Sistema Autónomo para Asistencia en Accidentes de Tránsito SkyCreator

Abstract

Los accidentes de tránsito representan un desafío significativo para la movilidad urbana, ya que generan congestionamientos y retrasos que afectan a miles de usuarios diariamente. Para reducir el tiempo en que estos problemas impactan a los usuarios viales, se propone implementar un prototipo de sistema de control autónomo y detección de accidentes de tránsito para un cuadricóptero. Utilizando la red neuronal convolucional YOLO, se realiza la detección y captura de evidencia de la escena. El sistema se implementa en el dron Tello, el cual se desplaza de forma autónoma desde su posición inicial hasta el punto del accidente. Dado que el dron no cuenta con un sistema GPS, y considerando la imprecisión de este para un prototipo, se utiliza una red de sensores de ultrasonido estratégicamente posicionados sobre la maqueta del sistema, simulando las antenas de una ciudad. De esta manera, se obtiene la posición del dron durante su vuelo, permitiendo establecer una trayectoria precisa y corregir cualquier desviación.

Traffic accidents pose a significant challenge to urban mobility, as they generate congestion and delays that affect thousands of users daily. To reduce the time these issues impact road users, a prototype system for autonomous control and traffic accident detection for a quadcopter is proposed. Using the YOLO convolutional neural network, the system performs detection and captures evidence of the scene. The system is implemented on the Tello drone, which autonomously moves from its initial position to the accident site. Since the drone does not have a GPS system, and considering the inaccuracy of such systems for a prototype, a network of ultrasonic sensors is strategically positioned on the system model, simulating city infrastructure. This setup allows the drone's position to be determined during its flight, enabling a precise trajectory to be established and any deviations to be corrected.