Propuesta de Entrenamiento de Red Neuronal Artificial Para la Prevención de Accidentes Carreteros

Abstract

La Secretaria de Comunicaciones y Transportes (SCT) en promedio reporta 32.5 accidentes diarios en los más de 50 mil kilómetros de carreteras federales en México, lo que implica un promedio de 8 muertes diarias. Buscando minimizar este problema, la presente propuesta pretende definir las relaciones entre diferentes datos para implementar un sistema que intuya y prevenga a los automovilistas sobre incidentes en el camino, y con esto disminuir la cantidad de infortunios que se pudieran presentar. Los avisos que pudiesen ayudar a los usuarios a tomar decisiones oportunas deben ser anunciados de manera automatizada con la implementación de una red neuronal artificial (RNA), al menos los relacionados con el factor humano, problemas en el vehículo, desperfectos del camino y agentes naturales. Con base en la investigación de casos proporcionados por la SCT y la Policía Federal (PF) se calculan los pesos iniciales para la formación de la RNA, esto sirve como fundamento para describir el comportamiento del entorno. El aprendizaje se nutrirá con nuevos hechos ya sea para solidificar los pesos asignados a las entradas de la red neuronal o bien para ajustarlos. Es importante mencionar que los dispositivos tecnológicos responsables de censar los nuevos casos aplicables a la RNA deben tener la capacidad de interactuar con el entorno, esto se puede conseguir a través de vialetas solares autónomas con la capacidad de medir la temperatura, luminosidad y proximidad; y para que lo anterior tome sentido deben tener la característica de emitir alertas dependiendo de las condiciones censadas o predichas. En los países desarrollados existen múltiples propuestas que sirven para la prevención de accidentes carreteros, como las llamadas carreteras solares o los pasos de cebra inteligentes; pero estos no cuentan con mecanismos de aprendizaje continuo y menos aún con una base sólida que con su implementación garanticen la predicción de percances.


The Ministry of Communications and Transportation (SCT, Secretaría de Comunicaciones y Transportes) on average reports 32.5 daily accidents in more than 50,000 kilometers of federal highways in Mexico, which equals to approximately 8 deaths daily. To minimize this problem, this proposal attempts to define the relationships between different data in order to implement a system that anticipates and prevents driver from accidents. This would thereby reduce the quantity of mishaps. These notices would help users to make timely decisions should be announced in an automated way with the use of an Artificial Neural Network (ANN), all related to the human factor, problems in the vehicle, road damages and natural agents. Based on the investigation of cases provided by the SCT and the Federal Police (PF, Policía Federal) the initial weights of the ANN are calculated. With new facts the learning will grow and the weights assigned to the inputs of the neural network will be updated. The technological devices that register the new cases must interact with the environment; this can be through autonomous solar raised reflective markers on the highway that measure temperature, luminosity and proximity. And for the above take sense they must have the characteristic of issuing alerts depending on predicted conditions. In developed countries there are multiple proposals that serve to prevent road accidents, such as solar highways or smart zebra crossings; but these don’t have continuous learning mechanisms and even less with a solid base that with their implementation guarantee the prediction of mishaps.