CARRETERA AUTONÓMICA EX-105 Análisis de la seguridad vial mediante la generación de un modelo de INTELIGENCIA ARTIFICIAL MÉRIDA 13 DE FEBRERO DE 2015

EX - 105 627 AÑO 2000 – 2014 ACCIDENTES DE TRÁFICO CON VÍCTIMAS CARRETERA AUTONÓMICA EX - 105 627 AÑO 2000 – 2014 ACCIDENTES DE TRÁFICO CON VÍCTIMAS

EX - 105 Particularidad Problema Solución Sin localizaciones concretas CARRETERA AUTONÓMICA EX - 105 Sin localizaciones concretas Accidentes a lo largo de la carretera Particularidad Sin TCAs concretos, sin problemas evidentes Sin medidas concretas Problema Técnicas alternativas para captación de aspectos no evidentes Solución

1. ANÁLISIS DE LA ACCIDENTALIDAD TIPOLOGÍA DE ACCIDENTE % Colisión con otro vehículo en marcha 38,18 Colisión con un obstáculo 1,76 Atropello a peatón Atropello a animales 13,74 Vuelco 1,12 Salida de vía 38,82 Otros 4,63

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

3. PROCEDIMIENTO DE TRABAJO FASE 1 Selección de variables (parte accidentes) FASE 2 Selección de arquitectura y asignación de Wij y Ɵi FASE 3 División de accidentes para entrenamientos y para test FASE 4 Entrenamiento de la red neuronal FASE 5 Cálculo de precisión datos del test FASE 6 Cálculo importancia de las variables

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. INTERSECCIONES 10 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