Investigadores de la Universidad de Extremadura desarrollan un modelo de inteligencia artificial para clasificar la responsabilidad en atropellos, mejorando la objetividad y rapidez en decisiones judiciales y administrativas.
Investigadores de la Universidad de Extremadura (UEx) han desarrollado un innovador modelo de machine learning que busca clasificar los niveles de responsabilidad en atropellos, tanto de conductores como de peatones, utilizando datos reales de siniestros ocurridos en Badajoz. Esta iniciativa tiene como objetivo mejorar la objetividad y la rapidez en las decisiones judiciales y administrativas relacionadas con colisiones entre vehículos y peatones.
La vulnerabilidad de los peatones en accidentes viales, especialmente en entornos urbanos, representa un desafío significativo para la seguridad vial, dado el alto número de heridos graves y fallecidos. Históricamente, las investigaciones se han centrado en analizar la gravedad de las lesiones y los factores que contribuyen a los siniestros. Sin embargo, hay una falta notable en cuanto a la determinación de la responsabilidad, es decir, quién es culpable en un atropello.
La investigación liderada por Alejandro Moreno Sanfélix, policía local asignado a la unidad de Policía Judicial de Tráfico de Badajoz, junto con los académicos Consuelo Gragera Peña y Miguel Ángel Jaramillo Morán, se ha publicado recientemente en Scientific Reports, una revista del grupo Nature. La experiencia del autor como policía reveló que muchas veces la responsabilidad no es clara y puede ser compartida. “Nuestro propósito es ofrecer herramientas más objetivas y rápidas que respalden las decisiones administrativas y judiciales”, afirma Moreno, enfatizando que esto podría ayudar a prevenir futuros accidentes mediante el uso inteligente de datos.
El modelo propuesto utiliza técnicas avanzadas de machine learning, donde los algoritmos aprenden a realizar tareas específicas mediante el procesamiento de grandes volúmenes de datos. Este enfoque permite clasificar los siniestros viales según su nivel de responsabilidad. “Estos sistemas son capaces de procesar cantidades masivas de información y detectar patrones que podrían pasar desapercibidos para los humanos”, explica Jaramillo. Además, identifica las variables más influyentes en la determinación de responsabilidades, lo cual resulta útil tanto para jueces como para administraciones públicas al momento de implementar medidas preventivas.
Entre los factores más relevantes identificados por el estudio se encuentra la posesión del permiso para conducir. Según Moreno, conducir sin este documento es uno de los aspectos más críticos ya que refleja un desconocimiento fundamental sobre las normas viales. Otros elementos analizados incluyen el lugar del accidente (como si ocurre en un paso peatonal), el consumo de alcohol o drogas, el uso del teléfono móvil y comportamientos distractivos por parte del conductor o el peatón.
Los modelos se entrenan utilizando datos reales provenientes de atestados policiales y sentencias judiciales previamente validadas. Esto permite al sistema aprender a partir de decisiones humanas consideradas correctas, logrando así un nivel confiable comparable al juicio humano, aunque siempre con margen para mejoras conforme se incorporen nuevos datos.
A pesar de que este modelo fue desarrollado inicialmente con datos recopilados en Badajoz entre 2013 y 2023, su aplicación podría extenderse a otras ciudades siempre que se disponga de información similar ajustada a las características locales.
Además, esta investigación abre la posibilidad de incluir un tercer actor: la administración pública. Los investigadores señalan que muchas infraestructuras urbanas presentan deficiencias que pueden contribuir a accidentes; por ejemplo, pasos peatonales mal ubicados o problemas relacionados con visibilidad debido a vegetación densa. En tales casos, parte del peso responsable podría recaer sobre las autoridades administrativas, lo cual resalta la importancia de considerar más variables en futuras versiones del modelo.
Pueden escuchar una entrevista con los investigadores a través del podcast Brotes de Ciencia.
Referencias bibliográficas:
El modelo desarrollado por investigadores de la Universidad de Extremadura utiliza algoritmos de machine learning para clasificar los niveles de responsabilidad de conductores y peatones en siniestros viales, analizando datos reales de accidentes.
Entre los factores más relevantes se encuentran la posesión del permiso de conducir, la ubicación del siniestro, el consumo de alcohol o drogas, y el uso del teléfono móvil. La distracción al volante también se identifica como un factor crítico.
El sistema se entrena con datos reales como atestados policiales y sentencias judiciales previamente validadas, lo que permite que el modelo aprenda a partir de decisiones humanas consideradas correctas.
Sí, aunque el modelo fue desarrollado inicialmente con datos de Badajoz, puede aplicarse a otras localidades siempre que se disponga de información similar y se ajusten las variables a las características locales.