Resumen de Gravedad de los accidentes de tráfico en curvas horizontales y sus determinantes:: Un modelo de redes bayesianas y teoría de la información
El análisis estadístico revela que el entorno único de las carreteras con curvas horizontales contribuye significativamente a la gravedad y las tasas de mortalidad de los accidentes de tráfico. Este estudio aprovechó los datos de accidentes del Departamento de Transporte de Florida (FDOT) para explorar la gravedad de los accidentes de tráfico en curvas horizontales y sus factores de influencia. La red bayesiana se combinó con la teoría de la información para analizar la gravedad y los factores determinantes de los accidentes en las curvas horizontales desde el punto de vista de la topología de la red, la fuerza de la relación entre los factores influyentes y las vías de los factores influyentes. Los resultados muestran que, (1) La causalidad de los accidentes de tráfico es compleja, con una estructura de red jerárquica de factores más que impactos directos de variables individuales. (2) Se obtiene la fuerza de la relación y la correlación dinámica de cambio entre cada variable. Los resultados demuestran que los accidentes rara vez son causados por un único factor, y que la gravedad de los accidentes de tráfico puede prevenirse y reducirse controlando los estados de las variables.(3) El análisis de las vías de influencia de variables incontrolables, como la meteorología, reveló combinaciones específicas de estados (por ejemplo, Niebla+Resbaladizo, Lluvia+Resbaladizo, Niebla+Húmedo) que aumentan significativamente la gravedad de los accidentes. Este estudio presenta un modelo avanzado de predicción y diagnóstico de accidentes de tráfico en curvas horizontales, que ofrece información sobre los factores causantes y sus relaciones cuantitativas y vías de influencia.
