Modelo predictivo de accidentalidad para víctimas no fatales en la concesión Devinorte

Identificando la necesidad de promover mecanismos que permitan caracterizar y plantear soluciones técnicas encaminadas a la mitigación de la siniestralidad, se busca Incorporar avances tecnológicos para el análisis de datos y se observa la pertinencia de explotar modelos de predicción de siniestros mediante el uso de RNA (Redes Neuronales Artificiales). Aun cuando no han sido ampliamente masificados como alternativa para tratar de entender y buscar relaciones entre las variables que involucran la ocurrencia de un siniestro vial, el Machine Learning y las RNA ya se destacan como herramientas aplicadas en otras áreas, por ejemplo, identificación de patrones, análisis de imágenes o implementación de algoritmos predictivos con fines comerciales. Mostrando en todos los casos, su capacidad de procesar, predecir y resolver problemas que involucran un gran volumen de datos. La aplicación de un modelo predictivo de siniestralidad mediante RNA, a través de modelos computacionales que incluyen el uso de algoritmos para el descenso del gradiente para optimizar los resultados, permiten desarrollar un modelo que involucra las variables de entrada obtenidas mediante formatos de recopilación para siniestros que involucran solo daños materiales en un periodo de operación de la Concesión DEVINORTE (2010-2016) y las salidas de datos reales obtenidos de dichos registros de siniestralidad, los cuales, posteriormente son comparados con las salidas proyectadas por el modelo de RNA, buscando obtener una aproximación cercana a las salidas reales. De modo que permite evaluar tanto la fidelidad del modelo, como identificar un potencial uso práctico en la resolución de problemas que involucran siniestralidad vial. Cabe resaltar que, si bien la aplicación de RNA equivalen a una solución específica para el conjunto de datos, se pretende verificar si es posible aplicar estos modelos, en otras concesiones o zonas de estudio dónde sea posible obtener información para diferentes líneas temporales con registros de siniestralidad vial.

• Autores: Bravo Ramírez, Jairo Francisco
• Fecha de publicación: 2020
• Institución: Escuela Colombiana de Ingeniería Julio Garavito
• Repositorio: Repositorio Institucional ECI
• Idioma: spa
• OAI Identifier: oai:repositorio.escuelaing.edu.co:001/1280
• Acceso en línea: https://repositorio.escuelaing.edu.co/handle/001/1280
• Palabra clave: Accidentes de tráfico; Modelo Predictivo; Redes neuronales artificiales; Concesiones; Traffic accidents; Predictive model; Artificial neural networks; Road concession
• Rights: openAccess
• License: Derechos Reservados - Escuela Colombiana de Ingeniería Julio Garavito