Método de Evaluación Multicriterio para la Congestión de la Estructura de Red Basado en Datos de Tráfico Utilizando Visión Artificial Avanzada
Autores: Ekhlakov, Roman; Andriyanov, Nikita
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Método de Evaluación Multicriterio para la Congestión de la Estructura de Red Basado en Datos de Tráfico Utilizando Visión Artificial Avanzada
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Estructuras de red
Grafo de transporte
Sistema de transporte inteligente
Flujos de tráfico
Modelos matemáticos
Sistema de visión por computadora
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La sobrecarga de las estructuras de red es un problema con el que nos encontramos a diario en muchas áreas de la vida. La estructura más asociativa es el grafo de transporte. En muchas megaciudades de todo el mundo, el llamado sistema de transporte inteligente (ITS) opera con éxito, permitiendo el monitoreo en tiempo real y realizando cambios en la gestión del tráfico al elegir las soluciones más efectivas. Gracias a la aparición de recursos informáticos más potentes, se ha vuelto posible construir modelos matemáticos de flujos de tráfico más complejos y realistas, que tienen en cuenta las interacciones de los conductores con las señales de tráfico, marcas viales y semáforos, así como entre ellos. Las simulaciones utilizando sistemas de alto rendimiento pueden cubrir redes viales a la escala de toda una ciudad o incluso un país. Es importante señalar que la herramienta en desarrollo es aplicable a la mayoría de las estructuras de red descritas por aparatos matemáticos como la teoría de grafos y la teoría aplicada de la planificación y gestión de redes que se utilizan ampliamente para representar los procesos de organización de la producción y la gestión empresarial. El resultado de este trabajo es un modelo desarrollado que implementa métodos para modelar el comportamiento de los flujos de tráfico basados en la modelización física y algoritmos de aprendizaje automático. Además, se propone un sistema de visión por computadora para analizar el tráfico en las carreteras, que, basado en tecnologías de transformadores de visión, proporciona una alta precisión en la detección de automóviles y, utilizando flujo óptico, permite un procesamiento significativamente más rápido. La precisión es superior al 90% con una velocidad de procesamiento de más de diez fotogramas por segundo en una sola tarjeta de video.
Descripción
La sobrecarga de las estructuras de red es un problema con el que nos encontramos a diario en muchas áreas de la vida. La estructura más asociativa es el grafo de transporte. En muchas megaciudades de todo el mundo, el llamado sistema de transporte inteligente (ITS) opera con éxito, permitiendo el monitoreo en tiempo real y realizando cambios en la gestión del tráfico al elegir las soluciones más efectivas. Gracias a la aparición de recursos informáticos más potentes, se ha vuelto posible construir modelos matemáticos de flujos de tráfico más complejos y realistas, que tienen en cuenta las interacciones de los conductores con las señales de tráfico, marcas viales y semáforos, así como entre ellos. Las simulaciones utilizando sistemas de alto rendimiento pueden cubrir redes viales a la escala de toda una ciudad o incluso un país. Es importante señalar que la herramienta en desarrollo es aplicable a la mayoría de las estructuras de red descritas por aparatos matemáticos como la teoría de grafos y la teoría aplicada de la planificación y gestión de redes que se utilizan ampliamente para representar los procesos de organización de la producción y la gestión empresarial. El resultado de este trabajo es un modelo desarrollado que implementa métodos para modelar el comportamiento de los flujos de tráfico basados en la modelización física y algoritmos de aprendizaje automático. Además, se propone un sistema de visión por computadora para analizar el tráfico en las carreteras, que, basado en tecnologías de transformadores de visión, proporciona una alta precisión en la detección de automóviles y, utilizando flujo óptico, permite un procesamiento significativamente más rápido. La precisión es superior al 90% con una velocidad de procesamiento de más de diez fotogramas por segundo en una sola tarjeta de video.