Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
El presente trabajo propone el desarrollo de un sistema participativo para detección de irregularidades de la malla vial en una de las avenidas más importantes de la ciudad de Bogotá, la avenida carrera 68, para este proyecto se implementó una metodología llamada Top-Down que permitió dividir en dos...
- Autores:
-
Cubillos Rojas, Camila Andrea
Niño Pinzón, Brayan Eduardo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Pedagógica Nacional
- Repositorio:
- Repositorio Institucional UPN
- Idioma:
- spa
- OAI Identifier:
- oai:repository.pedagogica.edu.co:20.500.12209/18631
- Acceso en línea:
- http://hdl.handle.net/20.500.12209/18631
- Palabra clave:
- Monitoreo de carreteras
Acelerómetro
Giroscopio
Aprendizaje automático
Baches
Road monitoring
Accelerometer
Gyroscope
Machine learning
Pothole
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | El presente trabajo propone el desarrollo de un sistema participativo para detección de irregularidades de la malla vial en una de las avenidas más importantes de la ciudad de Bogotá, la avenida carrera 68, para este proyecto se implementó una metodología llamada Top-Down que permitió dividir en dos fases el desarrollo del proyecto, una enfocada en la creación del sistema y otra en la extracción de información de datos, en la primera fase se crea una aplicación para dispositivos móviles llamada Smart Road App, está se encarga de tomar datos desde los sensores inerciales del teléfono, como lo son acelerómetro y giroscopio y determinar la ubicación de las irregularidades mediante GPS. Estos datos son enviados a una base datos que los almacenará para su posterior tratamiento. El estudio se enfocará principalmente en las irregularidades y obstáculos más comunes como lo son imperfecciones generadas por el desgaste de la vía y reductores de velocidad; con base en esos datos almacenados, se implanta la segunda fase, donde se creó un algoritmo de árbol de decisión con el cual se realiza la clasificación de las irregularidades, logrando una predicción del 92%. Sus características principales la media móvil y la desviación estándar con una importancia de 13,4% y 86,5% respectivamente. |
|---|