Investigacion Ciencia y Tecnologia para Escuela de Ingenierias - 52709

FORMATO PARA LA PRESENTACIÓN DE PROPUESTAS DE INVESTIGACIÓN
1. INFORMACIÓN GENERAL
Título: Optimización del Tráfico Vial Urbano mediante un Sistema Inteligente basado en
IoT e IA
Identificación del Estudiante: Sara Lucero Gomez Valencia
Cedula: 1001711369
Programa: Ingeniera de sistemas – ficha 52709
Duración de la propuesta: (5 Meses)
Valor Total del Propuesta: $255,000,000 COP
Fuentes y Montos de Financiación: Alcaldía de Movilidad.
Link de video: https://drive.google.com/file/d/1uT7FkiOsm-
jQ9dK2zO1TozHF2nUaERoc/view?usp=sharing
2. RESUMEN DE LA PROPUESTA
El crecimiento de las ciudades ha incrementado los problemas de tráfico vial,
generando congestión, contaminación ambiental y pérdida de productividad. Según el
Instituto de Recursos Mundiales (WRI), los ciudadanos de ciudades altamente
congestionadas pierden hasta 200 horas al año en el tráfico, afectando la calidad de
vida y la economía local.
Esta propuesta tiene como objetivo diseñar un sistema inteligente que integre
tecnologías de Internet de las Cosas (IoT) e inteligencia artificial (IA) para monitorear,
analizar y optimizar el flujo vehicular en tiempo real. Mediante sensores y cámaras
instalados en puntos clave de la ciudad, el sistema recopilará datos como volumen de
tráfico, velocidad promedio y eventos de congestión. Los algoritmos de IA analizarán
estos datos y propondrán estrategias de optimización, como ajustes en los semáforos o
desvíos sugeridos.
El sistema reducirá la congestión vial hasta en un 30%, mejorará la calidad del aire y
fomentará un uso más eficiente de la infraestructura vial existente, beneficiando tanto a
las autoridades locales como a los ciudadanos.
3. DESCRIPCIÓN DE LA PROPUESTA
Planteamiento del Problema:

La congestión vehicular es uno de los mayores retos para las ciudades modernas. En
Colombia, las principales urbes como Bogotá, Medellín y Cali enfrentan niveles
alarmantes de tráfico, con impactos significativos en la movilidad urbana, la calidad del
aire y la productividad.
Problemas específicos:
• Falta de sistemas de monitoreo en tiempo real: Las ciudades carecen de
herramientas avanzadas para rastrear y gestionar el tráfico en tiempo real.
• Semáforos poco adaptativos: Los sistemas actuales no responden de manera
dinámica al volumen de tráfico, causando demoras innecesarias.
• Impacto ambiental: Las emisiones de CO₂ aumentan significativamente durante
los periodos de congestión.
Esta investigación propone un sistema inteligente que optimice el tráfico mediante IoT e
IA, reduciendo la congestión y las emisiones, y mejorando la movilidad urbana.
Justificación:
El desarrollo de un sistema inteligente de gestión vial es esencial porque:
1. Impacto económico: Reduce las pérdidas económicas asociadas al tiempo
desperdiciado en el tráfico.
2. Impacto ambiental: Disminuye las emisiones de gases contaminantes mediante
una mejor gestión del flujo vehicular.
3. Innovación tecnológica: Introduce tecnologías avanzadas que modernizan la
infraestructura vial de las ciudades.
4. Beneficio social: Mejora la calidad de vida de los ciudadanos al reducir los
tiempos de desplazamiento.
Objetivo General:
Diseñar e implementar un sistema de gestión vial inteligente que optimice el flujo

vehicular en zonas urbanas mediante el uso de IoT e IA, reduciendo la congestión y las
emisiones contaminantes.
Objetivos Específicos
1. Monitorear el flujo vehicular en tiempo real mediante sensores IoT instalados en
puntos estratégicos.
2. Desarrollar algoritmos de IA que analicen patrones de tráfico y propongan ajustes
en la gestión vial.
3. Evaluar la eficiencia del sistema en términos de reducción de congestión y
emisiones en una ciudad piloto.
Hipótesis
La implementación de un sistema de gestión vial inteligente basado en IoT e IA reducirá
la congestión vehicular en un 30% y las emisiones de CO₂ asociadas en un 20%,
mejorando significativamente la movilidad urbana.
Marco Teórico:
El marco teórico incluye conceptos clave y evidencia del estado actual de la tecnología:
1. Internet de las Cosas (IoT):
IoT permite recopilar datos en tiempo real sobre el flujo vehicular, la velocidad de
los vehículos y los niveles de congestión en diferentes puntos de la ciudad.
o Estado del arte: Proyectos en ciudades como Singapur han demostrado
que el uso de IoT puede reducir la congestión en un 25%.
2. Inteligencia Artificial (IA):
Los algoritmos de IA pueden analizar patrones históricos y en tiempo real para
predecir congestiones y proponer soluciones dinámicas, como ajustes en la
sincronización de semáforos o rutas alternativas.
o Brechas: En muchas ciudades, la falta de integración de IA con sistemas
viales actuales limita su efectividad.
3. Gestión de tráfico inteligente:
Este enfoque utiliza herramientas tecnológicas para maximizar el uso de la
infraestructura vial existente. Según el Banco Mundial, las ciudades que
implementan gestión de tráfico inteligente logran mejorar la movilidad urbana y
reducir costos asociados.
Metodología Propuesta
El desarrollo de esta propuesta para optimizar el tráfico vial urbano se estructura en
cuatro fases principales, detalladas a continuación:
Fase 1: Análisis inicial

