Desarrollo e implementación de una solución basada en inteligencia artificial para la categorización de vehículos en el Proyecto Especial de Infraestructura de Transporte Nacional – Provías Nacional

Abstract

La clasificación de vehículos en las estaciones de peaje de PROVIAS NACIONAL se realiza mediante sensores instalados de manera invasiva en la superficie de la losa de concreto. Aunque este método resulta funcional, presenta inconvenientes, ya que el desgaste generado por el flujo vehicular reduce progresivamente la efectividad de los sensores. En el mercado existen alternativas menos invasivas, como los sensores infrarrojos; sin embargo, para PROVIAS NACIONAL su implementación supondría un incremento considerable en los costos, al requerir modificaciones tanto en la infraestructura como en el software. Este estudio surgió de la necesidad de incorporar métodos innovadores que aprovecharan las tecnologías y técnicas actuales, con el propósito de reemplazar los enfoques tradicionales en la identificación y categorización de vehículos dentro de las estaciones de peaje. En consecuencia, el objetivo principal de la investigación fue desarrollar e implementar una solución basada en inteligencia artificial para llevar a cabo dicha clasificación. Para el desarrollo del modelo se adoptó la metodología CRISP-DM, mientras que la implementación de la solución se ejecutó siguiendo los principios de la metodología ágil XP. Los resultados obtenidos demostraron que la solución propuesta alcanzó una precisión del 95% en la clasificación de vehículos, superando ampliamente a los métodos tradicionales. Asimismo, se evidenció una reducción en los costos de mantenimiento. Estos hallazgos confirmaron la viabilidad técnica y económica de implementar soluciones basadas en inteligencia artificial en el contexto de PROVIAS NACIONAL.

Vehicle classification at PROVIAS NACIONAL toll plazas is performed using sensors installed invasively on the surface of the concrete slab. Although this method is functional, it has drawbacks, as wear and tear caused by traffic flow progressively reduces the sensors' effectiveness. Less invasive alternatives, such as infrared sensors, are available on the market; however, for PROVIAS NACIONAL, their implementation would entail a considerable increase in costs, requiring modifications to both the infrastructure and the software. This study arose from the need to incorporate innovative methods that leverage current technologies and techniques, with the aim of replacing traditional approaches to vehicle identification and categorization within toll plazas. Consequently, the main objective of the research was to develop and implement an artificial intelligence-based solution for this classification. The CRISP-DM methodology was adopted for the development of the model, while the solution was implemented following the principles of the Agile XP methodology. The results obtained demonstrated that the proposed solution achieved 95% accuracy in vehicle classification, significantly outperforming traditional methods. A reduction in maintenance costs was also evident. These findings confirmed the technical and economic feasibility of implementing artificial intelligence-based solutions in the context of PROVIAS NATIONAL.