Análisis de incidentes de transito mediante la calidad del modelo KNN

Mario Gerardo Moreno-Pallares, Rodrigo Rigoberto Moreno-Pallares

Resumen


El presente estudio es una investigación referente a la clasificación de incidentes de tránsito, los cuales se encuentran plasmados en videos por parte de cámaras ya sean de seguridad u otro dispositivo de video, con la ayuda de las nuevas tecnologías informáticas se encuentran resultados con un alto nivel de porcentaje de exactitud, con los datos obtenidos y el modelo de clasificación correspondiente podemos dar una predicción de los incidentes suscitados en el lugar donde ocurren estos actos de riesgos que afectan a conductores, peatones y la propiedad tanto pública como privada, las tecnologías de KNN con datos en crudo y normalizados, SSD Mobilenet ayuda a detectar los automóviles y su seguimiento lo realizamos con la técnica del centroide en los videos recolectados, esto ayuda a tener una mejor perspectiva del comportamiento de los incidentes en cualquier lugar geográfico donde exista demasiado trafico o que siempre ocurran riesgos de incidentes, para que autoridades y encargados de la seguridad vial puedan tomar mejores decisiones y poder disminuir la tasa de crecimientos de incidentes de transito


Palabras clave


Incidente; informática; seguridad vial; detección; machine learning; inteligencia artificial; tracking.

Texto completo:

PDF HTML XML

Referencias


Z. Han, J. Liang, and J. Li, “Design of Intelligent Road Recognition and Warning System for Vehicles Based on Binocular Vision,” IEEE Access, vol. 6, pp. 62880–62889, 2018.

MINISTERIO DE TRANSPORTE Y OBRAS PUBLICAS DEL ECUADOR, “Consecuencias del exceso de velocidad | Servicio Público para Pago de Accidentes de Tránsito.” [Online]. Available: https://www.protecciontransito.gob.ec/servicios/consecuencias-del-exceso-de-velocidad/. [Accessed: 04-Feb-2020].

Banco Interamericano de desarrollo, “Conceptos prácticos para la implementación de,” vol. 1, p. 22, 2019.

Y. Xiao et al., A review of object detection based on deep learning, vol. 79, no. 33–34. Multimedia Tools and Applications, 2020.

W. Liu et al., “SSD: Single shot multibox detector,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 9905 LNCS, pp. 21–37, 2016.

J. C. Nascimento, A. J. Abrantes, and J. S. Marques, “Algorithm for centroid-based tracking of moving objects,” ICASSP, IEEE Int. Conf. Acoust. Speech Signal Process. - Proc., vol. 6, no. 1, pp. 3305–3308, 1999.




DOI: https://doi.org/10.23857/pc.v5i1.1970

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/