Resumen

Debido a la falta de una amplia disponibilidad de aplicaciones de ayuda al aparcamiento, los vehículos tienden a dar más vueltas de las necesarias para encontrar una plaza de aparcamiento vacía. Este problema es evidente en todo el mundo y su intensidad varía en función de la demanda de plazas de aparcamiento. Es bien sabido que la velocidad de crucero de un vehículo depende de la disponibilidad de plazas de aparcamiento. Sin embargo, la cantidad de crucero que se produce en busca de plazas de aparcamiento dentro de un aparcamiento no se ha investigado. Esta falta de investigación puede deberse a problemas de privacidad e iluminación con sensores adecuados como las cámaras visuales. El uso de cámaras térmicas ofrece una alternativa para evitar los problemas de privacidad e iluminación. Por lo tanto, este trabajo tiene como objetivo desarrollar y demostrar una metodología para detectar y rastrear los patrones de crucero de múltiples vehículos en movimiento en un aparcamiento abierto. El vehículo se detecta utilizando arquitecturas de aprendizaje profundo Yolov3, Yolo modificado y Yolo personalizado. Los vehículos detectados se rastrean utilizando el filtro de Kalman y la trayectoria de múltiples vehículos se calcula en una imagen. La precisión de Yolo modificado alcanzó una tasa de detección positiva del 91%, mientras que Yolo personalizado y Yolov3 alcanzaron el 83 y 75%, respectivamente. El rendimiento del filtro Kalman depende de la eficiencia del detector y el filtro Kalman utilizado facilita el mantenimiento de la asociación de datos durante la detección en movimiento, estacionaria y fallida. Por lo tanto, el uso de algoritmos de aprendizaje profundo y del filtro de Kalman facilita la detección y el seguimiento de varios vehículos en un aparcamiento abierto.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:filtro kalman, aparcamiento abierto, plazas de aparcamiento, vehículos, yolo personalizado, múltiples vehículos, algoritmos de aprendizaje profundo, plaza de aparcamiento vacía, tasa de detección positiva, yolo
• Keywords:kalman filter, open parking lot, parking spaces, vehicles, custom yolo, multiple vehicles, deep learning algorithms, empty parking space, positive detection rate, yolo