A pesar de las limitaciones de movilidad durante la pandemia, en 2020 hubo en Madrid m\u00e1s de 12.000 accidentes, con 31 v\u00edctimas mortales, y en Barcelona, \u200b\u200bm\u00e1s de 5.700 siniestros, con 14 muertos. La seguridad vial es una prioridad, por lo que un estudio de la Universitat Oberta de Catalunya (UOC) en el que ha participado el catedr\u00e1tico del Departamento de Ingenier\u00eda Inform\u00e1tica de la URV \u00c0lex Arenas emplea inteligencia artificial (IA) para ayudar en la toma de decisiones que hagan que las ciudades sean espacios m\u00e1s seguros. El grupo investigador ha comprobado la relaci\u00f3n que existe entre la complejidad de determinadas zonas de las ciudades y la probabilidad de sufrir un accidente.<\/p>\n
Seg\u00fan afirman, la informaci\u00f3n obtenida puede servir para entrenar redes neuronales capaces de detectar el peligro probable de un espacio, y tambi\u00e9n los patrones asociados a esta peligrosidad m\u00e1s elevada. De este modo, el estudio ha trabajado con algoritmos que ayudan a las autoridades responsables a reducir la posibilidad de tener un accidente en entornos urbanos.<\/p>\n
Esta investigaci\u00f3n intercisciplinaria ha sido desarrollada por los grupos de investigaci\u00f3n de la UOC Complex Systems (CoSIN3), del Internet Interdisciplinary Institute (IN3), y Scene Understanding and Artificial Intelligence Lab (SUNAI), los Estudios de Inform\u00e1tica, Multimedia y Telecomunicaci\u00f3n, en colaboraci\u00f3n con la Direcci\u00f3n General de Tr\u00e1fico (DGT), los ayuntamientos de Madrid y Barcelona, \u200b\u200bacad\u00e9micos del Instituto Tecnol\u00f3gico de Massachusetts (MIT) y el investigador \u00c0lex Arenas (URV).<\/p>\n
Para el equipo investigador, la configuraci\u00f3n visual de lo que llaman \u00abescena urbana\u00bb afecta a la probabilidad de que haya un accidente. \u00abLos resultados demuestran que hay determinados patrones en la composici\u00f3n de la escena que pueden afectar la tasa de accidentes\u00bb, explica Cristina Bustos, investigadora del grupo CoSIN3 y autora principal de un art\u00edculo cient\u00edfico reciente sobre este proyecto.<\/p>\n
Seg\u00fan la investigadora, existen factores clave -como la ubicaci\u00f3n del mobiliario urbano, la situaci\u00f3n de los coches aparcados, los anuncios o las fachadas- que aumentan la distracci\u00f3n de los conductores. \u00abNuestros resultados indican que es m\u00e1s que una hip\u00f3tesis\u00bb, explica Javier Borge, investigador l\u00edder del grupo CoSIN3. \u00abLo que parece evidente es que una escena con m\u00e1s elementos diferentes est\u00e1 correlacionada con el n\u00famero de accidentes que se han producido\u00bb, afirma.<\/p>\n
El quid<\/em> de la cuesti\u00f3n es entender por qu\u00e9 pasa. \u00abLa IA nos indica el lugar potencialmente peligroso, pero no nos dice el porqu\u00e9 de esta peligrosidad, por lo que utilizamos determinadas t\u00e9cnicas de interpretaci\u00f3n, como las de este estudio, que nos dan alg\u00fan indicio. Aunque hemos de continuar investigando en esta l\u00ednea, no hay duda de que los accidentes de tr\u00e1fico se producen por la combinaci\u00f3n de muchos factores. nuestro estudio muestra que la configuraci\u00f3n de la escena puede ser un factor que se debe tener en cuenta\u00bb.<\/p>\n Seg\u00fan Borge, la hip\u00f3tesis que estudian es que las limitaciones cognitivas humanas se ven afectadas por la complejidad de la escena. \u00abSi la escena es muy compleja, la presi\u00f3n sobre el sistema cognitivo es m\u00e1s elevada y, posiblemente, esto disminuye nuestra capacidad de evitar imprevistos\u00bb. Aqu\u00ed es donde entra la ayuda externa en forma de inteligencia artificial, gracias a algoritmos que identifican patrones complejos de la ciudad.<\/p>\n Las posibilidades de la inteligencia artificial han aumentado, especialmente desde la aparici\u00f3n de tecnolog\u00edas como las redes neuronales y el aprendizaje autom\u00e1tico (machine learning<\/em>). Mientras que las primeras consisten en un modelo computacional que ha evolucionado a partir de los conocimientos adquiridos sobre el funcionamiento pl\u00e1stico del cerebro, el segundo es una rama de la IA que permite que las m\u00e1quinas aprendan sin estar expresamente programadas para hacerlo. La tecnolog\u00eda empleada por el equipo investigador de la UOC se basa precisamente en estos conceptos.<\/p>\n \u00abUtilizamos deep learning<\/em> -un conjunto de algoritmos de aprendizaje autom\u00e1tico dentro del machine learning<\/em>– aplicado al tratamiento de im\u00e1genes por ordenador\u00bb, explica Cristina Bustos. \u00abEl objetivo de estos algoritmos es identificar patrones en fotos o v\u00eddeos para llevar a cabo una tarea concreta, como reconocer qu\u00e9 objetos est\u00e1n presentes, donde son estos objetos o identificar el contexto general de la imagen, entre otras tareas que pueden ser m\u00e1s complejas, tales como reconocer qu\u00e9 emoci\u00f3n genera una imagen o un v\u00eddeo a una persona\u00bb.