Contribución al análisis de datos de sensores en el ámbito de ciudad inteligente
- Autores: Ramona Ruiz Blázquez
- Directores de la Tesis: Mario Muñoz Organero (dir. tes.), Luis Sánchez Fernández (codir. tes.)
- Lectura: En la Universidad Carlos III de Madrid ( España ) en 2018
- Idioma: español
- Tribunal Calificador de la Tesis: Natividad Martínez Madrid (presid.), Jesús Arias Fisteus (secret.), Norberto Fernández García (voc.)
- Programa de doctorado: Programa de Doctorado en Ingeniería Telemática por la Universidad Carlos III de Madrid
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
La presente tesis doctoral se enmarca dentro del contexto de Ciudades Inteligentes, y se centra en el área de la conducción inteligente de vehículos, tanto en zonas urbanas como interurbanas, mediante la recogida de datos proporcionados por sensores en tiempo real.
A día de hoy, es incuestionable que la movilidad vial representa un factor clave para el desarrollo económico de cualquier comunidad, siendo una contribución vital para el progreso de la sociedad actual y futura. Tal es así, que existen varios indicadores que refuerzan la idea de que existe una importante correlación entre la movilidad vial y el crecimiento económico. Por ello se hace necesario que las llamadas TIC, ‘Tecnologías de la Información y la Comunicación’, jueguen un rol importante en la búsqueda de mejores soluciones en el área del transporte. De este modo se pretende conseguir una movilidad vial que no solo sea segura y eficiente, sino que además sea respetuosa y sostenible con el medio ambiente.
Una manera de alcanzar esta movilidad inteligente consiste en el procesamiento de los datos capturados por sensores, tales como los de telemetría del vehículo, o de frecuencia cardíaca, que proporcionan información del estado del conductor. Estos datos han sido proporcionados por conducciones reales, gracias al uso de la aplicación Android SmartDriver. También se han realizado conducciones bajo un entorno de simulación.
La labor realizada en esta tesis tiene como objetivo, por consiguiente, el análisis y tratamiento de estos datos, junto con la aplicación de técnicas estadísticas y de aprendizaje automático, con el fin de identificar situaciones anómalas durante la conducción (como pueden ser atascos o accidentes), además de identificar elementos de señalización en vías de circulación (como pueden ser semáforos, rotondas o cruces).
El marco teórico propuesto para resolver el problema del reconocimiento de estas situaciones anómalas de tráfico, combina métodos de detección de valores atípicos, o outliers, con técnicas de clasificación supervisada, sobre los datos generados durante la conducción. Se entiende por valor atípico, aquel que se encuentra fuera del rango de valores esperados para un conjunto de datos dado. En la mayoría de los casos estos atípicos suelen ser el resultado de un equipo mal calibrado, una entrada incorrecta de datos, o errores de procesamiento o codificación, y una vez detectados es necesario eliminarlos para que no afecten al análisis de datos. Sin embargo, los atípicos también pueden aparecer por causas desconocidas o como consecuencia de una situación extraordinaria, de modo que pueden sacar a la luz una valiosa información que quedaba oculta dentro del conjunto de datos. La idea es que en los datos recogidos durante la conducción, un atípico pueda identificar una situación anómala, como una retención, o la entrada en una rotonda, ya que en esas situaciones cabe esperar que los datos se distancien del resto.
Estos valores atípicos pueden encontrarse en variables individuales, o en variables formadas por un conjunto de ellas, de modo que se habla de atípicos univariantes, bivariantes o multivariantes, en función del número de los distintos parámetros o componentes que conforman las bases de datos utilizadas. En este proyecto se ha trabajado tanto con variables multivariantes como univariantes.
Para la detección de estos valores atípicos multivariantes se han estudiado y presentado diversas técnicas, como pueden ser: los métodos estadísticos, el análisis de componentes principales, los métodos de búsqueda de proyecciones, o métodos basados en la minería de datos. Estos últimos, a su vez se dividen en técnicas basadas en la distancia, técnicas basadas en la densidad local, técnicas de agrupamiento o clustering, y las máquinas de vector soporte de una clase.
En el modelo propuesto, una vez efectuados los procesos de adquisición y tratamiento de datos, se generar la variable multivariante, formada por seis componentes que proporcionan información del vehículo y del estado del conductor. Sobre esta variable se realiza, en primer lugar una detección de valores atípicos para, a continuación, emplear distintas técnicas de clasificación supervisada, sobre características generadas en función de los valores atípicos.
Además, se han calculado los valores atípicos teniendo en cuenta únicamente la variable aceleración del vehículo. A partir de los atípicos obtenidos en el patrón de la aceleración y el uso de clasificadores, se van a identificar ubicaciones candidatas a ser un elemento de la infraestructura vial urbana, como rotondas o pasos de cebra.
Mediante la detección de atípicos sobre este tipo de datos, se logra la identificación de diversas situaciones anómalas de tráfico, como puede ser un escenario de congestión. Esto podría beneficiar a los conductores, por ejemplo, evitando el tiempo malgastado durante el atasco y los problemas de salud causados por la polución del aire en esa zona.
Los resultados obtenidos de la clasificación han sido muy prometedores, con una media de tasa de acierto en todas las pruebas realizadas del 80%, con lo que todo parece indicar que se trata de un enfoque muy eficiente y efectivo.
Las técnicas de monitorización de tráfico para la detección de incidencias o situaciones anómalas de tráfico en carretera, así como la identificación de elementos de señalización en vías de circulación, son una disciplina muy estudiada y extendida en todo el mundo, en la que se han propuesto números modelos y métodos, y con diferentes enfoques o técnicas. Sin embargo, estas soluciones han sido muy escasas desde un punto de vista de detección de valores atípicos, y sobre datos recogidos por sensores durante la conducción.
Se trata, por tanto, de un enfoque novedoso en el uso de la detección de atípicos no tratado antes en esta área, como mecanismo de detección automática de situaciones anómalas de tráfico e identificación de elementos de la infraestructura vial.
