Predecir y prevenir: cómo la inteligencia de tráfico con IA está transformando la seguridad vial

El Gobierno del Reino Unido acaba de publicar las estadísticas más recientes de víctimas de tráfico correspondientes a 2025, y ofrecen una mezcla familiar de avances y frustración. Las muertes en las carreteras británicas han vuelto a disminuir ligeramente, pero el número total de personas fallecidas o gravemente heridas sigue siendo persistentemente alto. Al mismo tiempo, a 3000 km de distancia, en Grecia, la empresa británica Valerann ha conseguido un importante despliegue en autopista para su plataforma de gestión del tráfico impulsada por IA, Lanternn. Estas dos historias están estrechamente vinculadas. O, al menos, podrían estarlo.
 

_{Fuente: Dimitry Dedyukhin}

Vistos por separado, ambos acontecimientos son noticias rutinarias del sector. Juntos, sin embargo, cuentan una historia mucho más amplia sobre el futuro de la seguridad vial, en la que la inteligencia artificial, la fusión de datos y el análisis predictivo se están convirtiendo en herramientas centrales en el esfuerzo por reducir los accidentes antes de que ocurran.

“Las mejoras de la infraestructura física, la aplicación de la normativa y la educación vial siguen siendo esenciales, pero el sector mira cada vez más hacia sistemas de inteligencia en tiempo real capaces no solo de responder a incidentes, sino de anticiparlos”

Según las cifras provisionales del Department for Transport para el año que finalizó en junio de 2025, Gran Bretaña registró 1.579 muertes en carretera y casi 30.000 víctimas fallecidas o gravemente heridas (KSI). Aunque las muertes disminuyeron un 3 % interanual, la tendencia general se mantiene relativamente plana, prolongando una meseta de una década en los daños graves en carretera. Especialmente preocupante, sin embargo, fue el aumento de muertes de motoristas, que creció un 14 % en comparación con el año anterior.

INTELIGENCIA EN TIEMPO REAL

Para las autoridades de transporte y los operadores de autopistas, estas cifras refuerzan un consenso creciente: las medidas tradicionales de seguridad vial por sí solas ya no son suficientes. Las mejoras de la infraestructura física, la aplicación de la normativa y la educación vial siguen siendo esenciales, pero el sector mira cada vez más hacia sistemas de inteligencia en tiempo real capaces no solo de responder a incidentes, sino de anticiparlos.

_{Fuente: Martin Brayley}

Esa es precisamente la dirección que está siguiendo Valerann, cuya plataforma Lanternn ya se ha desplegado en el corredor de la autopista Ionia Odos en Grecia. El proyecto marca el primer despliegue de gestión del tráfico en autopista impulsado por IA de este tipo en el país y representa otro hito en la rápida evolución de las operaciones de tráfico predictivas.

La importancia del despliegue griego va más allá de una sola autopista. Refleja cómo el sector de los sistemas inteligentes de transporte (ITS) está pasando de la recopilación aislada de datos a ecosistemas operativos integrados e impulsados por IA.

Históricamente, los operadores de autopistas dependían de flujos de información fragmentados: imágenes de CCTV, bucles inductivos, estaciones meteorológicas, llamadas de emergencia y observaciones de los operadores. Aunque eran eficaces hasta cierto punto, estos sistemas a menudo generaban una conciencia situacional tardía o incompleta. Los operadores podían identificar un incidente una vez que la congestión ya se había formado, pero tenían dificultades para detectar riesgos emergentes en tiempo real.

La fusión de datos impulsada por IA cambia por completo esa ecuación.

“Los algoritmos de aprendizaje automático identifican anomalías basándose en patrones aprendidos previamente, predicen la inestabilidad del tráfico y señalan riesgos de seguridad emergentes antes de que escalen hasta convertirse en incidentes completos”

PREDECIR Y SOBREVIVIR

Plataformas como Lanternn agregan y analizan en tiempo real múltiples entradas en directo, incluidos sensores en carretera, datos flotantes de vehículos, aplicaciones de navegación, fuentes meteorológicas y análisis de cámaras, en una capa operativa unificada. A continuación, los algoritmos de aprendizaje automático identifican anomalías basándose en patrones aprendidos previamente, predicen la inestabilidad del tráfico y señalan riesgos de seguridad emergentes antes de que escalen hasta convertirse en incidentes completos.

