Resumen

Este trabajo pretende clasificar el estado de la carretera con métodos de minería de datos utilizando sensores de aceleración y giroscopios sencillos instalados en vehículos. Se desarrollan dos clasificadores con una máquina de vectores soporte (SVM) para distinguir entre diferentes tipos de superficies de carretera, como asfalto y hormigón, y obstáculos, como baches o cruces de ferrocarril. De las señales de los sensores se extraen características basadas en la frecuencia, evaluadas automáticamente con MANOVA. Se analizan las características seleccionadas y su significado para predecir las clases. Las mejores características se utilizan para diseñar los clasificadores. Por último, los métodos desarrollados y aplicados en este trabajo se implementan en una caja de herramientas de Matlab con una interfaz gráfica de usuario. La caja de herramientas visualiza los resultados de la clasificación en mapas, lo que permite la verificación manual de los resultados. La precisión de la validación cruzada de la clasificación de obstáculos arroja un 81,0% de media y la de la clasificación del material de carretera un 96,1% de media. Los resultados se discuten en un amplio conjunto de datos ejemplares.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:amplio conjunto de datos ejemplares, métodos de minería de datos, interfaz gráfica de usuario, sensores de aceleración simples, máquina de vectores soporte, clasificadores, características, obstáculos, resultados, trabajo
• Keywords:comprehensive exemplary data set, data mining methods, graphical user interface, simple acceleration sensors, support vector machine, classifiers, features, obstacles, results, work