Objetivo: Identificar puntos críticos de congestión en la ciudad piloto y recolectar datos
históricos que sirvan como base para el diseño del sistema.
Actividades específicas:
1. Identificación de puntos críticos de congestión:
o Utilizar mapas de calor generados por datos del tránsito vehicular
proporcionados por entidades locales (Secretarías de Movilidad, GPS de
transporte público, etc.).
o Realizar encuestas a conductores y residentes para identificar las zonas
percibidas como más congestionadas.
o Análisis del tráfico en horarios pico (mañana y tarde), diferenciando por
días de semana y fines de semana.
2. Recolectar datos históricos sobre el flujo vehicular:
o Acceder a bases de datos de sistemas de tránsito locales y recolectar
información de los últimos 2-5 años.
o Tipos de datos a recopilar:
▪ Volumen promedio de vehículos por hora.
▪ Velocidades promedio en las principales vías.
▪ Accidentes reportados y sus ubicaciones.
▪ Eventos especiales (obras, cierres temporales, manifestaciones,
etc.).
o Integrar estos datos en una base de datos centralizada para su análisis.
Resultados esperados de la fase:
• Identificación de al menos 5-10 puntos críticos de congestión en la ciudad piloto.
• Generación de un informe detallado con patrones históricos de flujo vehicular.
• Identificación de las variables principales que afectan la congestión (p. ej., flujo
vehicular, velocidad promedio, accidentes frecuentes).
Fase 2: Implementación del sistema

Objetivo: Diseñar y desplegar una infraestructura tecnológica que permita recopilar
datos de tráfico en tiempo real y transmitirlos de forma segura.
1. Instalación de sensores IoT y cámaras:
o Selección de ubicaciones estratégicas: Basada en los puntos críticos
identificados en la fase anterior. Priorizar intersecciones, entradas y
salidas de autopistas, y áreas de alto tráfico comercial.
o Dispositivos a instalar:
▪ Sensores de flujo vehicular: Para contar el número de vehículos
que cruzan un punto específico.
▪ Cámaras inteligentes: Para monitorear en tiempo real el tráfico y
reconocer incidentes como accidentes o vehículos estacionados en
zonas no permitidas.
▪ Sensores ambientales: Para medir variables como contaminación
del aire y ruido.
o Cantidad de dispositivos: Aproximadamente 50 sensores IoT y 20
cámaras distribuidas en las zonas críticas.
2. Configuración de una red de transmisión de datos:
o Implementar redes de comunicación seguras utilizando tecnologías como
LoRaWAN o 5G, dependiendo de la infraestructura disponible en la ciudad
piloto.
o Configurar un sistema de almacenamiento en la nube para centralizar los
datos recopilados.
o Establecer un protocolo de transmisión que garantice la integridad y
seguridad de la información (uso de cifrado de extremo a extremo).
• Infraestructura instalada y en funcionamiento en al menos el 80% de los puntos
críticos identificados.
• Sistema de transmisión de datos en tiempo real operativo y conectado a un
servidor centralizado.
• Generación de datos en tiempo real sobre el flujo vehicular en las zonas
monitoreadas.
Fase 3: Desarrollo de algoritmos de IA

Objetivo: Diseñar y entrenar modelos predictivos basados en los datos recopilados,
que permitan optimizar el flujo vehicular en tiempo real.
1. Diseño de modelos predictivos:
o Utilizar algoritmos de aprendizaje automático supervisado para analizar
los datos históricos y en tiempo real.
o Variables principales a considerar:
▪ Volumen vehicular.
▪ Tiempo promedio de desplazamiento en las rutas monitoreadas.
▪ Factores externos como clima y eventos especiales.
o Implementar redes neuronales para predecir congestiones y proponer
ajustes en tiempo real.
2. Implementación de ajustes dinámicos:
o Integrar el sistema con los semáforos existentes para ajustar los tiempos
de cambio de luces según el volumen de tráfico detectado.
o Generar sugerencias de rutas alternativas para conductores mediante
aplicaciones móviles conectadas al sistema.
o Simular diferentes escenarios para validar la efectividad de los ajustes
propuestos.
• Modelos de IA entrenados y probados con una precisión del 85-90% en la
predicción de congestiones.
• Semáforos en al menos 10 puntos críticos adaptados para ajustes dinámicos
basados en datos en tiempo real.
• Propuestas de rutas alternativas generadas automáticamente en casos de
congestión severa.
Fase 4: Evaluación y validación

