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...

Full description

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/
id RPEDAGO2_8204eb7c187867798997d8cbe5212b2a
oai_identifier_str oai:repository.pedagogica.edu.co:20.500.12209/18631
network_acronym_str RPEDAGO2
network_name_str Repositorio Institucional UPN
repository_id_str
dc.title.spa.fl_str_mv Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
title Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
spellingShingle Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
Monitoreo de carreteras
Acelerómetro
Giroscopio
Aprendizaje automático
Baches
Road monitoring
Accelerometer
Gyroscope
Machine learning
Pothole
title_short Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
title_full Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
title_fullStr Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
title_full_unstemmed Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
title_sort Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
dc.creator.fl_str_mv Cubillos Rojas, Camila Andrea
Niño Pinzón, Brayan Eduardo
dc.contributor.advisor.none.fl_str_mv Martínez Vásquez, David Alejandro
dc.contributor.author.none.fl_str_mv Cubillos Rojas, Camila Andrea
Niño Pinzón, Brayan Eduardo
dc.subject.spa.fl_str_mv Monitoreo de carreteras
Acelerómetro
Giroscopio
Aprendizaje automático
Baches
topic Monitoreo de carreteras
Acelerómetro
Giroscopio
Aprendizaje automático
Baches
Road monitoring
Accelerometer
Gyroscope
Machine learning
Pothole
dc.subject.keywords.eng.fl_str_mv Road monitoring
Accelerometer
Gyroscope
Machine learning
Pothole
description 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.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-06-23T19:33:18Z
dc.date.available.none.fl_str_mv 2023-06-23T19:33:18Z
dc.date.issued.none.fl_str_mv 2023
dc.type.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12209/18631
dc.identifier.instname.spa.fl_str_mv instname:Universidad Pedagógica Nacional
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional de la Universidad Pedagógica Nacional
dc.identifier.repourl.none.fl_str_mv repourl: http://repositorio.pedagogica.edu.co/
url http://hdl.handle.net/20.500.12209/18631
identifier_str_mv instname:Universidad Pedagógica Nacional
reponame:Repositorio Institucional de la Universidad Pedagógica Nacional
repourl: http://repositorio.pedagogica.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Allouch, A., Koubaa, A., Abbes, T., & Ammar, A. (2016). RoadSense: Smartphone Applocation to Estimate Road Conditions using Accelerometer and Gyroscope. IEEE.
Bustamante, R., Garcia, A., Arce, L., Curiel, L., Izquierdo, J., & Ramirez, R. (2022). Visualizing Street Pavement Anomalies through Fog. Ciudad de Mexico.
C.Müller, A., & Guido, S. (2016). Introduction of Machine Learning with Python. United States of America: O'REILLY.
Date, C. (1975). Introducción a los sitemas de bases de datos. Pearson Prentice Hall.
Edwan, E., Sarsour, N., & Alatrash, M. (2019). Mobile Application for Bumps Detection and Warning Utilizing Smartphone Sensors. IEEE.
Eriksson , J., Girod, L., Newton, R., Madden , S., Balakrishnan, H., & Hull, B. (2008). The Pothole Patrol: Using a Mobile Sensor Network for Road Surface Monitoring. IEEE.
Espin, P. (2010). Diseño y contruccion de una plataforma didactica para medir angulos e inclinacion usando sensores inerciales como acelerometro y giroscopio.
Fericean, S. (2019). Inductive Sensors for Industrial Applications . Arthech House.
Hayes, A. (12 de Octubre de 2021). Investopedia. Obtenido de https://www.investopedia.com/terms/a/autoregressive-integrated-moving-average-arima.asp
INDRA. (2014). Smart Cities encuentra global sobre el estado de smart cities. Bogotá. Instituto de Desarrollo Urbano. (2021). Boletín Técnico Extensión y Estado de la Malla Vial de Bogotá D.C. Bogotá.
Kaplan, E., & Hegarty, C. (2006). Understanding GPS Principles and Applications. Artech House.
kreyszig, E. (2003). Matemáticas Avanzadas para Ingeniería Vol. II. Limusa Wiley.
Kulkarni, A., Mhalgi, N., Gurnani, S., & Giri, N. (2014). Pothole Detection System using Machine Learning on Android . Mumbai.
Kyriakou, C., Christodoulou, S., & Dimitriou, L. (2019). Smartphone-Based Pothole Detection Utilizing. Chipre.
Leizerovych, R., Sindenko, L., Kondratenko, G., & Kondratenko, Y. (2020). IoT-complex for Monitoring and Analysis of motor highway condition using artificial neural networks. IEEE.
