UNIVERSIDAD TECNICA DEL NORTE FACULTAD DE...

FICA,VOL. 1, NO. 1, MAYO 2018 1

UNIVERSIDAD TECNICA DEL NORTE

FACULTAD DE INGENIERıA EN CIENCIAS APLICADAS

CARRERA DE INGENIERIA EN ELECTRONICA Y REDES DE

COMUNICACION

ARTICULO CIENTIFICO

TEMA:

“DETECTOR DE ALCOHOLEMIA PARA CONDUCTORES QUE

ANALIZA VARIABLES FACIALES Y AMBIENTALES DEL AUTOMOVIL

MEDIANTE EL APRENDIZAJE AUTOMATICO SUPERVISADO PARA

LA REDUCCION DE ACCIDENTES DE TRANSITO”

AUTORA: PORTILLA ARTEAGA LICETH GEOVANA

DIRECTOR: MSC. JAIME ROBERTO MICHILENA CALDERON

Ibarra-Ecuador

2018

2

L. PORTILLA ARTEAGA. DETECTOR DE ALCOHOLEMIA PARA CONDUCTORES QUE ANALIZAVARIABLES FACIALES Y AMBIENTALES DEL AUTOMOVIL MEDIANTE EL APRENDIZAJE

AUTOMATICO SUPERVISADO PARA LA REDUCCION DE ACCIDENTES DE TRANSITO

Detector de alcoholemia para conductoresque analiza variables faciales y

ambientales del automovil mediante elaprendizaje automatico supervisado parala reduccion de Accidentes de Transito

Liceth Portilla1, Ing Jaime Michlilena MSc.2, Ing. Sandra Narvaez3

Facultad de Ingenierıa en Ciencias AplicadasUniversidad Tecnica del Norte, Avenida 17 de Julio 5-21 y Jose MarAa Cordova, Ibarra, Imbabura.

[email protected], [email protected], [email protected]

Resumen. En el presente trabajo de titulacion se re-alizara un detector de alcoholemia para conductores queanaliza variables faciales y ambientales del automovilmediante el aprendizaje automatico supervisado, con elcual se pretende obtener una herramienta disenada parala reduccion de accidentes de transito a causa de con-ductores que se encuentran en estado etılico, el proyectose encuentra desarrollado en base a la metodologıa delmodelo en V con el cual se establecen los parametrosy funciones que se deben cumplir en cada una de susfases. Dicho modelamiento se encuentra desarrolladoen dos etapas, la primera tiene la finalidad recolectar latemperatura facial, diametro de la pupila y nivel de al-cohol en el aliento del conductor para crear un conjuntode datos que seran utilizados para el entrenamiento delalgoritmo de aprendizaje automatico supervisado basadoen la clasificacion del arbol de decision, la segunda etapadel sistema verifica el estado del conductor haciendo usodel algoritmo mencionado cuyo resultado determinarasi el vehıculo se enciende o no, al finalizar la prueba serealiza el reconocimiento facial del conductor para evitarque exista una suplantacion de identidad.

Palabras Claves

Aprendizaje Automatico, Conductor en estadoetılico, Diametro de la pupila, Temperatura Facial, Nivelde alcohol en el aliento.

Abstract. In the present degree work will be developeda breathalyzer detector for drivers, which analyzes facialvariables and environmental variables of the automobilethrough supervised machine learning, with which it isintended to obtain a tool designed for the reduction oftraffic accidents due to of drunk drivers, the project isdeveloped in base on the methodology of the V modelwith which the parameters and functions that must bemet in each of its phases. Before mentioned modeling isdeveloped in two stages, the first one has the purpose ofcollecting the facial temperature, diameter of the pupiland level of alcohol in the driver’s breath, to create a setof data that will be used for the training of the supervisedmachine learning algorithm based on the Decision TreeClassification, the second stage of the system verifies thedriver’s status using the mentioned algorithm whose re-sult will determine if the vehicle turns on or not, at the

end of the breathalyzer test will be performed the facialrecognition of the driver is performed to avoid identityimpersonation.

Keywords.Machine Learning, Drunk driver, Pupil Diameter,

Facial Temperature, Alcohol Level in the driver’s breath.

I. INTRODUCCION

La Agencia Nacional de Transito ANT en las es-tadısticas de transporte terrestre y seguridad vial haclasificado los accidentes en siniestros, lesionados y fall-ecidos; dentro de los cuales existen 28 causas probablesde accidentes automovilısticos a Nivel Nacional, siendouna de las principales causas Conducir bajo la influen-cia de alcohol, sustancias estupefacientes o psicotropicasy/o medicamentos. A pesar de que dentro del CodigoOrganico Integral Penal COIP existen sanciones parala persona que conduzca en estado de ebriedad el por-centaje de siniestros de transito en el Ecuador ha in-crementado de un 6,72% en el 2015 a un 7,23% en el2017 [1], esto se debe a que un conductor ebrio presenta:un falso estado de euforia, un aumento del tiempo dereaccion, la reduccion del campo visual, la invasion deun carril sin motivo, lo que produce un alto numero desiniestralidad en terminos de pasajeros muertos, heri-dos y perdidas materiales, ocasionando en la ciudadanıaincertidumbre y preocupacion a causa de personas im-prudentes que conducen en estado de ebriedad [2].

En la actualidad en el mercado existe un grannumero de metodos para la deteccion del nivel de alcoholen un conductor, uno de las tecnicas mas populares es elanalizador de aliento; sin embargo, este no es infalible,ya que para determinar el efecto que tiene el etanol in-gerido sobre la capacidad de conducir el conductor debeexhalar a traves del analizador para tomar la muestradel aliento y medir la concentracion de etanol en el aıreexhalado [3], el inconveniente mas relevante en dichaprueba es la dificultad que tiene para determinar que lapersona que realiza la prueba es en realidad quien va aconducir el vehıculo y no un pasajero que se encuentre enestado de sobriedad. Otra tecnica empleada en Paısesdesarrollados es el uso de tiras transductoras sobre la


calzada para delimitar carriles, no obstante, este sistemaes muy costoso y existe la posibilidad de danos en lostransductores cuando hay mucha friccion con las ruedasdebido al exceso de velocidad [4]. Tambien se proponenenfoques para la discriminacion de una persona con altosniveles de alcohol usando imagenes infrarrojas termicascon el fin de vigilar los cambios de la temperatura en lasregiones cerca de la boca, nariz y frente, ademas de vi-sualizar el aumento de actividad en los vasos sanguıneosfaciales, debido al incremento de la temperatura en per-sonas que consumen alcohol [5], el inconveniente quepresenta la implementacion de este sistema es su elevadocosto de instalacion de las camaras termicas para dis-tinguir que una persona ha ingerido bebidas alcoholicaspor medio de valores radiometricos en su rostro.

En el presente artıculo cientıfico se recopila la in-formacion necesaria para determinar los parametros quese deben tomar en cuenta para la implementacion delDetector de alcoholemia para conductores que analizavariables faciales y ambientales del automovil medianteel aprendizaje automatico supervisado para la reduccionde Accidentes de Transito. Para lo cual se realizaraun estudio sistematizado de los efectos del consumo dealcohol y los registros de accidentes de transito en elEcuador, ası como de los sensores utilizados en la iden-tificacion de conductores en estado etılico. Tambiense abordan los principios de la Vision Artificial, conlos principales algorıtmos de reconocimiento facial y labiblioteca OpenCV. Finalmente se trata los conceptosde aprendizaje automatico supervisado, los algoritmosy la biblioteca Scikit-learn, despues se procedera a se-leccionar la metodologıa de desarrollo mas optima quepermita establecer los parametros y funciones que sedeben cumplir a lo largo del proyecto, el sistema serasometido a pruebas de funcionabilidad con diferentes su-jetos en estados etılicos y sobrios cuyos resultados de-mostraran la factibilidad del sistema y a su vez medianteun analisis de costo beneficio se demostrara la rentabili-dad del proyecto. Este documento esta estructurado dela siguiente manera, Seccion I es una breve introduccional tema, Seccion II presenta la Revision bibliografica,Seccion III describe el Desarrollo Experimental, SeccionIV contiene las pruebas de funcionamiento, Seccion VAnalisis Economico y Seccion VI Conclusiones.

