Identificación de carreteras convencionales mediante técnicas de soft computing

  1. Felipe Barreno Herrera 1
  2. Matilde Santos 1
  3. Manuel Romana 2
  1. 1 Universidad Complutense de Madrid
    info

    Universidad Complutense de Madrid

    Madrid, España

    ROR 02p0gd045

  2. 2 Universidad Politécnica de Madrid
    info

    Universidad Politécnica de Madrid

    Madrid, España

    ROR https://ror.org/03n6nwv02

Libro:
XL Jornadas de Automática: libro de actas. Ferrol, 4-6 de septiembre de 2019
  1. Jose Luis Calvo Rolle (coord.)
  2. Jose Luis Casteleiro Roca (coord.)
  3. María Isabel Fernández Ibáñez (coord.)
  4. Óscar Fontenla Romero (coord.)
  5. Esteban Jove Pérez (coord.)
  6. Alberto José Leira Rejas (coord.)
  7. José Antonio López Vázquez (coord.)
  8. Vanesa Loureiro Vázquez (coord.)
  9. María Carmen Meizoso López (coord.)
  10. Francisco Javier Pérez Castelo (coord.)
  11. Andrés José Piñón Pazos (coord.)
  12. Héctor Quintián Pardo (coord.)
  13. Juan Manuel Rivas Rodríguez (coord.)
  14. Benigno Rodríguez Gómez (coord.)
  15. Rafael Alejandro Vega Vega (coord.)

Editorial: Servizo de Publicacións ; Universidade da Coruña

ISBN: 978-84-9749-716-9

Año de publicación: 2019

Páginas: 162-169

Congreso: Jornadas de Automática (40. 2019. Ferrol)

Tipo: Aportación congreso

Resumen

En este trabajo se presenta un sistema de identificación basado en técnicas de Soft Computing, concretamente en lógica borrosa y sistemas neuroborrosos, para clasificación de carreteras convencionales. La variabilidad de la información de entrada y la incertidumbre generada por el solapamiento de esta información hace que la lógica borrosa sea una técnica muy adecuada para abordar este problema ya que se presentan carreteras convencionales de distinto tipo con características similares. Partiendo de datos reales de varias carreteras convencionales situadas en la Comunidad de Madrid, registrados mediante un sistema instrumental incorporado en un vehículo, se proponen varios sistemas de identificación basados en técnicas borrosas y neuro-borrosas para clasificar cada carretera bajo estudio. Los resultados obtenidos pueden resultar útiles para mejorar el confort y la seguridad en la conducción.