Reducción de colisiones de animales con sensores e IA
Un nuevo enfoque utiliza sensores, IA y modelado ecológico para reducir las colisiones de vehículos animales, mejorando la seguridad y reduciendo los costos de la vida silvestre y los sistemas de transporte.
Un equipo de investigación de Oïkolab y Terroïko, Francia, ha desarrollado un método para reducir las colisiones entre animales y vehículos.Este método aprovecha el creciente número de sensores en los sistemas de transporte y sus gemelos digitales.Utilizando una red de trampas de cámara, el equipo tiene como objetivo asignar los riesgos de colisión entre trenes y animales salvajes como el jabalí y los ciervos de huevas.
Las colisiones de vehículos animales amenazan la seguridad humana, los esfuerzos de conservación e infraestructura de transporte, lo que lleva a costos significativos para los usuarios y gerentes.Los investigadores han propuesto un nuevo enfoque para abordar este problema.
El proceso comienza mediante el uso del software de modelado ecológico para simular los movimientos animales más probables dentro y alrededor de una infraestructura, lo que ayuda a identificar posibles puntos de cruce.
Una vez que se identifican los puntos críticos de colisión, el modelado ecológico se usa nuevamente para guiar la colocación de fotosensores en el campo.Se modelan varios escenarios de implementación para encontrar la mejor coincidencia para los resultados esperados de la simulación inicial.
Después de desplegar los sensores, la inteligencia artificial (aprendizaje profundo) se utiliza para analizar los datos (en este caso, imágenes) para identificar y rastrear especies animales en el área alrededor de la infraestructura.
Los datos se alimentan en un modelo de abundancia, otra herramienta ecológica que estima la densidad de los animales en diferentes áreas basadas en datos de algunos puntos clave.El resultado es un mapa que muestra la abundancia de especies, que ayuda a evaluar el riesgo de colisión a lo largo de la infraestructura.
Si bien este enfoque se probó en un segmento ferroviario en el suroeste de Francia, se puede aplicar a cualquier sistema de transporte, tanto nuevo como existente, como parte de las evaluaciones de impacto ambiental.
Este método también allana el camino para incorporar sistemas de monitoreo centrados en la biodiversidad en la infraestructura de transporte y sus gemelos digitales.En el futuro, los sensores que recopilan continuamente los datos podrían ayudar a crear mapas dinámicos y adaptativos y proporcionar información en tiempo real a los conductores, alcanzando vehículos autónomos.