II. REVISION BIBLIOGRAFICA

2.1. Registro de accidentes de transito acausa de conducir bajo los efectos de alcohol

Dentro de los datos oficiales proporcionados por laANT1, conducir bajo la influencia de alcohol es una delas principales causas de accidentes de transito a nivelNacional que ocasionan lesiones, muertes y siniestros,debido al gran porcentaje que presentan se busca alter-nativas que permitan mejorar el transporte terrestre yla seguridad vial para el conductor, los tripulantes del

vehıculo y peatones que sean vıctimas de un conductoren estado de ebriedad. La Figura 1 muestra el porcentajede accidentes a nivel Nacional ocurridos en los 3 ultimosanos [1].

Fig. 1. Porcentaje que representa conducir bajo lainfluencia de alcohol sustancias estupefacientes o

psicotropicas y/o medicamentos con relacion a todos losaccidentes ocasionados por las demas causas probables entre

los anos 2015 y 2017Fuente: Adaptado de [1]

Para evitar accidentes en las autopistas ocasiona-dos por conductores irresponsables es necesario conocerlos efectos que produce la ingesta de bebidas alcoholicasdebido a que afecta directamente el sistema nervioso cen-tral, provocando en los conductores alteracion sobre lavision, la funcion psicomotora, cambios de activacion-alerta, el comportamiento y la conducta [2].

• Con relacion a la conducta visual se destaca la dis-minucion del campo visual.

• Con respecto a las funciones psicomotoras eltiempo de reaccion del conductor se extiende,siendo capaz de llegar a ser 2 o mas segundos.

• Con respecto a los cambios de activacion y alerta eletanol hace que la fatiga muscular y sensorial seamayor, disminuyendo considerablemente la alertay vigilia.

• Debido a la cantidad ingerida de alcohol se ve al-terado el comportamiento y la conducta, ya quelos individuos en estado etılico presentan un menorsentido de la responsabilidad y la prudencia.

Las sanciones o multas aplicadas para las personasque conduzcan en estado de ebriedad por infringir algunacontravencion de transito en el Ecuador se establecencomo detalla el COIP2 en el artıculo 385, en el cual seestablece que la persona que conduzca un vehıculo enestado de embriaguez sera sancionada de acuerdo conuna escala de niveles, en todos los casos la Aprensio delvehıculo es de 24 horas. A continuacion, en la Tabla 1se muestra las sanciones senaladas:

1Agencia Nacional de Transito2Codigo Organico Integral Penal

4



Tabla. 1. Sanciones por Conducir en estado de EbriedadNivel CAS Multa Perdida Privacion

(gramos) Salario de puntos de libertad

1 0,3 a 0,8 1 5 5

2 0,8 a 1,2 1 10 15

3 Mayor 1,2 2 Suspencio 302 licencia2 60 dıas

Servicio Nivel 30 90Publico max. 0,1

2.2. Metodos para la deteccion de alcoholemiaen conductores

Dentro de los metodos se encuentra el analisis alco-hol en: sangre orina, saliva y el aliento; la prueba masempleada por los agentes de transito es el analisis de al-cohol en el aliento esto se debe a que presenta igualesbeneficios y fiabilidad que los metodos que se realizanen un centro de salud cuando se mide el CAS3 y pre-senta ventajas sobre la CAO4 dentro de las que se en-cuentran el hecho de no ser una prueba invasiva, la facil-idad para obtener una muestra de aliento, ademas deque se puede obtener el resultado de manera inmedi-ata. Sin embargo estudios preliminares presentan otrometodo para determinar si una persona se encuentra enestado etılico a traves de la temperatura facial, la cualincrementa cuando una persona se encuentra en estadoetılico y con el objetivo de vigilar los posibles cambiosde la temperatura con el consumo de alcohol, Koukiou,G; Panagopoulos, G y Anastassopoulos, V en su artıculodenominado Drunk person identification using thermalinfrared images seleccionaron 20 puntos diferentes en elrostro de las personas y como resultados se obtuvo quelos cambios mas significativos de temperatura cuandouna persona esta en estado de ebriedad se encuentran:en la nariz y frente [6]. A continuacion en la Tabla 2 seindica la variacion de temperatura existente.

Tabla. 2. Incremento de temperatura en las regiones denariz y frente del rostro en una persona ebria.

Sobrias Ebrias VariacionFrente Nariz Frente Nariz Temperatura

A 230,5 221,1 214,7 233,9 28,7

B 230,4 226,5 197,2 226,7 33,3

C 229,7 183,8 193,4 232,3 84,8

D 220,0 218,7 190,8 227,4 37,8

E 233,7 186,4 220,1 218,3 45,5

F 212,7 219,2 200,0 232,6 26,2

Ademas de determinar que existen puntos del rostroque incrementan su temperatura, estudios preliminaresrealizados por Koukiou Georgia y Anastassopoulos Vas-silis en su artıculo denominado Eye temperature distri-bution in drunk persons using thermal imagery man-ifiestan que existe una distribucion de la temperaturaen todo el ojo antes y despues del consumo de alcohol,para visualizar los resultados se hace uso de algorit-mos simples de procesamiento de imagenes y tecnicas

de modificacion del histograma, con los cuales se deter-mina que existe una diferencia de temperatura entre laesclerotica y el iris cuando alguien consume alcohol.

2.3. Vision por computador

El area de vision por computador se encarga detransformar de datos que se obtienen de una camara fijao de video en una representacion digital para procesary entender imagenes y videos. El objetivo de la visioncomputacional es extraer caracterısticas de una imagenpara su descripcion e interpretacion en el computador [7].

Cada aplicacion de vision artificial o por computa-dora tiene sus especificaciones, sin embargo, existen eta-pas comunes entre ellas y no necesariamente se debecubrir todas las fases en una implementacion concreta.En la Figura 2 se muestra las etapas de vision artificialgeneralizadas para el desarrollo del proyecto, en la cualexiste un encadenamiento temporal de una etapa sobreotra.

Fig. 2. Diagrama de bloques con las etapas de VisionArtificial

Fuente: Adaptado de [8]

Existen varios metodos para la deteccion facial conla finalidad de mejorar y reducir el tiempo de un sis-tema electronico para detectar el rostro, sin embargo, elalgoritmo de Viola-Jones, se lo considera como el maseficaz, obteniendo un mayor porcentaje de aciertos re-specto a sus pares, ademas de detectar mas rapido elrostro. Este algoritmo integra un nuevo concepto, laimagen integral, que junto con el algoritmo de boostcomo metodo de entrenamiento, forman un clasificadorcomplejo y preciso [9]. El algoritmo de deteccion facialbuscara caracterısticas especıficas que sean comunes enun rostro humano. Estas caracterısticas por extraer soninvariantes respecto al tamano de la zona de busquedade la imagen. En la Figura 3 se muestran las mas co-munes.

3Concentracion de alcohol en la Sangre4Concentracion de alcohol en la Orina


Fig. 3. Caracterısticas principales que comprueba eldetector Viola y Jones

Fuente: Adaptado de [10]

OpenCV5 es una librerıa de codigo abierto para eldesarrollo de funciones de programacion dirigidas prin-cipalmente a vision por computador y con un fuerteenfoque en aplicaciones que necesitan ser interpretadasen tiempo real. Esta librerıa dispone de varios algorit-mos, dentro de los cuales se encuentra una clase para elreconocimiento de rostros denominada FaceRecognizer,con diferentes metodos basados en apariencia linealescomo: Eigenfaces (basado en PCA), Fisherfaces (basadoen FLD) y Local Binary Patterns Histograms.

