Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá

diagramas, mapas, tablas, modelos

Autores:: García Muñoz, Jaime Alejandro

Tipo de recurso:

Fecha de publicación:: 2021

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

id	UNACIONAL2_730c441c960f4fe2926692f0d5d2b5f0
oai_identifier_str	oai:repositorio.unal.edu.co:unal/81200
network_acronym_str	UNACIONAL2
network_name_str	Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
dc.title.translated.eng.fl_str_mv	Crash prediction models based on Bayesian networks for corridors of arterial roads in Bogotá
title	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
spellingShingle	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá 620 - Ingeniería y operaciones afines::624 - Ingeniería civil Seguridad vial Modelos de predicción de accidentes viales Funciones de desempeño de seguridad vial (SPF) Corredores arteriales urbanos Modelos lineales generalizados multivariados (GLM) Redes bayesianas de probabilidad (PBN) Road safety Crash predictions models Safety performance functions (SPF) Urban arterial roads Multivariate generalized linear models (GLM) Probability Bayesian Networks models (PBN) Seguridad del transporte Transporte por carretera Transport safety Road transport
title_short	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
title_full	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
title_fullStr	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
title_full_unstemmed	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
title_sort	Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá
dc.creator.fl_str_mv	García Muñoz, Jaime Alejandro
dc.contributor.advisor.none.fl_str_mv	Mangones Matos, Sonia Cecilia Lizarazo Jiménez, Cristhian Guillermo
dc.contributor.author.none.fl_str_mv	García Muñoz, Jaime Alejandro
dc.contributor.researchgroup.spa.fl_str_mv	Grupo de Investigación en Logística para El Transporte Sostenible y la Seguridad Translogyt
dc.subject.ddc.spa.fl_str_mv	620 - Ingeniería y operaciones afines::624 - Ingeniería civil
topic	620 - Ingeniería y operaciones afines::624 - Ingeniería civil Seguridad vial Modelos de predicción de accidentes viales Funciones de desempeño de seguridad vial (SPF) Corredores arteriales urbanos Modelos lineales generalizados multivariados (GLM) Redes bayesianas de probabilidad (PBN) Road safety Crash predictions models Safety performance functions (SPF) Urban arterial roads Multivariate generalized linear models (GLM) Probability Bayesian Networks models (PBN) Seguridad del transporte Transporte por carretera Transport safety Road transport
dc.subject.proposal.spa.fl_str_mv	Seguridad vial Modelos de predicción de accidentes viales Funciones de desempeño de seguridad vial (SPF) Corredores arteriales urbanos Modelos lineales generalizados multivariados (GLM) Redes bayesianas de probabilidad (PBN)
dc.subject.proposal.eng.fl_str_mv	Road safety Crash predictions models Safety performance functions (SPF) Urban arterial roads Multivariate generalized linear models (GLM) Probability Bayesian Networks models (PBN)
dc.subject.unesco.spa.fl_str_mv	Seguridad del transporte Transporte por carretera
dc.subject.unesco.eng.fl_str_mv	Transport safety Road transport
description	diagramas, mapas, tablas, modelos
publishDate	2021
dc.date.issued.none.fl_str_mv	2021
dc.date.accessioned.none.fl_str_mv	2022-03-14T15:37:22Z
dc.date.available.none.fl_str_mv	2022-03-14T15:37:22Z
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv	Text
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TM
status_str	acceptedVersion
dc.identifier.uri.none.fl_str_mv	https://repositorio.unal.edu.co/handle/unal/81200
dc.identifier.instname.spa.fl_str_mv	Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv	https://repositorio.unal.edu.co/
url	https://repositorio.unal.edu.co/handle/unal/81200 https://repositorio.unal.edu.co/
identifier_str_mv	Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	AASHTO. (2010). Highway Safety Manual. 1057. Agresti, A. (2015). Foundations Linear Generalized Linear Models. En John Wiley & Sons, Inc. Alarifi, S. A., Abdel-Aty, M. A., Lee, J., y Park, J. (2017). Crash modeling for intersections and segments along corridors: A Bayesian multilevel joint model with random parameters. Analytic Methods in Accident Research, 16, 48–59. https://doi.org/10.1016/j.amar.2017.08.002 Alberti, G. (2021). GmAMisc: “Gianmarco Alberti” Miscellaneous. https://cran.r-project.org/package=GmAMisc Arévalo-Támara, A., Orozco-Fontalvo, M., y Cantillo, V. (2020). Factors influencing crash frequency on colombian rural roads. Promet - Traffic - Traffico, 32(4), 449–460. https://doi.org/10.7307/ptt.v32i4.3385 Atoche, P. (2017). Modelos de regresión con datos de conteo: aplicación a competiciones deportivas. 5–11. https://idus.us.es/xmlui/handle/11441/63085 Berrar, D. (2018). Cross-validation. Encyclopedia of Bioinformatics and Computational Biology: ABC of Bioinformatics, 1–3(January 2018), 542–545. https://doi.org/10.1016/B978-0-12-809633-8.20349-X Bianchini, M., Maggini, M., y Jain, L. C. (2013). Handbook on Neural Information Processing. [electronic resource]. En Springer eBooks. Springer Berlin Heidelberg. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000797003&lang=es&site=eds-live Burnham, K. P., y Anderson, D. R. (2004). Multimodel Inference: Understanding AIC and BIC in Model Selection. SOCIOLOGICAL METHODS AND RESEARCH VO - 33, 2, 261. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=edsbl&AN=RN157973137&lang=es&site=eds-live Cameron, A. C., y Trivedi, P. K. (2013). Regression analysis of count data. (Second edi). Cambridge University Press. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000837204&lang=es&site=eds-live Cantillo, V., Garcés, P., y Márquez, L. (2016). Factors influencing the occurrence of traffic accidents in urban roads: A combined GIS-Empirical Bayesian approach. Dyna, 83(195), 21–28. https://doi.org/10.15446/dyna.v83n195.47229 Catastro Bogotá. (2019). Mapa de Referencia para Bogotá D.C. Infraestructura de Datos Espaciales para el Distrito Capital IDECA. https://www.ideca.gov.co/recursos/mapas/mapa-de-referencia-para-bogota-dc Charles E. McCulloch, y Searle, S. R. (2003). Generalized Linear Mixed Models (7a ed.). %7Blibgen.li/file.php?md5=e06f7a61debbea173e9e52d835abb54e%7D,%0A%7D Chen, C. (2017). Analysis and Forecast of Traffic Accident Big Data 2 Data Preprocessing. 04029. Cooper, G. F. (1990). The computational complexity of probabilistic inference using bayesian belief networks. Artificial Intelligence, 42(2–3), 393–405. https://doi.org/10.1016/0004-3702(90)90060-D Cousineau, D., y Chartier, S. (2010). Outliers detection and treatment: a review. International Journal of Psychological Research, 3(1), 58–67. https://doi.org/10.21500/20112084.844 Dagum, P., y Luby, M. (1993). Approximating probabilistic inference in Bayesian belief networks is NP-hard. Artificial Intelligence, 60(1), 141–153. https://doi.org/10.1016/0004-3702(93)90036-B Dash, R., Paramguru, R. L., y Dash, R. (2015). Comparative Analysis of Supervised and Unsupervised Discretization Techniques. April 2011. de Leeuw, J., y Meijer, E. (2008). Handbook of Multilevelanalyse. En Journal of Chemical Information and Modeling (Vol. 53, Número 9). https://psycnet.apa.org/record/2008-02337-000 de Oliveira, E. C., de Faro Orlando, A., dos Santos Ferreira, A. L., y de Oliveira Chaves, C. E. (2016). Comparison of different approaches for detection and treatment of outliers in meter proving factors determination. Flow Measurement and Instrumentation, 48, 