En el apunte de este mes de abril del blog Infotrànsit publicamos un monográfico que pone de relieve el impacto de la inteligencia artificial (IA) en la movilidad, no sólo en cuanto a la mejora de la fluidez en la red viaria sino también en una reducción de la siniestralidad. En este sentido, desde el Servei Català de Trànsit (SCT) se han impulsado dos sistemas pioneros para reducir los accidentes que funcionan a partir del reconocimiento de imágenes en base a la IA: uno para alertar de la presencia de ciclistas dentro de túnel y otro para avisar a los conductores de la presencia de fauna en carretera.
Además, estamos trabajando, junto con la Universidad Politécnica de Cataluña (UPC), en la implantación de un sistema de IA predictiva para informar del riesgo de accidente en la AP-7 entre el Vendrell y Granollers.
Para profundizar en la aplicación de la inteligencia artificial en la mejora de la movilidad y la seguridad vial en escenarios actuales y futuros, Gerard Franco i Panadés, investigador en IA y doctorando industrial, nos explica el proyecto colaborativo de SCT, CARNET y UPC.
Cómo la inteligencia artificial puede transformar la gestión del tráfico interurbano
En los últimos años, la inteligencia artificial (IA) ha pasado de ser una promesa tecnológica a una herramienta concreta con un creciente impacto en la movilidad. En el SCT, esta revolución digital nos abre nuevas vías para hacer frente a retos estructurales como la congestión, la seguridad vial o la eficiencia en la gestión de los recursos públicos.
Pero, ¿qué significa exactamente aplicar IA en la gestión del tráfico interurbano? ¿Y cómo puede ayudarnos a salvar vidas?
Más que datos: conocimiento en tiempo real
Las carreteras catalanas están equipadas con una amplia red de sensores, cámaras, estaciones meteorológicas y otras fuentes de datos. Hasta hace poco tiempo, su análisis dependía mayoritariamente de enfoques estadísticos clásicos o de la supervisión humana. Ahora, con la IA, podemos procesar simultáneamente millones de datos en tiempo real y extraer patrones, predicciones y alertas automatizadas.
Esta capacidad de análisis se basa en algoritmos de aprendizaje automático (machine learning), especialmente en técnicas avanzadas como redes neuronales recurrentes o modelos basados en transformers, que son capaces de capturar patrones irregulares y complejos en la evolución temporal de los datos de tráfico.

Hacia una gestión proactiva del riesgo
Una de las grandes ventajas de la IA es su capacidad predictiva. Si hasta ahora muchas actuaciones se hacían de forma reactiva (después de un atasco o accidente), ahora podemos anticipar escenarios de riesgo y activar medidas preventivas.
Por ejemplo, los modelos de IA pueden:
• Estimar la probabilidad de un accidente en un tramo concreto, en función de factores como la densidad de tráfico, la velocidad media, la climatología o la siniestralidad histórica.
• Apoyar la decisión en la señalización variable, adaptándola de forma dinámica para reducir la velocidad o advertir de condiciones peligrosas.
• Optimizar la planificación de recursos (como patrullas o servicios de emergencia) a partir de predicciones de movilidad.
Todo esto no sólo mejora la fluidez del tráfico, sino que contribuye directamente a reducir la accidentalidad y, por tanto, a salvar vidas.
IA como herramienta para entender mejor el comportamiento humano
La siniestralidad no depende sólo del estado de la vía o de la meteorología: también influyen los comportamientos de los conductores. Mediante el uso de modelos basados en IA y técnicas como el análisis de trayectorias, la detección de patrones de conducción agresiva o la segmentación de perfiles de movilidad, podemos identificar zonas y franjas horarias con riesgo elevado por conducta imprudente, fatiga o inexperiencia.
Aunque actualmente, en el SCT no estemos trabajando en esta línea de investigación, en caso de que en un futuro se explotara, esta información cruzada con datos de siniestralidad puede permitir diseñar campañas de sensibilización más efectivas, adaptar las estrategias de control y establecer prioridades de inversión en infraestructuras.
Una transformación que ya ha empezado
En Cataluña, ya estamos testando varios de estos modelos en entornos reales, como en la AP-7 y otros ejes de alta capacidad. Actualmente se está implementando el sistema MARIA-AP7 para los 100km más conflictivos de esta autopista, entre El Vendrell y Granollers, y que integra IA en sistemas de apoyo a la decisión operativa para la gestión del tráfico y en cuadros de mando inteligentes.
En este eje también estamos trabajando con sistemas de análisis predictivo que nos permiten anticipar situaciones de congestión y adaptar las estrategias de gestión en tiempo real. Estos sistemas predicen datos de tráfico como la intensidad, la velocidad o la probabilidad de accidente utilizando los antecedentes de incidencias para generar alertas preventivas para los conductores y recomendaciones operativas para los gestores de tráfico.
El objetivo final no es sustituir a las personas, sino aumentar su capacidad de actuación, hacer más eficiente la gestión pública y avanzar hacia una movilidad más segura, inteligente y sostenible.


























