Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM

Autores
Vázquez, Raimundo; Gramajo, Sergio; Marighetti, Jorge Omar; Torres, Carlos; Robledo Sanchez, Alberto Andrés
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Se presenta un procedimiento para estimar la intención del sentido de giro de un conductor segundos antes de ingresar a una rotonda. En situaciones reales, la detección de que un conductor va a girar en una determinada dirección al ingresar a la rotonda no es suficiente para implementar estrategias de reducción de riesgos, por lo que es relevante reconocer una posible acción futura momentos antes de que ocurra. El método propuesto utiliza datos de posición asociados a tres rectas paralelas a una avenida cercana a la rotonda. De esta forma, fue posible obtener información relevante para alimentar una red neuronal con el fin de predecir la intención de giro de un vehículo en metros antes de ingresar a la rotonda. El entrenamiento y prueba se basó en una red tipo Long Short Term Memory, que permitió predecir la probabilidad de que el vehículo gire a la derecha, a la izquierda o siga derecho. Se logró construir un modelo con resultados prácticos, dando una importante ventana de predicción de 40 metros antes de llegar a la rotonda. Se consiguió construir un modelo con una exactitud aproximación de 0,80 y una pérdida menor a 0,47. Para evaluar la capacidad predictiva de la red se utilizó la herramienta denominada curva Característica Operativa del Receptor y las intenciones se definieron como clases.
Fil: Vázquez, Raimundo. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Fil: Gramajo, Sergio. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Centro de Investigación Aplicada en Tecnologías de la Información y Comunicación; Argentina.
Fil: Marighetti, Jorge Omar. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Fil: Torres, Carlos. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Fil: Robledo Sanchez, Alberto Andrés. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Materia
Predicción
Rotonda
Red LSTM
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-ShareAlike 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/11704
Acceder
id RIAUTN_b727763fd99b0d991f2725e294c11d80
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/11704
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTMVázquez, RaimundoGramajo, SergioMarighetti, Jorge OmarTorres, CarlosRobledo Sanchez, Alberto AndrésPredicciónRotondaRed LSTMSe presenta un procedimiento para estimar la intención del sentido de giro de un conductor segundos antes de ingresar a una rotonda. En situaciones reales, la detección de que un conductor va a girar en una determinada dirección al ingresar a la rotonda no es suficiente para implementar estrategias de reducción de riesgos, por lo que es relevante reconocer una posible acción futura momentos antes de que ocurra. El método propuesto utiliza datos de posición asociados a tres rectas paralelas a una avenida cercana a la rotonda. De esta forma, fue posible obtener información relevante para alimentar una red neuronal con el fin de predecir la intención de giro de un vehículo en metros antes de ingresar a la rotonda. El entrenamiento y prueba se basó en una red tipo Long Short Term Memory, que permitió predecir la probabilidad de que el vehículo gire a la derecha, a la izquierda o siga derecho. Se logró construir un modelo con resultados prácticos, dando una importante ventana de predicción de 40 metros antes de llegar a la rotonda. Se consiguió construir un modelo con una exactitud aproximación de 0,80 y una pérdida menor a 0,47. Para evaluar la capacidad predictiva de la red se utilizó la herramienta denominada curva Característica Operativa del Receptor y las intenciones se definieron como clases.Fil: Vázquez, Raimundo. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; ArgentinaFil: Gramajo, Sergio. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Centro de Investigación Aplicada en Tecnologías de la Información y Comunicación; Argentina.Fil: Marighetti, Jorge Omar. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; ArgentinaFil: Torres, Carlos. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; ArgentinaFil: Robledo Sanchez, Alberto Andrés. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina2024-11-29T18:51:38Z2022-12-01info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdf6° Congreso Argentino de Ingenieria (CADI)978-987-4050-08-3https://ria.utn.edu.ar/handle/20.500.12272/11704spaCCUTIRE0007685TCDesarrollo de un modelo para predecir la intención acción de un conductor en la entrada de una rotonda o glorietainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Acceso Abiertoreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:58:03Zoai:ria.utn.edu.ar:20.500.12272/11704instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:58:04.42Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
title Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
spellingShingle Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
Vázquez, Raimundo
Predicción
Rotonda
Red LSTM
title_short Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
title_full Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
title_fullStr Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
title_full_unstemmed Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
title_sort Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
dc.creator.none.fl_str_mv Vázquez, Raimundo
Gramajo, Sergio
Marighetti, Jorge Omar
Torres, Carlos
Robledo Sanchez, Alberto Andrés
author Vázquez, Raimundo
author_facet Vázquez, Raimundo
Gramajo, Sergio
Marighetti, Jorge Omar
Torres, Carlos
Robledo Sanchez, Alberto Andrés
author_role author
author2 Gramajo, Sergio
Marighetti, Jorge Omar
Torres, Carlos
Robledo Sanchez, Alberto Andrés
author2_role author
author
author
author
dc.subject.none.fl_str_mv Predicción
Rotonda
Red LSTM
topic Predicción
Rotonda
Red LSTM
dc.description.none.fl_txt_mv Se presenta un procedimiento para estimar la intención del sentido de giro de un conductor segundos antes de ingresar a una rotonda. En situaciones reales, la detección de que un conductor va a girar en una determinada dirección al ingresar a la rotonda no es suficiente para implementar estrategias de reducción de riesgos, por lo que es relevante reconocer una posible acción futura momentos antes de que ocurra. El método propuesto utiliza datos de posición asociados a tres rectas paralelas a una avenida cercana a la rotonda. De esta forma, fue posible obtener información relevante para alimentar una red neuronal con el fin de predecir la intención de giro de un vehículo en metros antes de ingresar a la rotonda. El entrenamiento y prueba se basó en una red tipo Long Short Term Memory, que permitió predecir la probabilidad de que el vehículo gire a la derecha, a la izquierda o siga derecho. Se logró construir un modelo con resultados prácticos, dando una importante ventana de predicción de 40 metros antes de llegar a la rotonda. Se consiguió construir un modelo con una exactitud aproximación de 0,80 y una pérdida menor a 0,47. Para evaluar la capacidad predictiva de la red se utilizó la herramienta denominada curva Característica Operativa del Receptor y las intenciones se definieron como clases.
Fil: Vázquez, Raimundo. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Fil: Gramajo, Sergio. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Centro de Investigación Aplicada en Tecnologías de la Información y Comunicación; Argentina.
Fil: Marighetti, Jorge Omar. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Fil: Torres, Carlos. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
Fil: Robledo Sanchez, Alberto Andrés. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina
description Se presenta un procedimiento para estimar la intención del sentido de giro de un conductor segundos antes de ingresar a una rotonda. En situaciones reales, la detección de que un conductor va a girar en una determinada dirección al ingresar a la rotonda no es suficiente para implementar estrategias de reducción de riesgos, por lo que es relevante reconocer una posible acción futura momentos antes de que ocurra. El método propuesto utiliza datos de posición asociados a tres rectas paralelas a una avenida cercana a la rotonda. De esta forma, fue posible obtener información relevante para alimentar una red neuronal con el fin de predecir la intención de giro de un vehículo en metros antes de ingresar a la rotonda. El entrenamiento y prueba se basó en una red tipo Long Short Term Memory, que permitió predecir la probabilidad de que el vehículo gire a la derecha, a la izquierda o siga derecho. Se logró construir un modelo con resultados prácticos, dando una importante ventana de predicción de 40 metros antes de llegar a la rotonda. Se consiguió construir un modelo con una exactitud aproximación de 0,80 y una pérdida menor a 0,47. Para evaluar la capacidad predictiva de la red se utilizó la herramienta denominada curva Característica Operativa del Receptor y las intenciones se definieron como clases.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-01
2024-11-29T18:51:38Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv 6° Congreso Argentino de Ingenieria (CADI)
978-987-4050-08-3
https://ria.utn.edu.ar/handle/20.500.12272/11704
identifier_str_mv 6° Congreso Argentino de Ingenieria (CADI)
978-987-4050-08-3
url https://ria.utn.edu.ar/handle/20.500.12272/11704
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv CCUTIRE0007685TC
Desarrollo de un modelo para predecir la intención acción de un conductor en la entrada de una rotonda o glorieta
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Acceso Abierto
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Acceso Abierto
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862381204275200
score 13.365483

Publicaciones similares