Una investigación de la Universitat Oberta de Catalunya (UOC) en España, basada en inteligencia artificial, propone el concepto de “escena urbana” en las vías. Mientras más compleja y llena de elementos está la escena, más aumenta la distracción de los conductores y la posibilidad de tener un accidente. La tecnología ayuda a identificar estos puntos.
Pese a las limitaciones de movilidad durante la pandemia, en 2020 tuvieron lugar en Madrid más de 12 000 accidentes, con 31 víctimas mortales, y en Barcelona, más de 5 700 siniestros, con 14 fallecidos. La seguridad vial es una prioridad en las ciudades, por lo que una investigación de la Universitat Oberta de Catalunya (UOC) emplea inteligencia artificial (IA) para ayudar en la toma de decisiones que conviertan las urbes en espacios más seguros. 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 investigadores, la información obtenida puede servir para entrenar redes neuronales capaces de detectar el probable peligro de un espacio, así como los patrones asociados a esta mayor peligrosidad. De esta manera, la investigación, liderada por los investigadores Cristina Bustos y Javier Borge, trabaja con algoritmos que ayudan a las autoridades responsables a reducir la posibilidad de sufrir un siniestro en entornos urbanos.
La importancia de la “escena urbana” en los accidentes
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 la investigadora, hay factores clave -como pueden ser la ubicación del mobiliario urbano, la situación de los vehículos estacionados, 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. “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”, afirma.
El centro 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”, añaden los investigadores.
Según Borge, la hipótesis que barajan es que las limitaciones cognitivas humanas se ven afectadas por la complejidad de la escena. “Si la escena es muy compleja, la presión sobre el sistema cognitivo es mayor y, posiblemente, eso disminuye nuestra capacidad de evitar imprevistos”. Aquí es donde entra la ayuda externa en forma de inteligencia artificial, gracias a algoritmos que identifican patrones complejos de la ciudad.
Inteligencia artificial aliada de los urbanistas para reducir accidentes
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 precisamente 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 Cristina Bustos. “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”.
Los investigadores utilizan redes neuronales convolucionales (convolutional neural networks), cuyo nombre se debe a que estas redes neuronales aplican una operación llamada «convolución» a la imagen de entrada y a lo largo de las capas de la red. «Con esta operación», aclara Bustos, “la red aprende a distinguir patrones sencillos en las primeras capas, como líneas, bordes, texturas, colores o esquinas, y se vuelve más compleja a medida que gana en profundidad”. Al final, la red es capaz de identificar patrones complejos, como la cara de una persona o un coche.
Este tipo de redes deben entrenarse para realizar una tarea, a base de repetir los procesos una y otra vez, mientras los investigadores les indican si lo han hecho bien o mal. “A esta red no la entrenamos desde cero», comenta Bustos, «sino que utilizamos una que ya ha sido instruida para otra tarea, como reconocer personas o animales, y aprovechamos su conocimiento para que aprenda a reconocer objetos y patrones peligrosos que pueden ser causa de accidentes”.
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 (autoridad española de transito) y para diseñar ciudades más seguras en cuanto al tráfico.
