Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-24T13:52:10Z No. of bitstreams: 1 Julio Cesar da Silva Soares.pdf: 1645821 bytes, checksum: e32d7384c0a6f1999bc7eb190dcd7a05 (MD5) / Made available in DSpace on 2017-04-24T13:52:10Z (GMT). No. of bitstreams: 1 Julio Cesar da Silva Soares.pdf: 1645821 bytes, checksum: e32d7384c0a6f1999bc7eb190dcd7a05 (MD5) Previous issue date: 2017-03-22 / FAPEMA / Urban roads are very complex. The increase in the flow of vehicles in the cities has contributed to traffic accidents. Researches for accident reduction show that the traffic lights are effective in reducing accidents. Traffic lights can minimize the occurrence of accidents at intersections and crosswalks. The implementation of traffic light signals shows significant advantages, otherwise reveals some problems such as the failure to detect road signs by drivers on urban roads. This fact is related to excessive visual information, the stress of the drivers and/or eyestrain makes the drivers lose their attention. These reasons motivated researches about intelligent vehicles. This work aims to develop a methodology to detect and recognize traffic lights, to be applied in smart vehicles. This methodology can contribute to the Advanced Driver Support Systems (ADAS), which assists drivers, especially those with partial vision impairment. Image processing techniques are used to develop the detection methodology. Back project and global thresholding are combined to find light points. Local thresholding techniques are applied to calculate the symmetry between the radius and the center of the light points to segment the traffic light body. The first step got an average rate of 99% of detection. The features of the traffic lights are extracted using Haralick texture measures, with the inclusion of color and shape information. The data generated by the feature extraction step were preprocessed using the SMOTE technique to balance the database. The recognition and identification of the traffic lights state are made by an artificial neural network using Multilayer-Perceptron (MLP). The backpropagation learning algorithm are used in the network training. The validation results show an average recognition rate of 98%. / As vias urbanas estão cada vez mais complexas e o acréscimo no fluxo de veículos nas cidades de médio e grande porte vem contribuindo para a elevação do número de acidentes. Pesquisas apontam que os sinais de trânsito são eficientes na redução do número de acidentes. A implantação de sinais de trânsito apresentam vantagens relevantes, mas por outro lado revelam alguns problemas, como a dificuldade na detecção de sinais de trânsito pelos condutores em vias urbanas. Este fato está relacionado à quantidade de informações visuais nas vias, ao estresse dos motoristas e/ou à fadiga visual destes, que fazem os motoristas desviarem sua atenção da sinalização. Estas razões motivaram muitas pesquisas nos últimos anos, sobre o tema veículos inteligentes. Assim, o presente trabalho propõe uma metodologia para detectar e reconhecer semáforos de trânsito para ser aplicada em veículos inteligentes, podendo contribuir para os Advanced Driver Support Systems - ADAS (Sistema Avançado de Auxílio ao Motorista), e que auxilie os motoristas, em especial aqueles com deficiência parcial da visão. Além disso, o sistema desenvolvido é capaz de identificar o estado do semáforo e indicar ao condutor se ele deve parar ou prosseguir, contribuindo assim para a redução de acidentes de transito. Para o desenvolvimento do algoritmo de detecção, utilizaram-se técnicas de processamento de imagens, através de histograma retroprojetado e limiarização global para detectar pontos de luzes. A limiarização local é aplicada para o cálculo de simetria entre o raio e o centro dos pontos de luzes, com a finalidade de segmentar o corpo do semáforo, onde se obteve uma taxa média de detecção de 99%. As características dos semáforos foram extraídas utilizando os atributos de Haralick, com a inclusão de informações de cor e forma. Os dados gerados pela extração de características foram pré-processados utilizando a técnica de SMOTE para balancear a base de dados. O reconhecimento e a identificação do estado do semáforo foram realizados por uma rede neural artificial do tipo Multilayer Perceptron (MLP). No treinamento da rede se utilizou o algoritmo de aprendizagem backpropagation e a separação de dados para treinamento e validação. Os resultados da validação mostraram uma taxa média de reconhecimento de 98%.

La intersección de las Avenidas José Granda y Universitaria, ubicado en el distrito de San Martín de Porres, Lima (conocido como Óvalo José Granda); es un cruce con un diseño geométrico no convencional, que tiene forma de rotonda, pero que no opera como tal; consta de un cruce semaforizado de cuatro accesos que cruzan la rotonda al interior de la misma, en los sentidos Norte-Sur, Sur-Norte, generando entrecruzamientos en todos los carriles de la rotonda y muy bajas velocidades, que son sumamente peligrosos en su operación. Para, mitigar el problema encontrado, se ha realizado el rediseño de la intersección implementando un intercambio vial semaforizado tipo diamante a nivel; para el cual se han aplicado dos alternativas de coordinación semafórica, ambas con control de tiempo fijo. De la modelación del tránsito vehicular en los software AIMSUN para el análisis de microsimulación y SYNCHRO para la optimización en la coordinación semafórica; de los tres escenarios evaluados (situación actual, alternativas 1 y 2), se compararon dos medidas de efectividad, el tiempo de demoras (seg/veh) y el número de paradas (#/veh/km), concluyendo que los resultados operacionales mejoran con la alternativa 1; sin embargo, empeoran con la alternativa 2, sometidas a evaluación contra la situación actual. Se recomienda analizar las alternativas planteadas con semaforización actuada (de tiempo flexible, activado por el tránsito); así como también, con paraderos de transporte público, se ubiquen fuera el área de análisis, para que no afecte la operación del diseño propuesto. / The intersection of José Granda and Universitaria avenues, located in the district of San Martín de Porres, Lima (known as Óvalo José Granda), is a junction with an unconventional geometric design, which is shaped like a roundabout, but does not operate as such. It consists of a traffic light crossing with four accesses that cross the roundabout inside it, in the North-South, South-North directions, generating intersections in all the lanes of the roundabout and very low speeds, which are extremely dangerous in its operation. To mitigate the problem encountered, the intersection has been redesigned by implementing a diamond-type traffic light interchange, at level; for which two alternatives of traffic light coordination have been applied, both with fixed time control. From vehicle traffic modeling in AIMSUN software for microsimulation analysis and SYNCHRO for traffic light coordination optimization; Of the three evaluated scenarios (current situation, alternatives 1 and 2), two measures of effectiveness were compared, the delay time (sec / veh) and the number of stops (# / veh / km), concluding that the operational results improve with alternative 1; however, they worsen with alternative 2, evaluated against the current situation. It is recommended to analyze the alternatives proposed with activated traffic lights (flexible time, activated by traffic); as well as, with public transport stops, are located outside the analysis area, so that they do not affect the operation of the proposed design. / Tesis