Hace un año que Delonia Software fue seleccionada por Puertos del Estado gracias a su proyecto Smart Mobility Analytics. A lo largo de estos 12 meses, el proyecto ha avanzado a pasos agigantados. A pesar de los retos y obstáculos de una tarea tan compleja y novedosa, se espera que la primera versión del proyecto vea la luz en 2024.
60% de finalización del proyecto
El equipo ha completado más de la mitad de los desarrollos necesarios, que pueden desglosarse en los siguientes hitos:
1. Plataforma de sensores IOT, que consta de:
– Detectores, como cámaras, o cualquier otro tipo de dispositivo que se conecte a la red de sensores.
– El módulo de gestión de dispositivos, que registra las cámaras y las conecta al sistema reso.
– El sistema VMS de gestión y grabación multistream (proxy de vídeo + Nvidia deepstream).
2. Redes neuronales (RN) para el tratamiento de imágenes. Estas RN extraen metadatos de las imágenes, que luego se transforman en métricas.
3. Event Broker. El Event Broker desacopla la generación de datos de las aplicaciones que los consumirán.
4. Sistema de tratamiento de datos. Procesa una gran cantidad de datos en tiempo real y por lotes, a muy alta velocidad. Se realiza con un emparejamiento de:
– Flink para el procesamiento de datos en tiempo real.
– Apache Druid para el almacenamiento y para realizar búsquedas de grandes cantidades de datos que pueden consultarse desde cuadros de mando interactivos.
5. Ecosistema de aplicaciones, que se suscribe al broker de eventos y consume sus datos en tiempo real. Se divide en 3:
– Web de gestores: A disposición de los gestores de operaciones que dan a los servicios de transporte la información que necesitan.
– Web del pasajero: Proporciona a los pasajeros información sobre el estado de las diferentes colas, como el porcentaje de cola y el tiempo de espera estimado.
– App para taxistas: Ayuda a los taxistas a decidir si tienen que ir al aeropuerto a recoger pasajeros en la cola.
6. Sistemas de apoyo a la supervisión y despliegue de la aplicación. Detectan los problemas del sistema y facilitan el despliegue de las aplicaciones en cualquier infraestructura HW.
90% de precisión del sistema
La primera versión del sistema ha alcanzado una precisión de casi el doble que la competencia y es capaz de procesar 6 flujos de vídeo simultáneamente. Además, esta versión ya incorpora una arquitectura distribuida basada en Kubernetes y microservicios. Esto supone una mayor flexibilidad ante cambios en la funcionalidad y despliegues rápidos en cualquier tipo de infraestructura cloud. Además, desacopla la captura de datos de su explotación a través de un broker de eventos. Esto hace que la información captada por las cámaras (sensores) esté disponible para un conjunto de aplicaciones web.
Lograr más con menos
El equipo ha sido capaz de desarrollar un sistema funcional con menos recursos. En términos de número de cámaras, por ejemplo, el sistema es capaz de funcionar con sólo 11 cámaras, una fracción de lo que proponían los competidores. Esto no sólo es significativo en términos de coste, sino sobre todo de tiempo de desarrollo.
El proyecto SMA está demostrando ser un ejercicio prometedor y diferencial para el equipo. No solo muestra cómo el uso de la IA puede ayudar a optimizar y mejorar exponencialmente las soluciones, sino que pone de relieve la importancia del ingenio humano, el pensamiento crítico y las ideas innovadoras para mejorar nuestras vidas.
