Resumen Técnico: MotoSafety – IA en el Borde con Importancia Temporal Aprendida para la Evaluación del Riesgo de Colisión en Vehículos de Dos Ruedas bajo Presión de Tiempo

1. Declaración del Problema

Los conductores de vehículos de dos ruedas motorizados (PTW, por sus siglas en inglés) enfrentan tasas de fatalidad desproporcionadamente altas, particularmente en Países de Ingresos Bajos y Medios (LMIC) como la India, donde constituyen la mayoría de las fatalidades en el tráfico vial. Un contribuyente crítico, aunque poco explorado, a este riesgo es la Presión de Tiempo (TP): la percepción subjetiva de tiempo insuficiente para completar una tarea. La TP induce estrés cognitivo, lo que conduce a comportamientos riesgosos como el exceso de velocidad, el frenado brusco y una respuesta reducida ante peligros. Si bien existen modelos de seguridad vial impulsados por IA, estos se centran principalmente en vehículos de cuatro ruedas o conjuntos de datos de tráfico general. A menudo, no logran modelar la dinámica única e inestable de los PTW y no incorporan adecuadamente estresores cognitivos latentes como la TP en los marcos de evaluación del riesgo de colisión. Además, muchos modelos de aprendizaje profundo de vanguardia son computacionalmente pesados, lo que los hace inadecuados para sistemas de seguridad desplegables en el borde (edge) en tiempo real en hardware de bajo costo.

2. Metodología

2.1. Recolección de Datos y Conjunto de Datos

Los autores construyeron un conjunto de datos de series temporales multivariantes etiquetadas a gran escala para abordar la falta de datos específicos de PTW bajo diversas condiciones de TP.

• Participantes: 51 conductores masculinos (edades 18–42) con al menos dos años de experiencia de conducción, reflejando la demografía más afectada por las fatalidades de PTW en la India.
• Configuración Experimental: Se utilizó un simulador de PTW estático de alta fidelidad (un cuadro de motocicleta Honda con sistema de movimiento) para garantizar la seguridad mientras se capturaban datos cinemáticos realistas.
• Condiciones: Los participantes completaron tres sesiones de conducción bajo Sin Presión de Tiempo (NTP), Baja Presión de Tiempo (LTP) y Alta Presión de Tiempo (HTP). La condición HTP simuló escenarios urgentes (por ejemplo, fechas límite de exámenes) para inducir estrés cognitivo.
• Volumen de Datos: 153 sesiones que produjeron 129,209 ventanas de series temporales superpuestas (de 960 ms cada una, muestreo de 100 Hz).
• Características: Cada ventana contiene 64 características categorizadas en dinámica del vehículo, entradas de control, proximidad (distancia de seguimiento/seguimiento) y violaciones de comportamiento, y contexto temporal.
• Etiquetas: Etiquetas binarias de colisión (1 = evento de colisión dentro de la ventana, 0 = de lo contrario).

2.2. Arquitectura Propuesta: MotoSafety

El artículo presenta MotoSafety, una novedosa arquitectura de aprendizaje profundo diseñada para el despliegue en el borde (edge), fundamentada en el principio de Importancia Temporal Aprendida (LTI).

• Codificador de Convolución Dilatada Multiescala Paralela: Tres ramas paralelas con factores de dilatación $d=\{1, 2, 4\}$ extraen patrones temporales de escala local a media del flujo de entrada.
• Rama Bi-LSTM: Una red de Memoria de Corto Plazo Bidireccional de dos capas captura dependencias secuenciales de largo alcance.
• Agrupación de Importancia Temporal (TIP): Esta es la contribución novedosa central. En lugar de utilizar agrupaciones (pooling) fijas (por ejemplo, media o máximo) o atención propia (self-attention) computacionalmente costosa ($O(L^2)$), TIP emplea un Perceptrón Multicapa (MLP) ligero para aprender una función de puntuación sensible al contenido. Asigna un peso de importancia a cada paso de tiempo de forma independiente tanto para la rama CNN como para la BiLSTM, colapsándolos en vectores de tamaño fijo. Esto reduce la complejidad de la fusión posterior a $O(1)$ respecto a la longitud de la secuencia, manteniendo una complejidad general de $O(L)$.
• Fusión y Refinamiento: Los vectores agrupados se concatenan y se procesan a través de:
  • Fusión de Compuerta Automática (Self-Gated Fusion): Para ponderar dinámicamente las combinaciones de características.
  • Bloque de Compresión y Excitación (SE Block): Para la recalibración de canales de características.
  • Atención de Múltiples Cabezales (MHA): Para el refinamiento de características de alto orden.
• Salida: La arquitectura soporta dos tareas:
  1. Clasificación: Detección de riesgo de colisión en la misma ventana (binaria).
  2. Pronóstico: Predicción del estado cinemático de múltiples horizontes (hasta 7.2 segundos por delante).

