Investigadores de la UPCT patentan un sistema inteligente que reduce a la mitad la espera en semáforos

Además, rebaja las emisiones de CO2 y de partículas en suspensión

CARTAGENA (MURCIA), 31 (EUROPA PRESS)

Investigadores de la Universidad Politécnica de Cartagena (UPCT) han testado y patentado un sistema inteligente denominado 'Lemur Smart Traffic System', que es capaz de reducir en un 50% el tiempo de espera en los cruces, acelerar un 20% los tiempos de desplazamiento y rebajar un 10% en el consumo de los vehículos.

El resultado conlleva también un alivio para el medio ambiente, pues se reducen las emisiones contaminantes. En concreto, bajan un 30% las de dióxido de carbono y un 20% las partículas en suspensión, según han informado fuentes de la institución docente en un comunicado.

Este sistema, desarrollado a través de proyectos financiados por la Dirección General de Tráfico (DGT), ha sido testado en una prueba piloto que ha contado con el apoyo de la Fundación Séneca.

"Gracias a las pruebas realizadas en entornos semi-controlados, conseguimos que nuestra solución funcionase en tiempo real en dispositivos muy pequeños instalados en los semáforos, siendo por tanto posible utilizarlos en escenarios reales", ha explicado Lola Cano, profesora de la Escuela de Telecomunicación de la UPCT y responsable de la empresa spin-off Decision Habitat, abierta a colaborar con otras compañías para explotar comercialmente esta solución innovadora.

El siguiente objetivo que se ha marcado la investigadora es proponer una alternativa a la señalización y que sean los vehículos autónomos conectados los que tomen las decisiones de conducción.

"Soñamos con coches autónomos que nos permitan convertir el desplazamiento en una experiencia agradable, donde ese tiempo lo podamos invertir en aprender escuchando podcasts o leyendo, en una actividad lúdica disfrutando de una serie o simplemente observando la ciudad", ha comentado la docente.

"Para lograr esta movilidad urbana inteligente es fundamental el uso de inteligencia artificial; en particular, estamos trabajando con técnicas de aprendizaje por refuerzo profundo ('deep reinforcement learning'). En breve presentaremos resultados con la defensa de una tesis doctoral que ha sido financiada por la Fundación Séneca", ha añadido Cano.