Diseño de un prototipo para control del tráfico vehicular en el campus universitario de la UCEVA

Abstract

El desarrollo urbano acelerado, impulsado por la Revolución Industrial, ha planteado desafíos críticos en la movilidad y la seguridad vial. La regulación del tráfico inició formalmente con el surgimiento del semáforo a finales del siglo XIX, evolucionando desde sistemas manuales y automáticos hasta las actuales soluciones inteligentes que integran sensores y algoritmos de Inteligencia Artificial (IA), esta evolución tecnológica busca la optimización del flujo urbano, la reducción de la congestión y el incremento de la seguridad para los usuarios. En este contexto, el presente trabajo tuvo como objetivo diseñar e implementar un prototipo inteligente destinado al control del tráfico vehicular dentro del campus de la Unidad Central del Valle del Cauca (UCEVA). El proyecto aborda la necesidad de regular el flujo en los accesos del campus donde la carencia de una señalización clara y de un sistema de prioridad adecuado provoca congestiones frecuentes y pone en riesgo la seguridad de la comunidad universitaria. La metodología se articuló en cuatro fases esenciales: diagnóstico del problema, diseño del sistema, desarrollo del modelo de detección mediante visión por computadora, y validación experimental. Se optó por la arquitectura YOLOv5, entrenada para identificar vehículos en tiempo real, cuya ejecución se gestiona desde un servidor Linux Ubuntu. La comunicación con el microcontrolador ESP32, que controla el semáforo físico. se realiza a través del protocolo MQTT. Los resultados obtenidos validaron la eficacia del sistema: se documentó una precisión del 92 % en la detección vehicular y una reducción significativa del 60 % en los tiempos de espera frente a un sistema semafórico de ciclo fijo. El prototipo demostró la viabilidad de integrar IA e IoT en entornos universitarios para optimizar la movilidad interna y la eficiencia energética. Se concluye que este sistema marca un hito inicial en la implementación de infraestructuras inteligentes en la UCEVA. Como recomendación para trabajo futuro, se sugiere priorizar la optimización de la latencia de comunicación y extender la capacidad de detección para incluir a peatones y motocicletas.