Sistema de alerta y notificación de variaciones en el patrón de conducción

Abstract

Each year, the number of deaths from accidents in urban areas increases by 3% (INEI, 2018), due to reckless driving and inefficient safety systems to avoid car accidents, therefore, in Peru, the Need for a system that allows drivers to be audibly alerted when their driving pattern differs from usual and to avoid car accidents. The objective of this research is to develop a system that allows to generate alerts when driving that differs from the usual patterns is detected, applying the Kohonen Neural Network Model methodologies and the hidden Markov Model and implementing them in a mobile application for Android itself. . In the experimentation, two driving states were determined: “No accident“ and “Previous Accident“, where drivers between 20 and 30 years old, within a controlled area, showed on average that 86% of the time they accelerated when they were on the road. “Previous Accident” status, but it is also pointed out that the average probability of changing from “Previous Accident” to “No accident” status was 91%, which indicates a driving trend within the usual patterns. The results obtained for the generation of driving patterns allow the driver to be alerted when his driving style differs from the usual patterns and to avoid car accidents. This finding contributes to improving our understanding of the links between variability in driving patterns and the incidence of motor vehicle accidents.

Cada año se incrementa en 3% la cantidad de fallecidos por accidentes en el área urbana (INEI, 2018), debido a una conducción imprudente y sistemas de seguridad poco eficientes para evitar accidentes automovilísticos. En Perú se hace notoria la necesidad de un sistema que permita alertar de manera auditiva a los conductores cuando su patrón de conducción difiera de lo habitual y evitar accidentes automovilísticos. La presente investigación tiene como objetivo el desarrollo un sistema que permita generar alertas cuando se detecte una conducción que difiera de los patrones habituales, aplicando las metodologías Modelo de Red Neuronal de Kohonen y el Modelo oculto de Markov e implementarlas en un aplicativo móvil para Android propio. En la experimentación se determinaron dos estados de conducción: “no accidente” y “previo accidente”, donde los conductores entre 20 y 30 años, dentro de un área controlada, mostraban en promedio que el 86% de las veces aceleraban cuando se encontraban en el estado de “previo accidente”, pero también se observó que la probabilidad promedio de cambiar del estado “previo accidente” a “no accidente” fue del 91%, lo que indico una tendencia de conducción dentro de los patrones habituales. Los resultados obtenidos para la generación de patrones de conducción permiten alertar al conductor cuando su estilo de conducción difiere de los patrones habituales y evitar accidentes automovilísticos. Este hallazgo contribuirá a mejorar nuestra comprensión de los vínculos entre la variabilidad de patrones de conducción y la incidencia de accidentes automovilísticos.