Resumen

La alta frecuencia de saltarse el semáforo en rojo y los complejos comportamientos de los conductores al llegar al amarillo en las intersecciones no pueden explicarse únicamente por la zona de dilema y la cinemática del vehículo. En este artículo, el autor presentó un sistema de prevención de fugas de semáforos en rojo basado en redes neuronales artificiales (RNA) para aproximar los complejos comportamientos de los conductores durante el paso por el semáforo en amarillo y en rojo, y que sirve de base para un innovador sistema de prevención de fugas de semáforos en rojo. La red neuronal artificial y la trayectoria del vehículo se aplican para identificar a los posibles infractores de los semáforos en rojo. El tiempo de entrenamiento de la RNA fue también aceptable y su tasa de precisión en la predicción fue superior al 80%. Por último, se describe un prototipo de sistema de prevención de fugas en semáforos en rojo con el modelo de RNA entrenado. Este nuevo sistema puede instalarse directamente en los sistemas de señalización de tráfico existentes.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:red neuronal artificial, sistema de prevención, tiempo de entrenamiento de la ann, comportamiento complejo del conductor, modelo entrenado de la ann, sistema de señales de tráfico, zona de dilema, alta frecuencia, inicio del amarillo, despeje del rojo
• Keywords:artificial neural network, prevention system, ann training time, complex driver behavior, trained ann model, traffic signal system, dilemma zone, high frequency, yellow onset, red clearance