Ingenieros crean herramienta de detección de intrusión en ferrocarriles con inteligencia artificial

Un equipo de ingenieros de Rutgers ha desarrollado una herramienta habilitada por inteligencia artificial que puede detectar intrusiones en cruces de ferrocarril, lo que ayuda a reducir el número creciente de muertes que han tenido lugar en los últimos diez años.

La nueva investigación se publicó en la revista Análisis y prevención de accidentes.

Detección automática de intrusiones con inteligencia artificial

El equipo estaba formado por Asim Zaman, un ingeniero de proyectos de Rutgers, y Xiang Liu, profesor asociado de ingeniería de transporte en la Escuela de Ingeniería de Rutgers. La pareja desarrolló un marco asistido por inteligencia artificial que detecta automáticamente los eventos de intrusión en ferrocarriles. También diferencia los tipos de infractores y genera clips de video de los incidentes. El sistema de inteligencia artificial se basa en un algoritmo de detección de objetos para procesar los datos de video en un conjunto de datos único.

“Con esta información podemos responder a numerosas preguntas, como ¿a qué hora del día la gente invade con más frecuencia y si la gente pasa por los portones cuando están bajando o subiendo?” dijo Zaman.

Ha habido un aumento constante en los accidentes de intrusión en los Estados Unidos en los últimos años, con cientos de personas muertas cada año. Han habido muchos esfuerzos para reducir estas muertes, pero nada ha funcionado hasta ahora.

La Administración Federal de Ferrocarriles (FRA) estimó en 2008 que alrededor de 500 personas murieron anualmente al invadir ferrocarriles. Ese número aumentó a 855 en 2018, según la FRA.

Zaman y Liu definieron en su investigación que los intrusos son personas o vehículos no autorizados en un área de ferrocarril o propiedad de tránsito no destinada para uso público, o personas que entran en un cruce de grado señalizado después de que ha sido activado.

Las investigaciones anteriores en este área han involucrado principalmente datos derivados de información de víctimas, pero no han tenido en cuenta los casi accidentes, que Zaman y Liu dicen que pueden proporcionar información valiosa sobre el comportamiento de intrusión. Esto podría llevar al diseño de medidas de control más efectivas.

Los investigadores probaron su teoría con imágenes de video capturadas en un cruce en Nueva Jersey urbana. Uno de los problemas con los sistemas de video en los cruces es que no se revisan consistentemente debido a que el proceso es laborioso y costoso.

Entrenamiento de la inteligencia artificial

Zaman y Liu entrenaron la inteligencia artificial y la herramienta de aprendizaje profundo para analizar 1.632 horas de imágenes de video archivadas del sitio de estudio. Después de 68 días de monitoreo, encontraron 3.004 instancias de intrusión, lo que se tradujo en 44 por día. También descubrieron que casi el 70 por ciento de los intrusos eran hombres y que alrededor de un tercio invadieron antes de que pasara el tren. La mayoría de las violaciones ocurrieron los sábados alrededor de las 5 p.m.

Según Zaman, este tipo de datos granulares podría ser utilizado por las autoridades locales para colocar a los agentes de policía cerca de los cruces durante los momentos de mayor invasión, o podría ayudar a informar a los propietarios de ferrocarriles y a los responsables de la toma de decisiones sobre soluciones de cruces más efectivas. Estas soluciones podrían incluir sistemas de eliminación de cruces de grado o portones y señales de avanzada.

“A todos les encanta los datos, y eso es lo que estamos proporcionando”, dijo Zaman.

“Queremos dar a la industria ferroviaria y a los responsables de la toma de decisiones herramientas para aprovechar el potencial no aprovechado de la infraestructura de vigilancia por video a través del análisis de riesgo de sus fuentes de datos en lugares específicos”, agregó Liu.

Los investigadores también están realizando estudios en Virginia y Carolina del Norte. Recientemente recibieron una subvención de $583,000 del Departamento de Transporte de los Estados Unidos para expandirse a otros estados, incluyendo Connecticut, Luisiana y Massachusetts.