Lois Anne Leal y Chaitree Sham Baradkar participaron en el innovador Desafío de 8 semanas iRAP Omdena a principios de este año para encontrar soluciones basadas en IA para mapear el riesgo de accidentes y generar datos de atributos de calificación de estrellas iRAP. Eran solo 2 de los 50 ingenieros de inteligencia artificial y aprendizaje automático de todo el mundo enfocados en encontrar una solución para la recopilación y codificación acelerada e inteligente de datos de atributos de carreteras (AiRAP) para salvar vidas.

Lois es un especialista en investigación científica, ingeniero de aprendizaje automático y desarrollador certificado de TensorFlow de Filipinas y Chaitree es científico de datos en PharmaACE e ingeniero de aprendizaje automático en Omdena de Pune, India.

El iRAP Omdena Challenge tenía 3 objetivos principales:

1. Obtenga datos de choques localizados geográficamente y genere mapas de riesgo iRAP de los choques históricos por kilómetro y choques por kilómetro recorrido para cada usuario de la carretera
2. Obtenga datos de atributos de la carretera, flujo de tráfico y velocidad según el estándar global iRAP y mapee el rendimiento de seguridad y la clasificación por estrellas de más de 100 millones de km de carreteras en todo el mundo
3. Producir indicadores de desempeño clave de infraestructura vial repetibles que puedan formar la base del seguimiento anual del desempeño.

Lois y Chaitree contribuyeron al segundo objetivo al obtener automáticamente el componente crucial del recuento de vehículos bajo el atributo de tráfico o flujo de vehículos utilizando imágenes de satélite con la ayuda de Inteligencia Artificial.

Lea su blog publicado: "Uso de redes neuronales convolucionales para mejorar la seguridad vial y salvar vidas“.

¡Nuestro agradecimiento a Lois y Chaitree, y a todos los voluntarios del Desafío por su valiosa contribución!