Resumen

Las inclemencias del tiempo afectan a la seguridad del tráfico de diversas maneras. Las colisiones en días lluviosos no sólo causan víctimas mortales y heridos, sino que también aumentan significativamente el tiempo de viaje. Predecir con exactitud el riesgo de colisión en condiciones meteorológicas adversas es útil e informativo tanto para los organismos viales como para los usuarios de las carreteras. Los investigadores en seguridad han propuesto varios métodos analíticos para predecir las colisiones. Sin embargo, la mayoría de ellos requieren datos completos sobre el inventario de carreteras, el tráfico y los accidentes. La falta de datos completos es un problema en muchos países en vías de desarrollo. Es habitual que los investigadores de seguridad sólo tengan acceso a los datos de los lugares en los que se ha producido una colisión (es decir, datos truncados por cero). Los modelos convencionales de colisión no son aplicables a los datos de seguridad truncados por cero. Este artículo propone una estructura de modelo binomial negativo finito-mixto truncado por cero (FMZTNB). El modelo se aplica a datos de tres años de colisiones en carreteras mojadas en 395 segmentos de carreteras divididas (un total de 586 km), y los parámetros se estiman utilizando el método Markov chain Monte Carlo (MCMC). La comparación indica que el modelo FMZTNB propuesto se ajusta mejor y es más preciso a la hora de predecir el número de accidentes en carretera mojada. El modelo es capaz de captar la heterogeneidad de los datos de accidentes de la muestra. Además, la anchura del carril mostró efectos mixtos en diferentes componentes de las colisiones en calzada mojada, que no se observan en los modelos convencionales. Se anima a los profesionales a considerar el enfoque de modelización de mezcla finita de truncamiento cero cuando no se disponga de un conjunto completo de datos de seguridad.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:accidentes de tráfico, cadena de markov monte carlo, mejor ajuste, inventario completo de carreteras, conjunto completo de datos de seguridad, modelos convencionales de accidentes, enfoques convencionales de modelización, condiciones meteorológicas adversas, datos de accidentes de tráfico, muestra de datos de accidentes
• Keywords:road crashes, markov chain monte carlo, better fitting performance, complete roadway inventory, complete safety dataset, conventional crash models, conventional modeling approaches, inclement weather conditions, road crash data, sample crash data