Modelo basado en redes neuronales artificiales para el análisis del tráfico vehicular en la Av. Ramón Castilla del distrito de Ayacucho - Huamanga 2024

Simple item page
dc.contributor.advisorLeón Palacios, Edward
dc.contributor.authorQuispe Lopez, Yuvica
dc.date.accessioned2025-12-22T20:43:56Z
dc.date.available2025-12-22T20:43:56Z
dc.date.issued2025
dc.description.abstractLa 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.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdf
dc.identifier.otherTESIS CIV629_Qui
dc.identifier.urihttps://hdl.handle.net/20.500.14612/8400
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de San Cristóbal de Huamangaes_PE
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.sourceUniversidad Nacional de San Cristóbal de Huamangaes_PE
dc.sourceRepositorio Institucional - UNSCHes_PE
dc.subjectRedes neuronales artificialeses_PE
dc.subjectEjes equivalenteses_PE
dc.subjectConteo vehiculares_PE
dc.subjectDiseño de pavimentoses_PE
dc.subjectIngeniería del transportees_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.01.01
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.01.05
dc.titleModelo basado en redes neuronales artificiales para el análisis del tráfico vehicular en la Av. Ramón Castilla del distrito de Ayacucho - Huamanga 2024es_PE
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
renati.advisor.dni28294525
renati.advisor.orcidhttps://orcid.org/0000-0003-4305-9582
renati.author.dni73543218
renati.discipline732016
renati.jurorLizarbe Alarcón, Hemerson
renati.jurorBarbarán Oriundo, Moisés Nico
renati.jurorLeón Palacios, Edward
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería Civil
thesis.degree.grantorUniversidad Nacional de San Cristóbal de Huamanga. Facultad de Ingeniería de Minas, Geología y Civil
thesis.degree.levelTítulo profesional
thesis.degree.nameIngeniero Civil
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
TESIS CIV629_Qui.pdf
Size:
36.92 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
AUT TESIS CIV629_Qui.pdf
Size:
164.46 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
INFO TESIS CIV629_Qui.pdf
Size:
18.63 MB
Format:
Adobe Portable Document Format
Download
Collections
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL