Muchas ciudades pequeñas aún no conocen las ventajas de contar con un analista en Sistemas de Información Geográfica (SIG). Ya en Guadalajara se implementó por primera vez, la creación interna de los planes parciales manejando SIGs y ha avanzado de manera extraordinaria la forma en la que se proyecta la ciudad.
Algunas ciudades como veremos en este caso, sólo cuentan con una sola persona para levantar y manejar la información de toda la ciudad, lo que convierte la actividad diaria en una tarea casi imposible. ¿Pero qué hacer cuando te piden que se levante la información de las señales de tráfico de toda la ciudad?, ¿te irías con un GPS de letrero por letrero?
Este especialista de GIS, en la ciudad de Clovis, en Nuevo México, una pequeña ciudad de tan sólo 39,000 habitantes, tuvo que encontrar la manera de contestar esta pregunta. A Steven se le asignó la tarea de emprender el primer inventario de señales de tráfico de aproximadamente 24 km² de área urbana, algo que nunca nadie había hecho, y lo que representaba un reto de esos que te ponen a temblar.
Algunos directivos de la ciudad asumieron que esta tarea podría ser fácil de emprender y que dentro de 1 mes podría se terminada, pero nadie sabía realmente cuántos letreros había esperando a Steven.
Se estima que un levantamiento de este tipo podría costar por encima de los $4 a $6 dólares por señal, lo que en una ciudad como Clovis representa un egreso estimado de $16,000 a 24,000 usd, pensando que hay más de 4000 señales de tráfico que analizar. Para condados y ciudades pequeñas, este dinero es imposible de asignar a una tarea como esta.
Después de un tiempo de investigar, Steven terminó decidiendo utilizar la tecnología de Mapillary, una plataforma que utiliza la inteligencia artificial (IA) a nivel de calle. Steven no contrató a nadie, en cambio, montó algunas cámaras en su camioneta y capturó unas 200,000 imágenes de las calles de Clovis. Una vez que fueron subidas a Mapillary, las imágenes fueron procesadas y por medio de un algoritmo especializado en la búsqueda de patrones en las fotos, automáticamente se detectaron y analizaron las señales de tráfico.
La impactante tarea, le tomó a Steven, un par de meses. Él menciona que de haberse levantado la información de una sola vez (ya que el además tuvo que atender las tareas cotidianas de su cargo), la tarea se pudo haber reducido a tan sólo unos cuantos días.
“Doing all this work manually, it wouldn’t surprise me if it had taken up to a decade to walk through each and every block to get every sign that is out there. There is no telling how many changes would come through to traffic signs in that time.”
La información procesada en Mapillary es compatible con ArcGIS, lo que permitió a Steven asegurarse de que las señales de tráfico fueran visibles y manejables en una base de datos. Así, se creó el primer inventario de señales viales para poder mantener el estado de estas de manera óptima, clasificándolas según la necesidad (para reparar, obsoletas, blanqueadas por el sol, rotas, desaparecida, etc).
Mapillary tiene clientes en todas partes del mundo. Trabaja con ciudades que van desde Amsterdam a Estocolmo, Los Ángeles y otras.
Artículo principal en:
https://www.geospatialworld.net/blogs/putting-traffic-signs-on-the-map/