29–35. http://10.0.3.248/j.flowmeasinst.2016.02.002 Deublein, M., Schubert, M., Adey, B. T., y de Soto, B. G. (2015). A Bayesian network model to predict accidents on Swiss highways. Infrastructure Asset Management, 2(4), 145–158. https://doi.org/10.1680/jinam.15.00008 Deublein, M., Schubert, M., Adey, B. T., Köhler, J., y Faber, M. H. (2013). Prediction of road accidents: A Bayesian hierarchical approach. Accident Analysis and Prevention, 51, 274–291. https://doi.org/10.1016/j.aap.2012.11.019 Gallo, P. P., y Longford, N. T. (1995). Random Coefficient Models. Technometrics, 37(1), 120. https://doi.org/10.2307/1269168 Goldstein, H. (1986). Generalized Least Squares. Generalized Least Squares, 1–296. https://doi.org/10.1002/0470866993 Goldstein, H. (2010). Multilevel statistical models. (4th ed.). Wiley. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat01725a&AN=unc.000430724&lang=es&site=eds-live Goldstein, H., Bryk, A. S., y Raudenbush, S. W. (1993). Hierarchical Linear Models: Applications and Data Analysis Methods. Journal of the American Statistical Association, 88(421), 386. https://doi.org/10.2307/2290750 Gómez, F., y Bocarejo, J. P. (2015). Accident Prediction Models for Bus Rapid Transit Systems: Generalized Linear Models Compared with a Neural Network. Transportation Research Record, 2512(1), 38–45. https://doi.org/10.3141/2512-05 Guerrero-Barbosa, T., Espinel-Bayona, Y., y Palacio-Sánchez, D. (2015). Efectos de los atributos asociados a geometría vial, volúmenes vehiculares y velocidades en la incidencia de accidentes en una ciudad intermedia. Ingenieria y Universidad, 19(2), 351–367. https://doi.org/10.11144/Javeriana.iyu19-2.eaar Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., y Witten, I. H. (2009). The {WEKA} data mining software: an update. SIGKDD Explorations, 11(1), 10–18. Hastie, T. J., Friedman, J., y Tibshirani, R. J. (2009). The elements of statistical learning : data mining, inference, and prediction. (Segunda ed). http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000660993&lang=es&site=eds-live Hyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Chhay, L., O’Hara-Wild, M., Petropoulos, F., Razbash, S., Wang, E., y Yasmeen, F. (2021). {forecast}: Forecasting functions for time series and linear models. https://pkg.robjhyndman.com/forecast/ Jensen, F. V., Lauritzen, S. L., y Olesen, K. G. (1990). Bayesian updating in causal probabilistic networks by local computations. Kjærulff, U. B., y Madsen, A. L. (2013). Bayesian Networks and Influence Diagrams: A Guide to Construction and Analysis. [electronic resource]. En Springer eBooks (Second Edi). Springer New York. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000783739&lang=es&site=eds-live Koski, T., y Noble, J. M. (2009). Bayesian networks : an introduction. John Wiley. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000766023&lang=es&site=eds-live Kratzer, G., y Furrer, R. (2018). varrank: an R package for variable ranking based on mutual information with applications to observed systemic datasets. arXiv preprint arXiv:1804.07134. Laird, N. M., y Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974. Lambert, D. (1992). Zero-inflated poisson regression, with an application to defects in manufacturing. Technometrics, 34(1), 1–14. https://doi.org/10.1080/00401706.1992.10485228 Lauritzen, S. L., y Spiegelhalter, D. J. (1988). Local Computations with Probabilities on Graphical Structures and Their Application to Expert Systems. Journal of the Royal Statistical Society. Series B: Methodological, 50(2), 157–224. Lord, D., y Mannering, F. (2010). The statistical analysis of crash-frequency data: A review and assessment of methodological alternatives. Transportation Research Part A: Policy and Practice, 44(5), 