Uso de IA y aprendizaje automático para evaluar las marcas del pavimento
El distrito de Yoakum implementó un enfoque basado en inteligencia artificial y visión artificial para evaluar las condiciones de la señalización de pavimento a lo largo de una gran red viaria. Aprovechando los datos de imágenes de la carretera y técnicas automatizadas de análisis de imágenes, el sistema puede identificar y clasificar las marcas de carril deterioradas de forma más eficiente que los métodos tradicionales. Esta innovación mejora la seguridad vial al mejorar la velocidad de detección y la cobertura. Proporciona una solución escalable para monitorizar las marcas de pavimento a lo largo de redes extensas.
Desafío
Mantener las señales de carril claramente visibles a lo largo de la red vial de casi 90.000 millas de Texas es altamente laborioso y poco eficiente utilizando los levantamientos manuales tradicionales. La capacidad limitada de inspección reduce la cobertura y la frecuencia, permitiendo que las marcas deterioradas pasen desapercibidas, retrasando el mantenimiento y aumentando los riesgos de seguridad. Además, la dependencia de procesos manuales que consumen mucho tiempo limita la capacidad de identificar rápidamente deficiencias y asegurar una monitorización consistente y a nivel de sistema.
Solución
El distrito de Yoakum desarrolló una solución utilizando inteligencia artificial (IA) y visión artificial para analizar imágenes de carreteras. El sistema utiliza IA para detectar ubicaciones de señalización de carril y visión artificial para identificar deterioro en las marcas. Los datos de imagen se obtienen de los archivos existentes de PathWeb y de grabaciones suplementarias recogidas de vehículos equipados con dispositivos GoPro. Este enfoque automatiza la detección y evaluación, permitiendo una monitorización más rápida, consistente y escalable a lo largo de una red amplia.
Beneficios
- Identificación más rápida de marcas de carril deterioradas
- Ampliación de la cobertura de monitorización en toda la red vial
- Mejora de la seguridad vial mediante un mantenimiento más oportuno
- Eficiencia de costes y menor dependencia de inspecciones manuales
- Mejor consistencia y precisión en las evaluaciones de condiciones de la señalización de carril
Información clave adicional
- Detección de marcas de carril basada en IA a partir de imágenes de carreteras
- Análisis de visión artificial para evaluar el deterioro de la marca
- Integración con bases de datos de imágenes existentes como PathWeb
- Uso de cámaras montadas en vehículos para la recogida de datos suplementaria
- Identificó fuentes de imagen adecuadas para la recogida de datos
- Evaluó los marcos existentes de visión artificial e IA
- Métodos seleccionados y probados para detectar y evaluar marcas de carril
- Desarrollo y validación de un sistema de prueba de concepto para uso diurno
- Conocimientos integrados sobre operaciones de mantenimiento con el apoyo de los equipos del Texas A&M Transportation Institute y TxDOT
- Ampliable a nivel estatal para el monitoreo a gran escala de marcas de pavimento
- Adaptable a otras evaluaciones de estado de activos usando IA basada en imágenes
- Apoya un uso más amplio de tecnologías de inspección automatizada en el mantenimiento del transporte
Alineación con los objetivos estratégicos de TxDOT
Recursos
Contacto
¿Tiene preguntas o necesita información adicional sobre este proyecto de innovación?