https://doi.org/10.22463/2011642X.2390
Recibido: 01 de agosto de 2019 - Aprobado: 04 de noviembre de 2018
Como citar:
E. A. Chacón, J. J. Cardillo & J. Uribe, “Industria 4.0 en América Latina: Una ruta para su implantación”, Revista Ingenio, 17 (1), pp.23-29, 2020.
Las entidades gubernamentales y no gubernamentales necesitan de herramientas que permitan disminuir la accidentalidad en las vías, la cual año tras año sigue cobrando millones de vidas en todo el planeta; conociendo que el factor humano es uno de los grandes causantes de los efectos mortales de este fenómeno, la presente investigación estableció cuáles son los factores asociados al comportamiento humano influyentes en la determinación de la percepción del riesgo de accidentes en conductores. El enfoque de modelación consistió en la estimación de un modelo logit multinomial (MNL) a partir de información recolectada mediante instrumentos de preferencias declaradas (PD). Buscando conocer el comportamiento de los individuos ante escenarios hipotéticos de conducción bajo 4 atributos principales: velocidad de conducción, conducir en contravía, adelantar a un vehículo en curva y conducir bajo efectos de alcohol y drogas, que según el estado del arte realizado fueron más representativas. La robustez del modelo se complementó con la estimación de parámetros asociados a las características socioeconómicas del individuo y la interacción con las variables principales, resaltándose el efecto de las variables género, edad, ocupación, antigüedad de la licencia y restricciones de tipo auditivo, las cuales resultaron ser influyentes en la modelación del fenómeno estudiado.
Palabras clave:Logit multinomial, conductores, percepción del riesgo a accidentes, preferencias declaradas
Governments need tools to reduce road accidents, which every year continues to claim millions of lives throughout the planet. Human factors influence too much on the deadly effects of this phenomenon. This research established which human behaviour factors affect drivers’ accident risk perception. Our methodological approach consisted of estimating a multinomial logit model (MNL) from information collected using stated preferences (SP) experiments. We measure the human behaviour factors affect drivers’ accident risk perception proposing hypothetical driving scenarios under four main attributes: (i) driving speed, (ii) driving the wrong way in a one-way street, (iii) overtaking on a bend, and (iv) driving under the influence of alcohol or drugs. Besides, the parameters associated with the individual socioeconomic characteristics and the interactions were estimated. Highlighting the effect of the variables gender, age, occupation, age of the license and hearing type restrictions, which they turned out to be influential in the modelling of the studied phenomenon
Keywords:Multinomial logit, drivers, driver’s accident risk perception, stated preferences.
Entre [13] el 70% al 90% de los accidentes de tránsito se asocian a actitudes inseguras de individuos mientras conducen, evidenciando la fuerte relación del factor humano con la accidentalidad. Existen factores internos y externos que se encuentran asociados a los accidentes de tránsito, siendo el estado de la carretera, las condiciones climáticas y las condiciones del vehículo, vinculados a los factores externos; por otro lado, los factores internos están relacionados con el factor humano, el cual es el más influyente y el generador de un alto porcentaje de accidentalidad [14]. Dentro de las variables asociadas al factor humano causantes de accidentes se pueden identificar: contestar el celular mientras se conduce [22],enviar mensajes de texto desde el celular mientras se conduce [1], exceder el límite de velocidad, nivel de distracción de los conductores, no tener la distancia adecuada con el vehículo de adelante, conducir bajo los efectos de drogas o medicamentos, no respetar las reglas de pase [14], conducir bajo estados emocionales estresantes, enfermedades óptico-auditivas, enfermedades psicológicas [18], conducir por el carril contrario, la confianza al momento de estar al volante, conducir en un estado de embriaguez [9], adelantar a otro vehículo en curvas, adelantar a otro vehículo en doble línea, no colocar los direccionales al realizar giros, entre otras.
Bajo este contexto, la presente investigación identifica que variables y su rango de afectación en los conductores sobre la percepción del riesgo de accidentes, a partir de la obtención de información por medio de instrumentos con Preferencias Declaradas (PD).
2. AntecedentesSeguidamente, surgieron diversos enfoques registrados en la literatura para la valoración y estimación de efectos asociados a los riesgos. Según [23] las medidas de riesgo pueden clasificarse en tres: riesgo objetivo, riesgo subjetivo y riesgo aceptable; cualquiera de estas tres medidas es difícil de alcanzar, por ejemplo, para la medición del riesgo objetivo las muertes son suficientemente frecuentes y sus causas suficientemente diversas, por ello cualquier análisis de las causas de los accidentes a menudo conduce a la conclusión de que es un fenómeno estocástico. La investigación sugiere que la percepción de un conductor sobre la seguridad está fuertemente influenciada por su comportamiento de conducción.
