La seguridad vial tiene mucho que ver con los coches modernos, dotados de los más avanzados sistemas de seguridad activa y pasiva, de los coches con automatismos (que dan lugar al futuro coche 100% autónomo) y con modelos matemáticos muy complejos capaces de reaccionar con rapidez ante imprevistos.
La gestión de la información que genera el coche conectado, junto con la securización de los datos y la infraestructura, entre otras cosas, son los principales retos que afronta el sector de la automoción en esta década de 2020. La seguridad a bordo y con respecto al entorno es otro de los enormes retos pendientes.
Es ahí donde entra la inteligencia Artificial y sus herramientas y algoritmos, especialmente el Machine Learning. El coche autónomo tendrá que vérselas con multitud de desafíos, desde las más mundanas como gestionar el tráfico y las señales de todo tipo, hasta gestionar las situaciones de emergencia. Ese es el enorme reto de esa parcela de la inteligencia artificial: procesar la ingente cantidad de datos heterogéneos, recibidos a través de multitud de fuentes diferentes, y conectar todos esos datos en tiempo real.
Esa «inteligencia artificial» tiene un gran reto por delante, pero hay otra aplicación de los algoritmos predictivos que tiene que ver con el entorno y la infraestructura urbana. Porque la ciudad y las vías de comunicaciones presentan unas peculiaridades que determinan sucesos como, por ejemplo, la probabilidad de que se den atropellos en un tramo determinado, el número de colisiones registradas en un único punto, y muchos otros datos.
La capacidad predictiva de los algoritmos de IA depende, en gran medida, de los datos registrados. Un algoritmo es efectivo si se entrena con un conjunto relevante de datos de entrada, previamente catalogados y etiquetados. Modelar a la perfección el entorno es fundamental para lograr resultados.
El enfoque más común al hablar de la IA es el de predecir lo que va a suceder en el futuro con los datos que ya conocemos. Es decir, mediante Big Data registramos los datos que suceden (coches por segundo, velocidades, tiempos de semáforo, número de peatones, cuánto tiempo esperan antes de cruzar…) y con los algoritmos de IA adecuados podemos predecir las futuras consecuencias y cómo evolucionarán las curvas de accidentalidad en un lugar concreto.
Sin embargo, podemos utilizar la potencia de la inteligencia artificial para simular escenarios diferentesalterando variables conocidas. Es decir, si conocemos todo acerca de los últimos incidentes en una zona concreta (de nuevo, toda la información sobre velocidades, número de vehículos, peatones, sincronía de los semáforos, etcétera, etcétera), podríamos «jugar» a cambiar parámetros para rehacer las simulaciones y ver con qué probabilidad se producirían incidentes.
Para entendernos, podemos variar la afluencia de tráfico, reducir la velocidad máxima permitida en el tramo, variar la frecuencia de los semáforos, añadir o eliminar señales, desviar tráfico pesado… y lanzar simulaciones sin cesar, hasta encontrar el escenario más favorable para reducir los siniestros y mejorar la seguridad vial. Es lo que se conoce como Seguridad vial prescriptiva, y es la herramienta perfecta para reducir la siniestralidad vial con un coste optimizado.
Deja tu comentario sobre "La IA y la capacidad de prevenir accidentes en seguridad vial"