Construcción de algoritmo para análisis de causa raíz de accidentes de tránsito utilizando redes neuronales y minería de datos.

La determinación de la causa de los accidentes de tránsito tiene una gran utilidad para comprender la dinámica de estos eventos. Existe una gran cantidad de técnicas aplicables que requieren la participación de personas involucradas de alguna manera con el análisis de accidentalidad vial y aprovechan su experiencia en este campo. La minería de datos es una tecnología emergente que se adapta a fenómenos de distinta complejidad como son los accidentes de tránsito y permiten utilizar la información contenida en los datos acumulados de accidentalidad y que por lo general administran las agencias del estado encargadas de formular políticas para disminuirla. En este trabajo se han utilizado dos base de datos de accidentalidad. La primera con 38 campos y 34628 registros o instancias disponible en el portal de datos abiertos. (https://www.datos.gov.co/widgets/79fi-zm8c) La segunda base de datos tiene información solamente de accidentes de tránsito en empresas de transporte. Para ello se ha utilizado información de empresas aseguradas con Allianz, como Coca Cola, transportes Iceberg, Transportes La Carolina, Pronavicola, Servientrega, Transmeta, Femsa logística, transporadora nacional de Coca Cola, Harinera del Valle, Sistema de tarnsporte masivo de Cali (MIO), Conalvías. Esta base de datos tiene información de 880 siniestros en diferentes ciudades y carretas nacionales. El modelo de causa raíz se ha dividido en dos partes, uno para encontrar la causa próxima y el otro para la causa raíz de los accidentes. Para ello Se han propuesto dos algoritmos para analizar los datos de estas bases; redes neuronales artificiales (perceptrón multicapas) y Naive Bayes, que sirven para clasificar los datos correspondientes a casos nuevos baja la etiqueta de causa de accidente. Se ha utilizado el software libre Weka. Se encuentra que el algoritmo Naive Bayes tiene un mejor desempeño que la red neuronal, la cual requiere una gran capacidad de procesamiento. La segunda parte para encontrar la posible causa raíz de los accidentes. Para ello se ha utilizado la base de datos 2 y el algoritmo PART. La validación de los modelos se ha realizado aplicando las métricas normalmente disponibles. Adicionalmente se ha analizado y aplicado el algoritmo al caso de siniestro de un vehículo de transportes Iceberg

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/22495
• Acceso en línea: http://hdl.handle.net/11349/22495
• Palabra clave: Accidentalidad vial; Minería de datos; Redes neuronales; Causa raíz; Causa inmediata; Weka; Especialización en Higiene, Seguridad y Salud en el Trabajo - Tesis y disertaciones académicas; Accidentes de transito; Minería de datos; Redes neuronales; Road traffic accidents; Data mining; Immediate cause; Root cause; Artificial neural networks; Weka
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional