Plataforma web basado en Inteligencia Artificial para el control vehicular en una Universidad Privada de Tarapoto
El objetivo principal de este estudio fue desarrollar una plataforma web basada en inteligencia artificial (IA) para mejorar el control vehicular en una universidad privada de Tarapoto. La investigación abordó los problemas de congestión y desorganización en el ingreso, estacionamiento y salida de v...
| Autores: | , |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | Perú |
| Institución: | Escuela de Posgrado Newman |
| Repositorio: | NEWMAN-Institucional |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.epnewman.edu.pe:20.500.12892/1727 |
| Acceso en línea: | https://hdl.handle.net/20.500.12892/1727 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia Artificial Control Vehicular Automatización Redes neuronales Universidad privada https://purl.org/pe-repo/ocde/ford#1.02.00 https://purl.org/pe-repo/ocde/ford#1.02.01 https://purl.org/pe-repo/ocde/ford#1.02.02 https://purl.org/pe-repo/ocde/ford#1.02.03 |
| Sumario: | El objetivo principal de este estudio fue desarrollar una plataforma web basada en inteligencia artificial (IA) para mejorar el control vehicular en una universidad privada de Tarapoto. La investigación abordó los problemas de congestión y desorganización en el ingreso, estacionamiento y salida de vehículos, con el fin de optimizar la movilidad dentro del campus. Para ello, se inició con el análisis de los patrones de tráfico, identificando factores críticos como el registro manual de vehículos y la falta de organización en el flujo vehicular. Con esta información, se diseñó un modelo de IA capaz de reconocer y clasificar vehículos en tiempo real, utilizando técnicas avanzadas de aprendizaje automático y redes neuronales. Además, se implementaron simulaciones y pruebas piloto para optimizar las rutas internas, asegurando un sistema eficiente y adaptable a las necesidades del campus. Los resultados fueron muy positivos. Se logró reducir significativamente los tiempos de ingreso y salida, además de mejorar la seguridad y la eficiencia operativa. Asimismo, la optimización de rutas ayudó a disminuir la contaminación, promoviendo un impacto ambiental favorable. Se concluye que esta investigación no solo permitió solucionar los problemas de tráfico en la universidad, sino que también evidenció el potencial de la inteligencia artificial para mejorar la gestión de espacios y recursos. La plataforma desarrollada representa un avance en la integración tecnológica para la movilidad sostenible y abre nuevas oportunidades para su aplicación en otros contextos similares. |
|---|