Visão artificial, Cidades Inteligentes e Qualidade de Vida
Hoje em dia, mais de metade da população mundial, 57% de acordo com o Banco Mundial [1], vive em ambientes urbanos. Além disso, a tendência está a crescer, e estima-se que 7 em cada 10 pessoas viverão em cidades até 2050 [2]. Em Espanha, devemos sentir-nos particularmente urbanizados, uma vez que esta percentagem já é de 81%, de acordo com a mesma fonte [3]. O modelo de cidade que conhecemos hoje pode estar a mostrar sinais de cansaço e talvez seja necessária uma redefinição dos ambientes urbanos a médio prazo. Mas, de momento, não é possível desconstruir completamente as cidades a fim de as reconstruir novamente com critérios sustentáveis. A alternativa é, portanto, transformar gradualmente os nossos espaços urbanos à medida que vivemos neles. Neste caminho de compromisso, os avanços tecnológicos actuais podem dar-nos uma ajuda.
O objectivo é tornar as nossas cidades espaços inteligentes, agradáveis, sustentáveis e limpos, onde os cidadãos sintam que estão envolvidos nas decisões que os afetam e onde se sintam seguros e confortáveis. Este conceito é conhecido como Smart City (ou Cidade Inteligente). Para a Comissão Europeia [4], "uma cidade inteligente é um lugar onde as redes e serviços tradicionais se tornam mais eficientes através da utilização de soluções digitais em benefício dos seus habitantes e empresas". Esta é uma questão de preocupação na Europa e, reflectindo esta preocupação, as políticas de inovação incluem ações neste contexto [5].
No grupo de Computação Avançada, Percepção e Optimização da Universidade Rey Juan Carlos (CAPO-URJC), temos vindo a trabalhar em tópicos relacionados com a aplicação de novas tecnologias baseadas na Visão Artificial e a sua aplicação em cidades inteligentes. Nos parágrafos seguintes, apresentamos alguns dos nossos trabalhos e resultados neste campo.
Figura 1: Um exemplo de detecção automática de veículos que invadem a faixa dos autocarros com BusVigía.
O projeto BusVigía [6] começou em 2010 como uma colaboração entre o URJC e a EMT de Madrid para desenvolver um sistema de deteção de ocupação indevida da faixa dos autocarros por veículos privados utilizando técnicas de Visão Artificial. Este sistema é composto por uma câmara e um dispositivo informático leve que é instalado nos próprios autocarros. Deteta automaticamente os veículos particulares que obstruem o fluxo normal do tráfego nas faixas reservadas aos veículos públicos (ver Figura 1). Tivemos a oportunidade de testar o sistema desenvolvido durante um período experimental e os resultados foram muito promissores. Acreditamos que a implementação do sistema BusVigía tornaria desnecessária a presença dos separadores físicos das faixas de autocarros (popularmente conhecidos como barbatanas de tubarão), o que teria duas grandes vantagens: maior segurança rodoviária através da eliminação de um potencial elemento de risco da estrada, e a possibilidade de utilizar a faixa de autocarros para diferentes fins (por exemplo, estacionamento nocturno ou circulação de veículos particulares em determinadas áreas). Finalmente, é de notar que uma patente [7] foi desenvolvida foi aprovada pelo OEPM.
Outro exemplo de investigação relacionada que temos vindo a realizar ao longo dos anos diz respeito ao controlo do tráfego utilizando várias técnicas. Colaborámos com as empresas Vigidar e InteoMedia no desenvolvimento de um sistema de alerta para a deteção de veículos em excesso de velocidade. Este projeto foi pioneiro na utilização de radares marinhos num ambiente urbano e culminou num artigo publicado numa revista científica de impacto [8] em 2013. Subsequentemente, desenvolvemos uma metodologia para o desenvolvimento de ferramentas de software que permitem a modelação de tarefas de visão mecânica em diversos ambientes, incluindo a cidade e o controlo de tráfego [9]. O objetivo é fornecer às autoridades locais uma ferramenta que lhes permita monitorizar a utilização das infra-estruturas da sua cidade, para que possam tomar melhores decisões com informação quantitativa. A figura 2 mostra um exemplo de monitorização da utilização de uma rotunda.
Figura 2: Monitorização da utilização de uma rotunda com a biblioteca de software de modelação [9].