Lekshmipathy, J., Samuel, N., & Velayudhan, S. (2020). Vibration vs Vision: best approach for automated pavement distress detection. Springer.
Mandziuk, D. (2007). Challenges for Computational Intelligence. Springer .
Martínez, F., Escalante, H., González , L., Aragón, M., & Ricardo, M. (2018). Evaluation of Detection Approaches for Road Anomalies Based on Accelerometer Readings—Addressing Who’s Who. Chihuahua.
Microsoft. (2021). Algoritmo de asociación de Microsoft. Obtenido de https://docs.microsoft.com/es-es/analysis-services/data-mining/microsoft-association-algorithm?view=asallproducts-allversions&viewFallbackFrom=sql-server-ver15
Microsoft. (13 de 09 de 2021). Algoritmo de clústeres de Microsoft. Obtenido de https://docs.microsoft.com/es-es/analysis-services/data-mining/microsoft-clustering-algorithm?view=asallproducts-allversions&viewFallbackFrom=sql-server-ver15
Mitchell, T. (1997). Machine Learning. New York: McGraw-Hill Science/Engineering/Math
Molnar, C. (2021). Interpretable Machine Learning a guide for making black box models explainable. Obtenido de github: https://fedefliguer.github.io/AAI/index.html
Müller, A., & Guido, S. (2016). Introduction to Machine Learning with Python. Boston: O'REILLY.
Organización para la Cooperación y el Desarrollo Economico . (2018). Medicion y aplicaciones de IoT. Mexico.
Pawar, K., Jagtap, S., & Bhoir, S. (2020). Efficient pothole detection using smartphone sensors. India.
Ramírez, R. (2019). Métodos para el desarrollo de aplicaciones móviles. Cataluña: Universidad de cataluña.
Sagar, V., & Annapurna, V. (2018). ANDROID APPLICATION FOR POTHOLE. Ananthapuramu.
Sattar, S., Li, S., & Chapman, M. (2021). Developing a near real-time road surface anomaly detection approach for road surface monitoring. Journal of the internarional Measurement.
Timón, C. E. (2017). Análisis predictivo: técnicas y modelos utilizados y aplicaciones del mismo-herramientas Open Source que permiten su uso. Cataluña.
Tiwari, S., Bhandari, R., & Raman, B. (2020). RoadCare: A Deep-learning Based Approach to Quantifying. Mumbai.
Triola, M. (2006). Estadística Novena Edición. Mexico: Pearson Educación.
Wang, H., Huo, N., Li, J., Wang, K., & Wang, Z. (2018). A Road Quality Detection Method Based on the Mahalanobis-Tagucho System. IEEE.
We Are Social. (2023). Digital 2021 Colombia.
Witten, I., & Frank, E. (2005). Data Mining Ptractical Machine Learning Tools and Techniques. Morgan Kaufmann Publishers.
Wu, C., Wang, Z., Hu, S., Lepine, J., Na, X., Ainalis, D., & Stettler, M. (2020). An Automated Machine-Learning Approach for Road. Hangzhou.
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.none.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Bogotá
dc.publisher.spa.fl_str_mv Universidad Pedagógica Nacional
dc.publisher.program.spa.fl_str_mv Licenciatura en Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencia y Tecnología
institution Universidad Pedagógica Nacional
bitstream.url.fl_str_mv http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/8/smart%20road%20detection.pdf.jpg
http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/6/license.txt
http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/7/202303650099943-16%20JUN%2023%20CAMILA%20Y%20BRAYAN.pdf
http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/4/smart%20road%20detection.pdf
bitstream.checksum.fl_str_mv e185af14514c173103c9108053a12edd
8a4605be74aa9ea9d79846c1fba20a33
1a16f245d5683146c7b91358b4775f7d
7bc8b6b7d0c84ce83289d2ff49005f05
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Pedagógica Nacional
repository.mail.fl_str_mv repositorio@pedagogica.edu.co
_version_ 1814445265023664128
