Sistema de monitoreo inteligente basado en MBSE, para optimizar el uso de los espacios en estacionamientos.

Parking Manager es una aplicación multiplataforma desarrollada bajo la metodología de ingeniería de sistemas basada en modelos (MBSE) cuyo objetivo es la operación y monitoreo de un estacionamiento utilizando los conceptos de visión e inteligencia artificial. El monitoreo de un estacionamiento requiere de dos componentes, un elemento predictor y la información de regiones de interés (ROI); para el desarrollo del elemento predictor se utilizó el video juego GTA V como herramienta de simulación y generación de múltiples videos e imágenes de distintos tipos de estacionamientos en condiciones climáticas variables, con el objetivo de construir una base de datos para el entrenamiento de una red neuronal convolucional (CNN) con la técnica de transfer learning (TL) usando el modelo Mobile Net V2; para la extracción de información de ROI se desarrolló una herramienta que permite delimitar los espacios utilizando técnicas de procesamiento de imágenes y métodos matemáticos, consolidando dicha información en una estructura de datos estándar que se almacena en una BBDD relacional cuyo motor es SQL Server mediante el consumo de un API REST desarrollada en .Net Framework. La operación consiste en la gestión de información de vehículos que usan el estacionamiento, mediante la extracción de características de la licencia de tránsito a través de un OCR, dicha información es enviada al API REST en donde se almacena y contabiliza en función de una tarifa definida para el cobro por tiempo de estacionamiento. La aplicación posee una interfaz gráfica (GUI) para llevar a cabo la operación y monitoreo del sistema, se utilizó QT5 para la maquetación de los formularios de interfaz gráfica (GUI) que son integrados con el lenguaje de programación Python en la estructura de la aplicación cliente, el uso de software de código abierto aplicado en un sistema de monitoreo y control asistido con métodos de Inteligencia Artificial puede implementarse con herramientas de bajo costo a partir de tecnología existente y mejorar las capacidades operativas.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/31795
• Acceso en línea: http://hdl.handle.net/11349/31795
• Palabra clave: Ingeniería de sistemas basada en modelos; Red neuronal convolucional; Software como servicio; Reconocimiento óptico de caracteres; Regiones de interés; Inteligencia artificial; Ingeniería en Control -- Tesis y disertaciones académicas; Estacionamiento inteligente; Red neuronal convolucional (CNN); Transfer learning (TL); Visión por computadora; Artificial intelligence (AI); Convolutional neural network (CNN); Software as a service (SaaS); Optical character recognition (OCR); Regions of interest (ROI); Model-Based systems engineering (MBSE)
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional