https://doi.org/10.22463/2011642X.2073
Recibido: 26 de febrero 2015 - Aprobado: 02 de mayo 2016
Forma de citar:
Quintero Avendaño,Yefry; Arevalo Tamara,Andrea; Guerrero Barbosa, Thomas E. "Calibración de un modelo econométrico para el análisis de la frecuencia de accidentes de tránsito con peatones", Ingenio, vol.10, no. 1, pp. 1-8, 2016.
En la Ciudad de Ocaña Norte de Santander en los últimos años se ha presentado una alta tasa de accidentalidad donde se ven involucrados peatones tanto de tipo lesión como de muertes. Una de las principales causas de accidentes donde se ven involucrados peatones es principalmente la falta de espacios peatonales como anchos de andén, cruces peatonalesy otros como imprudencia por parte de los conductores (vehículos, motocicletas), falta de señalización entre otras.Para esta investigación se tuvieron en cuenta los accidentes ocurridos durante los años 2007 a 2014 en la ciudad de Ocaña, Norte de Santander, donde se vieron involucrados peatones. Se evaluaron las variables que influyen en estaaccidentalidad en los tramos más críticos en zona urbana. Entre las variables que se encontraron significantes están el ancho de la calzada, el transito promedio diario, Número de intersecciones en el tramo, la velocidad (percentil 15), el sentido de la vía y el uso de suelo
Palabras clave:Accidentalidad, Binomial Negativo, Frecuencia, Peatón, Poisson.
In Ocañain recent years there has been a high rate ofaccidents involving pedestrians where both types of injury and deaths. One of the main causes of accidents in which pedestrians are involved is mainly the lack of pedestrian spaces and widths platform, crosswalks and others like recklessness by drivers (cars, motorcycles), lack of signals among others. For this investigation accidents during the years 2007-2014 in Ocaña, where pedestrians were involved. The variables that influence accidents in the most critical sections in urban areas were evaluated. Among the variables that were found significant are the width of the roadway, the TPD (average daily traffic), number of intersections in the stretch, the speed (15th percentile), the direction of the track and land use.
Keywords:Accident, Negative Binomial, Frequency, Pedestrian, Poisson, Accident Rate
Na cidade de Ocaña Norte de Santander nos últimos anos tem havido uma elevada taxa de acidentes envolvendo peões, tanto feridos como mortos. Uma das principais causas de acidentes envolvendo peões é principalmente a falta de espaços para peões, tais como calçadas largas, passadeiras e outros, tais como imprudência por parte dos condutores (veículos, motos), falta de sinalização, entre outros.para esta investigação foram tidos em conta os acidentes ocorridos durante os anos de 2007 a 2014 na cidade de Ocaña, Norte de Santander, onde os peões estiveram envolvidos. As variáveis que influenciam esta taxa de acidentes foram avaliadas nas secções mais críticas das áreas urbanas. Entre as variáveis consideradas significativas estão a largura da estrada, o tráfego médio diário, o número de cruzamentos no troço, a velocidade (percentil 15), a direcção da estrada e o uso do solo.
Palavras-chave: Taxa de acidentes, Binómio Negativo, Frequência, Pedestre, Poisson.
Para en caso de Colombia (Instituto Nacional de Medicina Legal y Ciencias Forenses, 2015), los principales grupos vulnerables en términos de mortalidad debido a accidentes de tránsito lo constituyen los motociclistas (45,52%), peatones (27,41%) y ciclistas(5,36%). En el primer estudio de caracterización del comportamiento de peatones en Colombia realizado por el (Fondo de Prevención Vial, 2011) se reporta que los peatones representan 3 de cada 10 víctimas de accidentes de tránsito. Otras conclusiones del mismo estudio arrojan que: el 61% de los colombianos son caminantes habituales, en promedio, los colombianos caminan 69 minutos al día, divididos en 3 o 4 trayectos. La mayoría de peatones considera que es inofensivo violar las normas de tránsito, aunque el71% dice que las normas hay que cumplirlas, el 25% aduce que hay momentos en que se pueden incumplir. Los peatones toman decisiones sin planear recorridos generando comportamientos incorrectos. El 67% de los entrevistados se calificaron como buenos peatones y entre un 38% a un 40% aceptó tener comportamientos descuidados o infractores en las vías.
