Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá

Abstract

Los accidentes de tránsito se encuentran entre las principales causas de muerte y lesiones incapacitantes en carreteras en los países en desarrollo. Las instituciones académicas brindan de manera intensiva esfuerzos constituyentes para comprender y pronosticar la naturaleza de este problema con el fin de cumplir con los objetivos globales de seguridad vial. Además, en los últimos 20 años la literatura ha discutido una gran variedad de métodos utilizados para predecir la frecuencia de siniestros. De manera que, los modelos para la predicción de siniestros calibrados a las zonas de estudio son empleados como una herramienta útil en la gestión y estimación de los riesgos en seguridad vial en entornos urbanos.

Teniendo en cuenta este panorama, la presente investigación tiene como objetivo analizar y estimar modelos para predecir las tasas de siniestralidad en la red arterial de la ciudad de Bogotá, en la red de vías troncales del Sistema Integrado de Transporte Público – SITP, y en sus carriles preferenciales. Este objeto se aborda desde la estimación de modelos lineales generalizados multivariados (GLM) y redes bayesianas de probabilidad (PBN), comparando el desempeño de estos modelos para la predicción de tasas de siniestralidad en la ciudad de Bogotá. Este objetivo permite determinar aquellos factores que afectan de manera significativa la ocurrencia de los siniestros en las principales carreteras de la ciudad y brinda funciones eficientes calibradas que pueden ser empleadas para estimación y predicción del número de accidentes en la infraestructura vial de Bogotá. (Texto tomado de la fuente)

Road crashes are among the leading causes of death and incapacitating injuries in developing countries. Academic institutions intensively provide constituent efforts towards understanding and forecasting the nature of this problem in order to meet global traffic safety goals. Furthermore, extensive literature over the past 20 years has discussed a myriad of methods utilized in predicting the frequency of motor vehicle crashes. Safety performance functions calibrated to a specific region are used as an efficient tool to manage and estimate road safety risks in urban roads.

The primary objective of this research project corresponds to analyze and estimate crash prediction models applied to (1), the arterial road network (2), Bus Rapid Transit corridors and (3) Of the Integrated Public Transport System (SITP) preferential lanes in Bogota, Colombia. This dissertation provides estimation of safety performance functions via multivariate generalized linear models (GLM) and Probability Bayesian Networks models (PBN). An extensive comparison is assessed on the performance of these models for the prediction of crash counts between 2015 to 2018 in Bogota, Colombia. This allows the understanding of the factors that affect the occurrence of accidents on arterial roads and provides calibrated safety performance functions (SPF) that can be used to estimate crash rates in the city.