Caracterización de tráfico basada en deep learning para smart cities (Fase 1)

Este proyecto se enmarca en el contexto de las Ciudades Inteligentes (Smart Cities), buscando mejorar la calidad de vida urbana mediante la aplicación de tecnologías avanzadas. El problema abordado es la necesidad de caracterizar el tráfico de manera precisa y automatizada. La solución propuesta se centra en utilizar Deep Learning (DL) para la identificación de automóviles en imágenes aéreas capturadas mediante drones. La metodología incluye el estudio del estado del arte, la adquisición de imágenes mediante fotogrametría con drones, el etiquetado manual de los vehículos en los mapas generados (image stitching), y el entrenamiento y validación de un modelo de DL para el reconocimiento de objetos. Una vez identificados los vehículos, se podrán obtener métricas clave de caracterización de tráfico, tales como conteo vehicular, medición de velocidades, identificación de congestiones y conteo de peatones/bicicletas. Este enfoque permite transformar datos visuales en información procesable para sistemas de gestión de movilidad inteligente.<br/><br/><b>Objetivo</b>: <br/>El objetivo principal de este proyecto es caracterizar el tráfico vehicular en las inmediaciones del Campus Sur de la UPS mediante la aplicación de técnicas de Deep Learning para la identificación y análisis de automóviles en imágenes aéreas.<br/><br/><b>Líneas de investigación</b>: <br/>Ciencias geoespaciales