{"id":55381,"date":"2024-01-17T15:45:36","date_gmt":"2024-01-17T14:45:36","guid":{"rendered":"https:\/\/www.teldat.com\/?p=55381"},"modified":"2025-03-18T12:42:26","modified_gmt":"2025-03-18T11:42:26","slug":"inteligencia-artificial-ia-transporte-publico","status":"publish","type":"post","link":"https:\/\/www.teldat.com\/es\/blog\/inteligencia-artificial-ia-transporte-publico\/","title":{"rendered":"Procesamiento de imagen IA en entorno embarcado"},"content":{"rendered":"<p><img decoding=\"async\" class=\"wp-image-55401 size-full alignleft\" src=\"\/wp-content\/uploads\/2024\/01\/ia-in-the-public-sector-2.jpg\" alt=\"ia in the public sector\" width=\"300\" height=\"188\" title=\"\">La inteligencia artificial (IA) est\u00e1 transformando r\u00e1pidamente el sector p\u00fablico, con el potencial de mejorar la eficiencia, la eficacia y la accesibilidad de los servicios a trav\u00e9s de novedosos casos de uso, en concreto la implementaci\u00f3n de la <strong>inteligencia artificial en los servicios de transporte p\u00fablico<\/strong> ha revolucionado la manera en que las ciudades gestionan y optimizan sus sistemas de movilidad.<\/p>\n<p><!--more--><\/p>\n<h2>Crecimiento de la inversi\u00f3n de tecnolog\u00edas de inteligencia artificial<\/h2>\n<p>&nbsp;<\/p>\n<p>Un informe reci\u00e9n publicado por Advice Strategic Consultants, una destacada consultora, pone de manifiesto la capacidad de la <strong>Inteligencia Artificial (IA)<\/strong> para dinamizar tanto la econom\u00eda productiva como la de servicios en Espa\u00f1a. De acuerdo con el an\u00e1lisis predictivo efectuado, la integraci\u00f3n de la IA en distintos sectores econ\u00f3micos podr\u00eda traducirse en un incremento del 1,2% en el Producto Interno Bruto (PIB) anual, proyect\u00e1ndose este impulso econ\u00f3mico desde el a\u00f1o 2023 hasta el 2030.<\/p>\n<p>&nbsp;<\/p>\n<h2>Conteo de pasajeros mediante inteligencia artificial<\/h2>\n<p>&nbsp;<\/p>\n<p>El procesamiento de <strong>video en el \u00e1mbito del transporte p\u00fablico<\/strong> ha emergido como una herramienta vanguardista, transformando la forma en que se gestionan y monitorean los flujos de pasajeros. Uno de los casos de uso m\u00e1s destacados es el <strong>conteo de pasajeros<\/strong> en tiempo real mediante tecnolog\u00edas de inteligencia artificial y procesamiento de im\u00e1genes.<\/p>\n<p>La implementaci\u00f3n de sistemas de procesamiento de video para el conteo de pasajeros en tiempo real ofrece una serie de ventajas significativas, donde la eficiencia operativa se ve mejorada al optimizar la asignaci\u00f3n de recursos y la planificaci\u00f3n de rutas en funci\u00f3n de la demanda actual. Este enfoque automatizado no solo reduce los costos operativos, sino que tambi\u00e9n <strong>mejora la seguridad<\/strong> al proporcionar informaci\u00f3n en tiempo real sobre la ocupaci\u00f3n de los veh\u00edculos. Ya que evitar que los autobuses circulen abarrotados de personas, desempe\u00f1a un papel crucial en la garant\u00eda de la seguridad en el transporte p\u00fablico. La <strong>sobrecarga de pasajeros<\/strong> puede generar condiciones propicias para situaciones de emergencia, como la dificultad de evacuaci\u00f3n en casos de accidentes o la propagaci\u00f3n r\u00e1pida de enfermedades contagiosas. Al mantener un equilibrio adecuado entre la demanda y la capacidad de los autobuses, se fomenta un entorno m\u00e1s seguro, minimizando los riesgos asociados con la congesti\u00f3n y garantizando una experiencia de viaje m\u00e1s segura para todos los usuarios.