Este artículo presenta un método novedoso para una navegación social segura y eficiente, considerando el creciente uso de la inteligencia artificial en robótica y el desarrollo activo de algoritmos para sistemas autónomos que se adaptan a entornos sociales complejos. Los modelos probabilísticos y los métodos de generación de regiones de seguridad existentes se basan principalmente en enfoques de clasificación y reglas explícitas, lo que limita su capacidad para definir regiones de seguridad. Este estudio propone un método para generar regiones de seguridad explicables aprovechando las características topológicas mediante el análisis de datos topológicos. Primero, utilizamos una clasificación global basada en reglas para distinguir simulaciones seguras de las inseguras según las características topológicas. A continuación, definimos una región de seguridad, $S_\varepsilon$, como una región libre de colisiones en el espacio de características topológicas utilizando un clasificador SVM ajustable y estadísticas de orden. Esto proporciona un límite de decisión robusto y escalable que garantiza un error de clasificación mínimo $\varepsilon$. Al clasificar las simulaciones según la presencia o ausencia de colisiones, este estudio supera a los métodos que no consideran las características topológicas. Además, definimos una región de seguridad que previene el bloqueo y la integramos para definir un espacio de simulación que garantiza una navegación segura y eficiente.