Debido a estos antecedentes, el Estado Colombiano comenzó a definir medidas claras y concretas para reducir los efectos de las cusas e impactos negativos asociados a la accidentalidad y por ende todos los actores viales implicados entre ellos los peatones, particularmente el (Ministerio de Transporte, 2014) mediante la Resolución 2273 del 6 de agosto de 2014 adoptó el Plan Nacional de Seguridad Vial, el cual dentro de sus objetivos específicos contempla reducir la mortalidad en un 18% del usuario tipo peatón por accidentes de tránsito para el año 2021. Dado este contexto, la presente investigación se enfocó en estimar un modelo econométrico a partir de aproximaciones tipo Poisson y Binomial Negativo para determinar la frecuencia en accidentes de tránsito con peatones cuyos datos provienen de una base de datos de registros de accidentes con peatones involucrados entre los años 2007 hasta 2014.
Especial3Es amplia la literatura que ha abordado la estimación de frecuencias de accidentes en peatones a partir de modelos como Poisson (Geyer, Raford, Pham, & Ragland, 2006) (Ye, Zhang, & Lord, 2013) y Binomial Negativo (Guevara, Washington, & Oh, 2004) (Haque, Chin, & Huang, 2010) (Tulu, Washington, Haque, & King, 2015), sin embargo existe una reciente preocupación ya que en paises en desarrollo la identificación de los factores que influyen en la accidentalidad de peatones no es clara debido a la deficiencia de registros específicosy características que rodean este tipo de accidentes (Tulu, Washington, Haque, & King, 2015). Respecto a las variables que influyen en la modelación de este tipo de eventos, existe evidencia que se ha enfocado en estudiar este fenómeno especialmente en las intersecciones (Bonneson, Pratt, & Songchitruksa, 2011) (Miranda-Moreno, Morency, & El-Geneidy, 2011) (Hamidun, Ishak, & Endut, 2013) debido a que es en estos sitios donde con frecuencia hay conflictos de cruce entre peatones y flujos vehiculares; igualmente investigaciones reportan la relevancia de considerar los flujos de peatones (Zegeer, Stewart, Huang, & Lagerwey, 2000) (Harwood, y otros, 2008), variable no considerada en la presente investigación. Por otro lado, variables relacionadas con los volúmenes vehiculares (Harwood, y otros, 2008) (Sharma & Landge, 2012) (Tulu, Washington, Haque, & King, 2015), geometría de las vías y el entorno (Sharma & Landge, 2012) (Tulu, Washington, Haque, & King, 2015), condiciones climáticas (Eisenberg, 2004).
En líneas generales la investigación se distribuye de la siguiente forma: en la sección XX se explica la naturaleza y procedencia de los datos además del enfoque metodológico utilizado.
Seguidamente en la sección XX se muestra la estimación de los modelos con su respectivo análisis. Finalmente en la sección XX se relacionan las diferentes conclusiones del estudio.
Dónde:
P(nij)es la probabilidad de que ocurran accidentes en una sección de carretera en un periodo de tiempo j.
hijes el valor previsto de nij,que es el número esperado de accidentes por año en un tramo,
Para una sección de carretera en el periodo de tiempo j, βes un vector de coeficiente de regresión desconocida que puede estimarse por métodos de máxima verosimilitud estándar (Greene, 1994).
Xij= es un vector de variables que describen la seccióno característica geométrica de la vía, características ambientales y otras condiciones relevantes de la carretera que afectan la frecuencia de los accidentes como por ejemplo la presencia de berma, estado del pavimento, longitud del tramo, tipo de área, número de curvas, TPD, entre otras.