Es claro que la percepción del riesgo de los conductores influye en su comportamiento al volante, hipótesis de trabajo en la cual [14] basaron su investigación donde se enfocaron en determinar los factores que afectan la percepción del riesgo de los conductores. El enfoque de modelación consistió en la aplicación de una encuesta PD donde se evaluaron cinco factores de comportamiento (límite de velocidad, distancia de seguridad, cumplimiento de normas de paso, distracción del conductor y condiciones personales mientras se conduce), solicitándole a los entrevistados elegir aquella alternativa de su preferencia para uno de los 4 escenarios de conducción presentados. Se pudo determinar que los factores más influyentes en la percepción del riesgo en conductores son las reglas de paso y condiciones de conducción distraída, y el menos relevante es el límite de velocidad.
Un enfoque similar fue utilizado por [4] donde a partir de la aplicación de PD (vía web y cara a cara con el encuestado) y posterior estimación de un modelo logit, deseaban entender cómo las actitudes de conducción y de riesgo influyen en el comportamiento de los conductores ante accidentes de tránsito de acuerdo con las opiniones de sus percepciones. El respeto/violación de las reglas de conducción y el comportamiento correcto /incorrecto del conductor, sin duda afectan el nivel de percepción de riesgo en conductores.
3. Materiales y métodosDonde, Vjq corresponde a la utilidad sistemática o determinística (representa la parte medible de la función de utilidad), que a su vez está compuesta por un conjunto de atributos X que representan las características de la alternativa j para el individuo q; por otra parte, εjq refleja el comportamiento y gustos individuales de los individuos; este término asume todos aquellos aspectos no tenidos en cuenta y cualquier error de medición que haya cometido el modelador [15]. De esta forma, la parte sistemática (o determinística) de la utilidad individual a menudo se supone como una función aditiva lineal en los atributos, como se describe en la Ec. 2:
Donde, β es un parámetro que permanece estándar entre individuos, pero en las alternativas cambia. El término independiente (ASC) es una medida neta de los atributos del individuo o alternativa, que se encuentran dentro de la utilidad pero no son observadas. Por medio de este modelo se explica la elección diferente de dos individuos con los mismos atributos y alternativas. En la Ec. 3 se observa como la alternativa j será seleccionada por un individuo i, si:
déntico (IDD) y sigue la distribución Gumbel, se tiene el popular Modelo Logit Multinomial (MNL) [2], obteniéndose una forma para las probabilidades de elección como se observa en la Ec. 4.
Donde λ está asociado a la varianza de los errores, siendo un parámetro de escala del modelo.
3.2. Datos y diseño de la encuestaEn primera instancia se diseñó un cuestionario el cual permitía obtener información socioeconómica del conductor tal como: género, edad, ocupación principal, nivel de estudio, estado civil, tipo de incapacidades, si poseía licencia de conducción, antigüedad de la licencia de conducción, si su trabajo actual involucra conducir un vehículo, si había estado involucrado en un accidente de tránsito e ingresos personales mensuales (ver Tabla 1).
Seguidamente a cada uno de los encuestados se le solicitó elegir sobre los 8 escenarios hipotéticos de conducción planteados en la PD, de manera que debían elegir la alternativa que consideran más peligrosa a accidentes considerando 4 atributos que caracterizaban los escenarios planteados: velocidad de conducción, conducir en contravía, adelantar a un vehículo en curva y conducir bajo efectos de alcohol y drogas. De los cuatro atributos contemplados, una de ellas (velocidad de conducción) variaba en tres niveles, mientras que las otras tres (conducir en contravía, adelantar a un vehículo en curva y conducir bajo efectos de alcohol y drogas) se variaron en dos niveles. Los atributos y niveles que caracterizaban a las situaciones en el experimento de PD se presentan en la Tabla 2. La selección de estos atributos se realizó siguiendo las indicaciones de [11] para grupos focales. En total se obtuvieron 200 encuestas diligenciadas y su aplicación fue cara a cara con el encuestado, lo cual arroja un total de 1600 observaciones que su utilizaron para estimar el modelo.
Para los modelos estimados se encontró que los atributos principales VEL, CVI, AEC y CAD son significativos para un nivel de confianza del 95%, de hecho el signo positivo que acompaña a cada uno de ellos es correcto y es acorde a la teoría econométrica. Particularmente, para el caso del MNL1, el signo positivo del atributo VEL indica que los individuos sienten un aumento en la percepción del riesgo a medida que la velocidad aumenta, hecho que concuerda con [23], [14], [20].Igual comportamiento experimentan las variables CVI, AEC y CAD, indicando que cuando un individuo conduce en contravía, adelanta a un vehículo en curva o conduce bajo efectos de alcohol y drogas, su percepción de riesgo aumenta. Para todos los modelos estimados, el atributo que genera una mayor percepción de peligrosidad en los individuos es CAD.
