Un marco híbrido basado en CNN-ViT para la detección automática de acciones de tráfico en ciudades inteligentes

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Planificación urbana

Sus antecedentes:

• Los accidentes de tráfico causan millones de muertes al año, lo que supone una carga para la atención sanitaria y afecta a la vida urbana.
• La detección oportuna de incidentes de tráfico es vital para la respuesta a emergencias, la gestión del tráfico y la prevención de accidentes secundarios.
• Los sistemas de inteligencia artificial (IA) son cruciales para el desarrollo de la infraestructura de las ciudades inteligentes.

Objetivo del estudio:

• Desarrollar un sistema de apoyo de IA para la detección automática de accidentes de tráfico y situaciones peligrosas.
• Mejorar la seguridad vial, la eficiencia económica y la sostenibilidad urbana a través de la detección temprana de incidentes.

Principales métodos:

• Extracción de características utilizando cinco modelos de Red Neuronal Convolucional (CNN) y cinco modelos de Vision Transformer (ViT).
• Evaluación de las características extraídas utilizando varios clasificadores.
• Desarrollo de un modelo híbrido que combina características de los mejores modelos CNN y ViT para una clasificación mejorada en ocho categorías.

Principales resultados:

• El modelo híbrido propuesto logró una alta precisión del 96,88% en la detección de accidentes de tráfico y situaciones peligrosas.
• Las características combinadas de los modelos CNN y ViT superaron a los modelos individuales y a diez modelos preliminares.
• El sistema demostró un rendimiento superior en la clasificación de escenarios de tráfico.

Conclusiones:

• El modelo de IA desarrollado mejora significativamente la precisión y la puntualidad de la detección de accidentes de tráfico.
• Esta tecnología es un componente clave para la construcción de ciudades inteligentes más seguras y sostenibles.
• La alta precisión ofrece un potencial prometedor para futuros avances en sistemas de transporte inteligentes.