Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/21625
Título: Detección de incidentes automovilísticos usando técnicas de aprendizaje de máquina
Autor: Moreno Pallares, Mario Gerardo
Palabras clave: BALANCEO DE DATOS
APRENDIZAJE DE AUTOMÁTICO
Fecha de publicación: 3-may-2021
Editorial: Quito, 2021.
Citación: Moreno Pallares, M. G.(2021). Detección de incidentes automovilísticos usando técnicas de aprendizaje de máquina. 219 hojas. Quito : EPN.
Resumen: The increase of automobiles on the roads has caused several types of problems, among the most serious are traffic incidents, frequently caused by speeding. These directly influence the risk of an impact collision, as well as the probability of death and serious injury. Every year around 1.35 million deaths are registered worldwide due to traffic accidents and around 50 million get injuries as a result of those accidents; originating an annual cost of 3% of GDP to the government of each country. In recent years, Artificial Intelligence has become a fundamental part of autonomous systems in the field of transport because it helps control them with minimal human intervention, as in the case of video surveillance on the roads. It is important to develop automation tools that help security camera operators to detect traffic incidents, because for every minute saved in early detection of traffic incidents, up to five minutes can be gained in the road recovery phase. The present work has created and compared 100 classification models such as kNN, logistic regression and SVM. A dataset was created from videos from UCF and CADP which was used to calculate the estimated speeds using detection and tracking algorithms. These speeds were used for the training and evaluation of the models, obtaining a model with an accuracy of 0.95 and AUC ROC of 0.96.
Descripción: El aumento de automóviles en las carreteras ha causado varios tipos de problemas entre los más graves están los incidentes de tránsito, producidos frecuentemente por el exceso de velocidad. Estos influyen directamente con el riesgo de colisión de impacto, así como la probabilidad de muerte y lesiones graves. Cada año a nivel mundial se registran alrededor de 1.35 millones de fallecidos a causa de los siniestros de tránsito y alrededor de 50 millones sufren lesiones a causa de estos; originando un costo anual del 3% del PIB al gobierno de cada país. En los últimos años la Inteligencia Artificial ha pasado a formar parte fundamental de los sistemas autónomos en la rama del transporte porque ayuda al control de los mismos con mínima intervención humana, como en el caso de la videovigilancia en las vías. Es importante desarrollar herramientas de automatización que ayuden a los operadores de cámaras de seguridad a detectar incidentes de tránsito, debido a que por cada minuto ganado en detectar tempranamente los incidentes de tránsito, se puede ganar hasta cinco minutos en la fase de recuperación de la vía. El presente trabajo creó y comparó 100 modelos de clasificación como kNN, regresión logística y SVM. Se creó un conjunto de datos a partir de videos de UCF y CADP el cual sirvió para calcular las velocidades estimadas mediante algoritmos de detección y seguimiento. Estas velocidades sirvieron para el entrenamiento y evaluación de los modelos, obteniendo un modelo con exactitud de 0.95 y AUC ROC de 0.96.
URI: http://bibdigital.epn.edu.ec/handle/15000/21625
Tipo: bachelorThesis
Aparece en las colecciones:Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
CD 11110.pdf3,9 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.