Detección de vehículos en el tráfico urbano: una revisión sistemática de la literatura

Autores/as

DOI:

https://doi.org/10.15381/risi.v17i2.29232

Palabras clave:

Detección de vehículos, tráfico urbano, revisión sistemática de literatura, inteligencia artificial, visión artificial

Resumen

La seguridad vial es un tema de gran relevancia debido a la alta incidencia de accidentes de tráfico y sus consecuencias. El objetivo principal de este artículo de revisión es proporcionar una visión integral y actualizada de los avances en la detección de vehículos en el tráfico urbano respecto a los algoritmos, el procesamiento de datos y las métricas de validación utilizadas en este campo. Se realizaron búsquedas exhaustivas en Google Académico, PubMed y IEEE Xplore, en las que se escogieron estudios publicados entre los años 2019 y 2024. Los resultados revelaron 34 investigaciones seleccionadas, siendo Google Académico como el motor de búsqueda con mayor cantidad de estudios, representando el 47% del total. El año 2022 registró la mayor tendencia en publicaciones, con un total de 5 estudios. Los algoritmos más utilizados fueron YOLOv5, Faster R-CNN, representando cada uno, 6 investigaciones. Además, se observó el uso de conjuntos de datos propios y técnicas avanzadas para el procesamiento en entornos complejos de tráfico urbano. La métrica de validación más utilizada fue la precisión, presente en 16 investigaciones. En conclusión, esta revisión sistemática tiene un impacto significativo y establece una base sólida para futuras investigaciones en el ámbito de la seguridad vial, contribuyendo de manera efectiva al desarrollo de este campo.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Ivan Carlo Petrlik Azabache, Universidad Nacional Mayor de San Marcos, Lima, Perú
     

     

Descargas

Publicado

2024-12-31

Número

Sección

Artículos

Cómo citar

[1]
“Detección de vehículos en el tráfico urbano: una revisión sistemática de la literatura”, Rev.Investig.sist.inform., vol. 17, no. 2, pp. 65–84, Dec. 2024, doi: 10.15381/risi.v17i2.29232.