291–305. https://doi.org/10.1016/j.tra.2010.02.001 Lord, D., Washington, S., y Ivan, J. N. (2007). Further notes on the application of zero-inflated models in highway safety. Accident Analysis and Prevention, 39(1), 53–57. http://10.0.3.248/j.aap.2006.06.004 Malyshkina, N. V. (2008). Markov switching models: an application to roadway safety. December, 122. http://arxiv.org/abs/0808.1448 Mannering, F. L., y Bhat, C. R. (2014). Analytic methods in accident research: Methodological frontier and future directions. Analytic Methods in Accident Research, 1, 1–22. http://10.0.3.248/j.amar.2013.09.001 Marchionna, A., Perco, P., y Falconetti, N. (2012). Evaluation of the Applicability of IHSDM Crash Prediction Module on Italian Two-Lane Rural Roads. Procedia - Social and Behavioral Sciences, 53, 932–941. https://doi.org/10.1016/j.sbspro.2012.09.942 Martínez Rodríguez, M. (2005). Errores frecuentes en la interpretación del coeficiente de determinación lineal. Anuario Juridico y Economico Escurialense, 38, 315–331. Meyer, D., Zeileis, A., y Hornik, K. (2020). vcd: Visualizing Categorical Data. Miaou, S. P. (1994). The relationship between truck accidents and geometric design of road sections: Poisson versus negative binomial regressions. Accident Analysis and Prevention, 26(4), 471–482. https://doi.org/10.1016/0001-4(94)9003-8 Miller, J. N. (1993). Tutorial review—Outliers in experimental data and their treatment. The Analyst ; volume 118, issue 5, page 455-461 ; ISSN 0003-2654 1364-5528. https://doi.org/10.1039/an9931800455 Ministerio de Transporte. (2012). Resolucion_0011268. Neapolitan, R. E. (2004). Learning Bayesian networks. Pearson Prentice Hall. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000351209&lang=es&site=eds-live Olmsted, S. M. (1983). Reproduced with permission of the copyright owner . Further reproduction prohibited without [Stanford University, Stanford, CA.]. En PhD thesis. http://dx.doi.org/10.1016/j.jaci.2012.05.050 P. Mc Cullagh, J. A. N. (1986). Generalized Linear Models (P. Mccullagh and J. A. Nelder). En SIAM Review (Vol. 28, Número 1). https://doi.org/10.1137/1028043 Palaniappan, S., Jaya, P., y Hong, T. K. (2008). Discretization of Continuous Valued Dimensions in OLAP Data Cubes. International Journal of Computer Science and Network Security, 8(11), 116–126. R Core Team. (2019). R: A Language and Environment for Statistical Computing. https://www.r-project.org/ Ramírez, A. F., y Valencia, C. (2021). Spatiotemporal correlation study of traffic accidents with fatalities and injuries in Bogota (Colombia). Accident Analysis and Prevention, 149(November 2020), 1-18.https://doi.org/10.1016/j.aap.2020.105848 Refaeilzadeh, P., Tang, L., y Liu, H. (2009). Cross-Validation BT - Encyclopedia of Database Systems (L. LIU & M. T. ÖZSU (eds.); pp. 532–538). Springer US. https://doi.org/10.1007/978-0-387-39940-9_565 Registro Unico Nacional de Tránsito. (2021). Registro Unico Nacional de Tránsito - RUNT. https://www.runt.com.co/runt-en-cifras/parque-automotor Revelle, W. (2018). psych: Procedures for Psychological, Psychometric, and Personality Research. https://cran.r-project.org/package=psych Rivas, M. E., Suárez-Alemán, A., y Serebrisky, T. (2019). Hechos estilizados de transporte urbano en América Latina y el Caribe. Nota Técnica No. IDB-TN-1640, 1-14.https://publications.iadb.org/publications/spanish/document/Hechos_estilizados_de_transporte_urbano_en_América_Latina_y_el_Caribe_es_es.pdf Rodríguez-polo, K. A. (2019). Funciones de desempeño de seguridad en carriles de uso exclusivos del BRT sobre el corredor de la Avenida Caracas en la ciudad de Bogotá. 