El modelo MNL2 estima los parámetros asociados a características asociadas al individuo como GEN (variable muda que vale 1 si es hombre), ED3 (variable muda que vale 1 si la edad está entre 36-45 años), OC1 (variable muda que vale 1 si la ocupación es Estudiante) y AL2 (variable muda que vale 1 si la licencia tiene entre 6-10 años. El signo positivo de la variable GEN indica que las personas cuyo género son hombres tienden a experimentar una mayor sensación de riesgo que las mujeres bajo condiciones de conducción. La estimación de parámetros asociadas a interacciones entre efectos se logra en el modelo MNL3. Las interacciones probadas corresponden a las variables GEN y VEL, por otro lado ED3 y AEC. Los resultados de las estimaciones muestran que la velocidad produce una mayor sensación de riesgo en los hombres que en las mujeres; el modelo también arroja que las maniobras de adelanto en curva son más riesgosas para individuos que oscilan en edades entre 36-45 años.
Finalmente, el modelo MNL4 presenta las estimaciones de las variables principales, dos variables asociada al individuo como GEN y RT2 (variable muda que vale 1 si el individuo posee restricciones auditivas) y una interacción de efectos (ED3 y AEC). En este modelo, todos los parámetros estimados arrojaron significancia estadística a excepción de la variable RT2. Las variables VEL, CVI, AEC, CAD, GEN y la interacción ED3 y AEC tuvieron el mismo comportamiento que los demás modelos (signo positivo), sin embargo, la variable RT2 presenta signo negativo, indicando que las personas que presentan restricciones auditivas tienden a ser individuos más cautos bajo acciones de conducción vehicular con respecto a personas que no poseen ningún tipo de restricción o restricción visual.
Se determinó los efectos asociados a la interacción de efectos entre variables principales del experimento con las asociadas a condiciones del individuo (GEN*VEL y ED3 y AEC), particularmente se encontró que la velocidad produce una mayor sensación de riesgo en los hombres, mientras que las maniobras de adelanto en curva son más riesgosas para individuos que oscilan en edades entre 36-45 años.
Futuras investigaciones pueden contemplar la inclusión de otras variables principales asociadas al factor humano al igual que características socioeconómicas del individuo y variables latentes Modelación de la percepción del riesgo de accidentes en conductores: Un enfoque de preferencias declaradas con las cuales sea posible representar percepciones subjetivas de los conductores que permita aumentar la capacidad explicativa del modelo, abordando de forma complementaria los resultados que entrega esta investigación.
[1] Atchley, P., Shi, J., & Yamamoto, T. , “Cultur-al foundations of safety culture: A comparison of traffic safety culture in China, Japan and the United States.” Transportation Research Part F: Traffic Psychology and Behaviour , vol. 26 (Part B), 317–325, septiembre,2014.Doi: https://doi.org/10.1016/j.trf.2014.01.004
[2] Ben-Akiva, M., & Lerman, S. Discrete choice analysis: Theory and application to travel de-mand. Cambridge, Massachusetts: The MIT Press, 1985.
[3] Bierlaire, M. “BIOGEME: a free package for the estimation of discrete choice models.” in Pro-ceedings of the Third Swiss Transport Research Conference, pp. 1-27, 2003.
[4] Cardamone, A. S., Eboli, L., & Mazzulla, G. “Drivers’ road accident risk perception. A com-parison between face-to-face interview and web-based survey.”Advances in Transportation Studies , 33, 59-72, 2014. Doi:10.4399/97888548728995 , Recuperado de:https://www.researchgate.net/publication/283815322_Drivers’_road_acci-dent_risk_perception_A_comparison_between_face-to-face_interview_and_web-based_survey
[5] Christ, R., Delhomme, P., Kaba, A., Makinen, T., Sagberg, F., Schulze, H., y otros. “Guarding Au-tomobile Drivers through Guidance Education and Technology.” Final report. Vienna: Kuratori-um für Verkehrssicherheit (KfV), 1999.
[6] Domencich, T., & McFadden, D.Urban trav-el demand: a behavioural analysis. Amsterdam, North Holland, 1975.
[7] Eboli, L., & Mazzulla, G. “A behavioural mod-el to estimate willingness-to-pay for reducing road accident risk”.Advances in transporta-tion studies , vol. 15, pp. 63-74, enero,2008.Recuperado de:https://www.researchgate.net/publication/263094907_A_behavioural_mod-el_to_estimate_willingness-to-pay_for_reduc-ing_road_accident_risk
[8] Homel, R.Policing and punishing the drinking driver. In: A Study of General and Specific De-terrence, Springer-Verlag,New York, 1988.
