Detector de alcoholemia para conductores que analiza variables faciales y ambientales del automóvil mediante el aprendizaje automático supervisado para la reducción de accidentes de tránsito

Abstract

En el presente trabajo de titulación se realizará un detector de alcoholemia para conductores que analiza variables faciales y ambientales del automóvil mediante el aprendizaje automático supervisado, con el cual se pretende obtener una herramienta diseñada para la reducción de accidentes de tránsito a causa de conductores que se encuentran en estado etílico, el proyecto se encuentra desarrollado en base a la metodología del modelo en V con el cual se establecen los parámetros y funciones que se deben cumplir en cada una de sus fases que dará como resultado un modelado eficiente del sistema. Dicho modelamiento se encuentra desarrollado en dos etapas, la primera tiene la finalidad recolectar la temperatura facial, diámetro de la pupila y nivel de alcohol en el aliento del conductor para crear un conjunto de datos que serán utilizados para el entrenamiento del algoritmo de aprendizaje automático supervisado basado en la clasificación del árbol de decisión, la segunda etapa del sistema verifica el estado del conductor haciendo uso del algoritmo mencionado cuyo resultado determinará si el vehículo se enciende o no; el sistema es sometido a pruebas de funcionabilidad con diferentes sujetos en diferentes estados etílicos y sobrios cuyos resultados demuestran la factibilidad del sistema y a su vez mediante un análisis de costo beneficio se demuestra la rentabilidad del proyecto.