<\/p>\n<p>&nbsp;<\/p>\n<h2>Conteo de pasajeros mediante ticketing<\/h2>\n<p>&nbsp;<\/p>\n<p>Una pr\u00e1ctica com\u00fan durante d\u00e9cadas para el <strong>conteo de pasajeros<\/strong> se realiza a trav\u00e9s del <strong>ticketing<\/strong>, este enfoque se basa en la recopilaci\u00f3n de datos de boletos vendidos o validados en cada viaje. Aunque menos preciso en comparaci\u00f3n con la inteligencia artificial, el conteo a trav\u00e9s de ticketing proporciona una visi\u00f3n general de la ocupaci\u00f3n y la demanda. Especialmente \u00fatil en entornos donde las soluciones m\u00e1s avanzadas pueden resultar prohibitivas en t\u00e9rminos de costos. Sin embargo, este sistema tiene grandes limitaciones ya que el conteo basado en ticketing puede no reflejar con precisi\u00f3n la ocupaci\u00f3n concreta en tiempo real, ya que no tiene en cuenta posibles variaciones como pasajeros que no validan sus boletos, o el momento y lugar exacto donde cada pasajero abandona el veh\u00edculo. Por lo tanto, no permite una monitorizaci\u00f3n completa y en tiempo real.<\/p>\n<p>&nbsp;<\/p>\n<h2>Conteo de pasajeros mediante Wi-Fi<\/h2>\n<p>&nbsp;<\/p>\n<p>El <strong>monitoreo de pasajeros a trav\u00e9s de Wi-Fi<\/strong> se ha convertido en una opci\u00f3n atractiva para obtener datos sobre la movilidad en el transporte p\u00fablico. Consiste en un dispositivo que emite una sonda Wi-Fi que deber\u00eda detectar los dispositivos de los pasajeros. Suponiendo que la mayor\u00eda de los pasajeros tienen un tel\u00e9fono m\u00f3vil y que la mayor\u00eda mantiene habilitada la conectividad Wi-Fi, se puede estimar la ocupaci\u00f3n de un veh\u00edculo mediante esta tecnolog\u00eda. Sin embargo, es importante se\u00f1alar que este m\u00e9todo tiene <strong>grandes limitaciones<\/strong> en t\u00e9rminos de precisi\u00f3n. Algunos de ellos, sencillamente dan ciertos errores de conteo debidos a que existe una proporci\u00f3n de clientes que se pierden debido a que no el 100% de los clientes tienen la se\u00f1al Wi-Fi de su m\u00f3vil funcionando, o puede suceder que tengan m\u00e1s de un dispositivo detectable (tel\u00e9fono de empresa, port\u00e1tiles, tablets \u2026). Pero sin duda la <strong>mayor limitaci\u00f3n<\/strong> de esta tecnolog\u00eda se produce por el sistema de \u201c<strong>Aleatorizaci\u00f3n de la direcci\u00f3n MAC<\/strong>\u201d, donde por ejemplo, las plataformas de Apple utilizan una direcci\u00f3n aleatorizada de control de acceso al medio (MAC), mientras se realiza una exploraci\u00f3n de redes Wi-Fi cuando no est\u00e1n asociadas a ninguna red de este tipo. As\u00ed pues, este m\u00e9todo no se puede utilizar para realizar un seguimiento continuo de un dispositivo con observadores pasivos del tr\u00e1fico de la red Wi-Fi, incluso cuando el dispositivo est\u00e1 conectado a una red m\u00f3vil.<\/p>\n<p>&nbsp;<\/p>\n<h2>Procesamiento de video en transporte p\u00fablico<\/h2>\n<p>&nbsp;<\/p>\n<p>A medida que la tecnolog\u00eda contin\u00faa avanzando, las posibilidades futuras del procesamiento de video en el transporte p\u00fablico son prometedoras. La integraci\u00f3n con sistemas de gesti\u00f3n de flotas y la expansi\u00f3n de la capacidad predictiva permitir\u00e1n anticipar picos de demanda, <strong>mejorando a\u00fan m\u00e1s la eficiencia del servicio<\/strong>. Asimismo, la aplicaci\u00f3n de algoritmos de aprendizaje profundo, posibilitar\u00e1 la identificaci\u00f3n de comportamientos an\u00f3malos o situaciones de emergencia. Todo ello fortaleciendo la seguridad del transporte p\u00fablico. La conectividad con aplicaciones m\u00f3viles tambi\u00e9n podr\u00eda proporcionar a los usuarios informaci\u00f3n en tiempo real sobre la ocupaci\u00f3n de los veh\u00edculos, facilitando una experiencia de viaje m\u00e1s c\u00f3moda y eficiente.