Método para la clasificación del tipo de vehículo y el número de placa según las clasificaciones del cobro de peaje en Colombia, empleando técnicas de inteligencia artificial

Abstract

El presente trabajo aborda la problemática de la congestión vehicular en los peajes de Colombia, donde las demoras generan altos costos logísticos y un impacto negativo en el medio ambiente. A pesar de los avances en infraestructura vial, los sistemas de cobro actuales, basados principalmente en efectivo o en el uso limitado del sistema TAG, resultan insuficientes para manejar el creciente volumen de tráfico. Este estudio propone un método para la clasificación vehicular y el reconocimiento de matrículas utilizando técnicas de inteligencia artificial, con el fin de mejorar la eficiencia en los sistemas de peaje. Se desarrolló una metodología basada en video-analítica y reconocimiento óptico de caracteres (OCR), que permite la identificación automática del tipo de vehículo y su placa, de acuerdo con las clasificaciones de cobro vigentes en Colombia. A través del uso de redes neuronales convolucionales (CNN) y modelos preentrenados como MobileNet y ResNet, se logró un desempeño adecuado en la clasificación de vehículos, siendo ResNet el modelo con mayor precisión. Adicionalmente, se identificaron áreas de mejora en el reconocimiento de matrículas, lo que sugiere que una mayor cantidad de datos y ajustes en las técnicas utilizadas podrían optimizar el sistema. Este trabajo plantea la posibilidad de implementar cobros de peaje completamente automáticos, mejorando la movilidad y reduciendo los tiempos de espera y el impacto ambiental.

This research addresses the problem of vehicular congestion at toll stations in Colombia, where delays lead to high logistical costs and a negative environmental impact. Despite recent advancements in road infrastructure, current toll collection systems, primarily based on cash payments or limited TAG systems, are insufficient to handle increasing traffic volumes. This study proposes a method for vehicle classification and license plate recognition using artificial intelligence techniques, aiming to improve toll collection efficiency. A methodology based on video analytics and optical character recognition (OCR) was developed, enabling the automatic identification of vehicle types and license plates according to Colombia’s toll fee classifications. Using convolutional neural networks (CNNs) and pre-trained models such as MobileNet and ResNet, an adequate performance was achieved in vehicle classification, with ResNet showing the highest accuracy. Additionally, areas for improvement were identified in license plate recognition, suggesting that a larger dataset and adjustments to the applied techniques could further optimize the system. This study demonstrates the feasibility of implementing fully automated toll collection systems, enhancing mobility and reducing wait times and environmental impact.