No projeto "Reconhecimento de contentores de resíduos em imagens e vídeo utilizando técnicas avançadas de aprendizagem automática" financiado pela Ecoembes (uma empresa sem fins lucrativos dedicada à gestão de resíduos sólidos urbanos), desenvolvemos uma ferramenta que combina técnicas de visão artificial e sistemas GPS para detetar e geolocalizar contentores de resíduos urbanos. Por outro lado, como resultado desta colaboração, também desenvolvemos um sistema de visão artificial que permite a classificação de diferentes tipos de recipientes de resíduos por meio de visão artificial. O objetivo é melhorar a gestão destes elementos do mobiliário urbano [11].
O projeto Smart Eyes for Smart Cities (em português, Olhos Inteligentes para Cidades Inteligentes) [10], financiado pelo Ministério da Ciência e Inovação do Governo espanhol e fundos FEDER, permitiu-nos continuar com estas linhas de investigação relacionadas com o desenvolvimento do conceito de cidade inteligente. Este projeto propõe métodos de Visão Artificial combinados com técnicas de Inteligência Artificial para desenvolver diferentes tarefas no ambiente urbano de uma forma automatizada. O projeto inclui também o desenvolvimento de estudos de casos práticos. Uma delas surge como uma continuação da linha dedicada à gestão automatizada do mobiliário urbano, e deu origem a um sistema de reconhecimento dos tipos de contentores cujos resultados melhoram em relação ao desenvolvimento anterior [12]. Por outro lado, estão a ser feitos progressos no desenvolvimento de sistemas de condução autónomos. Neste caso de estudo, destaca-se o desenvolvimento de uma biblioteca de software de métodos de aprendizagem por reforço. Além disso, propusemos um sistema de deteção visual de balizas para a orientação de sistemas autónomos [13].
Figura 3: Deteção de balizas para a orientação de sistemas autónomos.
Em resumo, acreditamos que a combinação de métodos baseados na Visão Artificial com as técnicas mais recentes de Machine Learning pode ajudar no caminho para o desenvolvimento de espaços urbanos mais acessíveis, sustentáveis e habitáveis, ajudando a reduzir a poluição, colaborando no cuidado dos ativos humanos e na conservação dos ativos materiais. Estamos a trabalhar nestes projetos de investigação na esperança de que estes avanços possam contribuir para a melhoria da qualidade de vida dos cidadãos e para a melhoria do ambiente urbano.
Agradecimentos:
Esta investigação foi parcialmente financiada pelo projeto com referência RTI2018-098743-B-I00 (MICINN/FEDER).
Referências:
[1] https://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS
[3] https://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS?name_desc=true&locations=ES
[5] https://ec.europa.eu/inea/en/horizon-2020/smart-cities-communities
[6] BusVigía: Sistema distribuido de monitorización automática para el análisis de la ocupación indebida del carril-bus de Madrid. Financiado por la Universidad Rey Juan Carlos y la Empresa Municipal de Transportes de Madrid. Proyecto de investigación de la Cátedra de Ecotransporte, Tecnología y Movilidad.
[7] Fernández-López D, Montemayor AS, Pantrigo JJ, Delgado M. Sistema de identificación de vehículos que obstaculizan el carril-bus. Patente P201200717/ES 2441293 B2.
[8] Sánchez-Oro J, Fernández-López D, Cabido R, Montemayor AS, Pantrigo JJ. "Radar-based road-traffic monitoring in urban environments". Digital Signal Processing, 23(1):364-374 (2013).
[9] Fernández-López D, Cabido R, Sierra-Alonso A, Montemayor AS, Pantrigo JJ. "A Knowledge-based Component Library for High-Level Computer Vision Tasks". Knowledge-Based Systems 70:407-419 (2014)
[10] Ojos Inteligentes para Ciudades Inteligentes. Ayudas a Proyectos de I+D+i «Retos investigación» correspondientes al Programa Estatal de I+D+i Orientada a los Retos de la Sociedad (convocatoria 2018) Ref: RTI2018-098743-B-I00 (MICINN/FEDER)
[11] Ramírez I, Cuesta A, Pantrigo JJ, Montemayor AS, Moreno JL, Alonso MV, Anguita G, Palombarani L. "Convolutional neural networks for computer vision-based detection and recognition of dumpsters". Neural Computing and Applications 32: 13203–13211 (2020)
[12] García-Espinosa F, Concha D, Pantrigo JJ, Cuesta A. "Visual classification of dumpsters with capsule networks". Multimedia Tools and Applications (in press)
[13] Albaráñez J, Llopis-Ibor L, Hernández-García G, De Luelmo SP, Hernández-Ferrándiz D. A Case of Study on Traffic Cone Detection for Autonomous Racing on a Jetson Platform. Lecture Notes in Computer Science, 2022, 13256 LNCS, pp. 629–641