<\/p>\n<p>&nbsp;<\/p>\n<h2>Conclusi\u00f3n sobre procesamiento de video en transporte p\u00fablico<\/h2>\n<p>&nbsp;<\/p>\n<p>El uso del <strong>procesamiento de video para el conteo de pasajeros<\/strong> en tiempo real en el transporte p\u00fablico representa un avance revolucionario en la optimizaci\u00f3n de operaciones y servicios. Sus ventajas, que van desde la precisi\u00f3n en el conteo hasta la mejora en la planificaci\u00f3n y seguridad, hacen que esta tecnolog\u00eda sea fundamental para la evoluci\u00f3n positiva de la movilidad urbana. A medida que se exploran nuevas posibilidades y se perfeccionan los algoritmos, el futuro de la gesti\u00f3n de pasajeros en el transporte p\u00fablico se vislumbra m\u00e1s <strong>inteligente, eficiente y adaptado a las necesidades<\/strong> cambiantes de las ciudades modernas.<\/p>\n<p>En <strong>Teldat<\/strong> estamos al d\u00eda en las \u00faltimas tecnolog\u00edas, y por lo tanto ya <strong>implementamos inteligencia artificial en nuestros dispositivos de comunicaciones<\/strong>, asegurando cumplir con las necesidades del presente y del futuro de la industria del transporte p\u00fablico.<\/p>\n<p>&nbsp;<\/p>\n<p><strong>Referencias<\/strong><\/p>\n<ul>\n<li>https:\/\/argos.red\/videovigilancia-en-autobuses-escolares\/<\/li>\n<li>https:\/\/www.avigilon.com\/es\/blog\/school-bus-cameras<\/li>\n<li>https:\/\/dirigentesdigital.com\/tecnologia\/crece-un-30-inversion-empresas-inteligencia-artificial#:~:text=Seg%C3%BAn%20un%20estudio%20elaborado%20por,2017%20a%20un%2050%25%20actualmente<\/li>\n<li>https:\/\/www.estrategiasdeinversion.com\/analisis\/bolsa-y-mercados\/informes\/la-inteligencia-artificial-podria-incrementar-n-660587#:~:text=En%20total%2C%20se%20estima%20que,1%2C47%20billones%20de%20euros<\/li>\n<li>https:\/\/www.tcgroupsolutions.com\/blog\/desventajas-del-wifi-tracking-para-el-conteo-de-personas\/<\/li>\n<li>https:\/\/support.apple.com\/es-es\/guide\/security\/secb9cb3140c\/web<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>La inteligencia artificial (IA) est\u00e1 transformando r\u00e1pidamente el sector p\u00fablico, con el potencial de mejorar la eficiencia, la eficacia y la accesibilidad de los servicios a trav\u00e9s de novedosos casos de uso, en concreto la implementaci\u00f3n de la inteligencia artificial en los servicios de transporte p\u00fablico ha revolucionado la manera en que las ciudades gestionan [&hellip;]<\/p>\n","protected":false},"author":238,"featured_media":55404,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[1406],"tags":[1230,1105],"class_list":["post-55381","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial-ia","tag-inteligencia-artificial","tag-tecnologia-de-transporte-publico"],"acf":[],"wpml_current_locale":"es_ES","wpml_translations":[{"locale":"en_US","id":55377,"slug":"artificial-intelligence-ai-public-transportation","post_title":"AI Image Processing in Embedded Environments","href":"https:\/\/www.teldat.com\/artificial-intelligence-ai-public-transportation\/"}],"_links":{"self":[{"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/posts\/55381","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/users\/238"}],"replies":[{"embeddable":true,"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/comments?post=55381"}],"version-history":[{"count":0,"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/posts\/55381\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/media\/55404"}],"wp:attachment":[{"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/media?parent=55381"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/categories?post=55381"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.teldat.com\/es\/wp-json\/wp\/v2\/tags?post=55381"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}