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
Top Related