_{Fuente: Valerann}

Las implicaciones para la seguridad vial son profundas.

Una caída repentina de la velocidad media de los vehículos en un tramo de autopista, combinada con el deterioro de las condiciones meteorológicas y un comportamiento irregular de cambio de carril, puede indicar una probabilidad elevada de colisión minutos antes de que se produzca cualquier accidente. En lugar de enviar equipos de respuesta solo después de que se forme una cola, los operadores pueden activar de forma proactiva señales de mensaje variable, ajustar sistemas de armonización de velocidad o alertar con antelación a las unidades de patrulla.

Esta evolución de la gestión reactiva a la intervención predictiva se considera cada vez más uno de los desarrollos más importantes en las operaciones modernas de tráfico.

También llega en un momento crítico para las redes de transporte europeas. En toda la UE, las cifras preliminares de muertes en carretera de 2025 mostraron aproximadamente 19.400 fallecimientos: una reducción del 3 % en comparación con 2024, pero todavía lejos de las ambiciones a largo plazo de Visión Cero del bloque.

El reto no es solo reducir la congestión media, sino identificar con precisión dónde se acumula el riesgo dentro de entornos viales complejos y dinámicos.

“Los marcos emergentes de IA ya son capaces de combinar información dispersa de detectores con datos flotantes de vehículos para producir predicciones muy precisas del estado del tráfico en toda la red, incluso cuando la infraestructura de detección es incompleta”

CONSECUENCIAS PRÁCTICAS

La inteligencia artificial destaca en este ámbito porque los patrones de tráfico son inherentemente probabilísticos. Las ondas de congestión, el comportamiento de los conductores, las condiciones meteorológicas y las cadenas de incidentes interactúan simultáneamente. Los operadores humanos pueden supervisar partes de este ecosistema, pero los sistemas de IA observan la situación de forma integral, procesando continuamente miles de variables en corredores completos de autopistas en tiempo real.

Investigaciones académicas recientes sobre inferencia de tráfico a partir de múltiples fuentes ponen de relieve la creciente sofisticación de estos sistemas. Los marcos emergentes de IA ya son capaces de combinar información dispersa de detectores con datos flotantes de vehículos para producir predicciones muy precisas del estado del tráfico en toda la red, incluso cuando la infraestructura de detección es incompleta.

Para los operadores de carreteras, esta capacidad tiene consecuencias operativas prácticas.

Los centros de control de autopistas se enfrentaban tradicionalmente a una difícil disyuntiva: invertir fuertemente en redes densas de infraestructura física o aceptar puntos ciegos en la cobertura. Los modelos de inferencia impulsados por IA reducen esa dependencia extrayendo información más rica de la infraestructura existente. En efecto, la inteligencia del software se convierte en un multiplicador de fuerza para los activos físicos.

Esto es especialmente relevante en países como el Reino Unido, donde las principales redes de autopistas ya contienen una infraestructura ITS extensa pero envejecida. En lugar de sustituir sistemas enteros en carretera, los operadores pueden superponer cada vez más análisis de IA sobre los activos existentes para mejorar el rendimiento y los resultados de seguridad, complementándolos con datos disponibles procedentes de aplicaciones colaborativas, aplicaciones de navegación y datos históricos.

_{Fuente: Jonathan Mitchell}

La propia experiencia del Reino Unido con las autopistas inteligentes ilustra tanto las oportunidades como las sensibilidades implicadas. Durante la última década, la gestión dinámica de carriles, los límites de velocidad variables y las tecnologías de detección de vehículos detenidos han transformado tramos de la red vial estratégica. Sin embargo, el debate público sobre la seguridad también se ha intensificado, especialmente en relación con la fiabilidad de la detección de incidentes y los tiempos de respuesta ante emergencias.