[9] Hongsranagon, P., Khompratya, T., Hongpuk-dee, S., Havanond, P., & Deelertyuenyong, N. “Traffic risk behavior and perceptions of Thai motorcyclists: A case study”. IATSS Research, vol. 35, no.1, pp. 30–33, july 2011. Doi: https://doi.org/10.1016/j.iatssr.2011.03.001
[10] Iragüen, P., & Ortúzar, J. “Willingness-to-pay for reducing fatal accident risk in urban areas: an Internet-based Web page stated preference survey.” Accident Analysis & Prevention , vol. 36, no. 4, pp. 513-524, july 2004.Doi:https://doi.org/10.1016/S0001-4575(03)00057-5
[11] Krueger, R., & Casey, M. A. Focus Groups: A Practical Guide for Applied Research (Cuarta ed.). Beverly Hills: California: SAGE Publica-tions, Inc, 2009.
[12] Louviere, J. J., Hensher, D. A., & Swait, F. D. Stated Choice Methods: Analysis and Applica-tions in Marketing, Transportation and Environ-mental Valuation. Cambridge University Press, 2000.
[13] Luna-Blanco, R. “Percepción del riesgo y de seguridad ante la conducción de vehículos.” Carreteras, vol. 189, pp. 48-56, 2013.Recuperado de: https://dialnet.unirioja.es/servlet/articulo?codigo=4416538
[14] Machado, J. L., de Oña, J., de Oña, R., Eboli, L., & Mazzulla, G. “A stated preference experiment for understanding drivers’ risk perception.”Pro-cedia-Social and Behavioral Sciences , vol. 162, pp. 263-272, december 2014.Doi: https://doi.org/10.1016/j.sbspro.2014.12.207
[15] Manski, C. F.,“The structure of random utili-ty models.” Theory and Decision , vol. 8, pp. 229−254, 1977
[16] Organización Mundial de la Salud. (2009). In-forme sobre la situación mundial de la seguri-dad vial: es hora de pasar a la acción. Ginebra.[Online].Available: https://apps.who.int/iris/bit-stream/handle/10665/44137/9789243563848_spa.pdf?sequence=1&isAllowed=y
[17] Organización Mundial de la Salud. (2010). Plan Mundial para el Decenio de Acción para la Segu-ridad Vial 2011-2020. Ginebra - Suiza.[Online].Available: https://www.who.int/roadsafety/dec-ade_of_action/plan/spanish.pdf
[18] Orrego-Restrepo, J. “Percepción del riesgo en conductores frente a los accidentes de tránsito en la ciudad de Villavicencio.” Tesis de pregrado , Escuela de Ciencias Sociales Artes y Humani-dades,Meta, Villavicencio, 2013.
[19] Ortúzar, J. d., & Willumsen, L. G. Modelling Transport (4th ed.). Chichester: Wiley, 2011.
[20] Perdomo, M., Rezaei, A., Patterson, Z., Saunier, N., & Miranda-Moreno, L. F. “Pedestrian prefer-ences with respect to roundabouts-A video-based stated preference survey.” Accident Analysis and Prevention , vol. 70, pp. 84-91, september 2014. Doi: https://doi.org/10.1016/j.aap.2014.03.010
[21] Rizzi, L., & Ortúzar, J. “Road safety valuation under a stated choice framework.” Journal of Transport Economics and Policy,vol. 40, no.1,pp. 69-94, 2006. Recuperado de: https://www.re-searchgate.net/publication/46557328_Road_Safety_Valuation_under_a_Stated_Choice_Framework
[22] Vanlaar, W., & Yannis, G., “Perception of road accident causes.” Accident Analysis and Pre-vention , vol. 38,no. 1, pp. 155-161, febru-ary2006.Doi: 10.1016/j.aap.2005.08.007, Recuperado de: https://www.researchgate.net/publication/7573921_Perception_of_road_acci-dent_causes
[23] Wang, B., Hensher, D., & Ton, T. “Safety in the road environment: a driver behavioural response perspective.” Transportation , vol. 29, no. 3, 253-270, 2002. Recuperado de: https://link.springer.com/article/10.1023/A:1015661008598
[24] Williams, H. “On the formation of travel demand models and economic evaluation measures of user benefit.” Enviroment and Planning, 9A,285-344, march 1977. Doi: https://doi.org/10.1068/a090285 or percepción de peligrosidad en los in-dividuos es CAD.
* Ingeniero Civil. Correo: vapachonp@ufpso.edu.co
** Especilista. Correo: jriveraz@unicartagena.edu.co
** Magister en Ingeniería Civil, Ingeniero Civil. Correo: : t.e.guerrero-barbosa2@newcastle.ac.uk