2.3. Aprendizaje automatico

El aprendizaje automatico (Machine Learning) esuna rama de la inteligencia artificial cuyo objetivo esdesarrollar tecnicas que permitan a las computadorasaprender. Un sistema puede aprender de un conjuntode datos mediante la extraccion de ciertos patrones yluego ser capaz de responder a preguntas relacionadascon un nuevo conjunto de datos. Las aproximacionesmetodologicas al diseno de las etapas de aprendizajepueden ser: aprendizaje supervisado, aprendizaje no su-pervisado y aprendizaje mediante refuerzo [11]. Para eldesarrollo del proyecto se empleara un aprendizaje super-visado ya que los valores del conjunto de entrenamientoseran establecido mediante un prototipo electronico querecolectara los atributos necesarios para la construcciondel algoritmo.

Scikit-learn es la biblioteca de codigo abierto para elaprendizaje automatico disenada para el lenguaje de pro-gramacion Python. La finalidad de esta es proporcionarherramientas de aprendizaje automatico eficientes y bienestablecidas dentro un entorno de programacion accesi-ble para los expertos en aprendizaje automatico y reuti-lizable en varias areas cientıficas. Esta biblioteca, incluyealgoritmos de aprendizaje clasico, herramientas de eval-uacion y seleccion de modelos, ası como procedimientosde preprocesamiento de datos [12]. Dentro de los benefi-cios que presenta construir un algoritmo de aprendizajeautomatico la biblioteca scikit-learn se encuentran:

• Interfaz consistente para los modelos de apren-dizaje automatico.

• Proporciona muchos parametros de ajuste, perocon valores predeterminados razonables.

• Documentacion excepcional.

• Amplio conjunto de funcionalidades para tareascomplementarias.

• Comunidad activa para desarrollo y apoyo.

2.4. Sistemas de bloqueo del automovil

Debido a que no es suficiente con que el conduc-tor realice una prueba de alcoholemia y sea conscientede las consecuencias que conlleva manejar un vehıculoen estado de ebriedad y no conduzca si la prueba marcaun valor alto de contenido de alcohol, es indispensableimplementar una etapa de bloqueo que lo obligue a sal-vaguardar su vida y la de los ocupantes del vehıculo, acontinuacion, se detallan los siguientes sistemas de blo-queo:

• Sistema de bloqueo mecanico a traves de la llavede contacto.

• Sistema de bloqueo a traves de la bomba del com-bustible.

• Sistema de bloqueo de encendido mediante lafuncion anti-arranque o anti-encendido.

III. DESARROLLO EXPERIMENTAL

El modelo de desarrollo a emplearse para la real-izacion de la investigacion es el “Modelo en V”, el cualcumple con el proceso adecuado a traves del cual se creael proyecto, ya que este modelo relaciona las pruebas devalidacion con las fases de analisis, diseno y desarrollodel proyecto; de esta manera se puede identificar en quefase se debe iniciar si alguna prueba falla, lo que garan-tiza altas posibilidades de exito y minimiza los riesgos enla fase final.En la Figura 4 se muestra las dos areas y losniveles en la que se encuentra dividido el Modelo en V;el area izquierda contiene el analisis, los requerimientosy el diseno del sistema hasta llegar a la implementacion;mientras que el area derecha comprende las validacionesdel proyecto disenadas especıficamente para cada fase.

Fig. 4. Modelo en V para el desarrollo de ProyectosFuente: Adaptado de [12]

5Librerıa de Vision Computarizada de Codigo Abierto

6



3.2. Analisis

Para determinar los factores que intervienen en eldesarrollo del Detector de Alcoholemia, se necesita re-alizar un analisis del entorno en el cual va a ser imple-mentado el proyecto, en este caso un automovil marcaChevrolet, modelo Corsa Evolution del ano 2007; a partirdel cual se obtendra la informacion necesaria para deter-minar la ubicacion y modelo del hardware a emplearse.A continuacion, se indican las dimensiones del interiordel vehıculo, la finalidad de conocer dichas dimensioneses determinar en la parte de requerimientos del sistemael numero de sensores y la ubicacion del hardware. Enla Figura 5 se muestra las lıneas de cota, que seran es-pecificadas en la tabla 3.

Fig. 5. Vista Interior del vehıculoFuente: Adaptado de [13]

Tabla. 3.Dimensiones principales de la vista Interior del vehıculo

Vista Interior del vehıculo Dim.(mm)

1 Diagonal de la puerta delantera. 13082 Altura de la puerta delantera. 9343 Recorte del bastidor de la puerta 840

delantera4 Separacion entre las columnas de 1069

puertas delanteras (superior, interior)5 Separacion entre las columnas del 1327

tope de puertas delanteras (centro).

La etapa de analisis del entorno del vehıculo es partefundamental para el desarrollo del proyecto debido a queeste permite recolectar informacion necesaria para deter-minar cual debe ser la ubicacion idonea para el hardwarey los captadores de informacion; ademas permite detal-lar que las limitaciones del sistema con respecto al lugarde los sensores y la camara. A continuacion, se muestranlas limitaciones que se deben tener presentes en el disenodel proyecto.

• Una de las limitaciones que se presentan es la ubi-cacion de la camara y el sensor termico, debido a

que se debe considerar que la camara y el sensorenfoquen el rostro frontalmente, ademas de que noobstaculice la visibilidad del conductor.

• Las ubicaciones de los sensores de gas deben ser lomas cerca al rostro del conductor para disminuir lasensibilidad de estos y de esta manera solo detectarel gas etanol del conductor y no de los tripulantesdel vehıculo.

3.3. Requerimientos del sistema

Para el analisis de los requerimientos del sistemase tomo como referencia el estandar ISO/ IEC / IEEE29148: 2011 el mismo que contiene directrices para elproceso relacionado a la ingenierıa de requisitos, especA-ficamente ha sido desarrollado para ser implementado enlos sistemas y productos de software y servicios a lo largodel ciclo de vida, ya que permite definir cada funcion quese requiere en el proyecto, las restricciones necesarias, yespecificar los requisitos y funciones del sistema.

A continuacion, se indican las consideraciones delestandar para el diseno de tablas que contengan la infor-macion relevante del proyecto, estas contienen los requer-imientos iniciales del sistema, requerimientos de arqui-tectura y los requerimientos de stakeholders, la finalidadde la elaboracion de tablas es presentar de una maneraresumida el contenido y que la informacion este clarapara posteriormente realizar la seleccion de hardwarey software a emplear en el desarrollo del proyecto. Latabla 4 muestra los acronimos empleados para referirsede forma abreviada a cada requerimiento analizado.

Tabla. 4.Definicion de Acronimos

Acronimo DescripcionSySR Requerimientos iniciales del Sistema.SRSH Requerimientos de Arquitectura.StSR Requerimientos del Stakeholder.

Los criterios que se tuvieron en cuenta para deter-minar la prioridad de los requerimientos del proyectofueron la importancia para el usuario, el rendimiento delsistema y el riesgo para el diseno y la implementaciondel proyecto.

En los requerimientos iniciales del sistema (SySR)se definen los limites funcionales del sistema en terminosde comportamiento y propiedades del proyecto, para lacaptura de los requerimientos funcionales se analizaronlas necesidades del proyecto, con la finalidad de dividirlasen categorıas.

En los requerimientos de arquitectura (SRSH) sedefinen los requerimientos de hardware, software y elsistema electrico.

La definicion de los requerimientos del stakeholder(StSR) tiene como finalidad identificar los requisitos de


los interesados para el sistema.

Una vez analizados los requerimientos del sistemase procede a realizar la seleccionon del hardware y soft-ware a emplear en el proyecto.

Dentro del el hardware se selecciono la placa Rasp-berry Pi 3 como sistema embebido, la Raspberry Picamera module v2 (Pi Noir) como camara para realizarel reconocimiento facial y la medicion del diametro de lapupila, el sensor MQ-3 como el sensor de gas empleadopara detectar el nivel de alcohol, el sensor MLX90621como sensor de temperatura para medir la temperaturafacial del conductor y la placa Arduino Uno R3 pararecibir la informacio de los sensores y enviarla a la placaRaspberry Pi 3; en cuanto al software se seleccionoOpenCv, python y el IDE de Arduino.