Los sistemas predictivos basados en IA pueden ayudar a abordar algunas de esas preocupaciones al reducir significativamente la latencia de detección y mejorar la conciencia operativa. En lugar de depender únicamente de alertas de infraestructura fija, los operadores pueden validar incidentes mediante múltiples flujos de datos convergentes de forma simultánea.

“Durante la última década, la gestión dinámica de carriles, los límites de velocidad variables y las tecnologías de detección de vehículos detenidos han transformado tramos de la red vial estratégica, pero el debate público sobre la seguridad también se ha intensificado”

Este enfoque de inteligencia multicapa resulta cada vez más atractivo tanto para concesionarios de autopistas como para ministerios de transporte.

GESTIONAR EL IMPULSO EN AUTOPISTA

En Grecia, el despliegue en Ionia Odos forma parte de un impulso más amplio hacia corredores de transporte digitalmente conectados en el sur de Europa. La propia autopista desempeña un papel logístico estratégico, conectando puertos clave y rutas de mercancías a lo largo del corredor europeo E65. Al integrar la gestión operativa impulsada por IA, las autoridades de autopistas buscan no solo mejorar la seguridad, sino también aumentar la resiliencia, reducir las emisiones relacionadas con la congestión y optimizar la coordinación de la respuesta ante incidentes.

El impulso comercial detrás de estos sistemas se está acelerando rápidamente.

Cabe señalar que, en 2025, Valerann también obtuvo un contrato de 3,6 millones de euros respaldado por la Agencia Espacial Europea para desarrollar una plataforma de monitorización del tráfico vial en toda la red, habilitada por IA y basada en fuentes de datos satelitales y terrestres. La iniciativa refleja un movimiento creciente de la industria hacia la combinación de infraestructura conectada con tecnologías de observación espacial para lograr capacidades de inteligencia de tráfico a escala nacional.

_{Fuente:  Filippos Nikolakopoulos} 

La lógica detrás del uso de satélites para armonizar datos y permitir el intercambio de información en zonas de baja cobertura es bastante clara. Los sistemas tradicionales en carretera proporcionan una visibilidad muy localizada, mientras que los datos satelitales y de vehículos conectados pueden ofrecer un contexto de red más amplio. Combinadas mediante motores de fusión de IA, estas capas crean una imagen operativa más completa.

El resultado es un ecosistema de transporte definido cada vez menos por activos de infraestructura aislados y cada vez más por flujos interoperables de inteligencia de datos.

LA CLAVE DEL AVANCE

Para los responsables políticos que revisan las últimas cifras de víctimas del Reino Unido, esta transición plantea importantes preguntas estratégicas. Si las muertes y las lesiones graves se han estancado a pesar de décadas de intervención convencional, ¿de dónde vendrán los próximos grandes avances en seguridad?

La respuesta puede estar menos en el hormigón y el acero, y más en la infraestructura digital predictiva.

Eso no significa que la IA por sí sola vaya a resolver el reto de la seguridad vial. La calidad de los datos, la interoperabilidad, la ciberseguridad y la gobernanza siguen siendo preocupaciones críticas. Los sistemas predictivos también requieren una validación operativa cuidadosa para evitar falsos positivos o una dependencia excesiva de la automatización.

“La IA por sí sola no resolverá el reto de la seguridad vial. Los sistemas predictivos requieren una validación operativa cuidadosa para evitar falsos positivos o una dependencia excesiva de la automatización”

Sin embargo, la dirección del viaje es cada vez más clara.
Los operadores de carreteras ya no se conforman con entender lo que ya ha ocurrido en sus redes. Quieren saber qué está ocurriendo ahora y, cada vez más, qué es probable que ocurra después.

Mientras Gran Bretaña analiza otro año de estadísticas de víctimas y Grecia despliega una nueva generación de operaciones de autopista habilitadas por IA, la conexión entre ambas se vuelve inconfundible. Una historia pone de relieve la escala persistente del reto de la seguridad vial. La otra apunta hacia las tecnologías que finalmente podrían empezar a cambiar la trayectoria.

En el sector del transporte inteligente, la predicción se está convirtiendo rápidamente en prevención.