Resumen

Existen diversos medios para vigilar la situación del tráfico en las carreteras. Debido al auge de la tecnología de procesamiento de imágenes basada en la inteligencia artificial (IA), existe un interés creciente por desarrollar sistemas de supervisión del tráfico utilizando datos de visión de cámaras. Este estudio proporciona un método para obtener información de tráfico utilizando una cámara instalada en una intersección para mejorar el sistema de monitorización de carreteras. El método utiliza un enfoque basado en aprendizaje profundo (YOLOv4) para el procesamiento de imágenes para la detección de vehículos y la clasificación del tipo de vehículo. Las trayectorias de los vehículos carril por carril se estiman cotejando las ubicaciones de los vehículos detectados con el mapa de alta definición (mapa HD). A partir de las trayectorias estimadas de los vehículos, se calculan los volúmenes de tráfico de cada sentido de circulación y la longitud de las colas de cada carril. El rendimiento del método propuesto se probó con miles de muestras según cinco criterios de evaluación diferentes: tasa de detección de vehículos, clasificación del tipo de vehículo, predicción de trayectorias, estimación del volumen de tráfico y estimación de la longitud de las colas. Los resultados muestran un rendimiento del 99% en la detección de vehículos con menos de 20rrors en la clasificación de tipos de vehículos y en la estimación del volumen de tráfico carril por carril, lo cual es razonable. Por lo tanto, el método propuesto en este estudio demuestra la viabilidad de recopilar información detallada sobre el tráfico utilizando una cámara instalada en una intersección. El enfoque de combinar técnicas de IA y mapas HD es la principal contribución de este estudio, que muestra una alta probabilidad de mejorar los actuales sistemas de monitorización del tráfico.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:clasificación del tipo de vehículo, carril, método, estudio, sistemas actuales de vigilancia del tráfico, técnicas de mapas hd, datos de visión de cámaras, información detallada sobre el tráfico, diferentes criterios de evaluación, tecnología de tratamiento de imágenes
• Keywords:vehicle type classification, lane, method, study, current traffic monitoring systems, hd map techniques, camera vision data, detailed traffic information, different evaluation criteria, image processing technology