La iniciativa, licitada por el Instituto Geográfico Nacional, supone un cambio de paradigma al utilizar la inteligencia artificial en conjunto con algoritmos complejos de postprocesado para enriquecer la información geoespacial actual.
Grupo Tecopy ha desarrollado el ambicioso proyecto de generación de la red de transporte de alta definición en España (RTAD), licitado por el Instituto Geográfico Nacional (IGN), que “ha llevado a cabo con éxito Cotesa”, la compañía tecnológica del Grupo.
“Estamos muy orgullosos de haber culminado este proyecto, que era un verdadero reto para nuestra compañía por su complejidad y, sobre todo, por el valor añadido que supone”, ha asegurado Aurelio García Rochera, director del equipo que ha desarrollado el trabajo.
“Para nosotros, el principal valor de este proyecto reside en el cambio de paradigma que supone utilizar la inteligencia artificial (IA) en conjunto con algoritmos complejos de postprocesado, para enriquecer la información geoespacial actual, nutriéndola de más información y poniéndola al servicio público”, aseguró Aurelio García.
La puesta en marcha de esta iniciativa, que Cotesa ha llevado a cabo con la colaboración del grupo ‘Mercator’ de la Universidad Politécnica de Madrid y el equipo de IGR-RT del IGN, ha permitido establecer un modelo que activa la generación automática de la información, que es compatible y puede integrarse en el sistema de información geográfica del Instituto.
El proyecto supone la digitalización de más de 215.000 kilómetros de carreteras de la red del Estado, integrando datos tridimensionales y geoespaciales para una gestión avanzada de la infraestructura.
El equipo de expertos, dirigido por Aurelio García, está integrado por Eduardo Rosado (project manager), Alejandro Redondo (responsable IA), Aarón Nebreda (equipo IA), Leticia Orden y Juan Carlos Cuéllar (responsables post procesado).
Optimizar recursos y reducir costes
La novedosa red de transporte de alta definición de España hace posible automatizar procesos clave, como la detección de señales horizontales y la digitalización de redes viarias, lo que no sólo hace posible optimizar recursos y reducir costes, sino que puede consolidar las bases para futuros avances en la gestión digital de infraestructuras.
El primer objetivo de esta iniciativa, según el director del equipo, era enriquecer la base de datos del IGN, actualmente en formato vectorial, denominada IGR-RT (Información Geográfica de Referencia de la Red de Transportes), añadiendo información nueva, como son elementos clave en la infraestructura vial: la señalización horizontal o los bordes de calzada, marcas longitudinales continuas y discontinuas, además de otras estructuras, como puentes y túneles.
Y, por otro lado, era preciso que todo este proceso de extracción vectorial se generase de forma automática y fuera capaz de integrarse en el actual modelo de datos del IGN.
Para ello, los algoritmos de detección automática con IA debían estar correctamente entrenados con un amplio dataset capaz de cubrir las diferentes casuísticas que se pueden encontrar en el territorio nacional y con diferentes objetivos según la información a extraer.
De esta manera, según Aurelio García, con todos estos datos, el IGN “podrá disponer de forma eficaz de una primera entrada de información geométrica y alfanumérica de las carreteras de nueva generación de forma automática y precisa; y tendrá una mejor caracterización de los datos viarios, consiguiendo en última instancia una gestión más eficiente y permitiendo una mejor planificación de infraestructuras”.
Más de 400.000 teselas
Entre las ventajas de este nuevo modelo cabe mencionar, por un lado, el alto porcentaje de precisión (95%) en la detección automática de líneas y señales en las carreteras. Y por otro, la mejora del tiempo necesario para digitalizar la red en un 70%, así como la reducción del esfuerzo manual y los costes asociados en un 40%.
Un elemento clave del éxito de este proyecto, añade, “ha sido la generación y el entrenamiento de un conjunto de datos muy extenso, que incluye más de 400.000 teselas sobre imágenes aéreas procesadas para detectar elementos como líneas continuas, discontinuas, señales horizontales, estructuras y el eje central de las carreteras”.
El proyecto ha permitido digitalizar más de 215.000 kilómetros de carreteras de la red del Estado.
