Estamos viviendo una auténtica revolución de la inteligencia artificial y cada vez hay más servicios que se apoyan en ella para ofrecer automatización, disminución de costos y mejoras en las herramientas de análisis de todo tipo de procesos, por complejos que estos parezcan.
Ricardo Erazo García Cano Miembro del Subcomité de Carreteras del Comité de Infraestructura del Transporte, Colegio de Ingenieros Civiles de México.
El concepto de inteligencia artificial (IA) se relaciona directamente con la capacidad de aprendizaje de los sistemas y con su capacidad de resolver problemas utilizando ese conocimiento adquirido.
En la ingeniería de carreteras, muchos son los procedimientos de medición, cálculo y diseño en los que ya es una realidad la utilización de sistemas capaces de aprender sobre lo que se percibe en su entorno, con la utilización de sistemas de reconocimiento óptico o sensorial y de algoritmos que correlacionan la información proveniente de los cada vez más sofisticados sensores con la información procedente de las bases de datos para interpretar tipologías, calcular y fundamentar modelos predictivos.
Los algoritmos y técnicas de IA más utilizados actualmente se basan en las redes neuronales artificiales, que se desarrollan con técnicas de aplicación óptima dependiendo del tipo de análisis a realizar. En la figura 1 se presenta un esquema que ilustra la variedad de técnicas de IA y plantea la que se utilizará en este artículo para ejemplificar la aplicación de IA en la gestión del mantenimiento de carreteras.
La IA aplicada en la inspección de pavimentos
Uno de los aspectos más importantes para la infraestructura carretera, además de su desarrollo para incrementar la cobertura y accesibilidad o las actividades de modernización para mejorar los niveles de servicio, es el mantenimiento, y como parte de esto, la evaluación de la condición de los pavimentos es la base de cualquier programa de gestión.
La inspección de esta infraestructura se realiza mediante auscultaciones y a partir de la inspección visual, para lo cual la Secretaría de Infraestructura, Comunicaciones y Transportes dispone de un manual que establece las bases para calificar el estado superficial, el señalamiento y las obras de drenaje.
Con la evaluación de pavimentos se busca determinar características superficiales y estructurales de la infraestructura carretera, con el levantamiento de deterioros y la medición de los indicadores de desempeño. El conocimiento de estos indicadores es fundamental para el diseño de una correcta política de conservación y la gestión de las acciones de mantenimiento y rehabilitación que ayuden a prolongar la vida útil de la carretera y reducir la tasa de deterioro de la infraestructura.
La inspección por auscultaciones determina indicadores objetivos utilizando instrumentos debidamente calibrados y estandarizados, en tanto que la inspección visual se lleva a cabo utilizando como base una norma y haciendo uso de la experiencia de técnicos que recorren el tramo y van identificando la tipología del deterioro y midiendo el área afectada.
A diferencia de hace unas décadas, hoy la revolución de las aplicaciones de IA también alcanza a estos procedimientos de la ingeniería de carreteras. La técnica de IA más utilizada para replicar el proceso de inspección de los pavimentos se basa en las redes neuronales convolucionales. Este concepto, que puede sonar complicado, se explica en lo que sigue a partir de seis etapas que integran la propuesta metodológica para la evaluación del deterioro de los pavimentos usando técnicas de fotogrametría y redes neuronales (véase figura 2).
Esta metodología es la base de un sistema automatizado de evaluación del deterioro cuyos impactos directos se reflejan en la reducción de tiempo y costo en la formulación de los planes de gestión del mantenimiento de la infraestructura carretera. Imaginemos un sistema de este tipo no como un remplazo de los recorridos de residentes de conservación en las carreteras, no como la competencia de los procesos de auscultación con vehículos de alto desempeño, sí como una herramienta de apoyo a la gestión vial, sí como una tecnología complementaria para disminuir los costos de gestión de la infraestructura carretera.
El paso 1 de la metodología son los sensores, cada vez más variados, precisos y eficientes; los pasos 2 y 3 refieren tratamiento de las imágenes con algoritmos de segmentación, que implica técnicas como la conversión a escala de grises, detectores de bordes y operaciones morfológicas básicamente; los pasos 4, 5 y 6 corresponden al procesamiento de la información en la red neuronal convolucional, también con sus respectivos algoritmos de convergencia debidamente entrenados.
