DOI:
https://doi.org/10.14483/23448393.3845Publicado:
2012-06-29Número:
Vol. 17 Núm. 1 (2012): Enero - JunioSección:
Sección Especial: Mejores Trabajos “VI Simposio en Optimización”Controlador de Tráfico Inteligente con Prelación para Vehículos de Emergencia
Intelligent Traffic Controller with Priority for Emergency Vehicles
Palabras clave:
Traffic control, machine vision, fuzzy control, vehicle detection. (en).Palabras clave:
Control de tráfico, control difuso, detección vehicular, visión artificial. (es).Descargas
Resumen (es)
Este artículo presenta el desarrollo de un controlador de tráfico por lógica difusa, el cual mediante el análisis de secuencias de video y por medio de técnicas de procesamiento de imagen, es capaz de distinguir y gestionar de manera autónoma y centralizada el flujo vehicular en un grupo de intersecciones a fin de dar prelación en la vía a vehículos de emergencias. El sistema emplea un algoritmo de clasificación entrenado para detectar los vehículos presentes en una escena y un algoritmo de procesamiento de imagen que permite identificar si alguno de ellos corresponde o no, a un vehículo de emergencia. Usando la información proveniente de las secuencias de video adquiridas mediante cámaras CCD ubicadas en las intersecciones, el sistema selecciona la secuencia de acciones que prioricen el flujo vehicular dentro de la zona de control, y que permitan descongestionar las posibles vías de desplazamiento del vehículo de emergencia. Los resultados obtenidos muestran que el sistema es capaz de realizar la detección vehicular en tiempo real y que además permite adaptar rápida y eficientemente los cambios de flujo a fin de establecer una vía prioritaria.
Resumen (en)
This paper describes the development of a traffic controller using fuzzy logic, combined with the analysis of video sequences through machine vision techniques. The controller is able to automatically manage the traffic flow in a set of intersections, giving priority to the traffic lights of roads where there are emergency vehicles waiting. The system uses a classification algorithm, which is trained in order to detect any vehicle the scene and an image processing algorithm that identifies emergency vehicles within the previously detected vehicles. Using the information of video sequences acquired with CCD cameras installed on the intersections, the system choose the sequence of actions that improves the traffic flow, so as to increase the mobility in the road where the emergency vehicle is detected. Results show that the system is able to detect vehicles in real time. Also, the system adapts in an efficient and fast way to the changes in traffic flow in order to establish a priority road for emergency vehicles.Referencias
Proyecto de acuerdo 321 de 2006,disponible enhttp://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=21419. Fecha de consulta: Junio de
María Vásquez, ¿Qué tanta prelación tienen las ambulancias y hasta dónde llega su responsabilidad? , disponible enhttp://m.eltiempo.com/motor/que-tanta-
relacion-tienen-las-ambulancias-y-hasta-donde-llega-su-responsabilidad/7891285/home, Fecha de consulta: Junio de 2012.
“Un muerto y seis heridos deja accidente entre ambulancia y un bus de Transmilenio”, disponible enhttp://www.caracol.com.co/noticias/judicial/un-muerto-y-
seis-heridos-deja-accidente-entre-ambulancia-y-un-bus-de- transmilenio/20050430/nota/169646.aspx, Fecha de consulta: Junio de 2012.
A. Serrano Moraza, J.I. Garrote Moreno, J. Aparicio Santos, Análisis y prevención de accidentes de ambulancia, Medicina de Emergencia Basada en Evidencia
(MEBE), disponible en http://www.mebe.org, Fecha de consulta: Junio de 2012.
UnitedStatesfireadministration, Emergency Vechicle Driver Training,disponible en http://www.usfa.fema.gov/downloads/pdf/publications/fa-110.pdf, Fecha de consulta: Junio de 2012.
Joya, J.;,“Implementación de un sistema de simulación para el control del tráfico automotor”, Universidad el Bosque, Bogotá, 2007.
Robles, D.; Ñañez, P.; Quijano, N.;,” Control y simulación de tráfico urbano en Colombia: Estado del arte”, Revista de ingeniería #29, Universidad de los Andes, Bogotá, Colombia, 2009, ISSN: 0121-4993.
Wiering, M.; Van Veenen, J.; Vreeken, J.; Koopman, A.;” Intelligent Traffic Light Control.Institute of Information and Computing Sciences”, Utrecht University,2004.
