Análisis de flujo peatonal en una intersección de avenidas utilizando procesamiento de imágenes

• Autor: Reátegui Arones, Rolando Jesús
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/21151
• Enlace del recurso: http://hdl.handle.net/20.500.12404/21151
• Nivel de acceso: acceso abierto
• Materia: Procesamiento de imágenes digitales; Calles--Intersecciones; Ingeniería del tránsito; https://purl.org/pe-repo/ocde/ford#2.02.01

En diversos cruces de avenidas de la ciudad de Lima, se observan patrones anormales de comportamiento peatonal, inadecuada semaforización y diseño vial no ideal para los peatones. Estos últimos son los más vulnerables en los accidentes de tránsito y son quienes deberían requerir mayor prioridad en el diseño de intersecciones. Para mejorar los diseños de las intersecciones se requiere datos de flujo peatonal, que se pueden medir de diversas maneras. Actualmente, el método de conteo de peatones utilizado es manual, el cual es realizado por equipos de personas desde una esquina o mediante una grabación y que tiene una baja eficiencia por error humano, además del costo por hora que ello implica. Por esta razón, la presente tesis expone nuevos métodos de conteo más eficaces ejecutados en una intersección conocida y sus resultados comparados con cifras esperadas. El primer capítulo de la tesis presenta el marco problemático que justifica la importancia de la presente tesis, los métodos generales usuales para detección de peatones y expone los objetivos de la tesis. El segundo capítulo describe los fundamentos teóricos sobre procesamiento de imágenes utilizados para el desarrollo de los posteriores capítulos y los métodos específicos para cada etapa del algoritmo. El tercer capítulo enumera los pasos de la propuesta para el conteo de peatones, las funciones implementadas y librerías utilizadas para cada una de las etapas de esta aplicación. Por último, el cuarto capítulo revisa los resultados de la propuesta por cada etapa para diferentes videos y hace un análisis de estos para su recomendación de uso en futuras aplicaciones.