Las encuestas de tráfico vial determinan el número y tipo de vehículos que pasan por un punto específico durante un cierto período de tiempo. La estimación manual del número y tipo de vehículos a partir de imágenes capturadas por una cámara es el método más comúnmente utilizado. Sin embargo, este método tiene la desventaja de requerir grandes cantidades de mano de obra y costos. Recientemente, se han realizado amplios intentos de automatizar las encuestas de volumen de tráfico utilizando sensores o aprendizaje profundo, pero existe la desventaja de que una persona debe verificar manualmente los datos para garantizar que sean confiables. Para abordar estas deficiencias, proponemos un método para llevar a cabo de manera eficiente encuestas de volumen de tráfico vial y obtener datos altamente confiables. El método propuesto detecta vehículos en la carretera a partir de imágenes de CCTV (circuito cerrado de televisión) y clasifica los tipos de vehículos utilizando aprendizaje profundo u un método similar. Después, informa automáticamente al usuario sobre los candidatos con alta probabilidad de error y proporciona un método para una verificación eficiente. La eficacia del método propuesto se probó utilizando un conjunto de datos recopilados por una empresa de encuestas de tráfico vial real. Como resultado, demostramos que nuestro método muestra una mayor precisión que el método anterior. El método propuesto puede reducir la mano de obra y los costos en las encuestas de volumen de tráfico vial, y aumentar la fiabilidad de los datos debido a resultados más precisos.