La seguridad vial se convirtió en una preocupación global en abril de 2004, cuando la Organización Mundial de la Salud (OMS) y las Naciones Unidas publicaron conjuntamente el “Informe mundial sobre prevención de los traumatismos causados por el tráfico”. Uno de los errores detectados fue la “insuficiente atención prestada hasta el momento al diseño de sistemas de tráfico”. Es este uno de los motivos que valida, confirma y justifica la investigación que se lleva a cabo en el diseño, desarrollo e implementación de sistemas de tráfico que ayuden a reducir el índice de accidentes de tráfico actuales. Este conjunto de factores y circunstancias posiciona a la gestión de tráfico como uno de los sectores estratégicos más relevantes hoy en día. Los resultados del informe instaban a las autoridades competentes de tráfico a coordinar, gestionar y monitorizar el tráfico, centrándose en los problemas de Seguridad Vial. Los sistemas de transporte inteligentes, ITS (Intelligent Transportation Systems), se presentan como una solución a las demandas de seguridad vial, gestión de tráfico y movilidad ciudadana. El desarrollo y uso de diversas aplicaciones y tecnologías por parte de los sistemas ITS aumenta la seguridad vial mediante la incorporación de soluciones punteras en diferentes niveles de control y gestión. En esta tesis se expone, discute y desarrolla una solución ITS eficaz, eficiente y polivalente que puede servir de apoyo a las entidades gestoras de las vías, proporcionándoles información fiel, precisa, exacta, clara y en tiempo real sobre la situación de las mismas. Esta solución está diseñada para ser compatible con cualquier equipo sensor comercial basado en el principio de detección de área, es decir, los láser escáner. Partiendo de los sensores y las necesidades del Centro de Gestión de Tráfico (CGT), la investigación desarrollada en esta tesis ha conseguido definir los requerimientos y la arquitectura del bloque intermedio que comunicará ambas áreas. Esto permite implementar y desarrollar las aplicaciones enmarcadas en el ámbito del eSafety tales como: peaje en sombra, información a los usuarios de la vía, ayuda en el control y gestión de tráfico, control de accesos, gestión de incidentes… En lo que al hardware se refiere, hay que indicar que se ha diseñado e implementado una plataforma multisensor, capaz de trabajar con diferentes equipos y formatos de información. Dicha unidad hardware realiza un pre-procesado de la señal recibida de modo que, únicamente, la información relevante a la detección de vehículos es enviada al CGT. Un depurado procesado software permite analizar la señal y resolver todos los inconvenientes inherentes a la naturaleza del sensor tales como vistas laterales o reflexiones perdidas. La metodología seguida en la etapa de clasificación de vehículos se basa en técnicas de reconocimiento de patrones. En el proceso de aprendizaje se han extraído las características del grupo que permiten la discriminación entre clases en base a determinados parámetros predictivos. El éxito del proceso de clasificación se basa en una correcta selección de dichos parámetros. Al tratarse de un caso de aprendizaje supervisado mediante técnicas de modelado no paramétrico se ha recurrido a las técnicas de árboles de decisión, en primer lugar para definir los patrones de cada una de las categorías, y, en segundo, permitir la clasificación de nuevas muestras. Finalmente, en el proceso de test, se ha usado la técnica de remuestreo adaptativo Bootstrap para el cálculo de los estimadores usados a la hora de evaluar la bondad del sistema de clasificación. Esta técnica es particularmente ventajosa cuando se usa en conjunción con árboles de decisión, ya que estos son relativamente eficientes en casos de muestras con varias dimensiones y tienden a tener una mayor varianza que otros métodos. Como resultado de un sofisticado análisis de datos, la detección y clasificación de vehículos se efectúa con altos ratios de probabilidad de detección y extremadamente bajos valores de falsas alarmas. Las pruebas de campo han demostrado que el sistema presenta un ratio de detección del 97,89 %, con precisión del 99,69% y exactitud del 97,60 %. El sistema desarrollado presenta un conjunto de: sensor, controlador, software y módulo de comunicaciones que permiten detectar y clasificar vehículos en tiempo real, a la vez que se adquiere y almacena su perfil e imagen 3D. Toda esta información es presentada en el CGT mediante una aplicación especial donde se muestran, además, importantes parámetros de tráfico, claves para la gestión de las vías, tales como: conteo, densidad, intensidad, flujo y ocupación.