Una limitación de utilizar el modelo de regresión de Poisson, que es bien conocido enla literatura estadística (por ejemplo Cox, 1983 , Dean y Lawless, 1989; Luis M., Liping Fu,2006), consiste en que la varianza de losdatos está restringido a ser igual a la media de regresión estimadoa partir de los datos. Sin embargo, se han presentado casos donde la varianza de los datos fue mayor que lo que indicael modelo Poisson (por ejemplo: Dean y Lawless, 1989), (Miaou, 1993).
Dónde:
EXP(Eij)= es un término de error de distribución gamma con media 1 y varianza . La adición de este periodo permite a la varianza diferenciarse de la media de la siguiente forma (Washington, et al., 2003):
La distribución BN tiene la forma (Washington, et al., 2003):
Dónde:
Γ(.) = es una función gamma.
La media y la varianza de la variable aleatoria de BN está dada por (Geedipally, 2008):
Es de tener en cuenta que α → 0, la varianza de los accidentes es igual a la media y este modelo converge en el modelo estándar de regresión de Poisson.
Las variables como tipo de pavimento, funcionalidad, demarcación,presencia de separador, uso de suelo, presencia de andén, iluminación y presencia de señalización vertical se tomaron como variables mudas tomando valores de 0 y 1 según el caso.
Lapresencia de vehículos pesados y de intersecciones aumenta la probabilidad de ocurrencia de accidentes de tránsito donde resulten muertes o heridos los peatones de las vías. En los tramos donde los anchos de carril son mayores y en las vías doble sentido se presentan más accidentes que ponen en riesgo la vida de los transeúntes.Referente al uso de suelo, es de esperarse que en las zonas residenciales se presenten más accidentes con peatones por la cantidad de personas sobre la vía.
Contrario a muchos estudios, la velocidad no resultó ser un causante de este tipo de accidentes, concordando con el estudio realizado por Sasidharan & Menéndez en el año 2014 donde evaluaron la severidad de los accidentes con peatones en Suiza, donde determinaron que esta variable no influye en los accidentes con peatones debido a que en zonas urbanas los vehículos tienden a ir más despacio por la cantidad de controles de tráfico que existen sobre este tipo de zona.
La variable tipo de pavimento es un caso que poco ha sido estudiado. En esta investigación se incluyó en los modelos dando como resultado que en los pavimentos rígidos tiende a ocurrir más accidentes con peatones. Esto puede explicarse específicamente para Ocaña puesto que la mayoríade las calles urbanas de la ciudadestán conformadas por este tipo de pavimento.
El segundo, con distribución Binomial Negativo. En este caso, disminuye la significancia de las variables pero conservando los signos adecuados.
De lo anterior, se dedujo que el mejor modelo calibrado fue el Poisson.
Al igual que Sasidharan & Menéndez en el año 2014, la velocidad no fue una variable influyente en la accidentalidad con peatones cuya explicación se da debido a la gran cantidad de controladores de tráfico (señales, reductores, semáforos, etc.) que existen dentro de las zonas urbanas de la ciudad.
La variable más influyente en la accidentalidad con peatones en la ciudad es la cantidad de motos presentes en el trafico vehicula. En Ocaña el número de motocicletas que circulan es bastante elevado y son el tipo de vehículo que más se ve involucrado en accidentes de tránsito pues no tienen un control adecuado de los requisitos mínimos de un motorizado.
Bonneson, J., Pratt, M., & Songchitruksa, P. (2011). Development of Guidlines for Pedestrian Safety Treatments at Signalised Intersection.
Eisenberg. (2004). The mixedeffects of precipitation on traffic crashes. Accident Analisys and Prevention , 36, 637-647.
Fondo de Prevención Vial. (2011). ¿Todos los Caminantes son peatones? Bogotá D.C.
