Cuando llueve diluvia. Y cuando llueve a cántaros, como ha ocurrido este año, tenemos baches. Si bien los baches menores son un inconveniente, los baches mayores pueden destruir las ruedas de los automóviles y provocar accidentes, como descubrieron decenas de automovilistas la semana pasada en la autopista Hume.

Tres años muy lluviosos a lo largo de la costa este de Australia significan que los baches aumentan en número. En el sureste de Queensland, miles de kilómetros de caminos llenos de baches esperaban reparaciones meses después de las inundaciones en la región. En el interior de Nueva Gales del Sur, los equipos de carreteras han reparado más de 135 000 baches desde febrero.

Los baches pueden incluso tener en cuenta las elecciones victorianas del próximo mes. Los laboristas prometieron reparaciones urgentes, mientras que los liberales prometieron mil millones de dólares australianos por año durante diez años para el mantenimiento de las carreteras.

No estoy seguro de qué es más peligroso. Persiguiendo tormentas o conduciendo por Sturt Hwy al este de Hay, NSW. Hay tantos "baches" que pueden considerarse mortales a lo largo de este camino. @TransportforNSW pic.twitter.com/lLWdhm9Hha

— Daniel Shaw (@DanielShawAU) 13 de octubre de 2022

Las reparaciones de baches tienden a ocurrir mucho después de que apareció el daño por primera vez. Esto es especialmente cierto en las zonas rurales, donde los ayuntamientos deben mantener amplias redes de carreteras con un presupuesto muy limitado. El creciente problema ya ha obligado a algunos municipios a recortar los programas de obras de capital para apuntalar sus carreteras. Ahí es donde nuestra nueva investigación puede ayudar.

Mediante el uso de drones o cámaras en automóviles, podemos capturar el estado de las carreteras de un área para construir un modelo digital. Luego, podemos ejecutar un programa de aprendizaje automático en él para predecir con precisión qué baches es probable que se ensanchen y se conviertan en un pozo que destruya las ruedas.

Esto podría conducir a carreteras más seguras y ahorrar a los contribuyentes y automovilistas grandes cantidades de dinero. El análisis de costo-beneficio sugiere que podría reducir los costos de monitoreo en alrededor de un 40%.

¿Por qué los baches están en las noticias en este momento?

Los baches son noticia porque de repente están en todas partes. Mientras soportamos nuestro tercer año de La Niña, hemos tenido lluvias e inundaciones sin precedentes en muchas partes de Australia.

Un bache normalmente se forma cuando la lluvia cae sobre el asfalto y fluye hacia los puntos más bajos de la carretera. Los neumáticos de los vehículos empujan el agua profundamente hacia pequeñas grietas y hendiduras. Con el tiempo, esta presión rompe pequeños trozos de asfalto. Un bache pequeño puede volverse más ancho y más profundo rápidamente a medida que pasa más tráfico sobre él.

Los baches se pueden formar de otras formas, como cuando el agua se infiltra en la base de la carretera y crea cavidades debajo del asfalto. Después de que suficientes autos pasan por el lugar, el asfalto se rompe.

Por lo general, las autoridades viales se enteran de los baches a través de quejas del público o cuando los trabajadores conducen para buscarlos. Los baches también se tratan mediante la repavimentación periódica.

Pero en este momento, a muchos consejos les resulta difícil mantenerse al día con todos los baches que necesitan reparación.

Si pasa suficiente tiempo, un pequeño bache puede convertirse en un problema gigante y costoso. Como resultado, en la práctica, gran parte de la reparación de baches es reactiva y un dolor de cabeza para los ayuntamientos.

¿Por qué ayudaría un modelo digital de nuestras carreteras?

La tecnología de gemelos digitales se está volviendo cada vez más popular como una forma de monitorear todo, desde cadenas de suministro hasta apartamentos y almacenes. El objetivo suele ser ahorrar dinero.

Una vez que construya un modelo digital detallado de activos del mundo real, puede ejecutar el modelo en el tiempo para ver dónde están los puntos de estrés y dónde necesita intervenir temprano. Una vez que se construye el modelo, deberá actualizarlo una o dos veces al año.

Supongamos que tiene una red de caminos rurales en el interior de Queensland. Envías drones, que toman miles de imágenes de alta resolución de las carreteras. Luego une estas imágenes para hacer un modelo 3D. Una vez que tenga eso, puede entrenar un programa de aprendizaje automático en estas imágenes para detectar problemas reveladores.

¿Cómo haces el modelo? En mi investigación, utilicé dos drones para crear un modelo 3D de 250 metros de Turner Street en Port Melbourne, que a menudo se daña debido a la gran cantidad de camiones. El mejor método para obtener fotos de calidad resultó ser manual, en lugar de depender de los sistemas automáticos del dron. Una vez que tuve suficientes fotos, las convertí en un gemelo digital y entrené una herramienta de aprendizaje automático para señalar los baches que valía la pena reparar.

No todos los baches son iguales. Algunos permanecerán del mismo tamaño durante años, mientras que los baches inusualmente profundos o anchos empeorarán rápidamente. Una vez que se le enseña al programa qué buscar, puede encontrar a los peores infractores y marcarlos para una reparación rápida

Un trabajador vial con 20 años a sus espaldas generalmente tendrá una idea de qué baches van a empeorar. Nuestra investigación captura ese conocimiento y lo convierte en una herramienta ampliamente disponible.

Entonces, ¿qué tan precisa fue la IA al aprender a señalar los baches que probablemente se deteriorarían? Alrededor del 85% de precisión, lo cual es aceptable.

En mi análisis de costo-beneficio, encontré que este método sería alrededor de un 40 % más económico que el método tradicional en el que una persona conduce y otra toma notas. Requeriría una inversión de tiempo similar, pero el trabajo lo puede hacer una persona en lugar de dos. ¿Cuáles son los inconvenientes? Es probable que los ayuntamientos más grandes almacenen los grandes volúmenes de datos generados y, al mismo tiempo, garanticen su seguridad y accesibilidad.

Cuando las personas escuchan frases como drones, aprendizaje automático y gemelos digitales, pueden clasificarlo mentalmente como "interesante pero demasiado trabajo". Eso es una gran vergüenza. Usar estas herramientas es mucho más fácil ahora de lo que solía ser, y las industrias, desde la ciencia médica hasta la fabricación de automóviles, las están adoptando.

Las inundaciones y lluvias torrenciales de este año ofrecen a los ayuntamientos y otras autoridades viales una excelente oportunidad para ver lo que ahora es posible.