Desarrollo de un sistema inteligente de aforo vehicular en tiempo real mediante reconocimiento de imágenes y redes neuronales

La obtención de datos precisos sobre el flujo vehicular en tiempo real es indispensable para la gestión y optimización de las redes de transporte. Los métodos actuales en Bogotá, como el conteo manual y los sensores fijos, presentan limitaciones significativas en cobertura y precisión. Este proyecto aborda estos desafíos mediante el desarrollo de un sistema inteligente de aforo vehicular en tiempo real utilizando redes neuronales convolucionales y visión por computador. Utilizando el modelo YOLOv8n, se realizó la detección y clasificación de vehículos en tres categorías: carros, motos y buses/camiones. Se capturaron videos de alta resolución en un punto estratégico de Bogotá, y se procesaron las imágenes para entrenar el modelo. Las técnicas de procesamiento de datos incluyeron etiquetado, aumento y normalización de imágenes. Las métricas de evaluación utilizadas, como precisión, recall, mAP, F1 Score, y análisis de la matriz de confusión, demostraron la alta efectividad del modelo en la detección vehicular. Además, se discutieron las velocidades de procesamiento y la eficiencia del sistema, cruciales para aplicaciones en tiempo real. Los resultados reflejan un alto nivel de precisión y recall, sugiriendo la viabilidad del sistema para su implementación en la gestión del tráfico urbano, mejorando así la planificación del tráfico, reduciendo tiempos de viaje y emisiones contaminantes, y proporcionando datos confiables para la toma de decisiones en movilidad.

• Autores: Bravo Vallejos, Pedro Fernando; Sánchez Castellanos, Brandon Giovanny
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/92065
• Acceso en línea: http://hdl.handle.net/11349/92065
• Palabra clave: Aforo vehicular; Redes neuronales; Detección de objetos; Aforo; Ingeniría Civil -- Tesis y disertaciones académicas; Redes neuronales; Procesamiento de datos; Inteligencia artificial; Vehicle capacity; Neural networks; Object detection; Capacity
• License: CC0 1.0 Universal