15(2), 66–77. Salgado, C. M., Azevedo, C., Proença, H., y Vieira, S. M. (2016). Noise Versus Outliers BT - Secondary Analysis of Electronic Health Records (M. I. T. C. Data (ed.); pp. 163–183). Springer International Publishing.https://doi.org/10.1007/978-3-319-43742-2_14 Salinas Rodríguez, A., Manrique Espinoza, B., y Sosa Rubí, S. G. (2009). Análisis estadístico para datos de conteo: Aplicaciones para el uso de los servicios de salud. Salud Publica de Mexico, 51(5), 397–406. SAS Institute, I. (2008). The GLIMMIX procedure. SAS/STAT 9.2 User’s Guide, 2075–2420. Savolainen, P. T., Mannering, F. L., Lord, D., y Quddus, M. A. (2011). The statistical analysis of highway crash-injury severities : A review and assessment of methodological alternatives. Accident Analysis and Prevention, 43(5), 1666-1676. https://doi.org/10.1016/j.aap.2011.03.025 Scutari, M. (2017). Bayesian Network Constraint-Based Structure Learning Algorithms: Parallel and Optimized Implementations in the {bnlearn} {R} Package. Journal of Statistical Software, 77(2), 1–20. https://doi.org/10.18637/jss.v077.i02 Secretaría Distrital de movilidad. (2018). Volumnes vehiculares a partir del modelo de transporte de Bogota año 2018. Secretaría Distrital de movilidad. (2019). Velocidades Bitcarrier 2018-2019. Datos Abiertos Secretaría Distrital de Movilidad. https://www.movilidadbogota.gov.co/web/simur Secretaría Distrital de Movilidad. (2015a). Resolución 182 de 2015. 3–5. Secretaría Distrital de Movilidad. (2015b). Resolución 402 de 2015. 3–5. Secretaría Distrital de Movilidad. (2015c). Resolución 560 de 2015. 3–5. Secretaría Distrital de Movilidad. (2015d). Resolución 833 del 2015. Secretaría Distrital de Movilidad. (2015e). Resolución 946 de 2015. 67–69. Secretaría Distrital de Movilidad. (2016). Resolución 258 de 2016. 5–7. Secretaría Distrital de Movilidad. (2017). Resolución 093 del 2017. Secretaría Distrital de Movilidad. (2018a). Anuario de Siniestralidad vial de Bogotá 2018. Secretaría Distrital de Movilidad. (2018b). Resolución 233 del 2018. 37. Secretaría Distrital de Movilidad. (2018c). Sistema Geográfico de Accidentes de Tránsito SIGAT (II). https://www.movilidadbogota.gov.co/web/SIMUR/sigatjs/consultaPlaca/ Secretaría Distrital de Movilidad. (2019). Resultados de la Encuesta de Movilidad de Bogotá y municipios vecinos 2019. Secretaría Distrital de Movilidad. (2020). Anuario de siniestralidad vial de Bogotá 2020. Shachter, R. D. (1986). Evaluating Influence Diagrams. Operations Research, 34(6), 871–882. https://doi.org/10.1287/opre.34.6.871 Shankar, V., Mannering, F., y Barfield, W. (1995). Effect of roadway geometrics and environmental factors on rural freeway accident frequencies. ACCIDENT ANALYSIS AND PREVENTION VO - 27, 3, 371. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=edsbl&AN=EN027767539&lang=es&site=eds-live Snijders, T. A. B., y Bosker, R. J. (2011). Multilevel analysis. An introduction to basic and advanced multilevel modeling. SAGE Publications Inc. Soler Flores, F. J., Pardillo Mayora, J. M., Jurado Piña, R., y Coruña, A. del V. C. de I. del T. \| V. C. de I. del T. \| 02/07/2008-04/07/2008 \| La. (2008). Tratamiento de outliers en los modelos de predicción de accidentes de tráfico. En Actas del VIII Congreso de Ingeniería del Transporte \| VIII Congreso de Ingeniería del Transporte \| 02/07/2008-04/07/2008 \| La Coruña, España. E.T.S.I. Caminos, Canales y Puertos (UPM). http://ezproxy.unal.edu.co/login url=http://search.ebscohost.com/login.aspx?direct=true&db=edsbas&AN=edsbas.5F3C06B&lang=es&site=eds-live Srinivasan, R., y Bauer, K. (2013). Safety Performance Function Development Guide: Developing Jurisdiction-Specific SPFs. FHWA-SA-14-005, September, 1–47. Tarko, A. P., Romero, M., Thomaz, J., Ramos, J., Sultana, A., Pineda, R., Chen, E., Purdue, U., Indiana Department of, T., y Federal Highway, A. (2016). Updating RoadHAT: Collision Diagram Builder and HSM Elements. https://doi.org/10.5703/1288284316334 Taylor, R. (2015). Interpretation of the Correlation Coefficient : A Basic Review. 