El estudio, publicado en la revista ‘Transportation Research Part C: Emerging Tecnologies’, fue desarrollado por los grupos de investigación de la UOC Complex Systems (CoSIN3), Internet Interdisciplinary Institute (IN3) y Scene Understanding and Artificial Intelligence Lab (Sunai), en colaboración con la Dirección General de Tráfico (DGT), los ayuntamientos de Madrid y Barcelona, académicos del Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés) y Àlex Arenas, de la Universitat Rovira i Virgili (Tarragona).

Pese a las limitaciones de movilidad durante la pandemia del coronavirus, el año pasado hubo en Madrid más de 12.000 accidentes de tráfico, en los que murieron 31 personas, y en Barcelona se registraron más de 5.700 siniestros, con 14 fallecidos.

Los investigadores han comprobado la relación existente entre la complejidad de determinadas zonas de las ciudades y la probabilidad de sufrir un accidente.

Según los autores del estudio, la información obtenida a partir de la inteligencia artificial puede servir para entrenar redes neuronales capaces de detectar el probable peligro de un espacio, así como los patrones asociados a esta mayor peligrosidad. Así, determinados algoritmos ayudan a las autoridades responsables a reducir la posibilidad de sufrir un siniestro vial en entornos urbanos.

‘ESCENA URBANA’

Para los investigadores, la configuración visual de lo que denominan ‘escena urbana’ afecta la probabilidad de que ocurra un accidente. “Los resultados muestran que hay ciertos patrones en la composición de la escena que pueden afectar la tasa de accidentes”, explica Cristina Bustos, investigadora del grupo CoSIN3 y autora principal de un artículo científico reciente sobre este proyecto.

Según Bustos, hay factores clave -como la ubicación del mobiliario urbano, la situación de los coches aparcados, los anuncios o las fachadas- que aumentan la distracción de los conductores. “Nuestros resultados indican que es algo más que una hipótesis”, explica Javier Borge, investigador líder del grupo CoSIN3, que añade: “Lo que parece claro es que una escena con más elementos distintos está correlacionada con el número de accidentes que se han producido en esa escena”.

DISPONIBILIDAD DE DATOS

El quid de la cuestión es entender por qué ocurre. “La IA nos indica el sitio potencialmente peligroso, pero no nos dice el porqué. Por eso, utilizamos ciertas técnicas de interpretación, como las de este estudio, que nos dan un indicio de ello. Aunque tenemos que seguir investigando en esta línea, no hay duda de que los accidentes de tráfico se producen por la combinación de muchos factores. Nuestro estudio muestra que la configuración de la escena puede ser un factor que hay que tener en cuenta”, apunta Borge.

Para este investigador, las limitaciones cognitivas humanas se ven afectadas por la complejidad de la ‘escena urbana’. “Si la escena es muy compleja, la presión sobre el sistema cognitivo es mayor y, posiblemente, eso disminuye nuestra capacidad de evitar imprevistos”, indica. Aquí es donde entra la ayuda de la inteligencia artificial, gracias a algoritmos que identifican patrones complejos de la ciudad.

La inteligencia artificial ha incrementado sus posibilidades, especialmente desde la aparición de tecnologías como las redes neuronales y el aprendizaje automático (‘machine learning’). Mientras que las primeras consisten en un modelo computacional que ha evolucionado a partir de los conocimientos adquiridos sobre el funcionamiento plástico del cerebro, el segundo es una rama de la IA que permite que las máquinas aprendan sin estar expresamente programadas para ello. La tecnología utilizada por el equipo investigador de la UOC se basa en estos conceptos.

“Utilizamos ‘deep learning’ -un conjunto de algoritmos de aprendizaje automático dentro del ‘machine learning’- aplicado al tratamiento de imágenes por ordenador», explica Bustos, que agrega: “El objetivo de estos algoritmos es identificar patrones en fotos o vídeos para llevar a cabo una tarea concreta, como reconocer qué objetos están presentes, dónde están estos objetos o identificar el contexto general de la imagen, entre otras tareas que pueden ser más complejas, como reconocer qué emoción genera una imagen o un vídeo en una persona”.

Gracias a la inteligencia artificial, los investigadores estudian distintos patrones urbanos peligrosos. «En este momento, estamos analizando cómo la escena visual afecta el estrés del conductor», confirma Bustos.

Así, los investigadores creen que este tipo de tecnología puede ser muy útil para organismos como la DGT y para diseñar ciudades más seguras en cuanto al tráfico. «El mayor escollo es la disponibilidad de datos: el análisis necesita una colección rica de imágenes ‘street view’ y de datos abiertos precisos de accidentalidad, geolocalizados y con detalles sobre las personas implicadas, que actualmente no son fáciles de obtener», concluye Borge.