Sistema de estimación automática de ocupación de carriles y trayectorias seguidas en avenidas

• Autor: Ruiz de Castilla Mendoza, Sebastián
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad de Ingeniería y tecnología
• Repositorio: UTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utec.edu.pe:20.500.12815/312
• Enlace del recurso: https://hdl.handle.net/20.500.12815/312
• Nivel de acceso: acceso abierto
• Materia: Sistemas de transporte inteligentes; Sistemas de gestión de tráfico avanzados; Computadoras en ingeniería de tráfico; Ingeniería de tráfico; Estimación de tráfico; Flujo de tráfico; Patrones de tráfico; Intelligent transportation systems; Advanced traffic management systems; Computers in traffic engineering; Traffic engineering; Traffic estimation; Traffic flow; Traffic patterns; https://purl.org/pe-repo/ocde/ford#2.02.01

En gestion del transporte, para aliviar la congestión vehicular y lograr un tránsito fluido, es necesario conocer el volumen de tránsito vehicular en las vías correspondientes. En Perú y otros países en desarrollo, el volumen de transito se obtiene principalmente a través de métodos manuales de medición de capacidad vehicular, caracterizados por su imprecisión y susceptibilidad a errores humanos. Este trabajo presenta un sistema de estimación automática de ocupación de carriles y trayectorias seguidas por vehículos en avenidas. Este sistema consta de una cámara y un computador que realiza el procesamiento de video localmente, sin enviarlo a la nube. El sistema calcula el area ocupada por los vehículos y estima el volumen de tránsito en unidades coche patrón (UCP), medida de equivalencia utilizada en contextos de tráfico heterogéneo o con distintos tipos de vehículo, sin necesidad de detectar individualmente cada uno de ellos. De esta manera, el sistema tiene un bajo consumo computacional en comparación con métodos actuales. Este sistema se puede utilizar incluso en avenidas que no cuentan con una cámara instalada. En las pruebas realizadas con videos previamente grabados, el sistema obtuvo un error cuadrático medio de 1,42 % sin entrenamiento, equivalente a omitir 0,17 UCP (automóviles livianos) en 1 minuto de medición, en comparación a 6 UCP omitidos en el mismo tiempo al realizar aforo manual. Luego, tras el entrenamiento del sistema, el error se redujo a 1,20 %. En las pruebas realizadas en campo en tiempo real, el error fue de 2,38 %.