2.3. Entrenamiento y Evaluación

• Funciones de Pérdida: Pérdida Focal ($\gamma=2$) para la clasificación para manejar el desequilibrio de clases; Error Cuadrático Medio (MSE) para el pronóstico.
• Líneas de Base (Baselines): El modelo fue comparado contra diez modelos de vanguardia, incluyendo variantes de Transformer (Informer, iTransformer, PatchTST) y modelos de series temporales basados en LLM (Time-LLM, LLM4TS).
• Hardware: Entrenamiento en NVIDIA T400; la inferencia se probó en una CPU de bajo costo (Intel Core i7) para simular el despliegue en el borde.

3. Contribuciones Clave

1. Conjunto de Datos de Simulador de PTW a Gran Escala: El primer conjunto de datos de su tipo que captura más de 129,000 secuencias etiquetadas de 51 participantes bajo condiciones de Sin, Baja y Alta Presión de Tiempo, con 64 características específicas del dominio.
2. Arquitectura MotoSafety: Un nuevo marco de IA en el borde que integra convoluciones dilatadas paralelas, BiLSTM y el módulo de Importancia Temporal Aprendida (TIP). TIP permite el colapso temporal sensible al contenido con complejidad lineal ($O(L)$), lo que lo hace apto para la inferencia en el borde en tiempo real.
3. Rendimiento y Eficiencia: MotoSafety alcanza una precisión del 94.97% y un ROC AUC del 99.33% para la evaluación del riesgo de colisión, superando a diez líneas de base. Para el pronóstico, logra un MSE de 0.039 y un MAE de 0.094 (4.4 veces menor error que Time-LLM e iTransformer).
4. Capacidad de Despliegue en el Borde: Con solo 1.15 millones de parámetros y una latencia de inferencia de 0.135 ms en una CPU, el modelo es 21.9 veces más rápido que TimesNet y 71.9 veces más rápido que LLM4TS, validando su idoneidad para hardware de bajo costo.
5. Transferibilidad: La arquitectura demuestra una fuerte generalización cuando se reentrena desde cero en reconocimiento de actividad humana (97.66% de precisión) y evaluación de ejercicios clínicos (99.65% de precisión).

4. Resultados y Análisis

• Impacto de la Presión de Tiempo: El análisis confirma que la Alta Presión de Tiempo (HTP) degrada significativamente el comportamiento del conductor, resultando en velocidades medias un 48% mayores, un 36% más de frenados bruscos y distancias de seguimiento un 14% más cortas en comparación con NTP.
• La TP como Sesgo Inductivo: La incorporación de la TP como una característica mejora la precisión de la predicción de colisiones del 94.09% (sin TP) al 94.97% (con la TP real). Incluso cuando se utiliza una etiqueta de TP predicha (derivada de un Transformer de Series Temporales separado), la precisión alcanza el 94.82%, demostrando el valor de modelar el estrés cognitivo.
• Viabilidad en el Mundo Real: Utilizando solo 21 características disponibles mediante sensores IMU y GPS estándar de bajo costo (por ejemplo, velocidad, aceleración, tasa de guiñada), MotoSafety mantiene una precisión del 93.91%, lo que sugiere que el despliegue práctico es factible sin necesidad de datos de simuladores de alta fidelidad.
• Estudios de Ablación: La eliminación del módulo TIP y su reemplazo por agrupaciones estándar (media, máximo, último paso de tiempo) resulta en una caída del rendimiento del 1.56% al 2.74%, confirmando que la ganancia de rendimiento proviene de la ponderación aprendida y sensible al contenido, más que de la arquitectura por sí sola.

5. Significado y Reivindicaciones

El artículo afirma que MotoSafety representa un avance significativo en los Sistemas de Transporte Inteligente (ITS) para usuarios vulnerables de la vía. Al modelar explícitamente la interacción entre el estrés cognitivo (Presión de Tiempo) y las maniobras operativas, el sistema va más allá de la detección reactiva de choques hacia la evaluación proactiva del riesgo.

Los autores enfatizan que el diseño ligero del modelo y su baja latencia son críticos para el "Enfoque de Sistema Seguro", permitiendo el despliegue de sistemas de alerta en tiempo real (por ejemplo, alertas hápticas o auditivas en los manillares o cascos inteligentes) en entornos con recursos limitados como los LMIC. El trabajo cierra la brecha entre el aprendizaje profundo teórico y las soluciones validadas por profesionales, ofreciando un marco escalable para reducir las fatalidades de PTW.

6. Limitaciones y Trabajo Futuro

Los autores reconocen algunas limitaciones:

• Demografía: El estudio se limita a participantes masculinos debido a la dominancia estadística de las fatalidades de PTW masculinas en la India y la escasez de conductoras con experiencia en transmisiones manuales.
• Entorno: Los datos fueron recolectados en un simulador; aunque validados para patrones de comportamiento, los factores del mundo real como el clima y la fatiga no estuvieron presentes.
• Fisiología: El estudio se basa en marcadores de comportamiento para el estrés; no se midieron indicadores fisiológicos (por ejemplo, la frecuencia cardíaca).
• Despliegue: Aunque el modelo está listo para el borde, la validación del hardware físico en motocicletas reales en tráfico se identifica como trabajo futuro.

Las direcciones futuras incluyen la expansión de la cohorte para incluir conductoras, la integración de sensores fisiológicos y la realización de ensayos en fases reales en plataformas de conducción comerciales.