Software Prototype for Smart Traffic Monitoring Using YOLOv11: Baseline Evaluation and Limitations

En las arterias bulliciosas de las ciudades modernas, el flujo de vehículos es un ritmo constante y caótico que a menudo se detiene por completo. Durante décadas, la gestión de este flujo ha dependido de sistemas rígidos: semáforos que cambian con temporizadores fijos independientemente de cuántos coches estén esperando, y oficiales humanos observando desde torres, incapaces de ver todas las intersecciones a la vez. A medida que las ciudades se vuelven más densas, estos métodos antiguos luchan por mantener el ritmo, lo que provoca trayectos más largos, desperdicio de combustible y un aumento del peligro en las carreteras. Para resolver esto, los científicos están recurriendo a una rama de la inteligencia artificial conocida como visión artificial. Esta tecnología permite que las máquinas "vean" el mundo a través de cámaras, identificando objetos como coches, autobuses y motocicletas en tiempo real. Al combinar esta inteligencia visual con el internet de las cosas —donde los dispositivos se comunican entre sí de forma inalámbrica—, los investigadores esperan crear sistemas de tráfico que reaccionen instantáneamente a las condiciones cambiantes, de forma muy similar a un sistema nervioso que responde a un toque repentino.

Un investigador de la Universidad Sanjivani en la India construyó recientemente un prototipo de software para probar qué tan bien funciona esta visión para la gestión del tráfico. Su objetivo era crear un sistema que pudiera observar una transmisión de video de una calle, contar los vehículos, estimar qué tan congestionada está la carretera y mostrar esa información en un panel web sencillo. Utilizaron un modelo de inteligencia artificial potente y preentrenado llamado YOLOv11, que está diseñado para detectar objetos en imágenes, y lo conectaron a una interfaz web construida con herramientas de programación estándar. El diseño también incluyó un plan para un pequeño y económico chip informático que, eventualmente, controlaría los semáforos automáticamente, aunque ese hardware físico no formaba parte de esta prueba específica. El investigador quería ver si esta combinación de software y visión podría servir como una base fiable para una red de tráfico más inteligente y sensible.

El sistema que construyeron funciona en una secuencia sencilla. Primero, un usuario carga un video o una foto de una escena de tráfico en un panel web. Luego, el software descompone el video en fotogramas individuales, o instantáneas, y los prepara para su análisis. El modelo de inteligencia artificial examina cada instantánea, trazando cuadros alrededor de cualquier cosa que reconozca como un vehículo y asignándole una etiqueta. Basándose en cuántos vehículos encuentra, el sistema categoriza el tráfico como de baja, media o alta densidad. Esta información se envía de vuelta al panel, donde un operador humano puede ver el recuento actual y el estado de la carretera. El investigador también diseñó el sistema para que, eventualmente, detectara accidentes o infracciones de tráfico, como pasarse un semáforo en rojo, pero tuvo cuidado de señalar que estas funciones avanzadas aún no habían sido probadas o validadas completamente en esta versión inicial.

Cuando el investigador puso su prototipo a prueba, los resultados ofrecieron una imagen clara, aunque desalentadora, de dónde se encuentra la tecnología hoy en día. Ejecutaron el sistema en un procesador de computadora estándar, procesando novecientas imágenes que contenían mil ciento cincuenta instancias de objetos distintos. Las métricas de rendimiento revelaron que la configuración actual aún no está lista para el despliegue en el mundo real. El sistema identificó correctamente los vehículos solo aproximadamente el dos por ciento de las veces cuando hacía una suposición, y detectó aproximadamente el veintiuno por ciento de los vehículos que realmente estaban presentes en las imágenes. Un examen más detallado de los datos mostró por qué el sistema tenía dificultades: el modelo de inteligencia artificial que utilizaron había sido entrenado con un conjunto de datos masivo y general que incluye muchos tipos diferentes de objetos, como personas, bicicletas e incluso aviones. Debido a que el investigador no volvió a entrenar el modelo específicamente con un conjunto de datos de solo vehículos de tráfico, la computadora se confundió. Pasó una cantidad significativa de tiempo intentando identificar aviones y personas en la filmación de tráfico, mientras que a menudo fallaba al detectar los coches y autobuses que debía contar. El investigador señaló que el modelo no estaba "ajustado" (fine-tuned) para este trabajo específico, lo que significa que estaba tratando de aplicar un conocimiento amplio y general a un problema muy específico sin los ajustes necesarios.

A pesar de los bajos números de precisión, el proyecto demostró con éxito que la arquitectura básica de un sistema de tráfico inteligente es posible. El flujo de software funcionó según lo previsto: aceptó el contenido multimedia, lo procesó a través del modelo de visión, contó las detecciones y mostró los resultados en una página web. El panel mostraba un recuento de vehículos, una calificación de densidad y marcadores de posición para alertas de accidentes y estado de la señal. Sin embargo, el investigador fue explícito al decir que las funciones de detección de accidentes y de infracciones de tráfico mostradas en la pantalla no eran funcionales en esta prueba; eran simplemente elementos visuales para mostrar dónde irían esas capacidades en una versión futura más completa. El sistema no detectó realmente accidentes ni infracciones, ni controló ningún semáforo físico, ya que el componente de hardware seguía siendo una parte teórica del diseño.

El investigador concluyó que, si bien el marco de software es sólido, el "cerebro" del sistema necesita un trabajo significativo antes de que pueda ser confiable en las carreteras reales. Los bajos puntajes de rendimiento indican que el modelo debe ser reentrenado con un conjunto de datos que contenga solo los tipos específicos de vehículos que se encuentran en la carretera, y que las categorías confusas como los aviones deben eliminarse. También enfatizó que los resultados actuales son una línea de base —un punto de partida para el diagnóstico— más que un producto terminado. El prototipo demostró que un panel basado en la web puede visualizar datos de tráfico, pero también resaltó que confiar en un modelo genérico y prefabricado sin personalización conduce a resultados deficientes.

Mirando hacia adelante, el investigador trazó un camino claro para la mejora. Planean reentrenar el modelo de inteligencia artificial con un conjunto de datos especializado de coches, autobuses y camiones para mejorar su capacidad de reconocimiento de tráfico. Tienen la intención de integrar el pequeño chip informático que diseñaron para controlar realmente los semáforos basándose en las lectuciones de densidad. Las versiones futuras también buscarán añadir transmisión de video en tiempo real desde cámaras en vivo, en lugar de solo archivos cargados, y trabajarán en entrenar al sistema para detectar accidentes y violaciones de reglas con alta fiabilidad. Por ahora, este prototipo sirve como una valiosa herramienta de diagnóstico, mostrando exactamente dónde falla la tecnología y qué pasos son necesarios para construir un sistema de gestión de tráfico verdaderamente inteligente que mantenga las ciudades en movimiento de forma segura y eficiente.