Análisis predictivo de siniestrabilidad vial en Bogotá: Puntos críticos y factores de riesgo

Este proyecto busca reducir en un 25% las fatalidades por accidentes de tránsito en Bogotá mediante el desarrollo de un modelo predictivo basado en análisis de datos históricos (2020-2024) del SIMUR. Utilizando técnicas de machine learning (Random Forest, SARIMA) y sistemas de información geográfica (QGIS), se identificarán patrones de siniestralidad en 10 corredores críticos, considerando variables como condiciones climáticas, tipo de vehículo y horarios. La metodología combina enfoques cuantitativos (minería de 12,500 registros oficiales) y cualitativos (entrevistas a expertos de la Secretaría Distrital de Movilidad), con validación mediante el método Delphi. Los resultados esperados incluyen: (1) un mapa de calor con puntos negros prioritarios (ej: Av. Boyacá con Calle 63), (2) tres protocolos de intervención low-cost (pintura antideslizante, sincronización semafórica), y (3) una estimación de ahorro de $1.4 billones anuales en costos asociados a siniestros. Las conclusiones destacan que la integración de analítica predictiva con políticas públicas puede optimizar recursos limitados, especialmente en localidades vulnerables como Kennedy y Suba, donde ocurre el 62% de los accidentes. El proyecto aporta un marco replicable para ciudades latinoamericanas con problemáticas similares, alineado con los Objetivos de Desarrollo Sostenible (ODS 3.6 y 11.2).

• Autores: Montaña Murillo, Álvaro; Mondragón Vargas, Freddy
• Fecha de publicación: 2025
• Institución: Universidad de Cundinamarca
• Repositorio: Repositorio UdeC
• OAI Identifier: oai:repositorio.cun.edu.co:cun/11103
• Acceso en línea: https://repositorio.cun.edu.co/handle/cun/11103
• Palabra clave: Metodología; Cualitativos; Vulnerables; Climáticas; Semafórica; Lógica; Información; Comportamiento
• Rights: openAccess
• License: Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)