En un contexto de desarrollo de la movilidad activa, los administradores de infraestructuras necesitan datos diferenciados, no solo un recuento global.
Para ajustar el tamaño de los diseños. Una vía verde que da la bienvenida al 80% de los ciclistas y al 20% de los peatones no está diseñada de la misma manera que una carretera con un uso equilibrado. El ancho de los carriles, las zonas de paso, las áreas de descanso, las señales de tráfico y el pavimento dependen de la combinación de usuarios reales. Un recuento global no permite esta calibración.
Evaluar los conflictos de uso. En una carretera mixta, los conflictos entre peatones y ciclistas (velocidad, adelantamiento, sensación de inseguridad) están relacionados con la relación entre los dos flujos y con los picos de copresencia. Saber que un sábado de verano, al final de la mañana, el 70% de los pasos son de ciclistas permite anticipar las zonas de tensión y adaptar la gestión del sitio.
Para justificar la financiación diferenciada. Los programas AVELO financian instalaciones para ciclistas. Los programas para promover las áreas naturales financian los senderos peatonales. Un caso basado en datos diferenciados puede aplicarse a ambas fuentes de financiación de manera creíble. Un caso con un recuento global no puede demostrar que la infraestructura sirva principalmente a ciclistas o peatones.
Producir indicadores de movilidad activa consistentes. Los observatorios regionales y nacionales de movilidad activa requieren datos diferenciados para alimentar sus indicadores. Una comunidad capaz de declarar que «medimos a 4.200 ciclistas y 1.800 peatones por semana en este eje» contribuye a crear bases de datos territoriales mucho más útiles que una comunidad que afirme que «medimos 6.000 cruces».
Para distinguir a un peatón de un ciclista, un sensor debe analizar al menos una de las siguientes señales: el tamaño o la forma del sujeto detectado, su velocidad de movimiento, su huella en el suelo o su firma energética.
El tamaño y la forma. Un ciclista en su bicicleta ocupa una superficie vertical que es más alta y ancha que la de un peatón de pie. En un sensor térmico, la imagen de un ciclista en movimiento es característica: masa extendida horizontalmente (la bicicleta), punto caliente a la altura del pecho. Un peatón tiene una firma más estrecha y vertical.
La velocidad. Un ciclista normalmente se mueve entre 12 y 25 km/h en una vía verde. Un peatón oscila entre 3 y 6 km/h. Esta diferencia de velocidad es una fuerte señal discriminatoria que los sensores con análisis de trayectoria pueden aprovechar.
La huella en el suelo. Los sensores enterrados (bucles inductivos, neumáticos) detectan la huella física en el suelo: rueda de bicicleta frente a pie humano, masa metálica frente a ausencia de masa. Estas señales permiten diferenciar ciertos perfiles, pero con importantes limitaciones (bicicletas de carga, patinetes, PMR en sillas de ruedas motorizadas).
La combinación de múltiples señales. Los sensores más eficientes no se basan en una sola señal, sino en una combinación (tamaño, velocidad y forma) analizada mediante un algoritmo de clasificación. Este enfoque es más sólido que los métodos de señal única porque mantiene una precisión aceptable incluso cuando una de las señales es ruidosa o ambigua.
No todas las tecnologías de recuento son iguales en lo que respecta a la clasificación de múltiples flujos. Este es el estado real de cada familia numerosa.
Hoy en día, es la tecnología que ofrece la mejor relación precisión/facilidad de instalación para la clasificación de peatones/ciclistas en el exterior. El sensor estereoscópico dual analiza la escena en tres dimensiones, lo que permite medir con buena precisión la altura y el ancho del sujeto detectado.
El algoritmo de clasificación analiza la señal térmica, la altura, el ancho y la velocidad de cada pasada en tiempo real. Las tasas de clasificación correctas alcanzan entre el 90 y el 95% en condiciones normales, lo que es más que suficiente para los usos territoriales. Todo ello sin imagen, sin identificador, de conformidad nativa con el RGPD.
Límite principal: el paso simultáneo de un peatón y un ciclista uno al lado del otro puede generar confusión en la clasificación. Las configuraciones muy densas siguen siendo difíciles de gestionar perfectamente para cualquier tecnología.
Los sensores de radar miden la velocidad y la dirección de los objetos en movimiento. Pueden distinguir flujos de velocidad muy diferentes (peatones a 4 km/h frente a ciclistas a 20 km/h) con una buena fiabilidad. Por otro lado, dos usuarios de velocidad similar (un peatón rápido y un ciclista lento) pueden clasificarse erróneamente.
Los radares son robustos cuando hace mal tiempo y por la noche, pero su precisión de clasificación es generalmente inferior a la de los sensores térmicos estereoscópicos. Se adaptan mejor a las autopistas donde hay una marcada diferencia de velocidad entre los flujos.
Las cámaras combinadas con el software de análisis de vídeo ofrecen teóricamente la clasificación más rica: forma, tamaño, velocidad, comportamiento, color. Sin embargo, plantean importantes problemas de cumplimiento del RGPD (aunque sean borrosas, capturan datos visuales en un espacio público), requieren una infraestructura eléctrica permanente y generan costos operativos significativos.
