La seguretat viària a les interseccions urbanes és un dels reptes més complexes de la mobilitat moderna. Cada any, milers d’accidents ocorren en aquests punts crítics degut a la interacció heterogènia entre vehicles, vianants i ciclistes. Els mètodes tradicionals d’avaluació de conflictes, basats en indicadors per parelles o vectors de característiques fixes, no aconsegueixen capturar la dinàmica temporal ni la topologia relacional de múltiples agents. En aquest context, el model HERMES (Heterogeneous Edge-Relational Graph Neural Network with SSM-informed Multi-head Attention) representa un avenç significatiu en formular la predicció de conflictes com una classificació temporal de grafs d’escena heterogenis.
HERMES modela vehicles i vianants com a nodes heterogenis, mentre que les interaccions vehicle-vehicle, vehicle-vianant i vianant-vianant es codifiquen com a arestes específiques de relació amb descriptors cinemàtics continus i mesures de seguretat substitutes (SSM). Mitjançant atenció multi-capçalera informada per SSM, actualitzacions dinàmiques de nodes i arestes, agrupació de grafs conscient de la seguretat i aprenentatge seqüencial temporal, la xarxa estima la probabilitat de conflicte a nivell d’escena. Els resultats obtinguts amb 109.028 seqüències de trajectòries en una intersecció semafòrica urbana mostren un AUC-ROC de 0,9898 i un AUC-PR de 0,9412, superant els models Transformer i XGBoost. En avaluació externa zero-shot, HERMES va assolir un AUC-ROC de 0,9752, demostrant la seva capacitat de transferència.
Aquest enfocament no només millora la monitorització de seguretat a les interseccions, sinó que també il·lustra com les arquitectures de grafs heterogenis amb aprenentatge temporal poden aplicar-se a problemes complexos d’anàlisi de riscos. Darrere d’aquesta innovació hi ha principis d’enginyeria de programari avançada i disseny de sistemes intel·ligents que empreses com Q2BSTUDIO integren en els seus desenvolupaments. Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, ofereix solucions d’intel·ligència artificial a mida per a sectors com la mobilitat, la logística i la seguretat viària. La capacitat de modelar interaccions complexes entre múltiples entitats és directament aplicable a sistemes de predicció d’incidents en temps real, on la precisió i la latència són crítiques.
El desenvolupament d’HERMES va requerir la integració de múltiples tecnologies: des de la captura i processament de dades de trajectòries fins a la implementació de grafs dinàmics amb atenció multi-capçalera. Això reflecteix la necessitat d’un ecosistema tecnològic sòlid, que inclogui infraestructura al núvol, bases de dades en temps real i pipelines de machine learning. Q2BSTUDIO, amb la seva experiència en serveis cloud a AWS i Azure, proporciona les bases per desplegar models com HERMES en entorns de producció, garantint escalabilitat i alta disponibilitat. A més, la ciberseguretat és un pilar fonamental: en gestionar dades sensibles de trànsit i mobilitat, és imprescindible protegir tant les dades en trànsit com els models entrenats. Q2BSTUDIO inclou serveis de ciberseguretat i pentesting per assegurar que les solucions d’IA siguin robustes davant atacs adversaris.
Un altre aspecte clau és l’anàlisi dels resultats. HERMES genera una gran quantitat de dades sobre conflictes potencials que han de ser visualitzats i explotats per a la presa de decisions. Les eines de Business Intelligence (BI) permeten transformar aquestes prediccions en dashboards interactius que els responsables de mobilitat poden utilitzar per prioritzar intervencions. Q2BSTUDIO desenvolupa solucions de BI amb Power BI i altres plataformes, integrant dades de fonts heterogènies i generant informes automatitzats. De fet, la combinació de models d’IA amb BI crea un cicle virtuós: els models detecten patrons de risc, i els dashboards permeten als planificadors urbans validar i ajustar les polítiques de seguretat.
Més enllà de la seguretat viària, l’arquitectura d’HERMES és extrapolable a altres dominis on la interacció entre agents heterogenis sigui rellevant: des de la gestió de flotes de vehicles autònoms fins a la coordinació de robots en magatzems intel·ligents. En cada cas, la necessitat de aplicacions a mida és evident, ja que no existeixen solucions genèriques que capturin totes les particularitats del problema. Q2BSTUDIO s’especialitza en el desenvolupament de programari a mida, adaptant frameworks com grafs neuronals, transformers i models seqüencials a les necessitats específiques de cada client.
Un factor diferenciador d’HERMES és l’ús d’SSM (surrogate safety measures) per informar l’atenció multi-capçalera. Aquesta idea pot traslladar-se a altres sistemes predictius on es disposi de mètriques de seguretat parcials o proxies. Per exemple, en entorns industrials, es poden definir mesures substitutes de risc (com vibracions, temperatura o pressió) i emprar xarxes de grafs per anticipar fallades en maquinària. Q2BSTUDIO ha treballat en projectes de manteniment predictiu integrant sensors IoT, cloud computing i models d’IA, demostrant que la transferència de coneixement entre sectors és viable i rendible.
El rendiment d’HERMES en la detecció de conflictes amb una taxa de falses alarmes del 5% (detecta el 95,7% de les seqüències conflictives) és una fita que obre la porta a sistemes d’alerta primerenca en interseccions reals. No obstant, la implementació operativa requereix un enfocament integral que inclogui no només el model, sinó també la recollida de dades en temps real, el preprocessament, la inferència a la vora (edge computing) i la integració amb sistemes de control de trànsit. En aquest sentit, Q2BSTUDIO ofereix consultoria i desenvolupament de solucions end-to-end, des de la selecció de maquinari fins a la posada en producció al núvol.
La capacitat de transferència del model (zero-shot i entrenament conjunt font-destí) és especialment rellevant per a ciutats que no disposen de grans volums de dades històriques. HERMES permet adaptar-se a noves interseccions amb pocs exemples, reduint el cost d’implementació. De forma similar, en l’àmbit empresarial, les solucions de Q2BSTUDIO estan dissenyades per ser modulars i reutilitzables, facilitant l’adaptació a diferents contextos sense haver de partir de zero cada vegada.
En conclusió, HERMES és un exemple de com la combinació de grafs heterogenis, atenció informada per mètriques de seguretat i aprenentatge temporal pot revolucionar la predicció de conflictes a les interseccions. Més enllà de la tecnologia, l’èxit d’aquests sistemes depèn d’una enginyeria de programari rigorosa, infraestructura cloud robusta, ciberseguretat integral i capacitats d’anàlisi de dades. Empreses com Q2BSTUDIO estan a l’avantguarda d’oferir aquestes capacitats de manera integrada, ajudant organitzacions públiques i privades a convertir la innovació en IA en solucions pràctiques i escalables. La mobilitat del futur serà més segura gràcies a models com HERMES, i el desenvolupament de programari a mida serà el vehicle que ho farà possible.
