Las pruebas piloto en entornos semi-controlados lograron que funcionase en tiempo real con dispositivos muy pequeños instalados en los semáforos, siendo posible utilizarlos en escenarios reales
Semáforos que prevén y evitan atascos. El sistema inteligente para el control de vehículos en las ciudades patentado y testado por investigadores de la UPCT y denominado Lemur Smart Traffic System es capaz de reducir en un 50% el tiempo de espera en los cruces, acelerando un 20% los tiempos de desplazamiento y logrando también una reducción del 10% en el consumo de los vehículos.
El resultado es también un alivio para el medio ambiente, pues se reducen las emisiones contaminantes. En concreto, bajan un 30% las de dióxido de carbono y un 20% las partículas en suspensión
Este sistema, desarrollado a través de proyectos financiados por la Dirección General de Tráfico, ha sido testado en una prueba piloto que ha contado con el apoyo de la Fundación Séneca (proyecto 20539/PDC). “Gracias a las pruebas realizadas en entornos semi-controlados, conseguimos que nuestra solución funcionase en tiempo real en dispositivos muy pequeños instalados en los semáforos, siendo por tanto posible utilizarlos en escenarios reales”, explica Lola Cano, profesora de la Escuela de Telecomunicación de la UPCT y responsable de la empresa spin-off Decision Habitat, abierta a colaborar con otras compañías para explotar comercialmente esta solución innovadora.
El siguiente objetivo que se ha marcado la investigadora Cano es proponer una alternativa a la señalización y que sean los vehículos autónomos conectados los que tomen las decisiones de conducción. “Soñamos con coches autónomos que nos permitan convertir el desplazamiento en una experiencia agradable, donde ese tiempo lo podamos invertir en aprender escuchando podcasts o leyendo, en una actividad lúdica disfrutando de una serie o simplemente observando la ciudad”, argumenta la docente emprendedora.
“Para lograr esta movilidad urbana inteligente es fundamental el uso de inteligencia artificial, en particular, estamos trabajando con técnicas de aprendizaje por refuerzo profundo (deep reinforcement learning). En breve presentaremos resultados con la defensa de una tesis doctoral que ha sido financiada por la Fundación Séneca (20740/FPI/18)”, avanza.
La información más relevante del sector directamente en tu correo.
Suscribirme