spelling Martínez Vásquez, David AlejandroCubillos Rojas, Camila AndreaNiño Pinzón, Brayan EduardoBogotá2023-06-23T19:33:18Z2023-06-23T19:33:18Z2023http://hdl.handle.net/20.500.12209/18631instname:Universidad Pedagógica Nacionalreponame:Repositorio Institucional de la Universidad Pedagógica Nacionalrepourl: http://repositorio.pedagogica.edu.co/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.Submitted by Camila Andrea Cubillos Rojas (cacubillosr@upn.edu.co) on 2023-06-16T17:31:49Z No. of bitstreams: 2 smart road detection.pdf: 2058132 bytes, checksum: a17e99cb46e5856a8b44ac92267ced07 (MD5) FOR021GIBLicenciaUsoTrabajosyTesisGradoSmartRoad.pdf: 167790 bytes, checksum: d7e45f946929e993342902827e93a7ca (MD5)Rejected by Biblioteca UPN (repositoriobiblioteca@pedagogica.edu.co), reason: Cordial saludo. Envío devuelto. Corregir y enviar de nuevo: 1. denominación de archivo de licencia y 2. año en portada y contraportada del archivo on 2023-06-18T13:08:50Z (GMT)Submitted by Camila Andrea Cubillos Rojas (cacubillosr@upn.edu.co) on 2023-06-19T02:06:37Z No. of bitstreams: 2 smart road detection.pdf: 2058207 bytes, checksum: 7bc8b6b7d0c84ce83289d2ff49005f05 (MD5) licencia de uso trabajo de grado smart road detection.pdf: 167957 bytes, checksum: 1a16f245d5683146c7b91358b4775f7d (MD5)Approved for entry into archive by Biblioteca UPN (repositoriobiblioteca@pedagogica.edu.co) on 2023-06-19T20:21:42Z (GMT) No. of bitstreams: 2 smart road detection.pdf: 2058207 bytes, checksum: 7bc8b6b7d0c84ce83289d2ff49005f05 (MD5) licencia de uso trabajo de grado smart road detection.pdf: 167957 bytes, checksum: 1a16f245d5683146c7b91358b4775f7d (MD5)Approved for entry into archive by Elsy Carolina Martínez (ecmartinezb@pedagogica.edu.co) on 2023-06-23T19:33:18Z (GMT) No. of bitstreams: 2 smart road detection.pdf: 2058207 bytes, checksum: 7bc8b6b7d0c84ce83289d2ff49005f05 (MD5) licencia de uso trabajo de grado smart road detection.pdf: 167957 bytes, checksum: 1a16f245d5683146c7b91358b4775f7d (MD5)Made available in DSpace on 2023-06-23T19:33:18Z (GMT). No. of bitstreams: 2 smart road detection.pdf: 2058207 bytes, checksum: 7bc8b6b7d0c84ce83289d2ff49005f05 (MD5) licencia de uso trabajo de grado smart road detection.pdf: 167957 bytes, checksum: 1a16f245d5683146c7b91358b4775f7d (MD5) Previous issue date: 2023Licenciado en ElectrónicaPregradoapplication/pdfspaUniversidad Pedagógica NacionalLicenciatura en ElectrónicaFacultad de Ciencia y Tecnologíahttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 InternationalMonitoreo de carreterasAcelerómetroGiroscopioAprendizaje automáticoBachesRoad monitoringAccelerometerGyroscopeMachine learningPotholeSmart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.info:eu-repo/semantics/bachelorThesisTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisAllouch, A., Koubaa, A., Abbes, T., & Ammar, A. (2016). RoadSense: Smartphone Applocation to Estimate Road Conditions using Accelerometer and Gyroscope. IEEE.Bustamante, R., Garcia, A., Arce, L., Curiel, L., Izquierdo, J., & Ramirez, R. (2022). Visualizing Street Pavement Anomalies through Fog. Ciudad de Mexico.C.Müller, A., & Guido, S. (2016). Introduction of Machine Learning with Python. United States of America: O'REILLY.Date, C. (1975). Introducción a los sitemas de bases de datos. Pearson Prentice Hall.Edwan, E., Sarsour, N., & Alatrash, M. (2019). Mobile Application for Bumps Detection and Warning Utilizing Smartphone Sensors. IEEE.Eriksson , J., Girod, L., Newton, R., Madden , S., Balakrishnan, H., & Hull, B. (2008). The Pothole Patrol: Using a Mobile Sensor Network for Road Surface Monitoring. IEEE.Espin, P. (2010). Diseño y contruccion de una plataforma didactica para medir angulos e inclinacion usando sensores inerciales como acelerometro y giroscopio.Fericean, S. (2019). Inductive Sensors for Industrial Applications . Arthech House.Hayes, A. (12 de Octubre de 2021). Investopedia. Obtenido de https://www.investopedia.com/terms/a/autoregressive-integrated-moving-average-arima.aspINDRA. (2014). Smart Cities encuentra global sobre el estado de smart cities. Bogotá. Instituto de Desarrollo Urbano. (2021). Boletín Técnico Extensión y Estado de la Malla Vial de Bogotá D.C. Bogotá.Kaplan, E., & Hegarty, C. (2006). Understanding GPS Principles and Applications. Artech House.kreyszig, E. (2003). Matemáticas Avanzadas para Ingeniería Vol. II. Limusa