Las colisiones entre animales y vehículos representan una amenaza para los esfuerzos de conservación y la seguridad humana, y tienen un alto costo para los administradores y usuarios de la infraestructura de transporte.
Aprovechando las oportunidades que ofrece el creciente número de sensores integrados en las infraestructuras de transporte y el desarrollo de sus gemelos digitales, un equipo de investigación francés ha desarrollado un método destinado a identificar animales y vehículos para gestionar los conflictos. El objetivo es mapear el riesgo de colisiones entre trenes y ungulados (corzos y jabalíes) mediante el despliegue de una red de cámaras trampa.
El estudio, dirigido por Sylvain Moulherat y Léa Pautrel de OïkoLab y TerrOïko, Francia, se publica en Open Access Journal. Conservación de la naturaleza.
La metodología propuesta comienza con la simulación de posibles movimientos de animales dentro y alrededor de la infraestructura mediante un software de modelización ambiental. Esto permite predecir por dónde es más probable que pasen.
Una vez identificados estos puntos críticos de colisión, se vuelve a utilizar el modelado ambiental para ayudar en el diseño de implementaciones de fotosensores en el campo. Se modelan diferentes escenarios de implementación para encontrar aquel cuyos resultados previstos sean más consistentes con la simulación inicial.
Una vez desplegados los sensores, los datos recopilados (en este caso, imágenes) son procesados por inteligencia artificial (aprendizaje profundo) para detectar especies en las proximidades de la infraestructura.
Finalmente, los datos procesados se introducen en un modelo de abundancia, otro tipo de modelo ecológico. Se utiliza para estimar la densidad potencial de animales en cada parte de un área de estudio utilizando datos recopilados solo en unos pocos puntos del área. El resultado es un mapa que muestra la abundancia relativa de especies y, por tanto, el riesgo de colisión con las infraestructuras.
El método se aplicó a un tramo real de ferrocarril en el suroeste de Francia, pero puede aplicarse a cualquier tipo de infraestructura de transporte. Esto se puede aplicar no sólo a la infraestructura existente sino también durante la fase de concepto de otras nuevas (como parte de una estrategia de evaluación de impacto ambiental).
Este enfoque allana el camino para la integración de sistemas de seguimiento basados en la biodiversidad en la infraestructura de transporte y sus gemelos digitales. A medida que los sensores recopilan datos continuamente, podrían mejorarse en el futuro para proporcionar información al conductor en tiempo real y crear mapas dinámicos adaptativos que eventualmente podrían enviarse a vehículos autónomos.