Uno de los tipos de red neuronal más usados para este tipo de sistemas es la red neuronal multicapa con algoritmo de aprendizaje back propagation (BP), debido a su potencial como herramienta de predicción y su capacidad para extraer información útil de las muestras que se comparan con los sets de datos. Los primeros pasos del procesamiento digital de imágenes de pavimentos utilizando técnicas de inteligencia artificial se han basado en su mayoría en la detección de baches, grietas o fisuras de diferentes subtipos de deterioro (véase figura 3).
En la tabla 1 se presenta la clasificación de tipos de daños utilizada en el RDD2022 (A multi-national image dataset for automatic road damage detection 2022).
La utilización de un sistema IA para detección y clasificación de daños resulta de un procesamiento continuo de las imágenes capturadas y agregación de los tipos de daños detectados en diferentes niveles de segmentación. La figura 4 ejemplifica este resultado.
Aplicación en México de esta tecnología
Habiendo planteado la estructura y características fundamentales de la inspección del deterioro con técnicas de inteligencia artificial, en lo que sigue se presentan los alcances de una aplicación desarrollada en nuestro país (véase figura 5) con la que, además de hacerse el inventario de daños a la superficie del pavimento, se exploran otras vertientes, como son la inferencia y ajuste de la curva de deterioro característica de cada tramo, con la construcción de un modelo predictivo de los niveles de deterioro que no solo se pronostican con base en la estructura del tipo de pavimento, el clima, los niveles de uso y el estado inicial del deterioro, ya que toma en cuenta la tasa de cambio en la severidad y área afectada.
Este sistema, experimental hasta hace un par de años y hoy en creciente aplicación, cumple con todos los elementos antes mencionados y se comercializa como un servicio de inspección vial.
A continuación se enumeran los temas que se sugiere atender para potenciar la plataforma de desarrollo de estas aplicaciones
Desarrollo y actualización periódica de los sets de datos. Si bien las empresas que han incursionado en esta tecnología pueden haber generado un importante acervo de imágenes útiles para el entrenamiento de los algoritmos IA, el Instituto Mexicano del Transporte, en coordinación con la Dirección General de Servicios Técnicos, podría generar un set de datos público con las estructuras internacionalmente utilizados para estas bases de datos (RDD2022 Road Damage Detection 2022).
Acopio e implementación del uso de estas técnicas de vanguardia para el abatimiento de tiempos y costos en la inspección de pavimentos en las dependencias públicas y empresas privadas que gestionan programas de mantenimiento carretero.
Actualización de la norma para la evaluación visual de deterioros en pavimentos, a efecto de integrar estos nuevos procesos y tecnología.
Promover la incorporación al ecosistema para el desarrollo de aplicaciones IA en carreteras las tendencias en otros aspectos, además del inventario de deterioros; por ejemplo la modernización de los conteos o aforos vehiculares, la construcción de matrices origen-destino sin encuestas directas a usuarios, el monitoreo de tiempos de espera en casetas y el establecimiento de operación conjunta en cruces fronterizos con uso de estándares de desempeño de la operación en cruce, al igual que muchas otras aplicaciones de IA combinadas con los sensores apropiados y una visión de vanguardia que apoye la ingeniería de carreteras.
Conclusión
La inteligencia artificial está presente en muchos de los objetos que utilizamos o que nos proveen información día a día. No todo en IA es el Chat GPT; hay aplicaciones específicas relacionadas con la ingeniería de carreteras que sería importante analizar desde nuestra perspectiva como ingenieros, y que nos están ayudando a modernizar procedimientos con el abatimiento de tiempos y costos, aspectos que en estos tiempos, y para un sector como la infraestructura carretera, son de vital importancia.
Hay mucho trabajo por realizar para sacar el mayor provecho a estas nuevas tecnologías. Con el tiempo se requerirá una transformación institucional para el acopio de datos y los sistemas de gestión de carreteras de vanguardia