Geedipally, S. R. (2008). Examining the application of conway-maxwellpoisson models for analyzing traffic crash data.
Geyer, J., Raford, N., Pham, T., & Ragland, D. R. (2006). Safety in numbers. Data from Oakland, California. Transportation Research Record: Journal of the Transportation Research Board , 1982, 150-154.
Guevara, F. L., Washington, S. P., & Oh, J. (2004). Forecasting crashes at the planning level: Simultaneous negative binomial crash model applied in Tucson, Arizona. Transportation Research Record.
Hamidun, R., Ishak, S. Z., & Endut, I. R. (2013). Assessing Pedestrian Crossing Risk at Signalised Intersection. International Journal of Emerging Technology and Advanced Engineering , 3 (1), 31-35.
Haque, M. M., Chin, H. C., & Huang, H. (2010). Applying Bayesian hierarchical models to examine motorcycle crashes at signalized intersections.Accident Analisys and Prevention, 42 (1), 203-212.
Harwood, D. W., Torbic, D. J., Gilmore, D. K., Bokenkroger, C. D., Dunn, J. M., Zegeer, C. V., y otros. (2008). Pedestrian Safety Prediction Methodology. Document 129: Phase III, NCHRP.
Instituto Nacional de Medicina Legal y Ciencias Forenses. (2015). Forensis 2014 Datos para la vida. Bogotá D.C.
Lee, J., &Mannering, F. (2002). Impact of roadside features on the frequency and severity of run-off-riadway accidents: an empirical analysis. Accident Analysis and Prevention.
Lord, D. (2006). Modeling motor vehicle crashes using Poisson-gamma models: Examining the effects of low sample mean values and small sample size on the estimation of the fixed dispersion parameter. Accident Analysis and Prevention.
Miaou, S. (1993). The relationship between truck accidents and geometric design of road sections: Poisson versus Negative Binoal regressions. Accident Analysis and Prevention.
Ministerio de Transporte. (2014). Plan Nacional de Seguridad Vial 2011-2021 (Resolución 2273 del 6 de Agosto de 2014). Bogotá D.C.
Miranda-Moreno, L. F., Morency, P., & El-Geneidy, A. M. (2011). The link between built environment, pedestrian activity and pedestrian-vehicle collision occurrence at. Aciident Analisys and Prevention , 43 (5), 1624-1634.
Sasidharan, L., & Menéndez, M. (2014).Partial proportional odds model –An alternate choice analyzing pedestrian crash injury severities. Accident Analysis and Prevention. 72, 330-340.
Sharma, A. K., & Landge, V. S. (2012). Pedestrian accident prediction model for rural road.International Journal of Science and Advanced Technology, 2 (8), 66-72.
Tulu, G. S., Washington, S., Haque, M. M., & King, M. J. (2015). Investigation of pedestrian crashes on two-way two-lane rural roads in Ethiopia. Accident Analysis and Prevention , 78, 118-126.
Washington, S. P., Karlaftis, M. G., & Mannering,F. L. (2003). Statistical and econometric methods for transportation data analysis.Boca Raton, London, New York , Washington D.C.
World Health Organization. (2013). Global status report on roadsafety 2013: supporting a decade of action. Department of Violence & Injury Prevention & Disability, Geneva.
Ye, Z., Zhang, Y., & Lord, D. (2013). Goodness-of-fit testing for accident models with low means. Accident Analisys and Prevention , 61, 78–86.
Zegeer, C. V., Stewart, J. R., Huang, H. H., & Lagerwey, P. A. (2000). Safety Effects of Marked versus Unmarked Crosswalks at Uncontrolled Locations: Executive Summary and Recommended Guidelines
* Ingeniero. Correo: Ye.fry100@hotmail.com
** Magister.Correo: ing.andrea_arevalo@hotmail.com
*** Magisterr.Correo: teguerrerob@ufpso.edu.co