L'anàlisi de vídeo en autobusos urbans representa un repte tècnic considerable. Els sistemes tradicionals de comptatge de passatgers o de tarifes no capturen informació detallada sobre el comportament individual, com la forma exacta de pagament o la interacció amb el conductor. Els models supervisats requereixen grans volums de dades etiquetades per a cada tasca específica, mentre que els models de llenguatge i visió (VLM) aplicats directament a seqüències llargues de vídeo resulten poc fiables i costosos en termes de computació al núvol. En aquest context, la proposta GHR-VLM (Grounded Hybrid Reasoning for Vision-Language Models) ofereix un enfocament innovador basat en raonament híbrid que combina l'eficiència d'un monitor lleuger a la vora (edge) amb la potència d'un VLM al backend. Aquest sistema converteix llargues seqüències de vigilància en evidències espacio-temporals compactes centrades en cada passatger, permetent identificar quins passatgers pugen a l'autobús i classificar el seu comportament de pagament sense necessitat de dades d'entrenament específiques. La clau està en un disseny edge-cloud: un monitor continu a la vora detecta canvis en la porta i segmenta clips de cada passatger; després, el VLM al núvol refina la informació mitjançant un procés de dues etapes (de gruix a fi). D'aquesta manera, GHR-VLM redueix dràsticament la inferència al núvol, evita dependre de dades de pagament etiquetades i proporciona l'evidència localitzada que els VLM per si sols no aconsegueixen identificar. Avaluat en 486 minuts de vídeo real de vigilància d'autobusos, demostra el potencial del raonament edge-cloud per a l'anàlisi de pagaments a nivell de passatger, tot i que també revela els reptes que plantegen les condicions de vídeo degradades.
L'enfocament híbrid de GHR-VLM té implicacions més enllà del transport públic. En l'àmbit empresarial, la combinació de processament a la vora i models avançats d'intel·ligència artificial permet desenvolupar aplicacions a mida que optimitzen costos i milloren la precisió en entorns amb recursos limitats. Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, aplica principis similars per crear solucions de videovigilància intel·ligent, control d'accessos i anàlisi de comportament en temps real. L'arquitectura híbrida no només redueix la càrrega del núvol, sinó que també millora la privadesa en processar dades sensibles localment abans d'enviar només les evidències necessàries. Això és especialment rellevant en sectors com el retail, la logística o la seguretat, on la latència i la confidencialitat són crítiques.
A més, la capacitat de realitzar raonament zero-shot (sense entrenament específic) obre la porta a implementacions ràpides en escenaris canviants. Per exemple, un sistema de gestió de flotes pot integrar un monitor edge que detecti esdeveniments rellevants (obertura de portes, ocupació de seients) i un backend amb models de llenguatge i visió que interpreti aquests esdeveniments en llenguatge natural, generant informes automàtics per als operadors. Aquest tipus de solució es complementa amb serveis de cloud AWS/Azure que proporcionen l'escalabilitat necessària per emmagatzemar i processar grans volums de dades, així com amb plataformes de BI / Power BI que visualitzen les mètriques de rendiment i ajuden a prendre decisions basades en dades. La intel·ligència artificial moderna, incloent els agents IA autònoms, pot coordinar-se amb aquests sistemes per automatitzar respostes, com activar alarmes o ajustar horaris de servei en funció de la demanda detectada.
La ciberseguretat també juga un paper fonamental en aquest ecosistema. En gestionar vídeos de vigilància i dades de passatgers, és imprescindible protegir la informació contra accessos no autoritzats. Q2BSTUDIO integra pràctiques de ciberseguretat en totes les seves solucions, realitzant auditories periòdiques i proves de penetració per garantir que tant els dispositius edge com els serveis cloud compleixin amb els estàndards més exigents. Aquest enfocament holístic permet a les empreses adoptar tecnologies d'anàlisi de vídeo avançades sense comprometre la seguretat ni la privadesa.
En conclusió, GHR-VLM demostra que el raonament híbrid edge-cloud és una via prometedora per a l'anàlisi de vídeo en temps real, especialment en entorns on els recursos computacionals són limitats i les dades etiquetades escassegen. La col·laboració entre models lleugers a la vora i VLM potents al núvol, juntament amb una correcta gestió de la seguretat i l'escalabilitat, representa un avantatge competitiu per a les organitzacions que busquen extreure valor dels seus fluxos de vídeo. Empreses com Q2BSTUDIO estan preparades per implementar aquestes arquitectures en sectors variats, des del transport fins a la indústria, adaptant cada solució a les necessitats específiques del client i aprofitant l'últim en intel·ligència artificial, automatització i serveis cloud.