Bernal, S.;,” Control del tráfico en Santomera“, disponible en http://www.miperiodicodigital.com/edicion2010/articulo.php?id=8327, Fecha de consulta: Junio de
Espinosa, F.; Gordillo, C.; Jimenez, R.; Aviles, O.; , "Dynamic traffic light controller using machine vision and optimization algorithms," Engineering Applications
(WEA), 2012 Workshop on , vol., no., pp.1-6, 2-4 May 2012
Klein, L.;, ”Sensor Technologies for ITS”, Utah, 2002.
Mimbela, L.; Klein, L.;,“Summary of Vehicle Detection and Surveillance Technologies used in Intelligent Transportation Systems” Federal Highway Administrations (FHWA) Intelligent Transportation Systems Joint Program Office, November, 2000
Choi, J.;, “Realtime On-Road Vehicle Detection with Optical Flows and Haar-like feature detector”, Department of Computer Science University of Illinois at Urbana-Champaign, Junio, 2006.
Han, S.; Han, Y; Hahn, H.;, “ Vehicle Detection Method using Haar-like Feature on Real Time System”, World Academy of Science, Engineering and Technology, vol. 59, 2009.
Higashikubo, M.; Toshio, H.;Kouhei, T.;, “Traffic Queue Length Measurement Using an Image Processing Sensor”, Universal Traffic Management Society of Japan, 2004.
Michalopoulos, P.G.; , "Vehicle detection video through image processing: the Autoscope system," Vehicular Technology, IEEE Transactions on , vol.40, no.1, pp.21-29, Feb 1991.
Fathy, M.; Siyal, M.Y.; , "Real-time image processing approach to measure traffic queue parameters," Vision, Image and Signal Processing, IEE Proceedings - , vol.142, no.5, pp.297-303, Oct 1995.
Kok, K.; Marzuki, K.;Rubiyah, Y.;, “ Intelligent traffic lights control by Fuzzy Logic”, Artificial Intelligence Center, UniversitiTeknologi Malaysia, Malaysian Journal of Computer Science, Vol. 9, No. 2, Diciembre 1996, pp. 29-35.
Rainer, L.;Kuranov, A.;Vadim, P.;, “Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection”, MRL Technical Report, Diciembre, 2002.
Szeliski, R. (2009). Computer vision: Algorithms and applications,Springer, November, 2010, ISBN-10: 1848829345
Weber, B.;, “Generic Object Detection using AdaBoost”, Department of Computer ScienceUniversity of California, Santa Cruz, 2006.
Viola, P.; Jones, M.; , "Rapid object detection using a boosted cascade of simple features," Computer Vision and Pattern Recognition, 2001. CVPR 2001.
Proceedings of the 2001 IEEE Computer Society Conference on , vol.1, no., pp. I-511- I-518 vol.1, 2001
Papageorgiou, C.P.; Oren, M.; Poggio, T.; , "A general framework for object detection," Computer Vision, 1998. Sixth International Conference on pp.555-562, 4-7 Jan 1998
Lienhart, R.; Maydt, J.; , "An extended set of Haar-like features for rapid object detection," Image Processing. 2002. Proceedings. 2002 International Conference on , vol.1, no., pp. I-900- I-903 vol.1, 2002
Canny, J.; , "A Computational Approach to Edge Detection," Pattern Analysis and Machine Intelligence, IEEE Transactions on , vol.PAMI-8, no.6, pp.679-698, Nov. 1986
Jee-Hyong Lee; Hyung Lee-Kwang; , "Distributed and cooperative fuzzy controllers for traffic intersections group," Systems, Man, and Cybernetics, Part C:
Applications and Reviews, IEEE Transactions on , vol.29, no.2, pp.263-271, May 1999.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
A partir de la edición del V23N3 del año 2018 hacia adelante, se cambia la Licencia Creative Commons “Atribución—No Comercial – Sin Obra Derivada” a la siguiente:
Atribución - No Comercial – Compartir igual: esta licencia permite a otros distribuir, remezclar, retocar, y crear a partir de tu obra de modo no comercial, siempre y cuando te den crédito y licencien sus nuevas creaciones bajo las mismas condiciones.
2.jpg)
