Determinación de tramos críticos a accidentes usando regresión cuantil
DOI:
https://doi.org/10.17533/udea.redin.n79a12Palabras clave:
tramo crítico, ranking de peligrosidad, accidentes, seguridad vial, regresión cuantilResumen
La identificación acertada de sitios peligrosos a accidentalidad permite a las entidades gubernamentales, encargadas de realizar mejoras a la seguridad vial, una adecuada destinación de las inversiones a los tramos viales verdaderamente críticos; dada esta necesidad inmediata, la presente investigación se enfoca en determinar los tramos propensos a accidentes y la posterior elaboración de un ranking de peligrosidad efectuado a los tramos críticos encontrados en el perímetro urbano de Ocaña (Colombia), utilizando Regresión Cuantil (RC). A partir del modelo estimado correspondiente al cuantil 95 fue posible establecer relaciones de causalidad entre características como longitud del tramo vial, ancho de calzada, número de carriles, número de intersecciones, tránsito promedio diario y velocidad media con la frecuencia de accidentes, determinándose un total de 7 tramos críticos a los cuales se les estableció un ranking de peligrosidad.
Descargas
Citas
World Health Organization (WHO), Global status report on road safety 2013: supporting a decade of action, 1st. Geneva, Switzerland: WHO, 2013.
Instituto Nacional de Medicina Legal y Ciencias Forenses, Forensis 2012 Datos para la vida: Herramienta para la interpretación, intervención y prevención de lesiones de causa externa en Colombia, 1st ed. Bogotá, Colombia: Instituto Nacional de Medicina Legal y Ciencias Forenses, 2012.
K. Bhalla. The Cost of road injuries in Latin America 2013. Washington D.C., USA: Inter-American Development Bank, 2013.
Consejo Nacional de Política Económica y Social. “Documento CONPES 3764”, Bogotá, Colombia, Aug. 30, 2013.
W. Cheng and S. Washington, “Experimental evaluation of hotspot identification methods”, Accident Analysis and Prevention, vol. 37, no. 5, pp. 870-881, 2005.
X. Qin, M. Ng and P. Reyes, “Identifying crash-prone locations with quantile regression”, Accident Analysis and Prevention, vol. 42, no. 6, pp. 1531-1537, 2010.
R. Koenker and G. Basset, “Regression quantiles”, Econometrica, vol. 46, no. 1, pp. 33-50, 1978.
R. Koenker, Quantile Regression, 1st ed. New York, USA: Cambridge University Press, 2005.
R. Koenker and K. Hallock, “Quantile regression”, Journal of Economic Perspectives, vol. 15, no. 4, pp. 143-156, 2001.
I. Martínez, “Regresión Cuantil basada en Modelos Aditivos. Aplicaciones en Pediatría (USC)”, M.S. thesis, University of Santiago de Compostela, University of A Coruña and University of Vigo, Santiago de Compostela, Spain, 2010.
S. Washington, M. Haqueb, J. Oh and D. Lee, “Applying quantile regression for modeling equivalent property damage only crashes to identify accident blackspots”, Accident Analysis and Prevention, vol. 66, pp. 136–146, 2014.
X. Qin and P. Reyes, “Conditional Quantile Analysis for Crash Count Data”, Journal of Transportation Engineering, vol. 137, no. 9, pp. 601-607, 2011.
H. Wu, L. Gao and Z. Zhang, “Analysis of Crash Data Using Quantile Regression for Counts”, Journal of Transportation Engineering, vol. 140, no. 4, 2014.
J. Machado and J. Santos, “Quantiles for Counts”, Journal of the American Statistical Association, vol. 100, no. 472, pp. 1226-1237, 2005.
X. Qin, “Quantile Effects of Causal Factors on Crash Distributions”, Transportation Research Record Journal of the Transportation Research Board, vol. 2279, pp. 40-46, 2012.
C. Chen, “An Introduction to Quantile Regression and the QUANTREG Procedure”, in SUGI 30 Proceedings, Philadelphia, USA, 2005, pp. 1-24.
E. Ayati and E. Abbasi, “Investigation on the role of traffic volume in accidents on urban highways”, Journal of Safety Research, vol. 42, no. 3, pp. 209-214, 2011.
J. Also and J. Langley, “Under reporting of motor vehicle traffic crash victims in New Zealand”, Accident Analysis and Prevention, vol. 33, pp. 353-359, 2001.
T. Brenac and N. Clabaux, “The indirect involvement of buses in traffic accident processes”, Safety Science, vol. 43, no. 10, pp. 835-843, 2005.
X. Liu, M. Saat, X. Qin and C. Barkan, “Analysis of U.S. freight-train derailment severity using zero-truncated negative binomial regression and quantile regression” Accident Analysis and Prevention, vol. 59, pp. 87–93, 2013.
P. Hewson, “Quantile regression provides a fuller analysis of speed data”, Accident Analysis and Prevention, vol. 40, no. 2, pp. 502-510, 2008.
T. Rangel, J. Vassallo and I. Herraiz, “The influence of economic incentives linked to road safety indicators on accidents: The case of toll concessions in Spain”, Accident Analysis and Prevention, vol. 59, pp. 529-536, 2013.
C. Wang, M. Quddus and S. Ison, “Predicting accident frequency at their severity levels and its application in site ranking using a two-stage mixed multivariate model”, Accident Analysis and Prevention, vol. 43, no. 6, pp. 1979-1990, 2011.
L. Chang, “Analysis of freeway accident frequencies: negative binomial regression versus artificial neural network”, Safety Science, vol. 43, no. 8, pp. 541-557, 2005.
R. Noland and L. Oh, “The effect of infrastructure and demographic change on traffic-related fatalities and crashes: a case study of Illinois county-level data”, Accident Analysis and Prevention, vol. 36, no. 4, pp. 525-532, 2004.
M. Hosseinpour, A. Shukri and A. Farhan, “Exploring the effects of roadway characteristics on the frequency and severity of head-on crashes. Case studies from Malaysian Federal Roads”, Accident Analysis and Prevention, vol. 62, pp. 209-222, 2014.
D. Navon, “The paradox of driving speed: two adverse effects on highway accident rate”, Accident Analysis and Prevention, vol. 35, no. 3, pp. 361-367, 2003.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2016 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter