención del Departamento de Transporte de los EE.UU. por $583,000 para expandir su análisis a otros estados, incluyendo Connecticut, Luisiana, y Massachusetts.