Las colisiones entre animales y vehículos representan una amenaza significativa tanto para la conservación de la fauna como para la seguridad humana. Además, generan un coste considerable para los gestores de infraestructuras de transporte y los usuarios de las mismas. En este contexto, un equipo de investigación francés ha desarrollado un método innovador que utiliza sensores y técnicas de inteligencia artificial para mitigar estos incidentes, centrándose en el riesgo de colisiones entre trenes y ungulados, como el corzo y el jabalí.
Dirigido por Sylvain Moulherat y Léa Pautrel, del OïkoLab y TerrOïko, el estudio se ha publicado en la revista de acceso abierto Nature Conservation. La metodología propuesta comienza por simular los movimientos más probables de los animales en las proximidades de la infraestructura mediante un software de modelado ecológico. Esto permite identificar los puntos críticos donde es más probable que se produzcan cruces.
Integración de tecnología y ecología
Una vez localizados estos puntos de colisión, se utiliza nuevamente el modelado ecológico para diseñar la distribución de cámaras trampa en el campo. Diversos escenarios de despliegue son modelados para determinar el que ofrezca resultados más coherentes con la simulación inicial. Tras la instalación de los sensores, los datos recolectados (en este caso, fotografías) se procesan mediante inteligencia artificial y técnicas de aprendizaje profundo para detectar e identificar las especies presentes cerca de la infraestructura.
Los datos procesados se integran en un modelo de abundancia, que estima la densidad probable de animales en cada parte de la zona estudiada, utilizando información recopilada en solo algunos puntos. El resultado es un mapa que muestra la abundancia relativa de las especies y, por ende, el riesgo de colisión a lo largo de la infraestructura.
Este método ha sido implementado en una sección ferroviaria del suroeste de Francia, pero su aplicabilidad se extiende a cualquier tipo de infraestructura de transporte. Además, puede ser utilizado no solo en infraestructuras existentes, sino también durante la fase de concepción de nuevos proyectos, como parte de la estrategia de evaluación de impacto ambiental.
La implementación de este enfoque abre la puerta a la integración de sistemas de monitoreo orientados a la biodiversidad en las infraestructuras de transporte y sus gemelos digitales. A medida que los sensores recopilan datos de forma continua, existe la posibilidad de mejorar el sistema en el futuro para proporcionar información en tiempo real a los conductores y generar mapas adaptativos dinámicos que podrían ser enviados a vehículos autónomos.