<\/p>\n El equipo investigador utiliza redes neuronales convolucionales (convolutional neural networks<\/em>). El nombre de estas redes neuronales se debe a que aplican una operaci\u00f3n llamada \u00abconvoluci\u00f3n\u00bb a la imagen de entrada\u00a0 y a lo largo de las capas de la red. \u00abCon esta operaci\u00f3n\u00bb, aclara Bustos, \u00abla red aprende a distinguir patrones sencillos en las primeras capas, tales como l\u00edneas, bordes, texturas, colores o esquinas, y se hace m\u00e1s compleja a medida que gana profundidad\u00bb. Finalmente, la red es capaz de identificar patrones complejos, como la cara de una persona o un coche.<\/p>\n Este tipo de redes se deben entrenar para hacer una tarea concreta, a base de repetir los procesos una y otra vez, mientras el grupo investigador le indica si lo han hecho bien o mal. \u00abNo entrenamos la red desde cero\u00bb, comenta Bustos, \u00absino que usamos una que ya ha sido instruida para hacer otra tarea, como reconocer personas o animales, y aprovechamos los conocimientos que tiene que aprenda a reconocer objetos y patrones peligrosos que pueden ser causa de accidentes\u00bb.<\/p>\n \u00abUno de los retos de las redes neuronales es que -dado que son profundas, no lineales y complejas- no controlamos los patrones que aprenden\u00bb, comenta Bustos. \u00abPor ello, hemos utilizado otras t\u00e9cnicas de deep learning<\/em>, como la imagen segmentation<\/em> y el class activaci\u00f3n mapping<\/em>\u00ab. La primera, aclara, se\u00f1ala exactamente los objetos que hay en una imagen mediante los p\u00edxeles; la segunda es una t\u00e9cnica que indica las regiones de la imagen en la que la red se fija para obtener resultados.\n\u00abParece que la inteligencia artificial es una herramienta muy potente para se\u00f1alar donde puede haber problemas, si bien no los podr\u00e1 resolver sola\u00bb, incide Javier Borge. As\u00ed, el equipo ha desarrollado una heur\u00edstica de mejora de la escena urbana, \u00abque tampoco tendr\u00eda valor si detr\u00e1s no hubiera un ser humano\u00bb, como un planificador urbano, un arquitecto o un ingeniero, que valide e implemente los cambios obtenidos a partir de los datos encontrados por los algoritmos, afirma el investigador.<\/p>\n Gracias a la inteligencia artificial, los investigadores estudian varios patrones urbanos peligrosos. \u00abEn este momento, estamos analizando como la escena visual afecta el estr\u00e9s del conductor\u00bb, confirma Bustos. As\u00ed, los investigadores consideran que este tipo de tecnolog\u00eda puede ser muy \u00fatil para organismos como la DGT y para dise\u00f1ar ciudades m\u00e1s seguras en cuanto al tr\u00e1fico. \u00abEl problema principal es la disponibilidad de datos: el an\u00e1lisis necesita una colecci\u00f3n rica de im\u00e1genes street view<\/em> y de datos abiertos precisas de accidentalidad, geolocalizadas y con detalles sobre las personas implicadas, que actualmente no son f\u00e1ciles de obtener\u00bb, concluye Javier Borge.<\/p>\n Esta investigaci\u00f3n favorece el objetivo de desarrollo sostenible (ODS) 11, para conseguir que las ciudades sean m\u00e1s inclusivas, seguras, resilientes y sostenibles.<\/p>\n Referencia bibliogr\u00e1fica:<\/strong> Bustos, C.; Rhoads, D.; Sol\u00e9-Ribalta, A.; Masip, D.; Arenas, A.; Lapedriza, A.; Borge-Holthoefer, J. (2021). \u00abExplainable, automated urban interventions to improve pedestrian and vehicle safety\u00bb. Transportation Research Part C: Emerging Technologies, vol. 125, 103018, ISSN 0968-090X. https:\/\/doi.org\/10.1016\/j.trc.2021.103018.<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" El investigador de la URV \u00c0lex Arenas participa en este estudio liderado por la UOC, que apunta a que la complejidad urbana disminuye la capacidad de atenci\u00f3n para evitar imprevistos y proporciona pautas sobre c\u00f3mo dise\u00f1ar espacios p\u00fablicos m\u00e1s seguros<\/p>\n","protected":false},"author":5,"featured_media":82663,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[117,102,3463,244,100,123],"tags":[4888],"class_list":["post-82655","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-y-tecnologia","category-comunicacion-ciencia","category-ingenieria-informatica-matematicas","category-escuela-ingenieria","category-investigacion","category-notas-prensa","tag-ia-es"],"acf":[],"_links":{"self":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts\/82655","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/comments?post=82655"}],"version-history":[{"count":0,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/posts\/82655\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/media\/82663"}],"wp:attachment":[{"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/media?parent=82655"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/categories?post=82655"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/diaridigital.urv.cat\/es\/wp-json\/wp\/v2\/tags?post=82655"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Algoritmos para reducir la probabilidad de accidentes<\/h5>\n
Inteligencia artificial aliada de los urbanistas<\/h5>\n