3.4. Diseno del sistema

El diseno se realiza con la finalidad de presentaruna vision general del funcionamiento del sistema deuna forma estructurada; para definir las directrices deldiseno del sistema se deben considerar los criterios ylimitaciones tomados en cuenta durante el analisis y losrequerimientos del sistema que permitiran el desarrollo eimplementacion del detector de alcoholemia en vehıculos.

Como parte del diseno del sistema se muestra a con-tinuacion el diagrama de bloques y diagrama diagramade conexion que guiara el funcionamiento y los procesospara poder desarrollar adecuadamente los scripts y el al-goritmo de aprendizaje automatico, para posteriormenterealizar la fase de prueba unitaria para realizar la verifi-cacion independiente de cada parte del proyecto, con lafinalidad de realizar una adecuada implementacion.

EL proceso de funcionamiento del sistema se pre-senta mediante un diagrama de bloque, que permite ob-servar la estructura fısica del sistema, los elementos quelo componen destacando el tipo de Hardware y como estese conecta entre sı, ademas de la ubicacion dentro del es-pacio fısico. A continuacion, en la Figura 6 se puedeapreciar el diagrama de bloques general el cual se di-vide en 2 etapas: La primera etapa formada por la deadquisicion de datos, procesamiento, almacenamiento dela informacion y la construccion del algoritmo de apren-dizaje automatico y la segunda etapa constituida de laadquisicion de datos, uso del algoritmo de aprendizajeautomatico, captura del conductor para realizar el re-conocimiento facial o almacenar al conductor que se en-cuentra en estado etılico para proceder a bloquear o des-bloquear el encendido del vehıculo y accionamiento delboton de panico segun sea el caso.

Fig. 6. Diagrama de Bloques General.Fuente: Autorıa

El diagrama de bloques que se presenta a contin-uacion es el que comprende la primera fase, desarrol-lada para la construccion del algoritmo de aprendizajeautomatico para la deteccion de alcoholemia, la primeraetapa esta formada por 4 bloques los cuales a su vez con-tienen varios subprocesos; se han planteado los bloquesdependiendo de las funciones que cada uno debe desar-rollar. En la Figura 7 se puede observar el diagrama debloques de la primera fase con cada uno de los subpro-cesos.

Fig. 7. Diagrama de Bloques Primera Etapa.Fuente: Autorıa

El diagrama de bloques de la segunda etapa delsistema se presenta con la finalidad de conocer el fun-cionamiento del detector de alcoholemia. La Figura 8muestra el diagrama de bloques formado por 4 bloquescon funciones que realiza cada uno.

Fig. 8. Diagrama de Bloques Segunda Etapa..Fuente: Autorıa

Para el desarrollo del proyecto se emplean diversos dis-positivos, por lo que es necesario realizar un diagramade conexion que muestre los pines que se van a emplearen el sistema, para el funcionamiento del sistema se re-quiere el sistema embebido Raspberry Pi 3, el Raspberrycamera module v2, la placa Arduino UNO R3, el sensorMQ-3, el sensor MLX90621 y la fuente de alimentacionmicro USB.. La Figura 9 muestra el diagrama de conexiodel sistema.

8



Fig. 9. Diagrama de conexio del Detector de Alcoholemia.Fuente: Autorıa

3.4.1. Desarrollo de software (programacion)Primera Etapa.

El desarrollo del software de programacion permiteverificar cada parte del proyecto en la fase de pruebaunitaria.

• Adquirir Datos, Procesar y Almacenar In-formacion

Nivel de alcohol en el aliento.- Para la lecturadel nivel de Alcohol se emplea el Sensor MQ-3, elcual esta conectado a la placa Arduino R3 se pro-cede a leer la salida analogica del sensor, posterior-mente se convierte la lectura en un valor de voltaje,a continuacion, se calcula la resistencia del sensor(Rs) y finalmente se emplea la ecuacion de la curvade caracterısticas de sensibilidad establecida en laEcuacion 1. Una vez adquirido el nivel de alcoholmediante comunicacion serial a la placa RapberryPi 3. En la Figura 10 se muestra el montaje delsensor de Alcohol MQ3 y el sensor de HumedadDHT11 y la adquision del nivel del alcohol en laplaca Arduino UNO R3 y Raspberry Pi 3.

alcohol = 0.5491 ∗ pow(Rs/5463,−0.682); (1)

Fig. 10. Montaje del sensor de Alcohol MQ3 y elsensor de Humedad DHT11 y Lectura del nivel de

alcohol.Fuente: Autorıa

Diametro de la Pupila.- Para realizar lamedicion de la pupila se procede a adquirir unaimagen, en la cual se emplea el script de De-teccion de rostro que hace uso de la herramientaOpenCV, la funcion que se emplea de OpenCV escv2.CascadeClassifier el cual se basa en el clasifi-cador faces.xml. para detectar un rostro en la im-agen, posteriormente se le agrega el clasificador encascada entrenado para la deteccion de ojos dentrodel bucle que detecta el rostro, con la finalidad dedisminuir la region de busqueda, para finalizar de-bido a que la pupila del ojo es el cırculo negro delcentro del iris que deja que la luz entre al ojo, seutiliza esta relacion geometrica para identificarla;para ello se hace uso de la funcion HoughCirclesde OpenCV para detectar cırculos, la cual vuelvecomo resultado el punto central del cırculo en co-ordenadas (x, y) y el radio (r). Antes de aplicar lafuncion para detectar cırculos se procede a aplicarel filtro Gaussiano para reducir la deteccion decırculos no existentes. En la Figura 11 se mues-tra los resultados obtenidos de la adquisicion deldiametro de la Pupila.

Fig. 11. Detectar el diametro de la Pupila.Fuente: Autorıa


Temperatura Facial Para la adquirir la temper-atura facial del conductor se realiza el siguienteprocedimiento: primero se adquiere la imagen, se laconvierte a escala de grises y se disminuye el ruidomediante la ecualizacion del histograma, luego seenvıa el caracter “A” a la placa Arduino UNO R3para recibir la cadena con los datos de la temper-atura del sensor MLX90621 a traves del puerto se-rial, despues de divide la cadena en una matriz16X4 y se asigna un color a cada valor de temper-atura, finalmente se procede a crear un vector quealmacene los datos de la temperatura facial queagrupe los valores de temperatura que se encuen-tran sobre el rostro del conductor para ello se haceuso de las posiciones (x, y, w, h) del rostro detec-tado con el clasificador en cascada para establecerlas posiciones de inicio y fin de las filas y colum-nas que contienen el rostro del conductor. Una vezcreado el vector se procede a extraer la temper-atura facial maxima y mınima del conductor. Enla Figura 12 se muestra el resultado de adquirir laTemperatura Facial del Conductor y el montaje dela camara, el sensor de temperatura MLX90621 yla luz infrarroja.

Fig. 12. Montaje de la camara, el sensor detemperatura MLX90621 y la luz infrarroja y resultado

de la Temperatura Facial del Conductor.Fuente: Autorıa

• Construccion del algoritmo

Construir un modelo de Aprendizaje Automaticoo Machine Learning, no se reduce solo a utilizar unalgoritmo de aprendizaje o utilizar una librerıa deMachine Learning; sino que implica todo un pro-ceso, a continuacion, se describen los pasos que in-volucra el desarrollo de un modelo de aprendizajeautomatico.

– Se inicia con la recolectaccion de los datos estose lo realiza a traves del prototipo electronico,para ello se desarrolla un script denomi-nado iniciar.py; en el cual se agregan losmodulos creados para adquirir el nivel de al-cohol, la temperatura ambiental, el diametrode la pupila, la temperatura facial maxima ymınima. Despues de llamar a cada funcionpara adquirir la informacion se procede a es-cribir un fichero, el cual recopila la fecha, lahora, el porcentaje de alcohol en el aliento, latemperatura ambiental, las temperaturas fa-ciales maxima y mınima, el radio de la pupilay el estado del conductor del vehıculo. La in-formacion se almacena un archivo .csv paraposteriormente realizar el preprocesamientode los datos.

– Para el preprocesamiento de los datos, ini-cialmente se procede a cargar el conjunto dedatos. Dentro de la lista de atributos que in-cluye se encuentran: Nro, Fecha, Hora, Alco-hol, TempAmbiente, TempFacialMax, Temp-FacialMin, RadioPupila y Estado (0=Sobrio,1=Ebrio). Debido a que se tienen 7 atribu-tos para cada clase del conjunto de datos seprocede a disminuir el numero de atributosconsiderando los mas representativos, de loscuales se eligen los atributos: Alcohol, Temp-FacialMax y RadioPupila. Para finalizar conel preprocesamiento de los datos se procede adividir el conjunto de datos en: conjunto deentrenamiento y conjunto de prueba.Para obtener los dos tipos de datos, se procedea dividir los datos muestrales en dos partes;la primera parte se emplea como conjunto deentrenamiento, con la finalidad de determi-nar los parametros del clasificador y la se-gunda parte denominada conjunto de pruebase utiliza para estimar el error de general-izacion que debe ser pequeno, con el fin deevitar el sobreajuste, el cual consiste en unasobrevaloracion de la capacidad predictiva delos modelos obtenidos; por lo que, no tienesentido evaluar la calidad de un modelo sobrelos datos que han servido para construirlo yaque esta practica nos lleva a ser demasiadooptimistas acerca de su calidad. [20]Para la division del conjunto de datos sehace uso de la funcion train test split, losparametros que requiere esta funcion son los

10



atributos y las clases. Debido a que el con-junto de datos es pequeno el 80% se utilizapara entrenar al modelo de aprendizaje au-tomatico y el 20% se asigna como un conjuntode datos de validacion. El resultado de estafuncion devuelve cuatro parametros: X train(x para entrenar), y train (y para entrenar),X test (x para pruebas) y y test (y para prue-bas). En la Figura 13 se indica que X traines una matriz de 348x3 la cual especıfica quese tienen 348 casos del Estado del conductorcon 3 atributos, y train es un vector de 348que especıfica las clases; mientras que X testes una matriz de 87x3 la cual especıfica quese tienen 87 casos del Estado del conductorcon 3 atributos, y test es un vector de 87 queespecıfica las clases.

Fig. 13. Atributos y clases del conjunto deentrenamiento y el conjunto de prueba.

Fuente: Autorıa

– Para entrenar el algoritmo se analizan los dosalgoritmos de aprendizaje automatico super-visado empleados para la clasificacion: K-VECINOS MAS PROXIMOS (“K NearestNeighbor”) y ARBOL DE DECISION (“De-cision Tree”).

Despuees de realizar el analisis se opto porseleccionar el metodo arbol de decision, con-siderando que presenta una exactitud del28,85%.

Es un metodo de aprendizaje supervisado noparametrico utilizado para la clasificacion. Elobjetivo es crear un modelo que prediga elvalor de una variable objetivo mediante elaprendizaje de reglas simples de decision in-feridas a partir de las caracterısticas de losdatos.

Para la modelacion matematica de estemetodo se consideran el vector con los atrib-utos del conjunto de datos mediante laEcuacion 3 y el vector con las clases medi-ante la Ecuacion 4. La finalidad que tiene elmetodo es particionar recursivamente el espa-cio de modo que las muestras con las mismasetiquetas se agrupen juntas.

xi ∈ Rm, i = 1 (2)

y ∈ Rl (3)

Cuando el resultado de clasificacion a traves,del arbol de decision toma los valores de

K=0,1,2, 3,...n; para el nodo m que Repre-senta una region Rm con Nm observaciones, elmodelo matematico se describe en la Ecuacion5.

Pkm =1

Nm

∑xi∈Rm

I(yi = k) (4)

El modulo scikit-learn para aprendizaje au-tomatico en python implementa el clasificadorde arbol de decision: DecisionTreeClassifier,en el cual el aprendizaje se basa en la agru-pacion de las clases con los atributos quesean similares creando, condiciones para cadarama. Para entrenar el algoritmo se empleala funcion fit. En la Figura 14 se muestra elresultado de la funcion score que representaque tan bien aprendio el algoritmo.

Fig. 14. Exactitud del algoritmo de aprendizajeautomatico supervisado mediante el clasificador

de arbol de decision.Fuente: Autorıa

Para almacenar en un archivo .dot la infor-macion del arbol de decision que se crea conlos datos de entrenamiento se hace uso de lafuncion: export graphviz. En la Figura 15se muestra el arbol de decision que se alma-cena en formato png despues de graficarlo. Laclasificacion se realiza en cinco niveles.

Fig. 15. Arbol de decision mediante el cual elalgoritmo clasifica si el conductor esta sobrio o

ebrio.Fuente: Autorıa

El modelo de arbol pose la caracterıstica fea-ture importances, la cual permite conocerla importancia de cada atributo en especıficopara seleccionar a que clase pertenece. En laFigura 16 se puede observar el atributo quemas tiene es el nivel de alcohol del conductor.


Fig. 16. Importancia de los atributos paraseleccionar a que clase pertenecen.

Fuente: Autorıa

Para predecir un nuevo dato se hace uso dela funcion predict, sobre la variable que seempleo para seleccionar el clasificador. En laFigura 17 se indica el vector que se empleapara predecir y el resultado de la clase a laque pertenece los datos.

Fig. 17. Prediccion de la clase a la quepertenecen los atributos dados en el vector.

Fuente: Autorıa

3.4.2. Desarrollo de software (programacion) Se-gunda Etapa.

• Adquirir datos El bloque adquirir datos de la se-gunda etapa comprende la adquisicion de datos yse realiza de igual manera que la primera etapa,las funciones a realizar en este bloque son: medirla concentracion de alcohol en el aire a traves delsensor MQ3, medir la temperatura del conductor yambiental mediante el sensor MLX90621; ademasde aplicar tecnicas de vision artificial para medir eldiametro de la Pupila.

• Control El bloque de control comprende la etapaen la cual se aplica el algoritmo de aprendizajeautomatico, construido en la primera etapa delproyecto, la funcion que realiza este bloque es de-terminar el estado del conductor. Considerandola exactitud de los dos clasificadores y las carac-terısticas que presenta cada uno se selecciona comoalgoritmo de aprendizaje automatico supervisadoel modelo de arbol de decision ya que ademas detener un 97.43% de exactitud al predecir un nuevodato, tiene la caracterıstica de seleccionar el atrib-uto que posee mayor importancia dentro del con-junto de datos.

• Almacenamiento El bloque de almacenamientose encarga de almacenar la informacion del con-ductor designado, se procede a guardar el rostrodel conductor y para ello es necesario que crear unapequena base de datos con los rostros del conduc-tor para que el algoritmo de reconocimiento tra-

baje con mayor exactitud es necesario que se al-macenes 30 imagenes. Se inicia el almacenamientodel conductor con el script que detecta el rostro,despues de encontrar el rostro se procede a recor-tarlo de la imagen y almacenarlo en una carpeta.La Figura 18 muestra los rostros del conductoralmacenados, es necesario que las imagenes seanguardadas en formato .pgm para realizar el re-conocimiento esto se debe a que este formato seemplea especıficamente para imagenes en escala degrises.

Fig. 18. Rostros del conductor para elreconocimiento facial.

Fuente: Autorıa

• Decision Finalmente, en el bloque de decision re-aliza la funcion de bloquear o desbloquear el en-cendido del vehıculo, para posteriormente ejecutarel reconocimiento facial si se ha determinado que elconductor es apto para conducir o se procede a ac-tivar el boton de panico si se ha detectado alcoholen el aire.

– Conductor en estado de ebriedad

Despues de analizar las ventajas y desventajasde los sistemas de encendido del automovil seprocede a seleccionar el Sistema de bloqueo atraves de la bomba de combustible, el incon-veniente que presenta de que puede ocasionarperdida de potencia del vehıculo causada porla falta de tension, se lo soluciona verificandoel voltaje a la salida del modulo Rele que seemplea para la activacion y desactivacion deesta. Para controlar la activacion de la bombade combustible se procede a empalmar los ca-bles de alimentacion de esta. Al finalizar elempalme se procede a realizar la conexion delos cables al modulo rele de dos canales conel objetivo de activar o desactivar de maneraautomatica a la bomba de combustible. LaFigura 19 muestra el empalme de los cablesde alimentacion y tierra de la camara de com-bustible que se encuentra ubicada debajo delasiento de la parte posterior del vehıculo y laconexion al modulo rele.

12



Fig. 19. Empalme de los terminales de lacamara de combustible y conexion del modulo

rele que activa o desactiva la bomba decombustible.

Fuente: Autorıa

Cuando el conductor se encuentra en estadode ebriedad la bomba de combustible per-manece desactiva al finalizar la prueba y se ac-tiva una alerta visual y auditiva indicando queel encendido del vehıculo permanecera blo-queado y que se cambie de conductor. Enla Figura 20 se muestra la imagen de la alertavisual y el texto que contiene la alerta audi-tiva.

Fig. 20. Alerta visual y auditiva cuando elconductor se encuentra en estado de ebriedad.

Fuente: Autorıa

– Conductor en estado de sobriedadCuando el conductor es detectado apto paraconducir es decir que se encuentra en sobriose procede a activar una alerta visual y audi-tiva indicando que ya puede encender el au-tomovil. En la Figura 21 se muestran dichasalertas, despues de desbloquear el encendidoexisten cuatro procedimientos que se realizan.

Fig. 21. Alerta visual y auditiva cuando elconductor se encuentra en sobrio.

Fuente: Autorıa

∗ Activacion de la bomba de com-bustible a traves del modulo rele

∗ Reconocimiento Facial El algoritmode reconocimiento que se emplea es elFisherfaces, este algoritmo de Fisherfacesaprende una matriz de transformacion es-pecıfica de clase, por lo que no capturanla iluminacion tan obviamente como elmetodo de Eigenfaces, por lo que empleael Analisis discriminante para encontrarlas caracterısticas faciales y discriminarentre las personas. El rendimiento de estealgoritmo depende en gran medida de losdatos de entrada es por esto por lo quees necesario capturar como mınimo 30rostros del conductor que esta realizandola prueba. La Figura 22 muestra el re-sultado del reconocimiento del conductordesignado. Mientras que en la Figura23 al cambiar de conductor es detectadocomo Desconocido.

Fig. 22. Verificacion del conductordesignado a traves del Reconocimiento

facial.Fuente: Autorıa


Fig. 23. Conductor detectado comodesconocido a traves del Reconocimiento

Facial.Fuente: Autorıa

El reconocimiento facial se lo realiza entiempo real e inicia al finalizar la pruebade alcoholemia cuando el conductor hayasido detectado como sobrio.

∗ Suplantacion del Conductor Si el sis-tema determina que el conductor ha sidosuplantado mediante el reconocimientofacil se procedera a emitir una alerta au-ditiva y se desactivara la bomba de com-bustible con la finalidad de que el vehıloproceda a apagarse.Si despues de transcurrir 10 segundo y nose ha detectado ningun rostro al realizarel reconocimiento facil de igual manerase procedera a desactivara la bomba decombustible.

∗ Activar el boton de panico del ECU911 Este ultimo procedimiento se re-alizara cuando el conductor proceda aingerir bebidas alcoholicas despues dehaber encendido el vehıculo, se consideroesta opcion solo en el caso en el cual almomento de realizar la prueba de alco-holemia el conductor se encuentre sobriopero luego de haber encendido el vehıculoproceda a ingerir alcohol. Para realizar laactivacion del boton de panico se procedea activar el segundo canal del modulo relepor 3 segundos, de emitir una alerta audi-tiva de que se ha detectado alcohol en elaire y se procede a desactivar la bombade combustible conectada al canal unodel modulo. En la Figura 24 se mues-tra la conexion del modulo rele al botonde panico implementado por el ServicioIntegrado de Seguridad ECU 911.

Fig. 24. Conexion del boton de panico alcanal dos del modulo rele.

Fuente: Autorıa

3.4.3. Desarrollo de Hardware

En la fase de implementacion de la metodologıade desarrollo en base al modelo en V se materializa eldiseno del proyecto y la unificacion del sistema, paraello se realiza el desarrollo del hardware que permite laintegracion de las partes que requiere el sistema en lasdistintas secciones, para lo cual se realiza el montaje delas placas, la conexion electrica para la alimentacion deestas en el vehıculo y la conexion electrica para la acti-vacion de la bomba de combustible y el boton de panico.

Conexion electrica para alimentacion de laplaca Raspberry Pi 3 Para la alimentacion del sistemase procede a conectar el conversor de 12 V CD a 5 V CDa traves del encendedor del vehıculo, para que el sistemafuncione solo cuando el automovil se encuentre encen-dido. La Figura 25 muestra la realizacion del empalmede los dos terminales y la comprobacion de voltaje.

Fig. 25. Empalme los terminales positivo y tierra delEncendedor de cigarrillos y Comprobacion del voltaje.

Fuente: Autorıa

14



Montaje del boton para iniciar el sistema

Se realiza la implementacion de un boton para queinicie la prueba de alcoholemia, debido a que se consideraque no siempre el conductor va a encender el automotoral momento de subirse. En la Figura 26 se muestra elmontaje del boton de activacion en el vehıculo, el cual seencuentra ubicado en el armazon de la puerta del con-ductor cerca al parabrisas.

Fig. 26. Montaje del boton de activacion del sistema.Fuente: Autorıa

Implementacion del Detector de Alcoholemia enel vehıculo

Se toma como referencia la Tabla 5 en la cual se en-cuentran las dimensiones de la vista interior del vehıculo.Para la implementacion del sensor de temperatura y lacomara se considera el alto, ancho y la profundidad. Enla Figura 27 se muestra las dimensiones que se toma encuenta para la implementacion.

Fig. 27. Alto ancho y profundidad para instalar la camaray el sensor de temperatura.

Fuente: Autorıa

Finalmente, en la Figura 28 se muestra todos los elemen-tos que intervienen en la fase de pruebas de integracionde la metodologıa de desarrollo del modelo en V, en lacual se realiza la unificacion de las partes que se verifi-caron en la fase de prueba unitaria. La Tabla 5 contienelos nombres de las partes que se indican en la Figura 28.

Fig. 28. Elementos que intervienen en el Detector dealcoholemia.

Fuente: Autorıa

Tabla. 5. Partes del Detector de alcoholemia.Nombre

A Pantalla LCD para mostrar los mensajes visuales

B Sensor de Temperatura y modulo camara Pi Noir

C Boton de activacion del Sistema

D Parlante para los mensajes auditivos

E Sensor de MQ-3 y sensor de Humedad

F Sensor MQ-3 para medir nivel de alcohol en el aire

IV. PRUEBAS DE FUNCIONAMIENTO YRESULTADOS

Para conocer los resultados obtenidos y laaceptacion de los conductores del trabajo de titulacionse emplea el metodo de la investigacion descriptiva pararecolectar los datos necesarios. Se selecciona la encuestadebido a que se requiere conocer las ideas, opiniones ydatos reales acerca de la aceptacion que tiene el proyecto.

Encuesta Se estable como poblacion la Coopera-tiva de taxis Atahualpa de la ciudad de Tulcan la cualesta divida en tres grupos A, B y C, por lo que para laencuesta se toma como muestra a los senores conductoresdel grupo C, debido a que el vehıculo en el cual se imple-menta el proyecto es parte de este grupo. En la Figura29 se indica el momento en el que un conductor del grupoC realiza la prueba de funcionamiento del sistema.

