Clasificación del estado vial con sensores celulares e inteligencia artificial
Registro en:
instname:Pontificia Universidad Javeriana
reponame:Repositorio Institucional - Pontificia Universidad Javeriana
Autor
Cepeda Benavides, Juan Sebastián
Bermúdez Beltrán, Matheo Alexander
Institución
Resumen
En Colombia, la longitud estimada de malla vial es de 206.102 km, con
69% de vías terciarias, 21% de vías secundarias, y 7% de vías primarias. No
obstante, el inventario de la localización, longitud e información sobre su
estado de las vías precario y de difícil actualización. Según el INVIAS, se
conoce el estado de 11 mil km de vías primarias, que representan tan solo el 6%
de la totalidad de la malla vial conocida. En este proyecto se desarrolló un
método de bajo costo y fácil masificación para categorizar automáticamente el
estado de una vía. Se utilizaron sensores disponibles en teléfonos celulares
(acelerómetros, giroscopios, GPS) para medir aceleración lineal, aceleración
angular y velocidad durante recorridos en automóvil. A partir de una base de
datos de 200 señales, se calculan características estadísticas en tiempo y
frecuencia relacionadas con el estado de la vía. Posteriormente, se
implementaron algoritmos de aprendizaje de máquina para clasificar
automáticamente las señales en cuatro categorías: destapada buena, pavimentada
buena, destapada mala y pavimentada mala. Se encontró que varias
características temporales lograron diferenciar las vías buenas de las vías
malas, mientras que características frecuenciales de la aceleración angular
lograron una alta separación de las cuatro categorías. Finalmente, se midió el
desempeño en diferentes clasificadores lineales y no lineales, obteniendo un
resultado mayor al 86% para clasificadores SVM (Support Vector Machine), demostrando la utilidad de los sensores de
teléfonos celulares para actualizar el estado de la malla vial de manera
rápida, precisa, barata y con gran cobertura.