Baltimore, EE.UU.- ¿Qué pasaría si bastara cambiar el tiempo de un semáforo para prever la cantidad de accidentes que podrían ocurrir en una intersección? Esa pregunta tiene ahora una respuesta gracias a SafeTraffic Copilot, una innovadora herramienta de inteligencia artificial creada por investigadores de la Universidad Johns Hopkins, capaz de anticipar los efectos que tendrían modificaciones mínimas en la infraestructura vial sobre la seguridad de los conductores.
El sistema, desarrollado por un equipo encabezado por el profesor Hao “Frank” Yang, combina el poder de los modelos de lenguaje generativo con datos reales de tráfico, condiciones meteorológicas y comportamiento humano. “Los accidentes de tránsito son eventos complejos afectados por numerosas variables: el clima, los patrones de tráfico, el diseño de las carreteras y el comportamiento de los conductores”, explicó Yang. “Con SafeTraffic Copilot buscamos simplificar esa complejidad y ofrecer a los diseñadores de infraestructuras información basada en datos que ayude a reducir los siniestros”.
Una IA que entiende el tráfico como un humano
El estudio, publicado en Nature Communications en octubre, demuestra cómo esta inteligencia artificial puede procesar y aprender de más de 66.000 descripciones de accidentes, analizando desde el estado del pavimento hasta tasas de alcoholemia, imágenes satelitales y fotografías tomadas en el lugar de los hechos.
La herramienta puede evaluar factores de riesgo individuales y combinados, ofreciendo una visión más profunda de cómo se relacionan entre sí para provocar o evitar accidentes.
En países del sur de Asia como Taiwán o Filipinas, la mayoría de los accidentes involucran motocicletas, y los estilos de conducción son distintos, explicó. Con SafeTraffic Copilot, podemos adaptar el modelo simplemente describiendo esas variaciones. Es un paso hacia una IA verdaderamente global en materia de seguridad vial
A diferencia de los modelos tradicionales de machine learning, SafeTraffic Copilot incorpora un sistema de índices de confianza, lo que permite medir el grado de certeza de cada predicción. “La inteligencia artificial sigue siendo una caja negra: no siempre sabemos cómo llega a sus conclusiones”, señaló Yang. “Estos índices son fundamentales para que las autoridades confíen en los resultados y los apliquen en entornos de alto riesgo, como la seguridad vial”.
Predicciones más humanas, decisiones más seguras
Según datos de la Oficina de Seguridad Vial de Maryland, 381 personas han muerto en accidentes de tráfico en lo que va del año. La cifra se suma a una tendencia ascendente en la última década, que pasó de 466 muertes en 2013 a 621 en 2023. El modelo de Yang identificó que el alcohol y la conducción agresiva son los factores más letales, triplicando la probabilidad de accidentes en comparación con otras causas.
Con el aprendizaje automático tradicional, si una muestra no se parece a los datos anteriores, el sistema no puede generar una predicción, explicó el investigador. La IA generativa nos permite preguntar ¿qué pasaría si...?; si cambiamos la duración de un semáforo o el sentido de una vía, podemos prever cómo se modificaría el riesgo de accidentes
Una visión global para la seguridad vial
El proyecto no solo apunta a mejorar la seguridad en Baltimore y Maryland, sino también a adaptarse a las realidades del tráfico en otros países. Yang destacó que el modelo puede ajustarse a las diferencias culturales y de comportamiento vial en distintos lugares del mundo.
Con esta herramienta, la Universidad Johns Hopkins se suma a la creciente tendencia de integrar la inteligencia artificial generativa en ámbitos donde la toma de decisiones humanas puede salvar vidas. Si su implementación se extiende, SafeTraffic Copilot podría convertirse en un aliado clave para las autoridades de tránsito en su lucha por reducir los accidentes y construir carreteras más seguras.
