TrafficFlow

TrafficFlow

Nos inspiramos en una problemática diaria: el tráfico. Para desplazarnos, es necesario transitar por las avenidas principales, donde las congestiones son frecuentes. Aunque no pretendemos solucionar por completo el problema del tráfico, desarrollamos TrafficFlow, una iniciativa enfocada en mejorar la movilidad urbana.

TrafficFlow es un sistema inteligente de gestión del tráfico que utiliza cámaras y algoritmos avanzados de reconocimiento de imágenes para monitorear y analizar el flujo vehicular en tiempo real. Basándose en estos datos, el sistema ajusta dinámicamente los tiempos de los semáforos en las intersecciones, optimizando el tránsito y reduciendo las congestiones.

Para desarrollar TrafficFlow, integramos los siguientes componentes:

Cámaras de monitoreo: Instaladas en las intersecciones clave, capturan imágenes del tráfico en tiempo real.

*Algoritmo de reconocimiento de imágenes: Utilizamos YOLOv3, un modelo de detección de objetos en tiempo real, para identificar y contar vehículos en las imágenes capturadas.

*Red neuronal simple: Entrenada en tres escenarios posibles—sin tráfico, avance normal y congestión para predecir si es conveniente ajustar los tiempos de los semáforos o mantenerlos como están.

*Arquitectura cliente-servidor con sockets: Permite la comunicación en tiempo real entre los semáforos y el servidor central, facilitando el envío y recepción de datos para la toma de decisiones.

Durante el desarrollo de TrafficFlow, nos enfrentamos a varios desafíos:. *Precisión en la detección: Entrenar el algoritmo para identificar vehículos con alta precisión en diversas condiciones climáticas y de iluminación.

Estamos orgullosos de haber desarrollado un prototipo funcional que demuestra la viabilidad de TrafficFlow. Logramos integrar con éxito tecnologías de visión por computadora e inteligencia artificial para mejorar la gestión del tráfico en tiempo real.

A lo largo del proyecto, adquirimos conocimientos valiosos sobre: *Implementación de algoritmos de visión por computadora: Aplicar modelos como YOLOv3 en escenarios del mundo real.

*Diseño de sistemas en tiempo real: Desarrollar arquitecturas que procesan y responden a datos en tiempo real.

Nuestros próximos pasos incluyen: Pruebas en entornos reales: Implementar el sistema en intersecciones seleccionadas para evaluar su rendimiento y recopilar datos adicionales.