Aplicación para detectar microsueños para la prevención de accidentes viales en trayectos largos
Contenido principal de artículos
Palabras clave:
Accidentes viales, microsueño, visión computacional, redes neuronales convolucionales
Resumen
Los microsueños, son breves momentos de sueño involuntario que representan un peligro importante para la seguridad vial, que pueden resultar en una disminución de la atención y la capacidad de reacción, aumentando drásticamente el riesgo de colisiones. El proyecto propone abordar la problemática de los accidentes viales causados por el sueño y la fatiga del conductor en trayectos largos de viajes, centrándose en el desarrollo de una aplicación innovadora para detectar el microsueño y prevenir accidentes. La relevancia de esta investigación radica en la creciente movilidad y los viajes por carretera, lo que exige soluciones efectivas para mitigar los riesgos asociados con el sueño al volante. Se emplearán técnicas de inteligencia artificial y aprendizaje automático para entrenar y afinar los algoritmos de detección de microsueños, tales como las redes neuronales convolucionales. A través del análisis de imágenes del rostro de conductor se podrá detectar si este cierra los ojos por periodos prolongados, aplicando técnicas de inteligencia artificial, y visión computacional. La divulgación de los resultados contribuirá a crear conciencia sobre la importancia de mantenerse alerta durante los viajes por carretera y promoverá el uso de tecnología para la seguridad vial.
Citas
[2]. National Sleep Foundation. (2005). Estadísticas de accidentalidad. Disponible en www.sleepfoundation.org, recuperado el 18 de septiembre de 2011
[3]. Villamizar, Mario (11 de mayo 2022). Movámonos con conciencia. Ojo con los microsueños a la hora de conducir. Cruz Roja Colombiana. https://www.cruzrojabogota.org.co/post/mov%C3%A1monos-con-conciencia
[4]. Ortiz barrios, Luis (27 de mayo 2023). En el primer semestre del año van más de 1.200 víctimas en accidentes de tránsito en Colombia. https://www.infobae.com/colombia/2023/05/27/en-el-primer-semestre-del-ano-van-mas-de-1200-victimas-en-accidentes-de-transito-en-colombia/
[5]. Dirección General del tráfico. 30 de noviembre 2022. https://www.dgt.es/muevete-con-seguridad/evita-conductas-de-riesgo/Conducir-con-sueno-o-cansancio#:~:text=Aparici%C3%B3n%20de%20microsue%C3%B1os%3A%20Los%20microsue%C3%B1os,numerosos%20accidentes%20de%20extrema%20gravedad.
[6]. Dirección General del tráfico. 30 de noviembre 2022. https://www.dgt.es/muevete-con-seguridad/evita-conductas-de-riesgo/Conducir-con-sueno-o-cansancio#:~:text=Aparici%C3%B3n%20de%20microsue%C3%B1os%3A%20Los%20microsue%C3%B1os,numerosos%20accidentes%20de%20extrema%20gravedad.
[7]. Bogotá D.C., 01 de abril de 2020 (@ansvcol). https://www.mintransporte.gov.co/publicaciones/8310/ansv-recomienda-abc-para-evitar-micro-suenos-al-volante-en-tiempos-de-aislamiento-preventivo/
[8]. Blog AprendeIA. 6 de abril 2021. https://aprendeia.com/vision-computacional/
[9]. Ana Luz Loyo Páez es Ingeniero en Sistemas Computacionales (UNIVO) con Maestría en Comercio Electrónico (ITESM). https://sg.com.mx/revista/55/visi-n-computacional
[10]. Amazon https://aws.amazon.com/es/what-is/neural-network/#:~:text=Una%20red%20neuronal%20es%20un,lo%20hace%20el%20cerebro%20humano.
[11]. Boden, M. (2017). Inteligencia artificial, Madrid: Turner. https://www.redalyc.org/journal/5718/571860888002/html/#redalyc_571860888002_ref3
[12]. Redes Neuronales: Conceptos Básicos y Aplicaciones. Damián Jorge Matich, marzo de 2001. https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf
[13]. CBInsights (2017). China Artificial Intelligence trends, CBInsights. Link https://www.cbinsights.com/research/briefing/china-in-ai-trends/
[14]. ] I. Lashkov, A. Kashevnik, N. Shilov, V. Parfenov and A. Shabaev, "Driver Dangerous State Detection Based on OpenCV Dlib Libraries Using Mobile Video Processing,"2019 IEEE International Conference on Computational Science and Engineering (CSE) and IEEE International Conference on Embedded and Ubiquitous Computing (EUC), 2019, pp. 74-79, doi: 10.1109/CSE/EUC.2019.00024.
[15]. L. enrique sucar (2099) https://www.unizar.es/geografia/geographicalia/garrido.pdf.
[16]. Huelamo Vallejo, Ana (2024-07) https://repositorio.uam.es/handle/10486/662648.
[17]. García, J. L., Rogado, E., Barea, R., Bergasa, L. M., López, E., Ocaña, M., & Schleicher, D. (2008). Sistema detector de fatiga en la conducción
[18]. Torres Malaver, B. A., & Baquero Cardozo, B. A. (18 de 9 de 2019). Repositorio Institucional Universidad Distrital - RIUD. Recuperado el 16 de 10 de 2020, de http://repository.udistrital.edu.co/handle/11349/22359
[19]. Lashkov, I., Kashevnik, A., Shilov, N., Parfenov, V., & Shabaev, A. (8 de 2019). IEEE Xplore. Recuperado el 16 de 10 de 2020, de https://ieeexplore.ieee.org/abstract/document/8919515
[20]. Wylie, D. et al., “Study of commercial vehicle driver rest periods and recovery of performance in an operational environment. Managing Fatigue in Transportation” (Laurence Hartley, Ed.). Oxford: Pergamon, 1998, 119-165 (1998).
[21]. Kaur, S.S., et al., “Automatic detection of driver fatigue-Phase III”, Final Report, MN/RC-1999-30, Minnesota Department of Transportation (1999).
[22]. Krishnamoorthy, V., Shoorangiz, R., Weddell, S. J., Beckert, L., & Jones, R. D. (7 de 2019). IEEE Xplore. Recuperado el 16 de 10 de 2020, de https://ieeexplore.ieee.org/abstract/document/8857588/
[23]. Crespín Luis, J. C., & Raúl Alexander, J. G. (2019). Universidad Nacional de Trujillo. Recuperado el 16 de 10 de 2020, de http://dspace.unitru.edu.pe/handle/UNITRU/15096
[24]. Rondon Condori, L. A., & Paucara Núñez, F. J. (2013). Repositorio Institucional Digital de la Universidad Nacional de San Antonio Abad del Cusco. Recuperado el 13 de 10 de 2020, de http://repositorio.unsaac.edu.pe/bitstream/handle/UNSAAC/950/253T20130066.pdf?sequen ce=1&isAllowed=y