Fig. 29. Prueba de funcionamiento del Detector deAlcoholemia.

Fuente: Autorıa


Identificacion de la poblacion Para determinar lapoblacion a la cual se va a aplicar la encuesta se utilizala Ecuacion 6 la cual corresponde a la formula propuestapor Fisher y Navarro.

n =NxK2xpxq

(e2x(N − 1) + K2xpxq)(5)

Para este caso de estudio se tiene un tamano de lapoblacion de 135 senores conductores del grupo C de laCooperativa de taxis Atahualpa de la ciudad de Tulcan.Los parametros considerados para la formula de Fishery Navarro son los siguientes: el valor de N corresponde alos 120 senores conductores, para el nivel de confianza Kse ha tomado un valor del 95,5% (K=2) esperando queunicamente el 4,5% de los resultados obtenidos no corre-spondan a informacion verıdica; tanto para el valor de laprobabilidad a favor p como el valor de la probabilidaden contra q se tomo el valor de 0,5 considerando obtenerdatos reales de los encuestados, el error porcentual e conun valor de e=0,10 teniendo un porcentaje de respuestascorrectas del +-10% de los resultados totales obtenidos.

Segun el calculo de muestra se determina que elnumero de conductores encuestados debe de ser aproxi-madamente 58 conductores de taxis.

Analisis de la encuesta Una vez aplicada la encuestaa los 58 senores conductores del grupo C de la Coop-erativa de taxis Atahualpa de la ciudad de Tulcan; seobtuvo resultados que fundamentan la aceptabilidad deeste proyecto, a continuacion, se indican las conclusionesderivadas de la encuesta.

El 83% de los encuestados consideran que la imple-mentacion de un detector de alcoholemia en un vehıculoayuda a disminuir los accidentes de transito entre un 50y 80 %, esto indica que es factible la implementaciondel proyecto, el cual permita disminuir los accidentes detransito.

El 76% de los usuarios encuestados considera quelas instrucciones que proporciona el sistema para ver-ificar el estado en que se encuentra el conductor sonmuy buenas y el 24% restante buenas, obteniendo comoconclusion que los usuarios captaron las instruccionesdel proyecto de manera clara y no es necesario realizarmodificaciones en las mismas.

El 84% de la muestra afirma que no tuvieron difi-cultades al realizar la prueba de alcoholemia y el 16%restante considera que la realizacion de la prueba fue demediana dificultad, por lo que se concluye que los senoresconductores pueden finalizar la prueba de alcoholemiasin dificultades.

El 28% de los encuestados indica que solo se de-berıa medir el nivel de alcohol en el aliento, seguido deun 21% que establecen que se deberıa tomar en cuentatodas las variables, por tal razon se determina que el

uso los parametros que se analizan en el proyecto son loscorrectos.

Ell 86% de los senores encuestados afirmaron quela ubicacion del detector de alcoholemia no obstaculizala vision, de manera que se concluye que no es necesariorealizar ningun cambio en la ubicacion del proyecto enel vehıculo.

El 59% de la muestra afirma que de los mensajes dealerta que emite el detector de alcoholemia los dos men-sajes son necesarios, de manera que se puede concluirque para emitir alertas o dar instrucciones al conductorde como realizar la prueba los dos mensajes ayudan aque sea captadas las ordenes.

El 95% de la muestra esta de acuerdo con bloquearo desbloquear el encendido del vehıculo segun el estadoen que se encuentre el conductor y de las razones delporque los usuarios estan de acuerdo, el 31% consideraque se debe bloquear el encendido para prevenir o evitaraccidentes de transito. Con estos resultados se concluyeque el proyecto puede ser rentable ya que ningun usuariono se opuso a la medida de prevencion que se asigno enel proyecto para evitar accidentes de transito.

El 93% esta totalmente de acuerdo con la acti-vacion del boton de ponico del ECU 911, en el caso deque el conductor del vehıculo proceda a ingerir bebidasalcoholicas despues de haber desbloqueado el encendidodel automotor y la razon principal por la que estan deacuerdo es que es necesario poner en conocimiento alas autoridades competentes cuando se cause alguna in-fraccion que dane a la sociedad. Con estos resultados seconcluye que el proyecto permite que la sociedad tengaseguridad en las vıas al comunicar del evento a las au-toridades competentes.

El 98% de la muestra manifiesta estar de acuerdocon la implementacion del detector de alcoholemia enun taxi y la principal razon es que la implementacion deun detector de alcoholemia en vehıculos permite evitaraccidentes de transito y salvar vidas. Con estos resulta-dos se concluye que la realizacion del proyecto permitecumplir con la finalidad del sistema que es reducir losaccidentes de transito.

V. ANALISIS ECONOMICO

Para realizar el analisis economico se considera elmonto referencial del presupuesto que se invirtio en eldiseno y la implementacion del proyecto, y las etapasque se realizan para evaluar el Costo-Beneficio de este.

Debido a que se esta realizando el analisis de cos-tos de un proyecto se tienen solo costos directos en loscuales se incluyen: Costo de Hardware en este punto seconsideran los elementos electronicos, costo de softwarey los costos de la implementacion en el automovil. En laTabla 6 se pueden apreciar los Costos del proyecto.

16



Tabla. 6. Costos del proyecto.Descripcion Valor

Costos de los elementos electronicos $ 345,70

Costo de los materiales para $ 29,00la implementacion en el vehıculo

Costo de Software $ 0,00

COSTO TOTAL $ 376,70

Analisis de los Beneficios. Para realizar el calculo delos beneficios del proyecto se consideran los Stakeholdero involucrados en el proyecto y se tienen los siguientesbeneficios: los percibidos por las personas y los beneficiosmonetarios.

• Beneficios Sociales.Las personas involucradas para determinar estosbeneficios son: el conductor del vehıculo, los tripu-lantes, el director, la codirectora y la desarrolladoradel presente trabajo de titulacion. En este punto seanaliza la calidad y la eficiencia del proyecto. Esteproyecto tiene como finalidad principal reducirAccidentes de transito, por lo que es consideradocomo un proyecto social, en el cual existe una in-version economica pero el beneficio que se obtieneno es monetario. A continuacion, se mencionan losbeneficios enfocados los stakeholders despues de laimplementacion en el vehıculo.

– El principal beneficio del Detector de Alco-holemia es prevenir accidentes de transito, es-pecialmente causados por personas irrespon-sables que no miden el riego de conducir enestado de ebriedad, este beneficio no solo fa-vorece a los involucrados en el proyecto, sinoque permite que los peatones puedan caminarsin riegos de ser atropellados en las vıas.

– La implementacion de este proyecto es unagran opcion para que los duenos de losvehoculos tengan a la mano una nueva her-ramienta para combatir las muertes causadaspor conductores ebrios.

– Este proyecto tambien contribuye a la seguri-dad vial, esto se logra gracias al bloqueo delencendido del vehıculo cuando una persona seencuentra en estado etılico, lo que garantizaque los tripulantes y el conductor lleguen asalvo a su destino.

– El desarrollo de este proyecto permite a losinvolucrados hacer uso de las herramientas devision artificial y aprendizaje automatico paradeterminar el estado en el que se encuentra elconductor antes de salir de viaje.

– La implementacion de mensajes visuales y au-ditivos permiten informar al senor conductorel estado en el que se encuentra,mientras que

la activacion del boton de panico del ECU911garantiza que conductores necios insistan enmovilizarse en el automotor.

– El reconocimiento facial garantiza que no secambie de conductor sin realizar la pruebarespectiva para verificar el estado en el quese encuentra antes de encender el vehıculo.Ademas de incrementar la confiabilidad delos pasajeros en los transportes de serviciopublico.

