La seguridad vial, una preocupación global, impacta de manera significativa a los países de
ingresos bajos y medianos, siendo la falta de sistemas de bases de datos y notificación de
accidentes una problemática común. En este contexto, un estudio pionero propone un
marco escalable para evaluar la seguridad vial percibida por los peatones, especialmente en
regiones con datos limitados.
Metodología Innovadora: IA y Evaluación por Expertos
En una primera fase, se entrenó un modelo de segmentación semántica basado en la avanzada
arquitectura de aprendizaje profundo HRNet+OCR, utilizando imágenes etiquetadas de Google
Street View en áreas específicas de Dhaka, Bangladesh. Este enfoque permitió identificar con
precisión tanto elementos artificiales como naturales en las imágenes, incluyendo carreteras,
aceras, edificios, vehículos, árboles y el cielo.
Los resultados del modelo demostraron un rendimiento excepcional con una alta precisión
(0,95), recuerdo (0,97), puntuación F1 (0,96) e intersección sobre unión (IoU) del 91,86%.
En una segunda fase, evaluadores capacitados utilizaron imágenes de Google Street View para
puntuar la seguridad vial percibida en una escala ordinal de 0 a 10. Posteriormente, se
emplearon modelos de regresión, considerando características extraídas de las imágenes y
factores sociodemográficos como densidad de población e índice de riqueza relativa. El
modelo de regresión forestal aleatoria destacó como el más eficaz.
Relevancia de las Características y Resultados Significativos
La técnica independiente del modelo, Shapley Additive Explanations (SHAP), reveló que
características como aceras, calzadas, densidad de población, muros y el índice de riqueza
relativa tuvieron un impacto significativo en la calificación de seguridad vial percibida.
Adicionalmente, las pruebas entre las puntuaciones medias de seguridad vial para zonas
propensas y no propensas a colisiones demostraron diferencias significativas, subrayando la
validez de la evaluación.
Aplicaciones Prácticas: Herramienta para Políticas de Seguridad Vial
El estudio culmina en un mapa detallado de calificación de seguridad vial percibida a nivel de
vecindario. Esta herramienta visual puede ser esencial para que responsables políticos y
profesionales identifiquen deficiencias específicas en seguridad vial y formulen contramedidas
estratégicas para mejorar la seguridad de los peatones.
Este enfoque innovador no solo aborda las limitaciones de datos en áreas de ingresos bajos y
medianos, sino que también proporciona un modelo replicable que podría adaptarse a
diversas ubicaciones, contribuyendo así a la creación de entornos más seguros para los
peatones en todo el mundo.
Acceso al estudio: https://doi.org/10.1016/j.aap.2023.107400
