Análisis de los factores asociados con los accidentes de carretera de vehículos personales y camiones que se salen de la carretera: modelo de árbol de decisión y modelo logit mixto con enfoques de heterogeneidad en medias y varianzas
Autores: Champahom, Thanapong; Wisutwattanasak, Panuwat; Se, Chamroeun; Banyong, Chinnakrit; Jomnonkwao, Sajjakaj; Ratanavaraha, Vatanavongs
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Análisis de los factores asociados con los accidentes de carretera de vehículos personales y camiones que se salen de la carretera: modelo de árbol de decisión y modelo logit mixto con enfoques de heterogeneidad en medias y varianzas
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Aprendizaje automático
Análisis econométrico
árboles de decisión
Logit binario mixto
Gravedad de lesiones
Equipo de seguridad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Entre varios enfoques para analizar la investigación sobre accidentes, el uso de aprendizaje automático y análisis econométrico ha encontrado potencial en el análisis. Este estudio tiene como objetivo examinar empíricamente los factores que influyen en los accidentes de un solo vehículo para automóviles y camiones utilizando árboles de decisión (DT) y logit binario mixto con heterogeneidad en medias y varianzas (RPBLHMV) y comparar la precisión del modelo. Los datos de este estudio se obtuvieron del Departamento de Carreteras durante 2011-2017, y los resultados indicaron que el RPBLHMV era superior debido a su mayor precisión de predicción general, sensibilidad y valores de especificidad en comparación con el modelo DT. Según los resultados del RPBLHMV, los modelos de automóviles mostraron que la gravedad de las lesiones estaba asociada con el género del conductor, el uso del cinturón de seguridad, el montado en la isla, el equipo defectuoso y el equipo de seguridad. Para el modelo de camiones, se encontró que los accidentes ubicados en intersecciones o medianas, montados en la isla y el equipo de seguridad tienen una influencia significativa en la gravedad de las lesiones. Los resultados de DT también mostraron que salirse de la carretera y golpear el equipo de seguridad pueden reducir el riesgo de muerte para los conductores de automóviles y camiones. Este hallazgo puede ilustrar la diferencia que causa la variable dependiente en cada modelo. El RPBLHMV mostró la capacidad de capturar parámetros aleatorios y heterogeneidad no observada. Pero el DT puede ser utilizado fácilmente para proporcionar la importancia de las variables y mostrar qué factor tiene más significancia mediante secuenciación. Cada modelo tiene ventajas y desventajas. Los hallazgos del estudio pueden ofrecer a las autoridades relevantes opciones para medidas y mejoras de políticas basadas en dos métodos de análisis de acuerdo con su diseño de políticas. Por lo tanto, ya sea abogando por la seguridad vial o mejorando las medidas políticas, el uso de métodos apropiados puede aumentar la eficiencia operativa.
Descripción
Entre varios enfoques para analizar la investigación sobre accidentes, el uso de aprendizaje automático y análisis econométrico ha encontrado potencial en el análisis. Este estudio tiene como objetivo examinar empíricamente los factores que influyen en los accidentes de un solo vehículo para automóviles y camiones utilizando árboles de decisión (DT) y logit binario mixto con heterogeneidad en medias y varianzas (RPBLHMV) y comparar la precisión del modelo. Los datos de este estudio se obtuvieron del Departamento de Carreteras durante 2011-2017, y los resultados indicaron que el RPBLHMV era superior debido a su mayor precisión de predicción general, sensibilidad y valores de especificidad en comparación con el modelo DT. Según los resultados del RPBLHMV, los modelos de automóviles mostraron que la gravedad de las lesiones estaba asociada con el género del conductor, el uso del cinturón de seguridad, el montado en la isla, el equipo defectuoso y el equipo de seguridad. Para el modelo de camiones, se encontró que los accidentes ubicados en intersecciones o medianas, montados en la isla y el equipo de seguridad tienen una influencia significativa en la gravedad de las lesiones. Los resultados de DT también mostraron que salirse de la carretera y golpear el equipo de seguridad pueden reducir el riesgo de muerte para los conductores de automóviles y camiones. Este hallazgo puede ilustrar la diferencia que causa la variable dependiente en cada modelo. El RPBLHMV mostró la capacidad de capturar parámetros aleatorios y heterogeneidad no observada. Pero el DT puede ser utilizado fácilmente para proporcionar la importancia de las variables y mostrar qué factor tiene más significancia mediante secuenciación. Cada modelo tiene ventajas y desventajas. Los hallazgos del estudio pueden ofrecer a las autoridades relevantes opciones para medidas y mejoras de políticas basadas en dos métodos de análisis de acuerdo con su diseño de políticas. Por lo tanto, ya sea abogando por la seguridad vial o mejorando las medidas políticas, el uso de métodos apropiados puede aumentar la eficiencia operativa.