AI4drive

La seguridad vial es un asunto de máxima importancia en nuestra sociedad. Proponemos utilizar IA avanzada para la mejora de la enseñanza de conductores noveles mediante análisis automatizado de su conducción.

Investigador principal

Enrique Alba Torrres

Sede:

UMA

Tecnología

Machine learning Business Analitycs

Agentes agregados

TORCAL Innovación y Seguridad S.L.

Resumen de la propuesta

La seguridad vial es un asunto de máxima importancia en nuestra sociedad. Proponemos utilizar IA avanzada (deep learning, optimización bioinspirada, híbridos) para la mejora de la enseñanza de conductores noveles mediante análisis automatizado de su conducción. Se analizarán datos sobre cómo aprenden, por dónde circulan, sus históricos, sus dificultades y sus maniobras, para ofrecer una evaluación formativa más completa. El prototipo se implantará en la empresa de autoescuelas TORCAL.

Objetivo del proyecto

El principal objetivo del proyecto es desarrollar un sistema inteligente que permita analizar la conducción que realizan los alumnos (de manera consentida y anónima) de una autoescuela durante sus clases prácticas para que el profesor/a pueda estudiar con detalle las maniobras y niveles de dificultad por los que va pasando el alumno/a. El sistema se basará en sus datos históricos, de otros alumnos similares, de los desafíos que ya ha enfrentado y de las maniobras que realiza, proporcionando una evaluación formativa más rica para el alumno/a que la que es habitual en las autoescuelas actuales. El prototipo podrá ejecutarse en una tableta o móvil, con algoritmos IA (agrupamiento, series temporales, aprendizaje profundo, optimización de recorridos) corriendo en ellos y en un servidor central. El prototipo mejorará la docencia y la seguridad vial emergente resultante, innovando en el agente agregado para ser más competitivo.

Resultados esperados e indicadores

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador (equivalente anual): 1
  • Patentes: 0
  • Nº contratos transferencia: 1
  • Congresos: 1
  • Publicaciones indexadas: 2
  • Tesis doctorales: 1

Justificación potencial impacto tecnológico del proyecto TRL

Este proyecto tendrá resultados a nivel TRL 7 (demostración de prototipo en entorno real) . Transitaremos por la cadena de valor desde el concepto y solución científica hasta el enfoque y prototipo empresarial que sea finalmente validado en la práctica. La colaboración de la empresa TORCAL ya está en marcha, con una beca, reuniones previas e intercambios de datos/resultados en ambos sentidos, así que se espera un alto impacto en la empresa. El impacto científico es esperable por el CV del equipo de investigación.

Avances

El equipo de investigación NEO (https://neo.lcc.uma.es), perteneciente a la Universidad de Málaga, junto con TORCAL Innovación y Seguridad SL, como entidad colaboradora, tiene como objetivo principal el desarrollo de un sistema inteligente que permita analizar la conducción que realizan el alumnado, de manera consentida y anónima, de una autoescuela durante sus clases prácticas para que el docente pueda estudiar con detalle las maniobras y niveles de dificultad por los que va pasando el estudiante.

Durante la evolución del proyecto, se han desarrollado principalmente tres actividades. La primera de ellas, el análisis pormenorizado del sistema de información disponible por TORCAL Innovación y Seguridad SL mediante técnicas de Ciencia de Datos. Esto ha permitido obtener un perfil claro de los tipos de estudiantes que usan este servicio para poder ofrecerles actividades ajustadas a sus capacidades.

Otra de las actividades desarrolladas, ha sido la creación de una infraestructura software para el estudio de datos de los sensores del coche y su análisis mediante técnicas de Inteligencia Artificial.

Por último, se ha llevado a cabo la captación de datos de los sensores del coche y su transmisión automática a la infraestructura software y su tratamiento. Actualmente, la captación de estos datos está en fase de prueba y se está trabajando en su visualización y análisis con las técnicas inteligentes comentadas previamente. Esto permitirá conocer la huella de carbono de la empresa y reducir la contaminación en el futuro próximo.

Fruto los avances obtenidos se han desarrollado varios paquetes software: Frontend, para acceso a la herramienta de análisis de datos de sensores, Backend, para el uso de los datos de sensores y técnicas de Inteligencia Artificial para el análisis de datos de sensores.

Este proyecto ha dado lugar a dos Trabajos Fin de Grado (TFG) en la UMA, “Ciencia de Datos para Empresas Tipo Autoescuela” y “Análisis inteligente de los sensores de un automóvil”. Actualmente la colaboración se centra en realizar varios pilotos para probar el concepto y se está extendiendo el uso de la IA a otras actividades de la empresa.

 

Noticia_UMA-CEIATECH_08_vf