Caracterización de tráfico basada en deep learning para ciudades inteligentes (Fase 2)

Este proyecto aborda la necesidad de mejorar la sustentabilidad ambiental en el contexto de Ciudades Inteligentes (SC) y Ciudades Sustentables (CS) mediante la aplicación de tecnologías innovadoras, específicamente Deep Learning (DL). El problema central radica en la medición cuantitativa y eficiente de indicadores de movilidad urbana, como el conteo de vehículos, la identificación de estacionamientos, cruces peatonales y ciclovías. La solución propuesta consiste en utilizar DL para la identificación, clasificación y localización precisa de estos elementos dentro de imágenes capturadas en los alrededores de la UPS. La metodología incluye un estudio del estado del arte, revisión bibliográfica, adquisición de imágenes mediante fotogrametría con drones, generación de mapas mediante 'image stitching', etiquetado exhaustivo de los elementos de transporte, y el subsiguiente entrenamiento y validación de un modelo de identificación basado en DL. El resultado esperado es la obtención de datos cuantitativos fiables para la medición de parámetros de transporte, contribuyendo a una mejor gestión de la movilidad urbana.<br/><br/><b>Objetivo</b>: <br/>El objetivo principal de este proyecto es aplicar técnicas de Deep Learning para la identificación y clasificación de elementos relacionados con el transporte en las inmediaciones de la UPS, con el fin de medir indicadores clave de movilidad urbana.<br/><br/><b>Líneas de investigación</b>: <br/>Tecnologías aplicadas a los recursos naturales