Blog de admin

Actualización del servicio DESA en IDECanarias

Se ha actualizado en IDECanarias el servicio de  Desfibriladores Semiautomáticos y Automáticos externos (DESA) de Canarias con los datos actualizados con fecha de 31 de mayo de 2017. La información, que puede consultarse a través del visor, ha sido suministrada por el Servicio Canario de Salud de la Consejería de Sanidad del Gobierno de Canarias, que cuenta ya con 507 equipos registrados en la Comunidad Autónoma Canaria.

Recordar que con esta publicación se da cumplimiento a la recomendación de la normativa publicada por el DECRETO 157/2015, de 18 de junio, que en su Disposición adicional cuarta, establece que: ".. Con objeto de posibilitar la más rápida localización del DESA más próximo al lugar del incidente, se promoverá la geolocalización de todos los dispositivos en correctas condiciones de uso, creando una capa o mapa con su exacto geoposicionamiento, accesible para los servicios de emergencia" .

Categoría: 

Actualización de la EIEL en IDECanarias

Se ha actualizado en IDECanarias el servicio WMS de la Encuesta de Equipamiento e Infraestructura Local (EIEL) con la información disponible del año 2015 para las islas de Tenerife y Gran Canaria y del año 2016 para la isla de La Palma. Tras la actualización la información ha quedado como sigue:

  • Lanzarote: año 2015
  • Fuerteventura: año 2012
  • Gran Canaria: año 2015
  • Tenerife:  año 2015
  • La Gomera: año 2011
  • La Palma:  año 2016
  • El Hierro: año 2014

Los datos utilizados para la creación del servicio, que puede consultar desde el visor, son los publicados en la web del proyecto UNIFICA (Sistema de Información Económico-Financiero y de Infraestructuras y Equipamientos de Canarias) de la Consejería de Economía y Hacienda del Gobierno de Canarias. 

Categoría: 

Inteligencia Artificial aplicada a la detección de cambios en el territorio

GRAFCAN ha culminado recientemente un pionero e innovador desarrollo tecnológico que le permitirá detectar, automáticamente, cambios en el territorio a partir de ortofotos. Esta tecnología complementa, amplía y fortalece la capacidad de análisis territorial de la empresa pública instrumental y será la base de futuras actuaciones relacionadas.

El proyecto desarrollado por GRAFCAN se centra en los cambios producidos en la red de transporte terrestre y las edificaciones. El objetivo es identificar tanto nuevas vías y construcciones como modificaciones o alteraciones en las existentes.

El proyecto se inició en el año 2016 como una actividad interna de I+D+i con dedicación parcial de recursos técnicos. La tecnología desarrollada integra la librería de código abierto TensorFlow, desarrollada por Google, para el aprendizaje automático (Machine Learning). El trabajo realizado por GRAFCAN se ha centrado, principalmente, en la definición y evaluación de diversas arquitecturas de redes neuronales y en la creación de herramientas de generación de patrones de entrenamiento para dichas redes.

Los patrones de entrenamiento son la base del proceso de aprendizaje y posterior comportamiento de las redes. En el marco de esta red orientada al control de cambios, los patrones son parejas de imágenes en las que se indica si representan o no un cambio y cuál es su clasificación básica.  La red desarrollada consta de 22 capas neuronales con más de 36 millones de parámetros a ajustar durante los procesos de entrenamiento. En estos entrenamientos de la red, tanto el inicial como los posteriores, se utilizan unos 85.000 patrones que son procesados por la arquitectura diseñada en unas 18 horas aproximadamente.

La red neuronal desarrollada exhibe un gran rendimiento. Así, por ejemplo, en el caso de la isla de Lanzarote, es capaz de analizar los más de 27.000 millones de píxeles que contienen dos imágenes de la isla (una anterior y otra posterior) con una resolución de 25 cm/píxeles, en menos de 48 horas, para obtener 823 cambios. Una duración que se ha visto favorecida tanto por diversas optimizaciones de software como el uso de hardware especializado (GPU).

Teniendo en cuenta que el comportamiento de la red lo determina el proceso de aprendizaje y que este se basa en un subconjunto, por definición parcial, suficientemente representativo de la totalidad de los casos que se producen en la realidad, se ha adoptado la decisión de supervisar con operadores los resultados generados por el sistema para refinar progresivamente su comportamiento mediante la retroalimentación de la evaluación de sus resultados.

El control de cambios en el territorio aplicando técnicas de Aprendizaje Profundo (Deep Learning) a ortofotos es sólo un primer ejemplo de las capacidades que puede ofrecer la combinación de Inteligencia Artificial e información espacial para la generación de conocimiento territorial. Se trata de una incipiente línea de trabajo que puede ser extendida a muchos ámbitos de la Administración y que GRAFCAN espera asentar y consolidar durante los próximos años. Además constituye un claro ejemplo de mejora y optimización de los recursos y servicios públicos mediante la integración de tecnología de vanguardia desarrollada por el sector privado.

Categoría: 

Páginas

Suscribirse a RSS: Blog de admin

Calle Panamá, 34
Polígono Costa Sur
38009 Santa Cruz de Tenerife
T +34 922 237 860
F +34 922 204 999

Avenida Juan XXIII, 7
Edificio Campo España
35004 Las Palmas de Gran Canaria
T +34 928 336 860
F +34 928 320 679

Encuesta de satisfacción
Licencia de Uso
Aviso Legal