35–39. Transmilenio S.A. (2021). Datos abiertos Bogota - Transmilenio. Datos abiertos Bogota. https://datosabiertos.bogota.gov.co/organization/transmilenio Valencia-Alaix, V. G., Restrepo-Betancur, B., Lizarazo-Jimenez, C., y Pineda-Mendez, R. A. (2020). Estimation of safety performance functions (SPF) at signalized intersections in Medellín, Colombia. DYNA (Colombia), 87(214), 215–220. https://doi.org/10.15446/DYNA.V87N214.83880 Venables, W. N., y Ripley, B. D. (2002). Modern Applied Statistics with S (Fourth). Springer. https://www.stats.ox.ac.uk/pub/MASS4/ Vieira Gomes, S. (2013). The influence of the infrastructure characteristics in urban road accidents occurrence. Accident Analysis and Prevention, 60, 289–297. https://doi.org/10.1016/j.aap.2013.02.042 Wang, H., y Song, M. (2011). Ckmeans.1d.dp: Optimal $k$-means clustering in one dimension by dynamic programming. The R Journal, 3(2), 29–33. https://doi.org/10.32614/RJ-2011-015 Wang, J., y Huang, H. (2016). Road network safety evaluation using Bayesian hierarchical joint model. Accident Analysis and Prevention, 90, 152–158. https://doi.org/10.1016/j.aap.2016.02.018 Wei, T., y Simko, V. (2021). R package “corrplot”: Visualization of a Correlation Matrix. https://github.com/taiyun/corrplot Williamson, M., y Zhou, H. (2012). Develop Calibration Factors for Crash Prediction Models for Rural Two-Lane Roadways in Illinois. Procedia - Social and Behavioral Sciences, 43, 330–338. https://doi.org/10.1016/j.sbspro.2012.04.106 Winkelmann, R. (2008). Econometric Analysis of Count Data. [electronic resource]. En Springer eBooks (Fifth edit). Springer Berlin Heidelberg. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx direct=true&db=cat02704a&AN=unc.000787976&lang=es&site=eds-live World Health Organization. (2018). Global status report on road safety 2018 (Paprika). Zeileis, A., Kleiber, C., y Jackman, S. (2008). Regression Models for Count Data in {R}. Journal of Statistical Software, 27(8). http://www.jstatsoft.org/v27/i08/ Zeng, Q., y Huang, H. (2014). Bayesian spatial joint modeling of traffic crashes on an urban road network. Accident Analysis and Prevention, 67, 105–112. https://doi.org/10.1016/j.aap.2014.02.018 Zou, K. H., Tuncali, K., y Silverman, S. G. (2003). Correlation and Simple Linear Regression. Radiology, 617–622. https://doi.org/10.1148/radiol.2273011499
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv	Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
rights_invalid_str_mv	Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.spa.fl_str_mv	xix, 200 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv	Bogotá - Ingeniería - Maestría en Ingeniería - Transporte
dc.publisher.department.spa.fl_str_mv	Departamento de Ingeniería Civil y Agrícola
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv	Bogotá, Colombia
dc.publisher.branch.spa.fl_str_mv	Universidad Nacional de Colombia - Sede Bogotá
institution	Universidad Nacional de Colombia
bitstream.url.fl_str_mv	https://repositorio.unal.edu.co/bitstream/unal/81200/3/1.015.424.410.2021.pdf https://repositorio.unal.edu.co/bitstream/unal/81200/4/license.txt https://repositorio.unal.edu.co/bitstream/unal/81200/5/1.015.424.410.2021.pdf.jpg
bitstream.checksum.fl_str_mv	95d51f8890297567c665bd6f12067081 8153f7789df02f0a4c9e079953658ab2 04945fb12e7e3783cb2d6c6ebb2268a8
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv	repositorio_nal@unal.edu.co
_version_	1814089750338863104
