La inteligencia artificial está cambiando la forma en que las ciudades recogen y analizan datos de tráfico, y un reciente trabajo publicado en arXiv ilustra cómo la tecnología puede ser una herramienta decisiva para evaluar el efecto de las intervenciones de infraestructura blanda. El estudio, titulado "Intelligent CCTV for Urban Design: AI-Based Analysis of Soft Infrastructure at Intersections", se centra en la utilización de cámaras de circuito cerrado de televisión (CCTV) ya instaladas en las calles para medir de manera automática y precisa los cambios en el comportamiento de los conductores cuando se introducen dispositivos como refugios temporales para peatones y extensiones de acera.

El método combina redes neuronales profundas con una técnica de estimación de velocidad basada en la perspectiva de la imagen. De esta forma, los investigadores pudieron calcular la velocidad media y la velocidad al percentil 85 de los vehículos que pasan por intersecciones antes y después de la instalación de las infraestructuras blandas. Además, se realizó un seguimiento de la cantidad de vehículos que transitaban cada intersección en dos semanas posteriores a la intervención, lo que permitió observar cómo se adapta el flujo de tráfico con el tiempo.

Los resultados, obtenidos en Minneapolis, son contundentes. En intersecciones sin semáforos, la velocidad media cayó en un 18,75 %, y la velocidad al percentil 85 en un 16,56 %. En cuanto al flujo, se observó una reducción del 12,2 % en el número de vehículos que pasaron por la zona. En las intersecciones con semáforos, los efectos fueron comparables, aunque una de las ubicaciones mostró una caída menor. Allí, la velocidad media se redujo en un 20 % y el percentil 85 en un 17,19 %.

Estos hallazgos confirman la eficacia de la infraestructura blanda como medida de calmar el tráfico. Pero lo más relevante es la manera de obtener la evidencia: un proceso que no requiere la instalación de sensores costosos ni la contratación de equipos de medición especializados. Con la inteligencia artificial, basta con usar las cámaras existentes y un algoritmo de visión por computador para generar datos fiables en tiempo real.

Para los responsables de la planificación urbana, esto significa que las decisiones de diseño pueden basarse en pruebas empíricas concretas y no en suposiciones o estudios de caso aislados. La metodología propuesta permite comparar diferentes tipos de intervenciones, medir su efecto a lo largo del tiempo y, en caso de que una solución no funcione, ajustar o reemplazarla rápidamente.

En un contexto donde las ciudades buscan mejorar la movilidad y la seguridad sin generar sobrecargas presupuestarias, la combinación de CCTV existente con IA se presenta como un enfoque de bajo costo y alta escalabilidad. Las autoridades pueden replicar este análisis en sus propias redes de vigilancia, integrando los resultados en sus modelos de transporte y en la priorización de proyectos.

Además, la transparencia de los datos y la posibilidad de compartir los resultados con la comunidad fomentan la participación ciudadana y la rendición de cuentas. Al publicar los datos de velocidad y flujo, los gobiernos locales pueden demostrar el impacto positivo de las políticas de infraestructura blanda y justificar futuras inversiones.

En conclusión, el estudio de Minneapolis ofrece una prueba de concepto de cómo la IA puede transformar la evaluación de infraestructuras urbanas. Más allá de la simple reducción de velocidad, se trata de una herramienta que democratiza el análisis de datos de tráfico, permitiendo a las ciudades de todo el mundo tomar decisiones basadas en evidencia concreta y, sobre todo, mejorar la calidad de vida de sus habitantes.