ESCUELA PROFESIONAL DE INGENIERÍA CIVIL
Permanent URI for this collection
Browse
Browsing ESCUELA PROFESIONAL DE INGENIERÍA CIVIL by Subject "Accidentes de tránsito"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item Clasificación del peligro de accidentes de tránsito mediante redes neuronales artificiales y optimización del diseño geométrico según normas internacionales y DG-2018 en la vía Los Libertadores (PE-28A), Ayacucho(Universidad Nacional de San Cristóbal de Huamanga, 2026) Allccahuaman Andia, Socrates; Lizarbe Alarcón, HemersonLa presente investigación desarrolló dos modelos de redes neuronales artificiales (RNA) para clasificar el nivel de riesgo de accidentes de tránsito en la Vía Los Libertadores (PE-28A), Ayacucho, combinados con un análisis normativo comparativo del diseño geométrico vial y un programa de alerta basado en geolocalización GPS en tiempo real. El Modelo RNA N°01 (clasificación binaria: Riesgo Menor / Riesgo Mayor), entrenado con 202 registros históricos de accidentes y 23 variables del diseño geométrico, condiciones climáticas y factores viales conforme a la DG-2018, alcanzó un accuracy de 90,48 % y AUC-ROC de 0,9818 en el conjunto de evaluación. El Modelo RNA N°02 (clasificación multiclase: Riesgo Bajo / Medio / Alto), entrenado con 2,997 segmentos geométricos modelados en AutoCAD Civil 3D y expandidos a 5,394 registros mediante SMOTE, alcanzó un accuracy de 98,00 % y AUC-ROC de 0,9985, demostrando capacidad predictiva sobresaliente. El análisis comparativo de 12 parámetros geométricos entre la DG-2018 y las normativas de Noruega, Islandia, Suecia, Reino Unido y Japón identificó deficiencias técnicas en la norma peruana, dando lugar a siete propuestas de mejora (P1–P7). Asimismo, se implementó un programa de alerta de accidentes como archivo HTML autocontenido, con rastreo GPS en tiempo real, cálculo de proximidad por la fórmula de Haversine y sistema de alerta multimodal (sonoro, vocal y vibración). Los resultados demuestran que la integración de redes neuronales artificiales, análisis normativo y geolocalización constituye un enfoque efectivo para la predicción y reducción de accidentes de tránsito en carreteras nacionales del Perú.Item Metodologías para la evaluación de la seguridad vial de intersecciones urbanas en la ciudad de Ayacucho(Universidad Nacional de San Cristóbal de Huamanga, 2016) Chambillo Ango, José Carlos; Lizarbe Alarcón, HemersonLa presente investigación presenta como problema la ocurrencia de accidentes de tráfico en intersecciones urbanas, teniendo como hipótesis los empirismos aplicativos con relación al diseño, la carencia de registros más detallados de los accidentes y el incumplimiento de una buena gestión de la seguridad vial en la ciudad de Ayacucho. Como fundamento teórico se abordan conceptos de diseño de intersecciones a nivel, estudios de ingeniería de tránsito, índices de seguridad vial, gestión de la seguridad vial y la aplicación y posibilidad de desarrollo de software que apoyen la investigación. La metodología está basada en realizar cuatro estudios de ingeniería de tránsito para la obtención de datos, que son: Estudio de inventario del lugar, estudio de velocidad de punto, estudio de volumen y estudio de conflictos de tráfico; todos ellos con apoyo de software como MS EXCEL, IHSDM y el desarrollo de aplicaciones para dispositivos con sistema ANDROID, trabajando en conjunto con materiales fílmicos. Alternadamente se recolecta documentación sobre la gestión de la seguridad vial en la zona de estudio. El objetivo es aplicar tres métodos para evaluar la seguridad vial de una intersección urbana sin la ocurrencia de accidentes, de manera cualitativa y cuantitativa a base de estudios de ingeniería de tránsito. Estos métodos se complementan para obtener un mejor panorama para la gestión de proyectos de seguridad vial en intersecciones. Los métodos son: Evaluación del diseño de la intersección, índice de severidad usando la técnica sueca de conflictos de tráfico (TSCT), y frecuencia de accidente previsto usando el manual de seguridad de carreteras (HSM). Como zona de aplicación del estudio se escogió la intersección urbana que une tres vías entre la