Entendiendo comportamientos ciudadanos viales a partir de datos abiertos e inteligencia artificial

Abstract

A nivel mundial la accidentalidad vial sigue siendo la segunda causa de muerte en adultos, siendo los peatones y motociclistas las personas con mayor índice de mortalidad y lesiones en los incidentes de tránsito. Es por esto por lo que el presente trabajo tiene como objetivo generar una metodología basada en inteligencia artificial para la identificación y cuantificación automática del comportamiento vial, tanto para peatones como para motociclistas. Para esto, se hizo uso de datos abiertos con el fin de obtener información relevante que permitió el entrenamiento de un modelo de detección de objetos con el cual se puedan extraer características suficientes para medir si las acciones de las personas en la vía son las adecuadas o no. Una vez entrenado el modelo de detección, cuya sensibilidad y especificidad fue mayor del 90%, se logró establecer que el comportamiento de los peatones en el área de estudio tiende a ser inadecuado, ya que más del 70% de estos incumplen las normas de tránsito al encontrarse ubicados por donde deben de transitar los vehículos. Igualmente, se encontró que más de la mitad de los motociclistas realizan acciones que pueden aumentar la probabilidad de verse involucrados en algún incidente de tránsito, siendo transitar entre carriles la acción que mayor nivel de incurrencia tiene. Con los resultados obtenidos a partir de esta prueba de concepto, se logró establecer que los métodos de reconocimiento de patrones basados en inteligencia artificial pueden ser de utilidad al momento de reconocer y cuantificar los comportamientos de los agentes viales en tiempo real. (Texto tomado de la fuente)

Worldwide, road accidents continue to be the second cause of death in adults, with pedestrians and motorcyclists being the people with the highest rate of mortality and injuries in traffic incidents. Therefore, the present work aims to generate a methodology based on artificial intelligence for the automatic identification and quantification of road behavior, both for pedestrians and motorcyclists. For this, open data was used to obtain relevant information that allowed the training of an object detection model with which sufficient characteristics can be extracted to measure whether the actions of the people on the road are appropriate or not. Once the detection model was trained, whose sensitivity and specificity were greater than 90%, it was possible to establish that the behavior of pedestrians in the study area tends to be inappropriate, since more than 70% of these do not comply with traffic regulations because they are located where vehicles must travel. Likewise, it was found that more than half of the motorcyclists carry out actions that can increase the probability of being involved in a traffic incident, with traveling between lanes being the action with the highest level of incurrence. With the results obtained from this proof of concept, it was possible to establish that pattern recognition methods based on artificial intelligence can be useful when recognizing and quantifying the behavior of road agents in real-time.