La seguridad vial se encuentra entre las preocupaciones más evidentes en la vida urbana actual, siendo la conducción peligrosa la causa más prevalente de accidentes de tráfico. En este documento, presentamos un modelo automático de detección de comportamientos de conducción peligrosos basado en video de cámara externa para su uso en ciudades inteligentes. Abordamos el problema con un enfoque holístico que abarca desde la recolección de datos hasta la clasificación de comportamientos de conducción peligrosos, incluyendo conducción en zig-zag, adelantamientos arriesgados y exceso de velocidad en un paso peatonal. Nuestra estrategia emplea un conjunto de datos especialmente generado con diversas situaciones de conducción bajo diferentes condiciones de tráfico y luminosidad. Abogamos por un modelo de Transformador de Múltiples Velocidades con operación de datos de trayectoria de vehículos en dos escalas de tiempo para capturar acciones a corto plazo en el contexto de tendencias de conducción extendidas. Una nueva contribución radica en nuestro sistema simbiótico que, además de la detección de conducción insegura, también asume la responsabilidad de activar contramedidas a través de un bucle continuo en tiempo real con los sistemas del vehículo. Los resultados empíricos demuestran el rendimiento del Transformador de Múltiples Velocidades con un 97.5% de precisión y un 93% en F1-score sobre nuestro corpus equilibrado, superando significativamente las líneas base de comparación, incluyendo Redes Neuronales Convolucionales Temporales y clasificadores de Bosques Aleatorios. El rendimiento se incrementa al 98.7% en precisión y al 95.5% en F1-score con el marco simbiótico. Confirman la promesa de arquitecturas neuronales de vanguardia emparejadas con sistemas simbióticos para mejorar la seguridad vial en ciudades inteligentes. La capacidad del sistema para proporcionar detección en tiempo real de comportamientos de conducción riesgosos con mitigación ofrece una solución real para la prevención de accidentes sin restringir la autonomía del conductor, un equilibrio entre la intervención automática y la monitorización pasiva. La evidencia empírica sobre el corpus derivado de TRAF, que incluye 18 videos y 414 segmentos de trayectoria etiquetados, indica que el Transformador de Múltiples Velocidades alcanza una precisión del 97.5% y un F1-score del 93% bajo el protocolo de entrenamiento equilibrado, y en esta configuración supera consistentemente las líneas base consideradas cuando utilizamos las mismas divisiones de datos y las mismas métricas de evaluación.