Yendo un paso más allá en la Seguridad Vial: ISVIAL y la inteligencia artificial
Los trabajos de ISVIAL en la aplicación de Inteligencia Artificial para Seguridad Vial están teniendo una excelente acogida entre los profesionales del sector. La última vez, en las II Jornadas de Seguridad Vial de la Universidad de Alicante, celebradas recientemente en la ciudad levantina.
En las jornadas, nuestra compañera de ISVIAL Conchi Garrido (@_conchigarrido) ha participado con su ponencia “Análisis de la Seguridad Vial mediante generación de modelos de Inteligencia Artificial”, que sirvió de presentación del procedimiento –novedoso en España– que ISVIAL viene utilizando con enorme éxito en las carreteras nacionales y autonómicas. Y que gracias a la aplicación de sistemas de Inteligencia Artificial, se pueden detectar factores de riesgo de accidentes que a priori no suelen ser identificables por los humanos.
Una carretera aparentemente segura
En la ponencia, Conchi Garrido presentaba el caso de una carretera de unos 150 kms de longitud aparentemente segura y en buen estado, con buen trazado, buen firme, señalización horizontal y vertical en buen estado, sin problemas de visibilidad.
Sin embargo, la vía contaba con un elevado número de accidentes con víctimas, 627 siniestros en los últimos 14, con la particularidad de que éstos no se producían en localizaciones o tramos concretos, sino prácticamente por igual en toda la longitud de la carretera. De hecho, cuando se aplicaban las fórmulas de cálculo de Tramos de Concentración de Accidentes (TCA), no se identificaba ninguno.
¿Qué le pasaba a esta vía? ¿Por qué se producían tantos accidentes?
Encontrando los problemas menos evidentes
En el caso de esta vía, estaba claro que existían problemas que se escapaban a primera vista. Por ello, se decidió usar la técnica alternativa de las Redes Neuronales Artificiales, aplicada por ISVIAL, para detectar estos problemas “poco evidentes”.
Las Redes Neuronales Artificiales (ANN) simular el comportamiento biológico del cerebro humano. Éste, cuando se presenta ante un objeto desconocido (por ejemplo, una manzana) recoge y aprende la información recibida a través de los sentidos (color, olor, sabor…), de tal manera que cuando vuelve a presentarse ante el mismo objeto o similar, identifica el mismo a través de la información ya aprendida.
De manera similar, las ANN son capaces de recoger, aprender y procesar la información procedente de bases de datos de accidentes ya producidos; de tal manera que, cuando se introdujeron en nuestra Red Neuronal las variables recogidas en los partes de los accidentes de la carretera en cuestión, ésta pudo procesarlas e identificar cuáles eran las causantes de los accidentes.
El factor humano, causante de los accidentes
Los resultados obtenidos indicaron que, cuando las condiciones en esta carretera son buenas (buen tiempo, tráfico fluido, buen estado del firme…), influyen más las variables de factor humano como “Velocidad inadecuada” o “Presencia de Cansancio o Sueño”.
Así, la conclusión a la que se llegó es que la carretera presentaba un problema de percepción inadecuada del riesgo, conocido como teoría de la “Homeóstasis del Riesgo Subjetivo”. El riesgo percibido por el conductor es inferior al riesgo real de la vía, lo que le llevaba a adoptar conductas más arriesgadas –como el aumento de velocidad– y a prestar menos atención a la vía, apareciendo así los efectos de cansancio y sueño.
Una técnica pionera reconocida y aplaudida por el sector
La exposición de Conchi Garrido fue recibida con asombro y admiración por parte de los profesionales presentes en las jornadas; no en vano se trata de una técnica novedosa que ha permitido ir un paso más allá en la Seguridad Vial.
—
Conchi Garrido es Ingenieria de Caminos Canales y Puertos, Máster en Auditoría de Seguridad Vial y Movilidad, y Doctora por la Universidad de Granada.
Es socia directora de ISVIAL – Ingeniería de Seguridad Vial y Movilidad desde el 2014 y Responsable del Área de Seguridad Vial y Movilidad desde el 2015.
