La tecnología «RoadSafe» utiliza un algoritmo inteligente para procesar datos anónimos procedentes de fuentes como los vehículos conectados, sensores de carretera y los reportes de accidentes con el fin de identificar los lugares con mayor probabilidad de que se produzcan incidentes de tránsito. Esta información puede mostrarse en un mapa que identifica el nivel de riesgo y también podría utilizarse para advertir a los conductores de los puntos conflictivos.
«Hay zonas en todas las ciudades en las que la probabilidad de que se produzca un incidente es mayor, ya sea por una señal mal colocada, un bache sin reparar o unos cruces construidos para albergar mucho menos tráfico del que tenemos actualmente. Ahora, Ford puede señalar las áreas preocupantes, para que los conductores sean más conscientes de ellas y las autoridades puedan abordarlas», sostuvo Jon Scott, jefe de proyecto de City Insights, Ford Mobility, Europa.
Hacer las carreteras más seguras para todos
La herramienta digital «RoadSafe» es la culminación de cuatro años de investigación por parte de Ford, incluyendo recientemente un proyecto de 20 meses financiado por el gobierno inglés y realizado junto con el Consejo del Condado de Oxfordshire, la Universidad de Loughborough y los especialistas en sensores de IA Vivacity Labs, con el apoyo de Transport for London y el respaldo de Innovate UK.
La investigación comenzó con un análisis del Gran Londres para poner en relieve los puntos conflictivos en materia de seguridad vial e identificar las posibles causas y las medidas de seguridad a implementarse. En los últimos 15 meses, la investigación se amplió a Oxfordshire, con más de 200 vehículos de pasajeros y comerciales conectados voluntariamente en Londres y Oxfordshire. Los datos permitieron al equipo desarrollar un «Mapa de Calificación de Riesgo en Segmentos de Carretera» que identifica los tramos de carretera que son especialmente preocupantes.
Este panel incluye varias capas de datos, incluidos los datos históricos de accidentes y un algoritmo de clasificación de «Predicción de Riesgo» para cada segmento de carretera basado en una serie de estadísticas, calculadas mediante técnicas avanzadas de análisis de datos1. La clasificación de «Predicción del riesgo en el segmento de la carretera» utiliza colores para mostrar las ubicaciones en las que es más probable que se produzcan incidentes, siendo el rojo el nivel de riesgo más alto y el amarillo el más bajo.
Para recopilar los datos, los vehículos conectados registran los eventos de conducción, como el frenado, la dirección y la aceleración; mientras que los sensores de Vivacity, situados en la carretera, siguen los movimientos de los diferentes medios de transporte. Los sensores emplean algoritmos de aprendizaje automático para detectar incidentes cercanos y son capaces de analizar los patrones de movimiento de los usuarios vulnerables de la carretera, como ciclistas y peatones, así como de los vehículos no conectados. Todos los datos compartidos por los sensores se anonimizan y las imágenes de vídeo se descartan en su origen, lo que permite unas carreteras más seguras sin que se produzca una intromisión en la privacidad.
La combinación de los datos de los vehículos y los sensores puede ayudar a identificar una gran variedad de peligros, como los lugares en los que los vehículos pasan demasiado cerca de los ciclistas; una parada de autobús mal situada que congestiona el tráfico; e infraestructuras mal diseñadas, como rotondas y cruces, que provocan confusión y pueden ser origen de accidentes.
En el caso de las empresas y las flotas, el algoritmo «RoadSafe» podría utilizarse para optimizar las rutas de los conductores y alejarlos de determinadas zonas problemáticas, o avisarles cuando se encuentren áreas de riesgo, reduciendo así los tiempos de inactividad derivados de los incidentes. De aplicación universal y escalable para zonas que van desde las grandes ciudades hasta los pueblos pequeños, «RoadSafe» podría tener un impacto significativo en el número de incidentes en las carreteras.
En el futuro, esta tecnología también podría beneficiar a los pasajeros que viajan en vehículos autónomos. La combinación de los sensores de a bordo del vehículo con una herramienta digital podría ayudarles a anticiparse a las situaciones de peligro incluso antes y, por tanto, a adaptar su funcionamiento en consecuencia.