Av. Independencia con la Av. Universitaria de la ciudad de Ayacucho. Utilizando las tres metodologías se pudo determinar que presenta deficiencias de diseño que origina dificultades de tránsito, así como la posibilidad de accidentes para vehículos y peatones. Se encontró un índice mínimo de severidad de 8.23 conflictos por cada 100000 vehículos usando la TSCT y la probabilidad de frecuencia de accidente previsto de 5.27 accidentes por año usando el HSM. Se determinó que la mayor ocurrencia de conflictos se originan por vehiculos que giran a la izquierda desde la dirección opuesta en la Av. Independencia; y que la severidad más alta se da en el ingreso a la Av. Universitaria por la gran cantidad de peatones que cruzan esta vía. También se pudo acceder a información del proyecto de inversión pública con código SNIP N°289791, presentado por la Municipalidad Provincial de Huamanga; este proyecto es sobre el mejoramiento de la seguridad vial de Ayacucho. Aquí se pudo realizar un comparativo con el procedimiento de gestión de la seguridad vial que propone el HSM; encontrando similitudes con el proceso del desarrollo de un PIP en el marco del SNIP; pero diferencias en el uso de indicadores para proponer y evaluar una zona de estudio. Se concluye que la seguridad vial en las intersecciones urbanas puede mejorar si se aplican metodologías como las ya mencionadas, y que a su vez éstas pueden ser utilizadas en diversas ciudades del Perú y otros países en desarrollo. Finalmente se realizan las recomendaciones de mejora de diseño y señalización de la intersección de estudio, así como el uso de tecnologías para recolectar datos como aplicaciones para móviles con sistema android. También se recomienda el uso de índices o indicadores usando la TSCT y los procesos de gestión de la seguridad vial del HSM, para una mejor evaluación antes y después de los proyectos realizados.Item Modelo inteligente adaptativo fundamentado en redes neuronales convolucionales para mejorar la seguridad vial y prevenir accidentes de tránsito, en las avenidas, Arenales y Cusco, Ayacucho, 2025(Universidad Nacional de San Cristóbal de Huamanga, 2026) De La Cruz Moran, Abel; Lizarbe Alarcón, HemersonLa presente investigación diseñó, entrenó y validó un modelo inteligente adaptativo de segmentación de instancias basado en redes neuronales convolucionales para la detección en tiempo real de doce categorías de elementos críticos de la vía pública en las avenidas Arenales y Cusco de Ayacucho, entorno urbano andino a 2,761 m sobre el nivel del mar caracterizado por reductores de velocidad artesanales que incumplen la Directiva N° 01-2011-MTC/14, señalización deteriorada, semáforos desprogramados, imprudencia peatonal y transporte informal no regulado que incluye al mototaxi como vehículo predominante. Se construyó un conjunto de datos híbrido de 25,602 imágenes con 127,525 instancias integrando 4,598 capturas originales del entorno ayacuchano con el mototaxi como clase local exclusiva y tres conjuntos de datos internacionales (BDD100K, BSTLD y RLMD), etiquetados mediante LabelMe asistido por SAM2 en doce categorías y divididos en proporciones 70/20/10. Se implementó YOLOv8L-seg con entrenamiento progresivo en tres fases de resolución creciente (640, 800 y 1,024 píxeles) mediante aprendizaje por transferencia desde COCO, alcanzando mAP50 Box de 0.810 y mAP50 Mask de 0.778, con una mejora acumulada de 30.7 puntos porcentuales respecto a la primera fase. La comparación multi-arquitectura con la familia YOLO26 (nano, small y large) identificó a YOLO26L-seg como el modelo de mayor desempeño, con mAP50 Box de 0.829 y mAP50 Mask de 0.788, superando a YOLOv8L-seg en nueve de las doce clases. Se desarrolló el software QHAWAY ADAS, que integra estimación de distancias por modelo geométrico de cámara monocular, cálculo del tiempo estimado de colisión, seguimiento de múltiples objetos y alertas de voz en español peruano, operando entre 19.2 y 25.4 fotogramas por segundo. Se concluye que las arquitecturas de aprendizaje profundo con entrenamiento progresivo constituyen una herramienta viable para la detección automatizada de elementos viales en el entorno urbano andino informal de Ayacucho.
