II Estado del Arte

El concepto de gestión de accidentes de vehículos se ha desarrollado y estudiado en diferentes líneas de

investigación con el objetivo de mejorar el tiempo de respuesta en asistencia a las víctimas, la gestión de
los datos recopilados una vez que ocurrió el accidente, para determinar la gravedad del accidente y su
ubicación geográfica.

En [1] se ha buscado reducir el tiempo de respuesta de los servicios de emergencia, mediante un prototipo
de sistema que pueda enviar automáticamente el mensaje de ayuda, plantea utilizar una red de
comunicación inalámbrica vehicle to vehicle V2V and vehicle to Infraestructure V2I soportada en una base
de datos que contribuya en la asignación de recursos para el auxilio mediante la técnica del centro de
control de datos KDD; por ello también el análisis de los datos mediante diferentes algoritmos que recaban
información del estado del vehículo y sus ocupantes, una vez suscitado el accidente, han contribuido en
determinar la gravedad del mismo y posteriormente trasmitirlo mediante la red de comunicación hasta el
centro de auxilio. La investigación realizada en [2] adiciono la posibilidad de terminar la comunicación entre
la red V2V si alguno de los usuarios, de acuerdo a la magnitud del accidente, podía atenderlo y asi reducir
el tiempo de auxilio y liberar al equipo de emergencia en venir al lugar del accidente; sin embargo, proponía
que la red utilice el sistema de comunicación emergentes basados en ZigBee, ad hoc network y la
administración de datos se realice mediante un KDD.

Una perspectiva adicional se nos describe en [3], donde fundamenta que los accidentes son provocados en
gran proporción por el estado de salud del piloto, y en contra medida adiciona unos sensores biométricos
para testar continuamente el estado del paciente, lo cual se guarda en una base de datos que está incluida
en el vehículo y al ocurrir una diferencia de los datos del testeo actual con el promedio de los testeos
anteriores, se realice una notificación de ayuda utilizando una red WLAN para la comunicación.

En [4] se propone utilizar una red neuronal artificial ANN entre los vehículos, clasificando en 3 rangos de
magnitud de gravedad del accidente, detallando que el ultimo rango de gravedad vendría a requerir la
presencia del equipo de emergencia para las víctimas. Además, en [5] se sustenta el uso no solo los
algoritmos de redes neuronales artificiales, sino también la técnica de Machine Learning combinado con la
red V2V, detallando una evaluación sobre esta técnica mediante el uso de algoritmos de Random Forest,
Artificial Neural Networks y Support Vector Machine para identificar la magnitud del accidente, entonces
asi el machine learning podía estimar la ubicación posible del accidente y así enviar al equipo de
emergencia.

[1] Manuel Fogue, “A System for Automatic Notification and Severity Estimation of Automotive Accidents”

[2] R.Sujitha, “Automatic Identification of Accidents and To Improve Notification Using Emerging
Technologies”

[3] Kishwer Abdul Khaliq, “Prototype of Automatic Accident Detection and Management in Vehicular
Environment Using VANET and IoT”

[4] Saroj Raut, “Review on: Severity Estimation Unit of Automotive Accident”

[5] Nejdet Dogru, “Traffic Accident Detection Using Random Forest Classifier”
II State of the Art

The concept of vehicle accident management has been developed and studied in different lines of research
with the aim of improving the response time in assistance to victims, the management of the data collected
once the accident occurred, to determine the severity of the accident and its geographical location.

In [1] it was sought to reduce the response time of emergency services, through a prototype system that
can automatically send the help message, proposes to use a vehicle of wireless communication network for
V2V vehicles and a vehicle for infrastructure V2I using a database that contributes to the allocation of
resources for emergency assistance through the technique of the KDD data control center. Therefore, the
analysis of the data through different algorithms that collect information about the status of the vehicle
and its occupants, once the accident has occurred has helped determine the severity of the same and then
transmit it through the communication network to the assistance center. The investigation carried out in
[2] added the possibility of ending the communication between the V2V network if any of the users,
according to the magnitude of the accident, could attend it and thus reduce the time of relief and free the
emergency team to come to the crash site; however, he proposed that the network use the emerging
communication system based on ZigBee, ad hoc network and the data management is done through a KDD.

An additional perspective is described in [3], where it is based on the fact that accidents are provoked in a
large proportion by the health status of the pilot, and on the other hand it adds biometric sensors to
continuously test the patient's condition, which is saved in a database that is included in the vehicle and
when a difference of the current test data occurs with the average of the previous tests, a notification of
help is made using a WLAN network for communication.

In [4] it is proposed to use an artificial neural network ANN among the vehicles, classifying in 3 ranges of
severity of the accident, detailing that the last rank of severity would come to require the presence of
emergency equipment for the victims. In addition, in [5] the use is supported not only the artificial neural
network algorithms, but also the Machine Learning technique combined with the V2V network, detailing
an evaluation of this technique through the use of Random Forest algorithms, Artificial Neural Networks
and Support Vector Machine to identify the magnitude of the accident, so that the machine learning could
estimate the possible location of the accident and send the emergency team.