Caracterización de Tráfico Basada en Deep Learning para Smart Cities Fase 1

Objetivo general Caracterizar el tráfico en los alrededores de la UPS Campus Sur utilizando Deep Learning Justificación Varias problemáticas ambientales y de movilidad en una SC están estrechamente relacionadas con el tráfico vehicular. Por esta razón, la caracterización del tráfico de una ciudad es de gran interés para diversas investigaciones. En el Distrito Metropolitano de Quito (DMQ) el 62% de la contaminación por PM2.5 es generada por el parque automotor (Oviedo, 2015). Además, la información sobre tráfico vehicular puede usarse para generar modelos de contaminación por ruido (Bravo L., 2018).  Por otro lado, esta información es de gran utilidad en temas de planificación urbana como: ·        Diseño de caminos·        Planificación de mantenimientos de caminos·        Evaluación de sistemas de transporte·        Programas de mantenimiento vial ·        Planes de movilidad sustentable·        Soporte para toma de decisionesUno de los objetivos de una SC es implementar sistemas inteligentes de control de tráfico que disminuyan la carga vehicular, contaminación ambiental y problemas de degradación social (Jiri, 2018). En el caso del DMQ, información recopilada y los resultados de la investigación podrían ser la base para proponer políticas de movilidad. Y en un futuro servir para el desarrollo de las actividades de la Centro de Gestión de la Movilidad (CGM), ente encargado de la mitigación y optimización de los desplazamientos en el DMQ.