Siguen siendo relevantes en contextos muy específicos (entradas a sitios privados con control de acceso, áreas de alta densidad donde la abundancia de datos justifica las restricciones), pero no se adaptan a los usos territoriales actuales.
Estas tecnologías enterradas permiten una diferenciación limitada: el circuito inductivo detecta masas metálicas (bicicletas clásicas sí, peatones no); el tubo neumático puede distinguir dos ruedas juntas (bicicleta) de choques alternos (peatones) con algoritmos adaptados.
Sin embargo, no producen una clasificación fiable de los flujos mixtos complejos y no detectan las bicicletas con cuadro de carbono, los patinetes eléctricos o las sillas de ruedas motorizadas. Para una verdadera vía verde de uso mixto, estas tecnologías son insuficientes.
Incluso las mejores tecnologías de clasificación tienen limitaciones que todos los usuarios deben conocer.
Perfiles atípicos. Un ciclista que camine junto a su bicicleta (para cruzar un obstáculo o para detenerse) será clasificado como peatón. Un peatón que empuja un cochecito voluminoso puede clasificarse como ciclista según algunos sensores. Los niños que van en bicicleta tienen una firma muy diferente a la de los adultos que van en bicicleta. Estos casos marginales generan errores de clasificación ocasionales.
Pasajes simultáneos. Cuando un peatón y un ciclista atraviesan el campo de detección al mismo tiempo, los sensores menos sofisticados pueden contabilizarlos como un solo paso o clasificarlos incorrectamente. Los sensores estereoscópicos gestionan mejor esta situación gracias a su análisis en profundidad, pero no a la perfección.
Velocidades atípicas. Un ciclista muy lento (que observa un paisaje, que busca su camino) puede tener una velocidad cercana a la de un peatón rápido. En este caso, la clasificación basada únicamente en la velocidad no es fiable. Los sensores que combinan velocidad y forma funcionan mejor.
Degradación nocturna. En carreteras mal iluminadas, la precisión de la clasificación de algunas tecnologías se deteriora por la noche. Los sensores térmicos se ven menos afectados porque no dependen de la luz visible, pero los cambios en la temperatura ambiente nocturna pueden cambiar la firma térmica.
El margen de error de clasificación frente al margen de error de recuento. Un sensor puede tener una precisión de recuento general excelente (95— 98%) pero una precisión de clasificación inferior (88— 92%). Estas dos métricas son distintas y deben solicitarse por separado al proveedor. Un sensor que cuente bien pero que clasifique mal no satisface la necesidad si el objetivo principal es distinguir entre peatones y ciclistas.
Para evitar sorpresas desagradables, estas son las preguntas que siempre debe hacerle a cualquier proveedor de sensores de flujo múltiple.
¿Cuál es la precisión de la clasificación (no solo contando) en los canales mixtos? Solicita datos de validación en sitios similares a los tuyos: mismo tipo de carretera, misma combinación de usuarios, mismo contexto ambiental.
¿Qué algoritmo se usa para la clasificación? Un algoritmo de señal única (solo velocidad o solo tamaño) es menos robusto que un algoritmo multimodal que combina varios parámetros. La transparencia del método es un indicador de seriedad.
¿Cómo se comporta el sensor en perfiles atípicos? Ciclistas lentos, peatones rápidos, bicicletas de carga, scooters, sillas de ruedas: pregunte cómo se trata y clasifica cada perfil.
¿Se mantiene la precisión de la clasificación por la noche y con mal tiempo? Las condiciones degradadas revelan los límites reales de las tecnologías.
¿Se pueden obtener datos de clasificación sin procesar para el control de calidad? Un proveedor que no permite el acceso a datos de clasificación detallados hace imposible cualquier auditoría de calidad de los datos.
La clasificación de múltiples flujos con un solo sensor es posible y fiable en la mayoría de las configuraciones estándar. Sin embargo, hay situaciones en las que se necesita un dispositivo más elaborado.
Un solo sensor es suficiente en un carril peatonal y ciclista de uso mixto con un ancho de 2 a 4 metros, los flujos se separan en el tiempo (pocos pasos simultáneos) y en los perfiles de usuario estándar (adultos, velocidades normales). En este contexto, un sensor térmico estereoscópico bien instalado produce una clasificación que es fiable entre un 90 y un 95%.
Un solo sensor no es suficiente en una vía muy ancha (más de 5 metros) donde los flujos se cruzan constantemente, en un sitio de muy alta densidad con numerosos pasajes simultáneos, o en configuraciones donde los perfiles muy atípicos (bicicletas de carga grandes, vehículos de movilidad no estándar) representan una parte importante de los flujos.
Dos sensores complementarios — uno orientado a los flujos de la izquierda y el otro a los flujos de la derecha — puede resolver los problemas de los canales muy anchos o los flujos bidireccionales intensos.
Un sensor y una auditoría de validación manual puntual (recuento manual durante unos pocos días de referencia) permite calibrar los algoritmos de clasificación y validar la fiabilidad del dispositivo en un sitio específico. Este enfoque se recomienda para los sitios de alto riesgo donde la precisión de la clasificación es una condición para tomar decisiones de inversión importantes.
.svg)
