Modelo basado en redes neuronales artificiales para el análisis del tráfico vehicular en la Av. Ramón Castilla del distrito de Ayacucho - Huamanga 2024
Loading...
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de San Cristóbal de Huamanga
Abstract
La presente investigación propone el desarrollo de un sistema automatizado para el cálculo del Índice Medio Diario Anual (IMDA) y del número de repeticiones de ejes equivalentes (EE), empleando redes neuronales artificiales para la detección y clasificación vehicular con fines de diseño estructural de pavimentos. Este sistema surge ante la problemática de decisiones inadecuadas en la planificación vial debido a análisis vehiculares imprecisos. Si no se realiza un conteo vehicular riguroso, los resultados obtenidos pueden no reflejar la realidad del tránsito, comprometiendo la eficiencia del diseño de pavimentos. Este tipo de errores, muchas veces causados por la falta de herramientas automatizadas y la persistencia en métodos manuales desactualizados, genera impactos negativos como mayores costos de mantenimiento, baja productividad, sobrecostos logísticos y deterioro en la calidad de vida urbana. La propuesta abarcó tres ejes: El diseño de una arquitectura robusta para detección vehicular, el entrenamiento del modelo basado en YOLOv8 para alcanzar un equilibrio entre precisión, cobertura y eficiencia, y la implementación de un software con interfaz gráfica que automatice el cálculo del IMD y EE bajo la metodología AASHTO. El modelo alcanzó un desempeño destacado con una precisión del 89.7%, recall de 81.5%, mAP50 de 0.882 y mAP50-95 de 0.824, demostrando alta efectividad para 22 clases vehiculares definidas por el MTC. Además, el procesamiento por imagen mostró tiempos competitivos, validando su aplicabilidad en escenarios de monitoreo en tiempo real. En conjunto, esta solución representa una herramienta innovadora y adaptable para la planificación vial, permitiendo decisiones más informadas y técnicas en el ámbito del transporte y la infraestructura.
Description
Keywords
Redes neuronales artificiales, Ejes equivalentes, Conteo vehicular, Diseño de pavimentos, Ingeniería del transporte
