Lois Anne Leal y Chaitree Sham Baradkar participaron en la innovadora Desafío de 8 semanas iRAP Omdena A principios de este año, se reunieron para buscar soluciones basadas en IA para mapear el riesgo de accidentes y generar datos de atributos de calificación de estrellas iRAP. Eran solo 2 de 50 ingenieros de IA y aprendizaje automático de todo el mundo que se centraron en encontrar una solución para la recopilación y codificación acelerada e inteligente de datos de atributos de carreteras (AiRAP) para salvar vidas.
Lois es especialista en investigación científica, ingeniera de aprendizaje automático y desarrolladora certificada de TensorFlow, originaria de Filipinas, y Chaitree es científica de datos en PharmaACE e ingeniera de aprendizaje automático en Omdena, originaria de Pune, India.
El desafío iRAP Omdena tenía 3 objetivos principales:
- Obtener datos de accidentes geolocalizados y generar mapas de riesgo iRAP de los accidentes históricos por kilómetro y los accidentes por kilómetro recorrido para cada usuario de la carretera.
- Obtener datos sobre atributos de carreteras, flujo de tráfico y velocidad según el estándar global iRAP y mapear el rendimiento de seguridad y la calificación por estrellas de más de 100 millones de km de carreteras en todo el mundo.
- Elaborar indicadores clave de rendimiento repetibles para la infraestructura vial que puedan servir de base para el seguimiento anual del rendimiento.
Lois y Chaitree contribuyeron al segundo objetivo al obtener automáticamente el componente crucial del recuento de vehículos dentro del atributo de tráfico o flujo vehicular utilizando imágenes satelitales con la ayuda de la Inteligencia Artificial.
Lee su blog publicado: “Utilización 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!