Investigadores de la Universidad de Extremadura (UEx) han desarrollado un modelo basado en machine learning capaz de clasificar los niveles de responsabilidad de conductores y peatones en siniestros viales, utilizando datos reales de accidentes registrados en Badajoz.

El estudio, publicado en la revista científica Scientific Reports de Nature, surge de la colaboración entre el agente de la Policía Local de Badajoz, Alejandro Moreno Sanfélix, y los investigadores de la Escuela de Ingenierías Industriales de la UEx, Consuelo Gragera y Miguel Ángel Jaramillo.

La investigación parte de la dificultad habitual para determinar responsabilidades en atropellos, donde en muchos casos estas son compartidas o poco claras. El objetivo del proyecto es aportar herramientas más objetivas y rápidas que puedan apoyar la toma de decisiones tanto administrativas como judiciales.

Según explica el propio agente investigador, el uso de inteligencia artificial permite “prevenir y reducir la siniestralidad vial gracias al uso inteligente de los datos”, mientras que el sistema desarrollado es capaz de identificar patrones en grandes volúmenes de información que pueden pasar desapercibidos en el análisis humano.

El modelo se entrena con datos procedentes de atestados policiales y sentencias judiciales previamente validadas, lo que permite reproducir decisiones humanas consideradas correctas y mejorar progresivamente su nivel de fiabilidad conforme se incorporan nuevos datos.

VARIABLES ANALIZADAS

Entre las variables analizadas podemos encontrar factores como la ubicación del siniestro -por ejemplo, si ocurre en un paso de peatones-, el consumo de alcohol o drogas, el uso del teléfono móvil, la distracción al volante o el comportamiento del peatón.

Uno de los elementos más relevantes identificados es la ausencia de permiso de conducir, considerado un factor determinante en la responsabilidad de los siniestros, ya que implica un desconocimiento de las normas de circulación.

Los investigadores también subrayan la importancia de la distracción al volante y el consumo de sustancias, señalando que el consumo de drogas podría estar infrarrepresentado en los datos debido a la menor frecuencia de controles específicos, lo que refuerza la necesidad de intensificar las campañas de prevención.

Además, el estudio abre la puerta a incorporar un tercer factor en futuros modelos: la propia administración pública. Según los autores, determinadas infraestructuras urbanas deficientes, como pasos de peatones mal ubicados o problemas de visibilidad, también pueden influir en la accidentalidad, lo que podría implicar responsabilidades compartidas en algunos casos.

El proyecto apunta a una posible aplicación futura de la inteligencia artificial no sólo en el ámbito judicial y policial, sino también en la mejora de la seguridad vial y la planificación urbana.