Utilizan IA e imágenes satelitales para predecir accidentes viales

El Instituto de Tecnología de Massachusetts (MIT) y el Centro de Inteligencia Artificial de Qatar desarrollaron un sistema de Inteligencia Artificial (IA) que analiza imágenes satelitales para predecir zonas de accidentes viales.

El sistema ofrece predicciones en carreteras que probablemente se puedan producir una gran cantidad de accidentes al año.

Utilizan IA e imágenes satelitales para predecir accidentes viales

Asimismo, el estudio considera que “si las personas pueden usar el mapa de riesgos para identificar los tramos de carreteras potencialmente peligrosos, pueden tomar medidas con anticipación para reducir el riesgo en los viajes que realizan”.

De acuerdo a la Organización Mundial de la Salud, los accidentes viales cobran la vida de 1.3 millones de personas al año.

Se espera que el uso de su tecnología sea aplicado en la predicción de accidentes y al mapa o sistema de riesgo del 911 para pronosticar la demanda de taxis.

El proyecto cubre cuatro de las diez ciudades en Estados Unidos con mayor tráfico del país, Boston, Los Ángeles, Chicago y Nueva York.

La investigación ha tenido el reto de llevarse a cabo con datos escasos, su peligro es que inevitablemente se noten volúmenes muy altos de accidentes sin la necesidad de un sistema de análisis.

Las áreas menos peligrosas son difíciles de identificar, por ello se ha estudiado tramos de la red de carreteras con patrones de tráfico, apariencia visual y estructura similar, para determinar la causa de accidentes en función de estas características.

Utilizan IA e imágenes satelitales para predecir accidentes viales

Amin Sadeghi, investigador de Qatar, comentó que el modelo puede adaptarse de una ciudad a otra combinando pistas de datos aparentemente no relacionados.

Con la escasez de datos en zonas con una incidencia baja de accidentes puede llevar al algoritmo a esperar una banda estrecha de circunstancias sin identificar probabilidades más amplias.

Durante el entrenamiento, los investigadores aleatoriamente designaron un 20 por ciento de probabilidad a las zonas que tienen un bajo número de accidentes viales como el modelo de generalización.

Esto permitirá a las fuentes de datos paralelas a actuar como un proxy representativo de la información faltante.

Fueron organizados con 1.872 mosaicos de 2 km x 2 km losas el conjunto de datos, cada uno contenía imágenes satelitales de MapBox y con segmentación de carretera vía OpenStreetMaps.

Los datos del GPS fueron recolectados durante2015 y 2017 en las cuatro ciudades en un trayecto de 7.6 millones de kilómetros, en una frecuencia de muestreo de 1 segundo.

Mientras los GPS muestran información del flujo, velocidad y densidad del tráfico, las imágenes satelitales añaden información sobre la distribución de los carriles y cantidad de estos, la existencia de acera y la presencia de peatones.

Con y sin datos históricos el modelo fue probado mostrando su capacidad para capturar con éxito la distribución de riesgos de accidentes viales.

Con algunas modificaciones en su arquitectura el sistema puede ser utilizado en diferentes países, aún sin datos de indice de accidentes.