Crédito: Dominio público de Pixabay/CC0
En 2024, se registraron 1.040 accidentes en carreteras españolas, además de colisiones menores y otros problemas de conducción. Las causas de estos accidentes incluyen exceso de velocidad, condiciones climáticas adversas y abuso de sustancias, pero también distracciones y situaciones estresantes que pueden mitigarse mejorando el diseño de infraestructura, las tecnologías para ayudar a los conductores y las políticas de seguridad vial.
Un estudio en el que la realización de la Universitat Oberta de Catalunya (UOC) analiza cómo los elementos visuales influyen en los niveles de estrés de los conductores e identifican factores que afectan negativamente la experiencia de conducción. Sus hallazgos allanan el camino para el desarrollo de asistentes de conducción inteligente y la planificación de las calles de la ciudad con menos desencadenantes de estrés.
Publicado en IEEE Transactions on Affective Computing, el documento “Análisis de la escena de la carretera visual para la estimación del estrés del conductor” presenta las conclusiones de un proyecto de investigación dirigido por Cristina Bustos, una investigadora de la inteligencia artificial para el grupo de bienestar humano (AIWELL), que está afiliado a la unidad de investigación de la UOC sobre la salud digital, la salud y el bienestar.
La investigación también involucró a los miembros de la facultad de la Facultad de Ciencias de la Computación, Multimedia y Telecomunicaciones de la Uoc, el investigador principal de Aiwell, y Albert Solé, un investigador de Cosin3. Javier Borge, líder del complejo grupo de sistemas (COSIN3) también contribuyó al proyecto, junto con Neska Elhaouij y Rosalind Picard, investigadores del Laboratorio de Medios del Instituto de Tecnología de Massachusetts (MIT).
La importancia del paisaje del camino como factor de estrés
Las cosas que vemos en las carreteras y las áreas a su alrededor son un factor clave en los accidentes de tráfico e influyen en gran medida en el bienestar y la salud de quienes usan sus automóviles a diario. Por lo tanto, abordar las causas del estrés entre los conductores ha sido fundamental para una serie de estudios en los últimos años.
La investigación realizada por el UOC analiza estos factores, teniendo en cuenta solo los datos visuales, ignorando las señales fisiológicas, el análisis facial o las grabaciones de maniobras de vehículos. Esta es la primera vez que un estudio de esta naturaleza se ha centrado únicamente en el aspecto visual.
“Hasta ahora, no hemos tenido en cuenta que manejamos en un contexto visual y que las condiciones en el entorno urbano son importantes, ya que afectan el nivel de estrés del conductor. Nuestro estudio es el primero en analizar el contexto visual del paisaje urbano como una fuente adicional de datos para estimar el estrés”, dijo el experto.
El equipo UOC utilizó un modelo de IA que evalúa simultáneamente las condiciones de tráfico, la presencia de peatones y características del entorno urbano en entornos del mundo real para realizar un estudio a gran escala del paisaje visual.
Se utilizaron varios modelos de aprendizaje automático con diferentes niveles de complejidad. Incluían máquinas de vectores de soporte (SVM) y redes neuronales convolucionales (CNN), que analizaron imágenes individuales y redes de segmento temporal (TSN), que evaluaron videos.
“Nuestro enfoque estudia el contexto de la carretera, analiza cómo el entorno de conducción afecta el estrés del conductor y ayuda a predecirlo. Hemos demostrado empíricamente que el análisis del entorno visual proporciona información contextual valiosa sobre el entorno de la carretera, como la densidad de tráfico, el paisaje urbano y la presencia de peatones”, dijo Bustos.
“Esta información complementa otras fuentes de datos y es esencial para una mejor comprensión de los factores que influyen en los niveles de estrés y cómo el diseño urbano puede afectar la seguridad vial. Nuestro estudio demuestra, por primera vez, que el contexto es una fuente significativa de información que se puede procesar”, agregó.
Segmentación de imagen automática: imagen original (izquierda) junto con la imagen segmentada correspondiente (derecha). Crédito: transacciones IEEE en computación afectiva (2025). Doi: 10.1109/taffc.2025.3539003
Peatones, otros vehículos y letreros de carretera generan estrés
El equipo de UOC concluyó que el contexto visual de la carretera juega un papel fundamental en causar el estrés del conductor y pudo determinar qué elementos específicos influyen más en la experiencia de conducción.
El análisis del modelo de IA reveló que la presencia de peatones y vehículos en movimiento (especialmente los más grandes como los camiones) se encuentran entre los factores que generan el mayor estrés. A esto se agregan elementos urbanos que pueden distraer a los conductores, como letreros, carteles publicitarios y cruces de peatones.
“Todos estos elementos influyen significativamente en los altos niveles de estrés de los conductores estudiados, al aumentar la complejidad de la experiencia y su carga cognitiva”, explicó Bustos.
Aplicaciones prácticas potenciales
Estos hallazgos pueden servir como una guía para el diseño de la infraestructura urbana y las políticas destinadas a reducir los factores inductores de estrés. Por ejemplo, podrían ser la base de mejoras en la señalización, los sistemas de gestión del tráfico en áreas congestionadas o el diseño de intersecciones más seguras.
“Al identificar qué elementos son los más estresantes, los planificadores urbanos y las autoridades de tráfico pueden tomar medidas para mitigar estos efectos, contribuyendo a una mayor seguridad vial”, dijo Bustos.
También existe la posibilidad de desarrollar sistemas de asistencia del conductor que puedan monitorear el entorno en tiempo real y alertar al conductor o activar los mecanismos de seguridad cuando se detectan condiciones potencialmente estresantes.
“En este momento, no hay planes inmediatos para la aplicación práctica del estudio, ya que se realizó con un número limitado de impulsores. Sin embargo, los resultados proporcionan una base prometedora para continuar la investigación en esta área y explorar su aplicación a los sistemas de asistencia al conductor”, dijo Bustos.
Los siguientes pasos en esta línea de investigación son expandir y diversificar los datos, explorar modelos multimodales que incorporan otros tipos de datos no invasivos (como la información en el vehículo) y refinan las técnicas de interpretación de IA para comprender mejor los mecanismos subyacentes al estrés.
Más información: Cristina Bustos et al, analizando la escena de la carretera visual para la estimación del estrés del conductor, transacciones IEEE en computación afectiva (2025). Doi: 10.1109/taffc.2025.3539003
Proporcionado por la Universidad Open de Cataluña
Cita: el modelo de IA identifica las fuentes del estrés del conductor, allanando el camino para los asistentes de conducción inteligente (2025, 26 de mayo) recuperado el 26 de mayo de 2025 de https://techxplore.com/news/2025-05-ai-sources-driver-string-paving.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