Wiley.Kulkarni, A., Mhalgi, N., Gurnani, S., & Giri, N. (2014). Pothole Detection System using Machine Learning on Android . Mumbai.Kyriakou, C., Christodoulou, S., & Dimitriou, L. (2019). Smartphone-Based Pothole Detection Utilizing. Chipre.Leizerovych, R., Sindenko, L., Kondratenko, G., & Kondratenko, Y. (2020). IoT-complex for Monitoring and Analysis of motor highway condition using artificial neural networks. IEEE.Lekshmipathy, J., Samuel, N., & Velayudhan, S. (2020). Vibration vs Vision: best approach for automated pavement distress detection. Springer.Mandziuk, D. (2007). Challenges for Computational Intelligence. Springer .Martínez, F., Escalante, H., González , L., Aragón, M., & Ricardo, M. (2018). Evaluation of Detection Approaches for Road Anomalies Based on Accelerometer Readings—Addressing Who’s Who. Chihuahua.Microsoft. (2021). Algoritmo de asociación de Microsoft. Obtenido de https://docs.microsoft.com/es-es/analysis-services/data-mining/microsoft-association-algorithm?view=asallproducts-allversions&viewFallbackFrom=sql-server-ver15Microsoft. (13 de 09 de 2021). Algoritmo de clústeres de Microsoft. Obtenido de https://docs.microsoft.com/es-es/analysis-services/data-mining/microsoft-clustering-algorithm?view=asallproducts-allversions&viewFallbackFrom=sql-server-ver15Mitchell, T. (1997). Machine Learning. New York: McGraw-Hill Science/Engineering/MathMolnar, C. (2021). Interpretable Machine Learning a guide for making black box models explainable. Obtenido de github: https://fedefliguer.github.io/AAI/index.htmlMüller, A., & Guido, S. (2016). Introduction to Machine Learning with Python. Boston: O'REILLY.Organización para la Cooperación y el Desarrollo Economico . (2018). Medicion y aplicaciones de IoT. Mexico.Pawar, K., Jagtap, S., & Bhoir, S. (2020). Efficient pothole detection using smartphone sensors. India.Ramírez, R. (2019). Métodos para el desarrollo de aplicaciones móviles. Cataluña: Universidad de cataluña.Sagar, V., & Annapurna, V. (2018). ANDROID APPLICATION FOR POTHOLE. Ananthapuramu.Sattar, S., Li, S., & Chapman, M. (2021). Developing a near real-time road surface anomaly detection approach for road surface monitoring. Journal of the internarional Measurement.Timón, C. E. (2017). Análisis predictivo: técnicas y modelos utilizados y aplicaciones del mismo-herramientas Open Source que permiten su uso. Cataluña.Tiwari, S., Bhandari, R., & Raman, B. (2020). RoadCare: A Deep-learning Based Approach to Quantifying. Mumbai.Triola, M. (2006). Estadística Novena Edición. Mexico: Pearson Educación.Wang, H., Huo, N., Li, J., Wang, K., & Wang, Z. (2018). A Road Quality Detection Method Based on the Mahalanobis-Tagucho System. IEEE.We Are Social. (2023). Digital 2021 Colombia.Witten, I., & Frank, E. (2005). Data Mining Ptractical Machine Learning Tools and Techniques. Morgan Kaufmann Publishers.Wu, C., Wang, Z., Hu, S., Lepine, J., Na, X., Ainalis, D., & Stettler, M. (2020). An Automated Machine-Learning Approach for Road. Hangzhou.THUMBNAILsmart road detection.pdf.jpgsmart road detection.pdf.jpgIM Thumbnailimage/jpeg4326http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/8/smart%20road%20detection.pdf.jpge185af14514c173103c9108053a12eddMD58LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/6/license.txt8a4605be74aa9ea9d79846c1fba20a33MD56202303650099943-16 JUN 23 CAMILA Y BRAYAN.pdf202303650099943-16 JUN 23 CAMILA Y BRAYAN.pdfLICENCIA APROBADAapplication/pdf167957http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/7/202303650099943-16%20JUN%2023%20CAMILA%20Y%20BRAYAN.pdf1a16f245d5683146c7b91358b4775f7dMD57ORIGINALsmart road detection.pdfsmart road detection.pdfapplication/pdf2058207http://repository.pedagogica.edu.co/bitstream/20.500.12209/18631/4/smart%20road%20detection.pdf7bc8b6b7d0c84ce83289d2ff49005f05MD5420.500.12209/18631oai:repository.pedagogica.edu.co:20.500.12209/186312023-06-23 23:01:19.901Repositorio Institucional Universidad Pedagógica Nacionalrepositorio@pedagogica.edu.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

Publicaciones similares