Resumen

Objetivo. Entre los tipos de colisiones que se producen en las carreteras tailandesas, se ha descubierto que las colisiones por alcance son las que causan el mayor número de víctimas mortales. El objetivo de este estudio es encontrar formas de reducir las colisiones por alcance y las colisiones mortales por alcance. Métodos. Se utilizó el árbol de clasificación y regresión (CART) para analizar la complicada relación de las variables de big data. El análisis se llevó a cabo mediante la creación de dos modelos: (1) un modelo que indica las causas de las colisiones por alcance aplicando la exposición cuasi inducida a las características del conductor culpable; (2) un modelo determinado que estudia las colisiones mortales. Resultados. Las variables predictoras en el modelo de conductores con y sin culpa revelaron que la edad del conductor es la más significativa, seguida del número de carriles y del área de apertura de la mediana. En cuanto al modo de mortalidad, el uso de equipamiento de seguridad resultó ser el más importante. Conclusiones. Los resultados del modelo pueden utilizarse para desarrollar directrices para programas de concienciación pública dirigidos a los automovilistas y para proponer cambios políticos al Departamento de Carreteras con el fin de reducir la gravedad de las colisiones por alcance. Además, en este documento se analizan las variables que pueden dar lugar tanto a la perspectiva del número de colisiones por alcance como a la tasa de mortalidad de las colisiones por alcance como estrategias en futuras investigaciones.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:accidentes finales, número de accidentes finales, características del conductor culpable, zona de apertura de la mediana, programas de concienciación pública, modelo, variables, variables predictoras, autopistas tailandesas, big data
• Keywords:end crashes, end crash number, fault driver characteristics, median opening area, public awareness programs, model, variables, predictor variables, thai highways, big data