Las autopistas de peaje son usadas por millones de conductores a lo largo del mundo, ya que les permite disfrutar de trayectos rápidos, seguros y accesibles. El mayor inconveniente de este tipo de vías es la necesaria infraestructura de control y cobro. Teniendo en mente que el objetivo es hacer la vida más fácil y cómoda a los conductores, se requiere la optimización y automatización de estos sistemas de cobro en donde el tiempo invertido por parte de los usuarios repercute directamente en su satisfacción.

Por otro lado, tener un control exhaustivo del paso de vehículos y su categorización, es un activo importante para la compañía. Esta información recopilada de un control automatizado de vehículos, a parte de lo expuesto anteriormente, aporta un gran valor para una variada toma de decisiones como por ejemplo el mantenimiento de las vías o comportamientos anómalos de los vehículos que puedan indicar algún riesgo en la autopista.

RETO: Sacyr una de las empresas líderes a nivel mundial en el desarrollo de infraestructuras necesita contar y clasificar los vehículos que pasan por sus autovías de peaje en sombra y autopistas de peaje de pago. Aunque con el uso de sistemas de medición física como espiras magnéticas o arcos de control se pueden obtener buenos resultados, la implementación y mantenimiento de este tipo de sensores conlleva altos costes llegando a gastar millones de euros en estos sistemas.

SOLUCIÓN: Foqum ha desarrollado un sistema de visión artificial de Deep Learning basado en redes neuronales artificiales que analiza los vídeos capturados en las cámaras de las autopistas en tiempo real, con un ahorro estimado en más del 95% comparado con la implementación de los sistemas físicos, una precisión de conteo mayor al 99% y una precisión de clasificación mayor al 95% de media entre las distintas categorías.