• Beneficios monetarios

El unico stakeholder que hace uso de este benefi-cio es el conductor del vehıculo, ya que graciasa la implementacion del Detector de alcoholemiase elimina el costo de infracciones de transito porconducir en estado de ebriedad. En la Tabla 7 sedetallan los montos, con relacion al Acuerdo Min-isterial MDT-2017-0195, el cual establece: “Fijara partir del 1 de enero del 2018 el salario basicounificado del trabajador en general, incluidos lostrabajadores de la pequena industria, trabajadoresagrıcolas y trabajadores de maquila; trabajadorao trabajador remunerado del hogar, operarios deartesanıa y colaboradores de la microempresa en $386,00 dolares de los Estados Unidos de America,mensuales” (Ministerio del Trabajo, 2017, p.3).

Tabla. 7. Beneficio monetario.Concentracion de Alcohol Valor

0,3 a 0,8 $ 386,00

0,8 a 1,2 $ 772,00

Mayor 1,2 $ 1158,00

Analisis de la relacion Beneficio-Costo Debido aque para la implementacion de Detector de Alcoholemiano se espera obtener una tasa por la inversion hecha esdecir no se tiene establecida una Tasa Mınima Acept-able de Rendimiento (TMAR), se procede a calcular larelacion beneficio costo (B/C), haciendo uso de la sumade los beneficios y se divide para la suma de los costostotales. Se procede a calcular la relacion beneficio costoa traves de la Ecuacion 7.

B/C =

∑Beneficiosmonetarios∑

Costosdirectos(6)

En la Tabla 8 se muestra el resultado de la relacion ben-eficio costo haciendo referencia a cada nivel de concen-tracion de alcohol.

Tabla. 8. Relacion Beneficio Costo.Concentracion Beneficios Costos B/C

de Alcohol monetarios directos

0,3 a 0,8 $ 386,00 $376,70 $ 1,05

0,8 a 1,2 $ 772,00 $376,70 $ 2,049

Mayor 1,2 $ 1158,00 $376,70 $ 3,074


De acuerdo con la relacion beneficio costo que secalculo se demuestra que el proyecto es monetariamenteviable, ya que para todos los casos que se considero quepodrıan aplicarle un sancion al conductor esta relaciones mayor a 1 incrementando su valor segun la concen-tracion de alcohol en la que se encuentre; con cada dolarinvertido en la implementacion se puede ganar, sin em-bargo, este valor puede variar dependiendo del numerode infracciones de transito que cometa el conductor y laconcentracion de alcohol.

VI. CONCLUSIONES

Con la implementacion del Detector de Alcoholemiase demostro que se puede determinar el estado del con-ductor haciendo uso del aprendizaje automatico super-visado basado en el arbol de decision; los resultados yla aceptacion del proyecto por parte de los senores con-ductores contribuyo a que el desarrollo de este proyectotenga implicaciones significativas al momento de dis-minuir los accidentes de transito a causa de conductoresen estado de ebriedad con el bloqueo del encendido delautomovil y la activacion del boton de panico implemen-tado por el Servicio Integrado de Seguridad ECU 911.

La recopilacion de los diferentes metodos para de-terminar si una persona ha consumido alcohol garan-tizo la seleccion adecuada de las variables que se debentomar en cuenta al momento de entrenar al algoritmo deaprendizaje automatico supervisado basado en el arbolde decision.

La aplicacion de la metodologıa de desarrollobasada en el modelo en V permitio que se realice eldiseno adecuado de un prototipo de deteccion de alco-holemia para la recoleccion de las variables que el sistemaanaliza para determinar el estado del conductor.

La seleccion de la temperatura facial maxima, eldiametro de la pupila y el nivel de alcohol en el alientocomo atributos del conjunto de datos facilito el desarrollodel algoritmo de aprendizaje automatico supervisadobasado en arboles de decision, debido a que ayudo a quela agrupacion de la clase 1 que corresponde a los conduc-tores ebrios o la clase 0 que identifica a los conductoressobrios con los atributos que contienen caracterısticassimilares.

La fase de la prueba unitaria en donde se verifico demanera independiente el funcionamiento de cada partedel proyecto y la prueba de integracion que avalo queel sistema se encuentre unificado, garantizaron que enla prueba de operacion y validacion no se presenten in-convenientes por lo que al finalizar la metodologıa dedesarrollo basada en el modelo en V se concluyo que enel Detector de Alcoholemia no se debe realizar ningunacorreccion.

REFERENCIAS

[1] Agencia Nacional de Transito, Estadısticas detransporte terrestre y seguridad vial: Estadısticas so-bre Accidentes de Transito. Ecuador. Recuperado de:http://www.ant.gob.ec/index.php/noticias/estadisticas,2017 #.WOUN22jhC03

[2] Loor Lopez, G. E.,Herramientas de ColaboracionDigital: El alcohol y sus efectos nocivos, 2012.

[3] SIDALC, BD NORTEC, Evidential BreathAlcohol Analysis Instruments. Recuperado de:https://www.gov.uk/government/uploads/system/uploads/attachment data/file/362271/MEBTIguideV2.pdf.,2013.

[4] ARAVIND, S. KARTHICK, T. & SAKTHIVEL, U.,E-Eyanthra Perspiration based drunken driving preven-tion system. Department of Electronics & Communica-tion Engineering, Sri Sairam Engineering College, WestTambaram, Chennai-600044, India.

[5] KOUKIOU, G., & ANASTASSOPOULOS, V., Eyetemperature distribution in drunk persons using thermalimagery. In BIOSIG (pp. 233-240), 2013.

[6] Koukiou, G., Panagopoulos, G., & Anastassopoulos,Drunk person identification using thermal infrared im-ages. Digital Signal Processing, 2009 16th InternationalConference on., V. (5-7 de Julio de 2009).

[7] Sucar, E., & Gomez, G. (2011). Vision Computa-cional. Puebla.

[8] Platero, C., Introduccion a la Vision Artificial, (27de Enero de 2014). Obtenido de Robotica y Vision Artifi-cia: http://www.elai.upm.es/webantigua/spain/Asignaturas/MIP VisionArtificial/ApuntesVA/cap1IntroVA.pdf.

[9] Yang, M.-H., Kriegman, D. J., & Ahuja, N., De-tecting Faces in Images: A Survey. Washington, DC:IEEE Transactions on Pattern Analysis and MachineIntelligence.,2002.

[10] Bronte Palacios, S., Sistema de Deteccion y Re-conocimiento Facial de Conductores Mediante Sistemasde Vision Computacional. Madrid. 2008.

[11] Garcıa Chang, M. E. Diseno e implementacion deuna herramienta de deteccion facial. Mexico. 2009.

[12] Gutierrez, D. Metodos de Desarrollo de Software2011. Obtenido de Metodos de Desarrollo de Software:http://www.codecompiling.net/files/slides/IS clase 13metodos y procesos.pdf.

18



[13] Chevrolet. Manual del propietario Corsa. MAXI-GRAF S.A. Obtenido de Manual del Propietario Corsa.2007.

Sobre los Autores.

Liceth G. PORTILLAARTEAGA. Nacio en Tulcanel 15 de septiembre de 1993.Realizo sus estudios primar-ios en la Escuela “Coro-nel Jorge Narvaez” Los es-tudios secundarios los re-alizo en el “Instituto Tec-nologico Tulcan”, obteniendoel tıtulo de Bachiller en FısicoMatematico. Actualmente,esta realizando su proceso de

titulacion en Ingenierıa en Electronica y Redes de Co-municacion, Universidad Tenica del Norte - Ecuador.

Jaime R. MICHILENACALDERON. Nacio enAtuntaqui - Ecuador el 19de febrero del ano 1983. In-geniero en Electronica y Tele-comunicaciones en la EscuelaPolitecnica Nacional en elano 2007. Actualmente esdocente de la Carrera de In-genierıa en Electronica y Re-des de Comunicacion de la

Universidad Tecnica del Norte, Obtiene su Maestrıaen Redes de Comunicacion en la Pontificia UniversidadCatolica del Ecuador en el ano 2016 Quito - Ecuador.

UNIVERSIDAD TECNICA DEL NORTE FACULTAD DE...

Documents

Transcript of UNIVERSIDAD TECNICA DEL NORTE FACULTAD DE...