Resumen

Este estudio pretende investigar los factores que influyen en la gravedad de las lesiones teniendo en cuenta la cuestión de la heterogeneidad de los factores no observados en diferentes arterias y los atributos espaciales en modelos de regresión ponderados geográficamente. Para lograr los objetivos, se desarrolló un modelo de regresión logística de panel ponderado geográficamente, en el que el modelo de regresión logística ponderado geográficamente abordaba la gravedad de las lesiones desde la perspectiva espacial, mientras que el modelo de datos de panel tenía en cuenta la heterogeneidad atribuida a los factores no observados desde la perspectiva temporal. Se recopilaron los datos de geoaccidentes del área metropolitana de Las Vegas de 2014 a 2016, que incluían 27 arterias con 25 029 muestras de lesiones. Al comparar el modelo de regresión logística convencional y los modelos de regresión logística ponderados geográficamente, el modelo de regresión logística de panel ponderado geográficamente mostró preferencia sobre los otros modelos. Los resultados revelaron que cuatro factores principales, los seres humanos (conductores/peatones/ciclistas), los vehículos, la calzada y el entorno, eran factores potencialmente significativos del aumento de la gravedad de las lesiones. Los resultados aportan ideas útiles para que los profesionales y los responsables políticos mejoren la seguridad en las arterias.

• 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:modelo de regresión logística, gravedad de las lesiones, factores no observados, modelo de regresión logística convencional, modelo de regresión logística ponderada, modelos de regresión logística, modelo de datos de panel, arterias, las vegas, datos de colisiones
• Keywords:logistic regression model, injury severity, unobserved factors, conventional logistic regression model, weighted logistic regression model, logistic regression models, panel data model, arterials, las vegas, crash data