Detección de Vehículos en Pasos de Peatones Inteligentes Mediante Machine Learning

  1. José Manuel Lozano Domínguez 1
  2. Faroq Al-Tam 2
  3. Noelia Correia 2
  4. Tomás de J. Mateo Sanguino 1
  1. 1 Universidad de Huelva
    info

    Universidad de Huelva

    Huelva, España

    ROR https://ror.org/03a1kt624

  2. 2 Universidad del Algarve
Libro:
Actas de las II Jornadas ScienCity 2019: Fomento de la Cultura Científica, Tecnológica y de Innovación en Ciudades Inteligentes

Editorial: Universidad de Huelva

ISBN: 9781658694988

Año de publicación: 2019

Páginas: 11-14

Congreso: Jornadas ScienCity (2. 2019. Huelva)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openArias Montano editor

Resumen

- En España durante el año 2018 se produjeron 3.338 atropellos cuando el peatón cruzaba por el lugar adecuado de la calzada. Anteriormente se desarrolló un sistema de señalización vial inteligente que permitía reducir la siniestralidad en los pasos de peatones. Con el objetivo de independizar la detección de vehículos de la ubicación, se ha estudiado el uso de técnicas de machine learning para sustituir a las técnicas de lógica difusa anteriormente utilizadas. Era necesario calibrar la lógica difusa para detectar vehículos en función de la ubicación del sistema. Mediante el uso de técnicas de machine learning se ha conseguido independizar la detección de vehículos de la ubicación del sistema. Siendo la técnica de red neuronal long short-term memory, aquella que mejores resultados ha ofrecido de las diversas técnicas empleadas, ofreciendo una tasa de acierto del 97,87%, una tasa de verdaderos positivos del 96,26% y una exactitud del 99,41%.

Fuente de los datos: Dialnet