Publicación: Optimización de la gestión del sistema de estacionamientos mediante tecnologías inteligentes para la reducción de congestión y emisiones en el parqueadero universitario de la Ean
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Fecha
Resumen en español
El proyecto propone el desarrollo de un sistema inteligente de gestión de estacionamientos para la Universidad EAN, basado en tecnologías del Internet de las Cosas (IoT). El objetivo principal es optimizar la administración de los 477 espacios disponibles, reducir la congestión vehicular, disminuir las emisiones de CO₂ y mejorar la experiencia de los usuarios. Para ello, se diseñó y construyó un prototipo funcional que integra sensores infrarrojos y ultrasónicos conectados a microcontroladores Arduino y ESP32, permitiendo el monitoreo en tiempo real de la disponibilidad de espacios a través de una plataforma web. El sistema utiliza una arquitectura escalable de cuatro capas y tecnologías como Node.js, Angular y MySQL. Los resultados del prototipo muestran una precisión del 94.5% y un tiempo de respuesta promedio de 3.2 segundos. El proyecto valida la viabilidad técnica de la solución y sienta las bases para una futura implementación a mayor escala, contribuyendo a la sostenibilidad ambiental y a la modernización de la infraestructura universitaria.
Resumen en inglés
This project proposes the development of an intelligent parking management system for EAN University, based on Internet of Things (IoT) technologies. The main objective is to optimize the management of the 477 available parking spaces, reduce vehicle congestion, decrease CO₂ emissions, and improve user experience. To achieve this, a functional prototype was designed and built, integrating infrared and ultrasonic sensors connected to Arduino and ESP32 microcontrollers, enabling real-time monitoring of parking availability through a web platform. The system uses a scalable four-layer architecture and technologies such as Node.js, Angular, and MySQL. Prototype results show a detection accuracy of 94.5% and an average response time of 3.2 seconds. The project validates the technical feasibility of the solution and lays the groundwork for future large-scale implementation, contributing to environmental sustainability and the modernization of university infrastructure.
