Cualquiera que haya tenido que conducir por una ciudad abarrotada de coches sabe que aparcar puede suponer dar vueltas casi sin fin a la caza de un hueco cerca del punto de destino. Unos ingenieros de la Universidad Rutgers en Nueva Jersey acaban de combinar unos sensores ultrasónicos simples, unos receptores de GPS y las redes de datos móviles para crear una forma de bajo coste y altamente efectiva para encontrar el hueco libre más cercano.

Los investigadores de Rutgers afirman que hacer que los datos de aparcamiento estén ampliamente disponibles a través de mapas basados en la web o sistemas de navegación podría aliviar la congestión de tráfico puesto que permitiría a los conductores decidir si deben aparcar en un garaje central, seguir a la caza de aparcamiento callejero, o elegir con anterioridad otro modo de transporte. Si los conductores eligiesen el aparcamiento callejero, a los usuarios se les podrían recomendar plazas de aparcamiento a través de un dispositivo de navegación o un teléfono móvil.

El equipo, dirigido por los profesores asistentes Marco Gruteser y Wade Trappe, montaron unos sensores de distancia ultrasónicos en las puertas del lado del pasajero de tres vehículos. Utilizando datos recogidos a lo largo de dos meses al tiempo que los conductores viajaban alrededor de Highland Park, Nueva Jersey, los investigadores desarrollaron un algoritmo que traducía las lecturas de distancia por ultrasonido en una cuenta de espacio de aparcamiento disponible con un 95 por ciento de precisión. Al combinar todo esto con datos GPS, también lograron crear mapas de qué espacios estaban ocupados y cuáles estaban libres con un 90 por ciento de precisión.

La congestión de tráfico es un enorme problema a nivel nacional, particularmente en las zonas del sur de las ciudades. Un estudio de Transportation Alternatives, un grupo de apoyo al transporte de la Ciudad de Nueva York, descubrió que hasta un 45 por ciento del tráfico de Manhattan está generado por coches dando vueltas a la búsqueda de aparcamiento. En 2006, Donald Shoup, profesor del departamento de planificación urbana en la Universidad de California, Los Ángeles, calculó que, a lo largo de un año, los vehículos a la búsqueda de aparcamiento en un pequeño distrito de negocios de Los Ángeles consumieron 47.000 galones de gasolina y produjeron 730 toneladas de dióxido de carbono. El problema es tan serio que algunas ciudades, como San Francisco, han invertido millones de dólares en “infraestructuras de aparcamiento inteligente”—unos sistemas que detectan la presencia de vehículos en huecos de aparcamiento mediante el uso de sensores fijos instalados en el asfalto o en los parquímetros.

Sin embargo estos sistemas sólo funcionan con sitios de aparcamiento asignado o con parquímetro. También requieren una gran instalación y costes de operación. El proyecto SFpark en San Francisco cubre 6.000 espacios—sólo alrededor de un 25 por ciento de los huecos para aparcar en la calle disponibles. Con un coste estimado de 500 dólares para instalar y mantener cada sensor al año, la suma llega a los 3 millones de dólares. El equipo de Rutgers se ha propuesto crear una alternativa de menor coste que pueda funcionar tanto con espacios con parquímetro como sin asignar.

Los ingenieros han desarrollado un prototipo de plataforma de detección con un sensor ultrasónico de 20 dólares que informa sobre la distancia hasta el obstáculo más cercano y un receptor GPS de 100 dólares que anota la localización correspondiente. Han conectado ambos aparatos a un PC de peso ligero con una tarjeta Wi-Fi para transmitir los datos hasta un servidor central.

El algoritmo que desarrollaron los investigadores basa la detección de los vehículos aparcados en los datos registrados por el lector de detección ultrasónica. Para distinguir coches aparcados de otros tipos de obstáculos más pequeños que interfieran con el sensor—por ejemplo árboles, contenedores de reciclaje, o personas—compararon la amplitud y profundidad de los datos con unos umbrales determinados a partir de una ronda de datos de entrenamiento en la que los ingenieros marcaron cada dato del sensor como si fuera un vehículo u otro objeto. Después desarrollaron unos filtros que eliminaban todos los datos con una profundidad menor a la del umbral que el algoritmo había “aprendido” a partir de los datos de entrenamiento. Para los huecos de aparcamiento asignados, el algoritmo poseía una precisión de detección de alrededor de un 95 por ciento. Para los aparcamientos sin asignar, consiguieron alrededor de un 96 por ciento de precisión.

El equipo también integró sus datos de detección con mapas de referencia para crear un mapa preciso con la disponibilidad de aparcamiento. Tuvieron que pasar por grandes dificultades para conseguirlo puesto que las coordenadas de localización provistas por el receptor de GPS suelen tener una precisión típica de tres metros. Puesto que la longitud media de los huecos de aparcamiento es de siete metros, los vehículos podrían ser vinculados con espacios adyacentes incorrectos. Por tanto desarrollaron otro algoritmo que utiliza las lecturas de los sensores ultrasónicos para detectar ciertos objetos fijos, como árboles y señales callejeras. Esto les permitió reducir la cuota de error a más de la mitad.

Después de probar que el concepto funcionaba, Gruteser y sus colegas quisieron ver si un sistema como este podría utilizarse de forma efectiva en una gran ciudad. Para ello colocaron sistemas de detección en vehículos que normalmente se mueven alrededor de la ciudad, como taxis, coches de policía y otros vehículos gubernamentales. El equipo utilizó unos datos públicos de 536 taxis en San Francisco para estudiar los patrones de movilidad de los vehículos. Aunque los taxis visitaron algunas partes de la ciudad con demasiada poca frecuencia como para hacer que los datos recogidos fueran útiles en la creación de mapas de aparcamiento en tiempo real, las muestras provistas por estos mismos taxis en la parte de sur de San Francisco fueron más que adecuadas para cubrir el área más pequeña.

Los ingenieros estiman que podrían cubrir el área sur de San Francisco utilizando sólo 300 taxis por alrededor de 200.000 dólares, un factor de ahorro de alrededor de 15 sobre el sistema de sensores fijos. “Sabemos que este ahorro está relacionado con el hecho de que estamos obteniendo un muestreo de espacios de aparcamiento sin garantizar y aleatorio, frente al análisis continuado que ofrecen los sistemas de sensores fijos,” afirma Gruteser.

Desarrollar un sistema para su uso en el mundo real no debería ser tan difícil, señala Gruteser. El equipo escogió usar localizadores de rango ultrasónico gracias a su coste relativamente bajo en comparación con los localizadores de rango láser y los radares de automóvil, la mejor operatividad nocturna en comparación con las cámaras, y su cada vez mayor disponibilidad en sistemas de aparcamiento automatizado y asistencia en el aparcamiento en vehículos. Esto significa que los ingenieros podrían utilizar los sensores ultrasónicos ya presentes en los vehículos para crear futuros sistemas de vigilancia de aparcamientos

Aunque los investigadores se basaron de conexiones Wi-Fi esporádicas para trasmitir sus datos desde los coches hasta el servidor central, los vehículos podrían reportar sus datos a través de módems móviles, afirman. Finalmente, señala Gruteser, sería bastante simple distribuir la disponibilidad de información de aparcamiento a través de internet, de forma similar a como Google sobreimpresiona los datos de congestión de tráfico sobre sus mapas. O, junto a las compañías de aparatos de navegación, se podría enviar a receptores de GPS comerciales.

El equipo de Rutgers ha enviado el informe de su proyecto a la Conferencia Internacional Anual de Sistemas Móviles, Aplicaciones y Servicios (Mobisys), que se celebrará en junio en San Francisco.