Mostrar el registro sencillo del ítem

dc.contributor.advisorCota Mayorga, Percy Armando
dc.contributor.authorEstofanero Yanapa, Rudhy Fabian
dc.contributor.authorCoanqui Apaza, Fiorella Yaneth
dc.contributor.authorMamani Condori, Helio Weiss
dc.date.accessioned2022-12-19T22:38:22Z
dc.date.available2022-12-19T22:38:22Z
dc.date.issued2022-10-22
dc.identifier.urihttp://hdl.handle.net/20.500.12840/6132
dc.description.abstractPara la obtención del aforo vehicular actualmente se usan métodos manuales tradicionales los cuales generan un trabajo extenso y tiempo prolongado para realizar los estudios previos para el diseño de un pavimento, planificación del tránsito, proyecciones de vías, proyectos de señalización e iluminación, entre otros. Es por ello que se requiere automatizar los datos de conteo y clasificación vehicular. Por esta razón, se aplicaron dos métodos tecnológicos que pueden ayudarnos a mecanizar la información obtenida a través de videograbaciones o en tiempo real. El primer método basado en inteligencia artificial con el uso de redes neuronales convolucionales y el segundo con visión artificial mediante el uso de librerías virtuales que nos ayudaran en la detección vehicular. El objetivo de esta investigación es realizar una comparación de ambos métodos contrastados con un estudio manual in situ para encontrar la variación de precisión y error a través de porcentajes, tomando en cuenta que el estudio en campo tendrá el 100% de precisión. Se realizó una prueba con ambos métodos con una videograbación real de flujo vehicular, considerando 6 clases de vehículos (motocicletas, mototaxis, automóviles, camionetas, microbuses y vehículos pesados). Después de haber ejecutado ambas metodologías para los fines pertinentes se presentan los mejores resultados obtenidos con ambos métodos: Un 95.60% de precisión del conteo y clasificación de microbuses con inteligencia artificial y un 97.80% de precisión de microbuses con el uso de visión artificial. Finalmente se concluye con un sistema efectivo con capacidad aceptable de detección, conteo y clasificación vehicular con el uso de Inteligencia Artificial como método más apropiado para el propósito de la investigación ya que este puede reemplazar las mismas capacidades que el cerebro humano en la obtención del aforo vehicular, la visión artificial nos brindó datos más precisos sin embargo este se basa en áreas de detección lo que no es muy confiable usar en cualquier zona de estudio por la diferencia de áreas de acuerdo al ángulo de enfoque; se recomienda para tener mejor precisión en los resultados usando inteligencia artificial, entrenar la red neuronal con una base de datos más amplia y contar con una tarjeta gráfica óptima del ordenador para la lectura del código.en_ES
dc.formatapplication/pdfen_ES
dc.language.isospaen_ES
dc.publisherUniversidad Peruana Uniónen_ES
dc.rightsinfo:eu-repo/semantics/openAccessen_ES
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 Spain*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/*
dc.subjectAforo vehicularen_ES
dc.subjectInteligencia artificialen_ES
dc.subjectVisión artificialen_ES
dc.titleAplicación de inteligencia y visión artificial para la obtención del aforo vehicularen_ES
dc.typeinfo:eu-repo/semantics/bachelorThesisen_ES
thesis.degree.disciplineIngeniería Civilen_ES
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitecturaen_ES
thesis.degree.nameIngeniero Civilen_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.01.01en_ES
dc.description.sedeJULIACAen_ES
dc.description.escuelaEscuela Profesional de Ingeniería Civilen_ES
dc.description.lineadeinvestigacionVías y geotecniaen_ES
renati.advisor.dni40707819
renati.advisor.orcidhttps://orcid.org/0000-0003-1293-1323en_ES
renati.author.dni70900037
renati.author.dni73871925
renati.author.dni76385492
renati.discipline732016en_ES
renati.jurorPari Cusi, Herson Duberly
renati.jurorVelasquez Mamani, Efrain
renati.jurorYampara Ticona, Rina Luzmeri
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionalen_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesisen_ES
dc.publisher.countryPEen_ES


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess