Application of bayesian networks for the analysis of traffic accidents injury severity on rural highways

Resumen

En esta Tesis doctoral se proponen modelos de redes bayesianas para analizar la severidad de los accidentes de tráfico. Estos modelos son capaces de hacer predicciones sin necesidad de pre-supuestos y se utilizan para hacer representaciones gráficas de sistemas complejos con componentes relacionados entre sí. En esta investigación se analizaron los accidentes de tráfico en carreteras rurales en España en función de la severidad de los mismos. Se construyeron tres Redes Bayesianas (Bayesian networks - BN) usando 18 variables que representan las características del conductor, de la carretera, del vehículo, de los accidentes, y las condiciones meteorológicas. Las BN construidas se utilizaron para clasificar la gravedad de los accidentes en heridos leves y muertos o heridos graves. Los resultados indicaron que utilizando las 18 variables para construir las BN, las variables que se encuentran más relacionada con un accidente con un muerto o con heridos graves en los accidentes de tráfico son: tipo de accidente, edad del conductor, iluminación y número de heridos. A continuación, mediante diferentes algoritmos se seleccionaron las variables más significativas, se construyeron Bayesian networks con un menor número de variables (entre 4 y 16 variables) y se compararon los resultados con los del modelo base, que utilizaba las 18 variables originales. Los resultados indicaron que si se utilizaba un grupo seleccionado de variables (p.e. tipo de accidente, edad, factores atmosféricos, género, iluminación, número de heridos y número de ocupantes) para construir una BN, los indicadores de rendimiento (p.e. precisión) mejoraban con respecto a los de la BN original en la mayoría de los casos. Por lo tanto, se puede decir que mediante BN es posible reducir el número de variables que se utilizan para analizar la gravedad de un accidente de tráfico sin reducir la precisión de los modelos.