Un equipo de investigadores de las universidades de Salamanca, Católica de Ávila y León ha desarrollado una metodología automatizada para evaluar la visibilidad en carreteras secundarias utilizando sistemas móviles de escaneo láser (LiDAR).
El sistema permite identificar tramos de riesgo para el adelantamiento y la frenada, con una precisión del 92,7 %, lo que podría revolucionar la gestión de la seguridad vial en este tipo de vías.
El estudio al que ha tenido acceso EFE, publicado recientemente en la revista ‘Remote Sensing’, ha sido realizado por Diego Guerrero Sevilla, Mariano González de Soto, Susana del Pozo, José A. Martín Jiménez, Pablo Rodríguez Gonzálvez y Diego González-Aguilera.
Propone una herramienta que clasifica automáticamente los tramos de carretera en tres niveles de riesgo —alto, medio y bajo— según la visibilidad disponible para detener el vehículo o realizar un adelantamiento seguro.
La metodología se basa en el análisis dinámico de nubes de puntos 3D obtenidas mediante LiDAR móvil, montado en vehículos que recorren la vía. A través de un modelo geométrico de pirámides parametrizadas, se simula el campo de visión del conductor y se evalúan las condiciones reales de visibilidad en cada tramo.
Este enfoque permite detectar obstáculos como vegetación, taludes o elementos de infraestructura que puedan comprometer la seguridad.
Los investigadores validaron el sistema en tres carreteras secundarias españolas: dos en Galicia (OU-209 y OU-401) y una en Castilla y León (AV-110), con diferentes características geométricas y ambientales.
Los resultados fueron comparados con la señalización existente, y obtuvieron una alta concordancia en la clasificación de los tramos donde está permitido o prohibido adelantar.
En los tramos con curvas pronunciadas y vegetación densa, el sistema identificó correctamente las zonas de alto riesgo, mientras que en carreteras con trazado más suave, como la AV-110, detectó con precisión los tramos de baja peligrosidad.
En todos los casos, los errores fueron conservadores, es decir, el sistema tendió a sobreestimar el riesgo, lo que refuerza su utilidad como herramienta preventiva.
Además de su aplicación en la planificación de infraestructuras, el sistema puede integrarse en plataformas GIS y en asistentes de conducción avanzada (ADAS), proporcionando alertas en tiempo real sobre zonas peligrosas.
Los autores destacan que el modelo es fácilmente adaptable a diferentes normativas y tipos de carretera, lo que facilita su implementación en otros países.
La participación de la Universidad de León (ULe), a través del investigador Pablo Rodríguez Gonzálvez y el grupo DRACONES, ha sido clave en el desarrollo y validación del algoritmo, especialmente en el tratamiento de datos geoespaciales y la integración con sistemas de información geográfica.
