Resumen

La identificación de puntos conflictivos (HSID) es una parte crítica de las evaluaciones de seguridad en toda la red. Los métodos típicos para clasificar los puntos suelen basarse en el método de Bayes empírico (EB) para estimar la seguridad a partir de los registros de colisiones observados y la frecuencia de colisiones prevista basada en puntos similares. El rendimiento del método EB está muy relacionado con la selección de un grupo de referencia de sitios (es decir, segmentos de carretera o intersecciones) similares al sitio objetivo a partir del cual se desarrollarán las funciones de rendimiento de seguridad (SPF) utilizadas para predecir la frecuencia de colisiones. Dado que los datos de colisiones a menudo contienen una heterogeneidad subyacente que, en esencia, puede hacer que parezcan generados a partir de subpoblaciones distintas, se necesitan métodos para seleccionar sitios similares de una manera basada en principios. Para superar este posible problema de heterogeneidad, se desarrollan métodos HSID basados en EB que utilizan metodologías de agrupación comunes (por ejemplo, modelos de mezcla, K-means y agrupación jerárquica) para seleccionar sitios "similares" para construir SPF. A continuación, se compara el rendimiento de los métodos EB basados en la agrupación utilizando datos reales de colisiones. Aquí, los resultados de HSID, cuando se calculan con datos de efectivo de carreteras rurales no divididas de Texas, sugieren que los tres métodos de análisis de EB basados en agrupación son preferibles a los métodos estadísticos convencionales. Por lo tanto, la clasificación adecuada de los segmentos de carretera para datos de colisiones heterogéneos puede mejorar aún más la precisión de HSID.

• Materias:Transporte urbano Señales de control de tráfico Accidentes de transito Planificación de ruta Capacidad de tráfico
• Subjects:Urban transport Traffic control signs Traffic accidents Path planning Traffic capacity
• Palabras claves:sitios, frecuencia de colisiones, sitios similares, datos de efectivo de carreteras rurales no divididas, métodos de análisis eb, metodologías comunes de agrupación, métodos estadísticos convencionales, datos de colisiones heterogéneos, registros de colisiones observados, posible problema de heterogeneidad.
• Keywords:sites, crash frequency, similar sites, undivided rural highway cash data, eb analysis methods, common clustering methodologies, conventional statistical methods, heterogeneous crash data, observed crash records, possible heterogeneity problem