Conteo de personas que suben y bajan del transporte público mediante visión artificial

Resumen

La principal fuente de demoras en los sistemas de transporte público tiene lugar en sus estaciones. Por ejemplo, un tren de metro puede viajar a 80 km por hora entre estaciones, pero su velocidad comercial – velocidad media incluidas las detenciones en las estaciones – alcanza menos de la mitad de ese valor. Luego, el problema que deben resolver los operadores de transporte público es reducir las demoras en las estaciones para aumentar la velocidad comercial. Esta depende del número de pasajeros que sube y baja de cada vehículo. Tradicionalmente, estos datos se han recopilado mediante conteos a mano o con videos que luego se procesan visualmente. Este trabajo presenta una forma de extraer datos mediante visión artificial desde videos obtenidos en un laboratorio a escala real y, a partir de estos, observar el efecto en la demora en estaciones. Parte de los videos se procesaron manualmente para entrenar y evaluar algoritmos de seguimiento y detección usando aprendizaje profundo. En más de 300 secuencias de video los resultados del conteo de pasajeros alcanzaron una exactitud promedio del 92% con una desviación estándar menor al 0,12%. Estos resultados implican una subestimación menor al 7% en el cálculo de la demora en estaciones.