Vehículos manejados por la IA avisarán de los residuos fuera de los contenedores y reducirán a la mitad de tiempo su recogida
El proyecto se activará en Carabanchel, Villaverde y Usera, distritos en los que se registra una media diaria de 2.100 actuaciones de recogida de restos abandonados
Dotados de cámaras y sensores que captan estas anomalías en la vía pública, envían en tiempo real las incidencias para que desde el centro de datos se asigne cada caso al camión o a un operario
Imagen del vehículo 'espía' con la IA incorporada para la recogida de residuos
El futuro ya ha llegado, gracias a la Inteligencia Artificial (IA). Y su aprovechamiento, se traducirá en un Madrid más limpio. Esa es la intención del ayuntamiento de la capital, que ha incorporado a su dispositivo de limpieza viaria un nuevo proyecto que permitirá ... que vehículos de inspección realicen una labor de reconocimiento visual mediante la IA para detectar aquellos residuos que son depositados fuera de los contenedores, una iniciativa pionera en nuestro país.
Tras el desarrollo de una primera fase piloto, este «vehículo espía» se incorporará ya plenamente operativo al dispositivo de limpieza viaria en Carabanchel, Usera y Villaverde, con un total de tres coches, uno en cada distrito, este próximo mes. El delegado de Urbanismo, Medio Ambiente y Movilidad, Borja Carabante, ha visitado esta mañana el parque de limpieza de María Odiaga, en el distrito de Carabanchel, para dar cuenta de los detalles de su puesta en marcha y de cómo su activación va a redundar en un mejor y más rápido servicio en estos barrios.
La empresa FCC Medio Ambiente, adjudicataria del Lote 6 del contrato de limpieza viaria (Villaverde, Carabanchel y Usera), ha sido la encargada de desarrollar con éxito este proyecto. Durante la fase de prueba, un vehículo de inspección fue equipado con cámaras capaces de analizar el contexto y los objetos que va captando a lo largo de su recorrido.
Estos dispositivos realizan este reconocimiento visual mediante el uso de sensores y el desarrollo de algoritmos basados en Inteligencia Artificial (IA) y Machine Learning (disciplina que dota a los ordenadores de la capacidad de identificar patrones en datos masivos y elaborar predicciones). El sistema permite al vehículo detectar durante la ruta que realiza por las calles de Madrid de manera proactiva y automática aquellos residuos que se encuentran abandonados junto a los contenedores.
Con la puesta en marcha de este nuevo proyecto, el Área de Urbanismo, Medio Ambiente y Movilidad reducirá el tiempo medio de actuación para la retirada de estos residuos en más de un 50%. Su presencia fuera del lugar en el que deberían haber sido depositados puede llegar a generar focos de suciedad y problemas estéticos en el paisaje urbano. Este vehículo puede recorrer todo su ámbito de trabajo en aproximadamente dos horas. Hasta ahora, el mando intermedio que realizaba esta ruta lo hacía en 5 horas. A este ahorro de tiempo, que se traducirá en una actuación más rápida sobre el terreno y en la posibilidad de abarcar mayor extensión de trama viaria, se une otra ventaja relevante: el vehículo de inspección dotado con reconocimiento visual registra todas las incidencias recogidas, tanto las que afectan a pequeños residuos (una caja, por ejemplo) como las que conciernen a muebles y enseres voluminosos.
Hasta ahora, un mando intermedio centraba sus comunicaciones en aquellos residuos de un mayor volumen, precisamente por su impacto en el paisaje urbano o en la afectación que pudieran provocar en la movilidad peatonal. De esta forma, el mando intermedio que hasta ahora realizaba esta inspección se ve liberado de estos trabajos rutinarios de detección de residuos, pudiéndose dedicar a otras tareas del servicio.
Asignación de avisos al momento
La tramitación de las incidencias desde el vehículo se produce de manera instantánea, ya que toda la información llega en tiempo real al centro de seguimiento de los servicios del cantón de limpieza. Se agiliza así la asignación de la incidencia al vehículo más cercano o al equipo más adecuado para recoger cada tipo de residuo.
El sistema clasifica la información en base a la identificación de las anomalías detectadas en el entorno de los contenedores, comunica cada caso al centro de datos y genera un registro en la plataforma digital que incluye el tipo de incidencia, la calle y el número, las coordenadas GPS y una fotografía. Esta información, además de para la inmediata resolución de la incidencia, sirve para que todos los registros sean ordenados en un cuadro de mando que muestre las ubicaciones, los barrios, así como los días o periodos con un mayor volumen de anomalías.
Durante su visita, Carabante ha destacado la importancia de que el tiempo de resolución de estas incidencias se vaya a reducir a menos de la mitad, ya que sólo en Villaverde, Carabanchel y Usera, los distritos en los que se pondrá en marcha el proyecto se realizan más de 2.000 actuaciones de estas circunstancias de media al día. De hecho, se realizan 2.100 recogidas de residuos abandonados, fundamentalmente con camiones caja abierta en servicios 24 horas. A eso hay que sumar una media de 260 incidencias notificadas por los operarios de barrido manual, principalmente de muebles y enseres, a través de la aplicación móvil de la que disponen.
Fase de entrenamiento
La activación de este innovador proyecto ha sido posible tras un intenso trabajo de entrenamiento y calibración de los sensores hasta lograr una alta precisión a la hora de ser capaz de detectar los residuos, durante el que ha sido claves el análisis de los datos, entrenamiento del algoritmo y el ajuste de los parámetros para lograr los mejores resultados posibles.
Este entrenamiento se completo con sesiones de grabación con el vehículo en el entorno real de las calles de Madrid para que el sistema se adaptase a distintos escenarios y condiciones de iluminación o meteorológicas. También con el objetivo de que fuera capaz de detectar la mayor variedad de residuos: cartones, escombros, bolsas de basura, colchones, muebles. Los resultados de toda esta fase permitieron alcanzar una precisión del 85% en la detección de las diferentes incidencias.
Con su puesta en marcha efectiva, el modelo seguirá perfeccionándose ya que cada grabación permitirá mejorar su diseño inicial y su capacidad de detección a través de este entrenamiento en tiempo real. Además, para cumplir con la legislación en materia de protección de datos, se ha incorporado un programa que pixela automáticamente a las personas y los vehículos que las cámaras captan durante su recorrido.
Ver comentarios