Objetivo: Analizar el impacto del sistema implementado comparando métricas clave
antes y después de su funcionamiento.
1. Evaluación del impacto:
o Métricas a evaluar:
▪ Reducción del tiempo promedio de viaje en las zonas
monitoreadas.
▪ Disminución de la congestión en horarios pico.
▪ Variación en las emisiones de CO₂ relacionadas con el tráfico
vehicular.
o Comparar estas métricas con los datos históricos recopilados en la fase 1.
2. Documentación de resultados y propuestas de mejora:
o Elaborar un informe técnico que detalle los resultados obtenidos, las
limitaciones encontradas y las recomendaciones para mejorar el sistema.
o Realizar encuestas a usuarios y autoridades locales para obtener
retroalimentación sobre el sistema.
• Reducción de la congestión vial en un 30% en las zonas monitoreadas.
• Mejora en los tiempos de desplazamiento promedio, con una reducción de al
menos 10 minutos en rutas críticas.
• Disminución de las emisiones de CO₂ en un 20%, según mediciones de sensores
ambientales.
• Propuestas claras para ampliar el sistema a otras zonas de la ciudad.
Conclusión de la Metodología
Esta metodología estructurada garantiza un enfoque integral para abordar el problema
del tráfico urbano. Cada fase está diseñada para generar datos confiables, implementar
tecnologías avanzadas y validar su impacto con métricas objetivas. La integración de
IoT e IA no solo optimizará la movilidad urbana, sino que también contribuirá al
desarrollo de ciudades más sostenibles y conectadas.
Resultados Esperados
1. Reducción de la congestión vial en un 30% en la ciudad piloto.
2. Disminución de emisiones de CO₂ en un 20%.
3. Mejora en los tiempos de desplazamiento promedio de los ciudadanos.
4. Creación de un modelo replicable en otras ciudades.
Funciones del Estudiante
1. Supervisar la instalación y configuración de sensores IoT.
2. Desarrollar y probar los algoritmos de IA.
3. Analizar los datos recolectados y elaborar reportes de resultados.
4. Presentar los hallazgos en conferencias y publicaciones académicas.
Compromisos y Estrategia de Comunicación

1. Publicar un artículo en una revista académica sobre los resultados del proyecto.
2. Presentar el sistema en un congreso nacional de tecnología.
3. Colaborar con autoridades locales para implementar el sistema a mayor escala.
Cronograma
Actividad Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6
Análisis inicial X X
Instalación del
X X
sistema
Desarrollo de
X X
algoritmos de IA
Evaluación y
X X
validación
Presupuesto Global de la Propuesta

Rubro Costo
Personal $180,000,000 COP
Equipos IoT $50,000,000 COP
Software y nube $25,000,000 COP
Total $255,000,000 COP
5. BIBLIOGRAFÍA
Agencia Internacional de Energía (IEA).
Energy Efficiency 2021. Recuperado de: www.iea.org/reports/energy-efficiency-2021
Banco Mundial.
Transport for Development: How Traffic Management Can Help Cities Thrive.
Recuperado de: www.worldbank.org
CISCO Systems.
The Internet of Things: How the Next Evolution of the Internet is Changing Everything.
Recuperado de: www.cisco.com
European Commission.
Smart Cities: Information and Communications Technologies as Enablers of Urban
Sustainability. Recuperado de: https://ec.europa.eu/

Investigacion Ciencia y Tecnologia para Escuela de Ingenierias - 52709

Cargado por

Copyright:

Formatos disponibles

Investigacion Ciencia y Tecnologia para Escuela de Ingenierias - 52709

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion Ciencia y Tecnologia para Escuela de Ingenierias - 52709

Cargado por

Copyright:

Formatos disponibles

FORMATO PARA LA PRESENTACIÓN DE PROPUESTAS DE INVESTIGACIÓN

Planteamiento del Problema:

Diseñar e implementar un sistema de gestión vial inteligente que optimice el flujo

Fase 1: Análisis inicial

Fase 2: Implementación del sistema

Fase 3: Desarrollo de algoritmos de IA

Fase 4: Evaluación y validación

Compromisos y Estrategia de Comunicación

Presupuesto Global de la Propuesta

También podría gustarte