Reconocimiento automático de matrículas
Cliente:
Escuela Técnica Superior de Ingeniería de Caminos, Canales y Puertos
Comparte este proyecto:
Objetivo:
El objetivo de este seguimiento depende de cada caso y puede consistir en gestionar el flujo de tráfico diario para llevar a cabo planes de movilidad urbana con una propuesta de prototipado ágil que sea eficaz y rentable.
La investigación previa realizada para este proyecto refleja como los sensores basados en la captura de imágenes de vehículos constituyen un eficiente sistema de monitorización del tráfico por sus características. Sin embargo, todavía existe un reto en cuanto a los costes de fabricación e instalación, ya que se requieren equipos y materiales bien diseñados en términos de rendimiento y funcionalidad para hacer frente a las diferentes condiciones de la red. Se trata de un reto muy importante porque el gran número de artículos publicados por investigadores en los últimos años afirman que para conseguir buenos resultados en la estimación del flujo de tráfico, es necesario instalar un gran número de sensores.
Solución FK:
El sistema de reconocimiento automático de matrículas (ANPR) se basa en técnicas de tratamiento de imágenes para identificar vehículos por sus matrículas, principalmente en tiempo real (para el control automático de las normas de tráfico).
Durante el proyecto de este trabajo se presenta una propuesta de despliegue de una red de sensores de bajo coste para el reconocimiento automático de matrículas de vehículos en un proyecto piloto en Ciudad Real (España).
Para ello, se necesitaban tres herramientas principales:
- La arquitectura para desplegar los sensores
- Un prototipo de sensor de bajo coste
- Una metodología para decidir la mejor ubicación del sensor.
En cuanto al despliegue de sensores y a los propios sensores, una de las principales características a destacar es que el coste total es muy bajo en cuanto a los siguientes elementos:
– Producción/Fabricación: El coste unitario de los componentes de hardware para la realización del prototipo es inferior a 60 euros (considerando el trípode como un accesorio más). En caso de integración para la fabricación a gran escala, estos costes podrían reducirse considerablemente.
– Instalación: Los sensores tienen un consumo de energía muy bajo, lo que permite su despliegue en cualquier lugar y sin infraestructuras específicas de suministro de energía. La plataforma permite adaptar los parámetros del sensor (resolución, niveles de iluminación, velocidad de obturación y nivel de compresión) a las necesidades específicas de cada lugar.
– Mantenibilidad y escalabilidad: La arquitectura propuesta permite trabajar con cualquier biblioteca ANPR existente en el mercado delegando tareas entre capas de procesamiento, así como su combinación para mejorar la tasa de éxito global. La etapa de detección se delega en la capa de gestión reduciendo los costes totales y proporcionando soluciones más escalables y eficientes.
Además, el sensor desplegado está completamente desvinculado de la plataforma específica de identificación de matrículas utilizada. Esto permite cambiar de plataforma si el usuario encuentra otra mejor. En particular, la plataforma utilizada identifica además del número de matrícula, el fabricante del vehículo. Esta información puede utilizarse en el análisis global de los flujos de tráfico con vistas a reducir posibles errores en la identificación de la matrícula y será desarrollada en el futuro por los autores.
La tercera herramienta utilizada en este trabajo es una metodología para determinar la ubicación en la red de tráfico de los sensores diseñados. Para ello, hemos propuesto el uso de dos algoritmos que pretenden conseguir una calidad suficiente de la estimación del flujo de tráfico que se va a realizar (en términos de bajo valor RMARE) con los datos ANPR recogidos por los sensores.
El modelo se aplicó a la red de tráfico de un proyecto piloto considerando un despliegue de 30 sensores analizando la conveniencia o no de instalar los sensores propuestos en algunos enlaces debido a la dificultad de su instalación. Los resultados fueron muy positivos ya que la calidad esperada de los resultados de la estimación es muy similar a la obtenida cuando se permite ubicar el sensor en cualquier enlace. La principal ventaja es que evitando esos enlaces conflictivos esperamos una reducción obteniendo errores de lectura de las matrículas de los vehículos.
También se analizó la influencia de otros parámetros del modelo como el número de rutas utilizadas como referencia y el grado de simplificación de la red. El análisis de los resultados muestra que la consideración de un mayor número de rutas de referencia, representadas mediante el parámetro 𝑘, conduce a una mejor estimación de los flujos en términos de conseguir un 𝑅𝑀𝐴𝑅𝐸 menor. Sin embargo, un valor alto de 𝑘 implicaría trabajar con una red con un gran número de rutas, lo que tendría un alto coste computacional. En referencia a la simplificación de la red, un grado medio-bajo de simplificación de la red conduce a un buen rendimiento de la metodología en términos del error obtenido en la etapa de estimación.
