Determinación del Flujo Vehicular en Una Zona Crítica de la Ciudad de Loja Aplicando YOLOv5.

Abstract

Para el desarrollo de este proyecto, se aplicó un método alternativo para calcular el flujo vehicular de una zona estratégica y con alta afluencia de tránsito en la ciudad de Loja - Ecuador, dado que, en dicha zona, existe una necesidad de mejorar el control de tráfico producido. Actualmente pocas son las ciudades que utilizan tecnologías de inteligencia artificial que apliquen modelos de visión por computadora, ya que estas tareas suelen requerir del razonamiento humano. Los algoritmos empleados son capaces de obtener un aprendizaje profundo para la detección y clasificación de objetos, demostrando su eficacia y ofreciendo una innovadora solución para el monitoreo del tráfico. Durante el proceso, se recopiló una base de datos con 3344 imágenes del entorno puesto a estudio, que posteriormente fueron utilizadas para entrenar un modelo en Yolov5 de manera local en una computadora portátil. El entrenamiento alcanzó un 91.3% de mAP50 (mean Average Precision al 50%), junto con otras métricas altamente positivas. También se implementó un sistema en PyCharm, para detectar y contabilizar vehículos en grabaciones de video utilizando Python como lenguaje de programación, permitiendo así obtener las variables necesarias para calcular el flujo vehicular en términos de vehículos/segundo (veh/s) y vehículos/minuto (veh/min). Los resultados obtenidos validan la efectividad del uso de modelos de visión computarizada para el análisis del tráfico, mostrando que este enfoque metodológico puede aplicarse para mejorar significativamente la gestión del tránsito en áreas urbanas.

Palabras clave: Congestión de tránsito, flujo vehicular, Pyhton, PyCharm, Yolov5.