Resumen

Este artículo aborda el problema de la modelización de carreteras de alto nivel para entornos urbanos. Los enfoques actuales se basan en modelos geométricos que se ajustan bien a la forma de la carretera para vías estrechas. Sin embargo, los entornos urbanos son más complejos y esos modelos no son adecuados para las intersecciones del centro de las ciudades u otras situaciones urbanas. El enfoque presentado en este artículo genera un modelo basado en la información proporcionada por un mapa de navegación digital y un módulo de detección basado en la visión. Por un lado, el mapa digital incluye datos sobre el tipo de vía (residencial, carretera, intersección, etc.), la forma de la carretera, el número de carriles y otra información contextual como zonas de vegetación, plazas de aparcamiento y vías de ferrocarril. Por otro lado, el módulo de detección proporciona una segmentación por píxeles de la carretera mediante una CNN ResNet-101 con aumento aleatorio de datos, así como otras características elaboradas a mano como bordillos, marcas viales y vegetación. El módulo de interpretación de alto nivel está diseñado para aprender el mejor conjunto de parámetros de una función que mapea todas las características disponibles al modelo paramétrico real de la carretera urbana, utilizando una puntuación F ponderada como función de coste a optimizar. Demostramos que el enfoque presentado facilita el mantenimiento de mapas digitales mediante crowd-sourcing, debido al reducido número de datos que hay que enviar, y añade importante información de contexto a los sistemas tradicionales de detección de carreteras.

• 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:por otra parte, forma de la carretera, entornos urbanos, sistemas tradicionales de detección de carreteras, modelo paramétrico real, mapa de navegación digital, información contextual importante, intersecciones del centro de la ciudad, módulo de interpretación de niveles, modelado de carreteras a nivel
• Keywords:other hand, road shape, urban environments, traditional road detection systems, actual parametric model, digital navigation map, important context information, inner city intersections, level interpretation module, level road modeling