CARRETERA AUTONÓMICA EX-105Análisis de la seguridad vial mediante

la generación de un modelo de INTELIGENCIA ARTIFICIAL

MÉRIDA13 DE FEBRERO DE 2015

AÑO 2000 – 2014

ACCIDENTES DE TRÁFICO CON VÍCTIMAS

627

CARRETERA AUTONÓMICA

EX - 105

CARRETERA AUTONÓMICA

EX - 105

• Sin localizaciones concretas• Accidentes a lo largo de la carreteraParticularidad

• Sin TCAs concretos, sin problemas evidentes• Sin medidas concretasProblema

• Técnicas alternativas para captación de aspectos no evidentesSolución

TIPOLOGÍA DE ACCIDENTE %

Colisión con otro vehículo en marcha 38,18Colisión con un obstáculo 1,76Atropello a peatón 1,76Atropello a animales 13,74Vuelco 1,12Salida de vía 38,82Otros 4,63

1. ANÁLISIS DE LA ACCIDENTALIDAD

1.1. TIPOLOGÍAS Y DISTRIBUCIÓN DE ACCIDENTALIDAD

1.1. TIPOLOGÍAS Y DISTRIBUCIÓN DE ACCIDENTALIDAD

1.1. TIPOLOGÍAS Y DISTRIBUCIÓN DE ACCIDENTALIDAD

1.1. TIPOLOGÍAS Y DISTRIBUCIÓN DE ACCIDENTALIDAD

1.2. CARACTERÍSTICAS DE LAS VARIABLES DE ESTUDIO

2. CARACTERÍSTICAS DE LAS VARIABLES DE ESTUDIO

2. CARACTERÍSTICAS DE LAS VARIABLES DE ESTUDIO

2. CARACTERÍSTICAS DE LAS VARIABLES DE ESTUDIO

2. CARACTERÍSTICAS DE LAS VARIABLES DE ESTUDIO

2. CARACTERÍSTICAS DE LAS VARIABLES DE ESTUDIO

FASE 1Selección de

variables(parte accidentes)

FASE 2Selección de

arquitectura y asignación de

Wij y Ɵi

FASE 3División de

accidentes para entrenamientos y

para test

FASE 4Entrenamiento de

la red neuronal

FASE 5Cálculo de precisión

datos del test

FASE 6Cálculo

importancia de las variables

3. PROCEDIMIENTO DE TRABAJO

4. MODELOS ESTUDIADOS

• MODELO 1. DATOS DESDE 2000. 627 DATOS. 21 VARIABLES

• MODELO 2. DATOS DESDE 2005. 444 DATOS. 14 VARIABLES

• MODELO 3. INTERSECCIONES. 175 DATOS. 10 VARIABLES

• MODELO 4. DATOS DESDE 2000. 627 DATOS. 10 VARIABLES

• MODELO 5. DATOS DESDE 2000. 627 DATOS. 11 VARIABLES

• MODELO 6. DATOS DESDE 2000. 58 DATOS. 6 VARIABLES

4.1. MODELO Nº 1. 21 VARIABLES

4.2. MODELO Nº 2. 14 VARIABLES

4.3. MODELO Nº 3. INTERSECCIONES10 VARIABLES

4.4, MODELO Nº 4. 10 VARIABLES

4.2. MODELO Nº 5. 11 VARIABLES

4.3. MODELO Nº 6. 6 VARIABLES

5. RESULTADOS

MODELO 1

MODELO 2

5. RESULTADOS

MODELO 3

MODELO 4

5. RESULTADOS

MODELO 5

MODELO 6

6. ESTABILIDAD DE LOS RESULTADOS

7. CONCLUSIONES DEL ESTUDIO

PERCEPCIÓN DEL RIESGO

ALCOHOL O DROGAS

MÁRGENES

INTERSECCIONES

7.1. PERCEPCIÓN DEL RIESGO

El riesgo percibido por el conductor es inferior al riesgo real de la carretera. TEORÍA DE LA HOMEÓSTASIS DEL RIESGO SUBJETIVO

Los accidentes con mayor lesividad se producen:

• Condiciones atmosféricas buenas.• Condiciones adecuadas de la infraestructura (marcas viales,

pavimento, densidad de la circulación, señalización vertical o de peligro).

Conductas que aparecen cuando la percepción del riesgo es baja:

• Velocidad inadecuada.• Cansancio o sueño.

7.2. ALCOHOL O DROGAS

El número de accidentes con víctimas con presencia de alcohol o drogas es inferior al 6% nacional.

Las lesiones en este tipo de accidentes suelen ser graves o letales.

7.3. MÁRGENES

Los modelos han detectado una alta lesividad en los accidentes relacionados con las variables Barrera, Árboles y Animales sueltos.

Las características de los márgenes de esta carretera son:

• Presencia de árboles de gran porte.• Desniveles en los extremos de los pasos salvacunetas.• Presencia de muretes o taludes elevados en las fincas

colindantes.• Presencia de animales sueltos que cruzan la carretera.• A veces no existe un elemento separador (barrera, vallado

cinegético) entre los elementos generadores de peligro descritos en los puntos anteriores y la carretera.

7.3. INTERSECCIONES

Las conclusiones que se extraen del modelo son similares a las de los segmentos de carretera:

• Los accidentes más graves en condiciones favorables atmosféricas y de la infraestructura.

• Velocidad inadecuada, fundamentalmente del conductor que circula por la vía principal.

• Percepción del riesgo inferior a la real.

MUCHAS GRACIAS POR SU ATENCIÓN