FIBRATRAFIC

El proyecto FIBRATRAFIC ha permitido desarrollar un sistema de monitorización de tráfico basado en el aprovechamiento de las redes de fibra óptica que están ya tendidas a lo largo de la red viaria, mediante el empleo de una novedosa tecnología de sensorización denominada Sensorización Acústica Distribuida (DAS, Distributed Acoustic Sensing).

A diferencia de las soluciones convencionales de monitorización de tráfico que se limitan a proporcionar información en una posición concreta de la carretera, la tecnología desarrollada en el proyecto permite obtener una medida distribuida en la que se monitorizan, de manera simultánea, todas las posiciones de una carretera a lo largo de decenas de kilómetros y sin tener que hacer ninguna modificación en la red de telecomunicación de fibra utilizada. Además, la aplicación de técnicas de procesado de señal y de aprendizaje automático (Machine Learning) sobre las señales recogidas por los sensores DAS ha permitido detectar la posición de vehículos a lo largo de la vía, determinar su velocidad, la distancia entre cada uno de los vehículos e incluso clasificarlos en función de sus características (vehículos pesados, turismos).
En definitiva, el proyecto se nutre a nivel tecnológico de la puesta en común de tres tecnologías diferentes (sensado fotónico, procesado de señal y Machine Learning), ligadas al campo de especialización de los tres grupos de investigación involucrados en el mismo.
El proyecto ha cumplido ampliamente los objetivos marcados, superando todos los objetivos específicos que se señalaron como retos al inicio de este:

• Se ha desarrollado un esquema de sensado fotónico, empleando tecnología DAS, que mejora las prestaciones de los sistemas existentes hasta la fecha, permitiendo su aplicación a la monitorización de tráfico avanzada, de manera distribuida, sobre decenas de kilómetros. En concreto, el sensor desarrollado emplea, por primera vez en el campo de la monitorización de tráfico, un esquema de sensado fotónico basado en la detección de la fase óptica, empleando además técnicas de compresión de pulsos ópticos, lo que permite aumentar su sensibilidad, resolución y rango de medida. De este modo, se consigue detectar una señal más rica (con más información), lo que hace posible la aplicación de nuevas técnicas de procesado de señal y de aprendizaje automático que no habían sido exploradas hasta la fecha en este campo.
• Se han desarrollado técnicas de procesado y de aprendizaje automático aplicadas a señales DAS para la detección, seguimiento y clasificación de vehículos. Hay que destacar en este punto el desarrollo de un esquema de procesado, basado en un novedoso dominio transformado, que permite optimizar la detección de los vehículos, simplificando a su vez el proceso de seguimiento (tracking) de los mismos. Además, se han aplicado técnicas de aprendizaje automático para la clasificación de vehículos a partir de las señales DAS, permitiendo distinguir, con gran precisión y de manera automática, entre vehículos ligeros y pesados. A fin de preparar la información necesaria para el entrenamiento de los algoritmos de Machine Learning, se ha desarrollado un sistema de etiquetado automático, basado en redes neuronales, empleando cámaras ópticas. Además, se ha utilizado un algoritmo de seguimiento de los vehículos detectados para poder seguir su trayectoria en el video y así realizar un conteo preciso de los vehículos.
• Se ha construido un prototipo pre-comercial de campo de un equipo interrogador DAS de altas prestaciones.
• Finalmente, se ha demostrado la operación de la tecnología desarrollada sobre una red viaria aprovechando enlaces de fibra óptica propiedad de las instituciones públicas de la Comunidad Foral de Navarra, obteniéndose excelentes resultados en medidas de campo realizadas en un entorno real de tráfico abierto de larga distancia (35 km). Agradecer por ello la colaboración de Gobierno de Navarra y del Ayuntamiento de Pamplona a través de las empresas públicas NASERTIC y ANIMSA.
  La tecnología desarrollada a lo largo del proyecto ha permitido la publicación de un artículo en una revista científica, lo que permite cuantificar la novedad del sistema desarrollado:

Corera, I.; Piñeiro, E.; Navallas, J.; Sagues, M.; Loayssa, A. Long-Range Traffic Monitoring Based on Pulse-Compression Distributed Acoustic Sensing and Advanced Vehicle Tracking and Classification Algorithm. Sensors 2023, 23, 3127. https://doi.org/10.3390/s23063127

Por otro lado, es importante resaltar que la experiencia generada a partir del proyecto, con el trabajo conjunto de tres grupos de investigación y la aplicación de tres tecnologías diferentes pero complementarias, facilitará la aplicación de desarrollos similares en otros ámbitos diferentes al de la gestión de tráfico. De este modo, y aunque ya queda fuera del alcance del proyecto, la tecnología desarrollada en el mismo podría ser de aplicación en otros campos, como pueden ser la detección de intrusión, lo que permitirá proteger la fibra óptica del operador de telecomunicaciones (público o privado) frente a amenazas externas; la monitorización de la integridad de las infraestructuras viales; el sensado distribuido de estructuras en diferentes ámbitos industriales; o la monitorización de fenómenos sísmicos.
A modo de valoración final del proyecto, hay que destacar las bondades de poder trabajar entre diferentes agentes del SINAI lo cual permite encontrar sinergias que de lo contrario no se generarían. En particular en el presente proyecto la relación ha sido fluida y constructiva, valorándose muy positivamente por ambas partes (UPNA-NAITEC).