Desarrollo de una aplicación móvil para detección de plazas disponibles y ocupadas en un estacionamiento utilizando aprendizaje profundo

Un estacionamiento vehicular es una zona usada por propietarios de vehículos. Al momento que ellos van a buscar un espacio de estacionamiento y se encuentra ocupados se convierte en un problema, es por eso que el aumento vehicular es un fenómeno que se visualiza con mayor frecuencia en varias zonas, ya que la mayoría de las personas tienen la economía suficiente para adquirir un vehículo. Algunas de las causas que provoca la congestión vehicular, es la gran cantidad de vehículos que circulan a ciertas horas en las ciudades, y también por la falta de espacios de estacionamientos disponibles en los parqueaderos, trayendo como consecuencia los retrasos en las movilizaciones de las personas, el aumento de la contaminación, los accidentes de tránsito, el consumo adicional y excesivo de combustible e incluso en ocasiones multas por el incumplimiento de las normas por estacionarse en espacios no permitidos. Un estacionamiento inteligente utiliza una tecnología que promete brindar a los conductores una mejor comodidad al momento de buscar una plaza de estacionamiento libre. Por tal motivo, el presente trabajo se enfocó en desarrollar una aplicación móvil, capaz de detectar plazas de estacionamientos, integrando Aprendizaje Profundo. Para esto, se tomaron algunas imágenes del parqueadero de la Facultad de Ingeniería Civil de la Universidad Técnica de Machala, para la elaboración del dataset, donde se establecieron algunos requisitos, tales como: la imagen debe ser de buena calidad, debe tener buena resolución, debe ser imágenes bajo diferentes condiciones de luz, entre otros. Las imágenes del dataset fueron clasificadas por clases, la primera clase corresponde a las imágenes de estacionamiento libre y la segunda clase al estacionamiento ocupado, para el entrenamiento del modelo de red neuronal convolucional se siguió una metodología genérica. El modelo entrenado fue evaluado con una matriz de confusión, la misma que cuenta con las métricas de precisión, sensibilidad y valor de referencia, esto con el propósito de seleccionar el mejor modelo entrenado. También se desarrolló un back-end que contiene la parte de la detección en tiempo real realizado con el IDE Visual Studio Code y el lenguaje de programación Python. Por otro lado, para el desarrollo de la aplicación móvil se utilizó el IDE de Android Studio y el lenguaje de programación Java, siguiendo los pasos de la metodología Mobile-D, en la que se ejecutaron sus fases de manera adecuada, como el cronograma que permitió tener un mejor control de las actividades durante el desarrollo del aplicativo. El diseño de la interfaz de la aplicación móvil es sencillo para el usuario e intuitivo con retroalimentación, con el fin del que el usuario sea capaz de deducir de una forma rápida cómo funciona cada una de sus botones y sesiones. Como resultado final, se obtuvo una aplicación móvil que permite visualizar, detectar e identificar las plazas disponibles y ocupadas en el estacionamiento de vehículos de la Facultad de Ingeniería Civil de la Universidad Técnica de Machala, en tiempo real, aplicando Aprendizaje Profundo. Las pruebas se realizaron de manera local para verificar las funciones establecidas en los requerimientos.

• מחבר ראשי: Aguilar Bravo, Selena Alexandra (author)
• מחברים אחרים: Carrion Llumiluisa, Jhony Andrés (author)
• פורמט: bachelorThesis
• יצא לאור: 2022
• נושאים: APRENDIZAJE PROFUNDO; RED NEURONAL CONVOLUCIONAL
• גישה מקוונת: http://repositorio.utmachala.edu.ec/handle/48000/20018