Inteligencia artificial para predecir los puntos de una carretera donde habrá más accidentes

Una alternancia entre señales indicadoras de límite máximo de velocidad con grandes diferencias en esta, daños en el pavimento de la carretera y una señalización insuficiente, son algunos de los rasgos de una carretera que permiten predecir las probabilidades de sufrir un accidente de tráfico.

Así se ha determinado en una investigación para la cual se ha empleado aprendizaje automático (una modalidad de inteligencia artificial).

El estudio lo ha llevado a cabo un equipo integrado, entre otros, por Simos Gerasimidis, de la Universidad de Massachusetts en Amherst, Estados Unidos, y Dimitrios Sarigiannis, de la empresa pública de mantenimiento y construcción Egnatia Odos, en Grecia.

Entre las características más influyentes en la probabilidad de sufrir un accidente, están los problemas de diseño de la carretera (como los citados cambios demasiado bruscos en los límites de velocidad), así como daños en el pavimento y señalización incompleta.

Para identificar estas características, los investigadores utilizaron un conjunto de datos de 15.000 kilómetros de carreteras en 7.000 localidades de Grecia.

La nueva inteligencia artificial predice los puntos de una carretera donde habrá más accidentes. (Foto: NPS / Jacob W. Frank)

Los resultados del estudio son aplicables a carreteras de otros muchos países.

Y permitirán entrenar a modelos de inteligencia artificial para que puedan identificar las características más problemáticas a partir de imágenes y, a continuación, predecir el riesgo de accidente en ese tramo de la carretera. Esto podría ser un primer paso hacia un sistema de vigilancia automatizado, capaz de proporcionar recomendaciones sobre qué debería repararse o cambiarse prioritariamente en una determinada carretera.

El estudio se titula “Feature Engineering and Decision Trees for Predicting High Crash-Risk Locations Using Roadway Indicators”. Y se ha publicado en la revista académica Transportation Research Record, Journal of the Transportation Research Board. (Fuente: NCYT de Amazings)