Investigadores UEx acomete modelo de IA para determinar la responsabilidad en atropellos

28 mayo 2026 | Publicado : 11:50 (28/05/2026) | Actualizado: 15:36 (28/05/2026)

Investigadores de la Universidad de Extremadura (UEx) han propuesto un modelo de 'machine learning' para clasificar los niveles de responsabilidad tanto de conductores como de peatones, utilizando datos reales de siniestros de Badajoz.

En concreto, la investigación surge de la necesidad de determinar la responsabilidad en el caso de un atropello, y surgió del agente de Policía Local Alejandro Moreno Sanfélix, adscrito a la unidad de Policía Judicial de Tráfico de Badajoz, en colaboración con los investigadores de la Escuela de Ingenierías Industriales de la Universidad de Extremadura Consuelo Gragera y Miguel Ángel Jaramillo.

El estudio ha sido publicado en 'Scientific reports de Nature', y surge de la experiencia del autor como policía local, al observar que en muchos siniestros viales la responsabilidad no es clara y suele estar compartida, con el objetivo de "proporcionar herramientas más objetivas y rápidas que apoyen las decisiones administrativas y judiciales", ha destacado Moreno.

El objetivo es "prevenir y reducir la siniestralidad vial gracias al uso inteligente de los datos y la tecnología", subraya el agente. En este contexto, el uso de inteligencia artificial se presenta como una "oportunidad para mejorar la objetividad y la rapidez en la toma de decisiones", señala la UEx, en una nota de prensa en la que apunta que el sistema se basa en técnicas de 'machine learning', una rama de la inteligencia artificial en la que los modelos usados aprenden a realizar una tarea a partir del procesado de un conjunto suficientemente grande de datos.

El estudio utiliza diferentes técnicas de 'machine learning' para entrenar modelos capaces de clasificar los siniestros viales en función de la responsabilidad. "Estos sistemas pueden procesar grandes cantidades de datos y detectar patrones que pueden pasar desapercibidos para los humanos.

Además, permiten identificar cuáles son las variables más influyentes en la determinación de la responsabilidad, lo que no solo es útil para los jueces, sino también para que las administraciones públicas puedan intervenir de manera más eficaz en la prevención de siniestros", explica Miguel Ángel Jaramillo.

CONDUCIR SIN PERMISO, FACTOR DETERMINANTE

La variable más relevante identificada en el estudio para determinar la responsabilidad es la posesión del permiso de conducir, ya que según Alejandro Moreno, conducir sin permiso de conducir es uno de los factores más determinantes, ya que implica desconocimiento de las normas.

También se analizan otros factores destacados como la ubicación del siniestro vial (por ejemplo, si ocurre en un paso de peatones), el consumo de alcohol o drogas, el uso del teléfono móvil, el comportamiento del peatón y la distracción en general.

A su vez, la distracción al volante se identifica como "un factor especialmente importante, junto con el consumo de sustancias", y en este sentido, aunque el alcohol "es un factor conocido y controlado, el consumo de drogas puede estar infrarrepresentado en los datos debido a la menor frecuencia de controles específicos", lo cual "pone de manifiesto la necesidad de reforzar las campañas de prevención en este ámbito".

Estos modelos se entrenan con datos reales, como atestados policiales y sentencias judiciales previamente validadas, por lo que de este modo, "el sistema aprende de decisiones humanas que ya han sido consideradas correctas", y permite "alcanzar un nivel de fiabilidad similar al de las resoluciones humanas, aunque siempre con la posibilidad de mejora a medida que se incorporen más datos".

Además de analizar la responsabilidad de conductores y peatones, la investigación abre la puerta a "incorporar un tercer actor", como es la administración pública, ya que según indican los investigadores, muchas infraestructuras urbanas "presentan deficiencias que pueden contribuir a la ocurrencia de accidentes, como pasos de peatones mal ubicados o problemas de visibilidad debido a la vegetación".

Finalmente, en estos casos, parte de la responsabilidad podría recaer en la propia administración, lo que "refuerza la importancia de incluir más variables en futuros desarrollos del modelo", señala.