spelling	Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Mangones Matos, Sonia Ceciliaba63d335f14ad827027d5e097bbb8709Lizarazo Jiménez, Cristhian Guillermod08cd9890843f9c47b8ab4c87bac3883García Muñoz, Jaime Alejandrof466c0a96d0b30e8b1325e536085aebbGrupo de Investigación en Logística para El Transporte Sostenible y la Seguridad Translogyt2022-03-14T15:37:22Z2022-03-14T15:37:22Z2021https://repositorio.unal.edu.co/handle/unal/81200Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/diagramas, mapas, tablas, modelosLos accidentes de tránsito se encuentran entre las principales causas de muerte y lesiones incapacitantes en carreteras en los países en desarrollo. Las instituciones académicas brindan de manera intensiva esfuerzos constituyentes para comprender y pronosticar la naturaleza de este problema con el fin de cumplir con los objetivos globales de seguridad vial. Además, en los últimos 20 años la literatura ha discutido una gran variedad de métodos utilizados para predecir la frecuencia de siniestros. De manera que, los modelos para la predicción de siniestros calibrados a las zonas de estudio son empleados como una herramienta útil en la gestión y estimación de los riesgos en seguridad vial en entornos urbanos. Teniendo en cuenta este panorama, la presente investigación tiene como objetivo analizar y estimar modelos para predecir las tasas de siniestralidad en la red arterial de la ciudad de Bogotá, en la red de vías troncales del Sistema Integrado de Transporte Público – SITP, y en sus carriles preferenciales. Este objeto se aborda desde la estimación de modelos lineales generalizados multivariados (GLM) y redes bayesianas de probabilidad (PBN), comparando el desempeño de estos modelos para la predicción de tasas de siniestralidad en la ciudad de Bogotá. Este objetivo permite determinar aquellos factores que afectan de manera significativa la ocurrencia de los siniestros en las principales carreteras de la ciudad y brinda funciones eficientes calibradas que pueden ser empleadas para estimación y predicción del número de accidentes en la infraestructura vial de Bogotá. (Texto tomado de la fuente)Road crashes are among the leading causes of death and incapacitating injuries in developing countries. Academic institutions intensively provide constituent efforts towards understanding and forecasting the nature of this problem in order to meet global traffic safety goals. Furthermore, extensive literature over the past 20 years has discussed a myriad of methods utilized in predicting the frequency of motor vehicle crashes. Safety performance functions calibrated to a specific region are used as an efficient tool to manage and estimate road safety risks in urban roads. The primary objective of this research project corresponds to analyze and estimate crash prediction models applied to (1), the arterial road network (2), Bus Rapid Transit corridors and (3) Of the Integrated Public Transport System (SITP) preferential lanes in Bogota, Colombia. This dissertation provides estimation of safety performance functions via multivariate generalized linear models (GLM) and Probability Bayesian Networks models (PBN). An extensive comparison is assessed on the performance of these models for the prediction of crash counts between 2015 to 2018 in Bogota, Colombia. This allows the understanding of the factors that affect the occurrence of accidents on arterial roads and provides calibrated safety performance functions (SPF) that can be used to estimate crash rates in the city.MaestríaMagister en Ingeniería - TransporteMovilidad y Desarrollo Tecnológicoxix, 200 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ingeniería - Maestría en Ingeniería - TransporteDepartamento de Ingeniería Civil y AgrícolaFacultad de IngenieríaBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá620 - Ingeniería y operaciones afines::624 - Ingeniería civilSeguridad vialModelos de predicción de accidentes vialesFunciones de desempeño de seguridad vial (SPF)Corredores arteriales urbanosModelos lineales generalizados multivariados (GLM)Redes bayesianas de probabilidad (PBN)Road safetyCrash predictions modelsSafety performance functions (SPF)Urban arterial roadsMultivariate generalized linear models (GLM)Probability Bayesian Networks models (PBN)Seguridad del transporteTransporte por carreteraTransport safetyRoad transportModelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de BogotáCrash prediction models based on Bayesian networks for corridors of arterial roads in BogotáTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAASHTO. (2010). Highway Safety Manual. 1057.Agresti, A. (2015). Foundations Linear Generalized Linear Models. En John Wiley & Sons, Inc.Alarifi, S. A., Abdel-Aty, M. A., Lee, J., y Park, J. (2017). Crash modeling for intersections and segments along corridors: A Bayesian multilevel joint model with random parameters. Analytic Methods in Accident Research, 16, 48–59. https://doi.org/10.1016/j.amar.2017.08.002Alberti, G. (2021). GmAMisc: “Gianmarco Alberti” Miscellaneous. https://cran.r-project.org/package=GmAMiscArévalo-Támara, A., Orozco-Fontalvo, M., y Cantillo, V. (2020). Factors influencing crash frequency on colombian rural roads. Promet - Traffic - Traffico, 32(4), 449–460. https://doi.org/10.7307/ptt.v32i4.3385Atoche, P. (2017). Modelos de regresión con datos de conteo: aplicación a competiciones deportivas. 5–11. https://idus.us.es/xmlui/handle/11441/63085Berrar, D. (2018). Cross-validation. Encyclopedia of Bioinformatics and Computational Biology: ABC of Bioinformatics, 1–3(January 2018), 542–545. https://doi.org/10.1016/B978-0-12-809633-8.20349-XBianchini, M., Maggini, M., y Jain, L. C. (2013). Handbook on Neural Information Processing. [electronic resource]. En Springer eBooks. Springer Berlin Heidelberg. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000797003&lang=es&site=eds-liveBurnham, K. P., y Anderson, D. R. (2004). Multimodel Inference: Understanding AIC and BIC in Model Selection. SOCIOLOGICAL METHODS AND RESEARCH VO - 33, 2, 261. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=edsbl&AN=RN157973137&lang=es&site=eds-liveCameron, A. C., y Trivedi, P. K. (2013). Regression analysis of count data. (Second edi). Cambridge University Press. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000837204&lang=es&site=eds-liveCantillo, V., Garcés, P., y Márquez, L. (2016). Factors influencing the occurrence of traffic accidents in urban roads: A combined GIS-Empirical Bayesian approach. Dyna, 83(195), 21–28. https://doi.org/10.15446/dyna.v83n195.47229Catastro Bogotá. (2019). Mapa de Referencia para Bogotá D.C. Infraestructura de Datos Espaciales para el Distrito Capital IDECA. https://www.ideca.gov.co/recursos/mapas/mapa-de-referencia-para-bogota-dcCharles E. McCulloch, y Searle, S. R. (2003). Generalized Linear Mixed Models (7a ed.). %7Blibgen.li/file.php?md5=e06f7a61debbea173e9e52d835abb54e%7D,%0A%7DChen, C. (2017). Analysis and Forecast of Traffic Accident Big Data 2 Data Preprocessing. 04029.Cooper, G. F. (1990). The computational complexity of probabilistic inference using bayesian belief networks. Artificial Intelligence, 42(2–3), 393–405. https://doi.org/10.1016/0004-3702(90)90060-DCousineau, D., y Chartier, S. (2010). Outliers detection and treatment: a review. International Journal of Psychological Research, 3(1), 58–67. https://doi.org/10.21500/20112084.844Dagum, P., y Luby, M. (1993). Approximating probabilistic inference in Bayesian belief networks is NP-hard. Artificial Intelligence, 60(1), 141–153. https://doi.org/10.1016/0004-3702(93)90036-BDash, R., Paramguru, R. L., y Dash, R. (2015). Comparative Analysis of Supervised and Unsupervised Discretization Techniques. April 2011.de Leeuw, J., y Meijer, E. (2008). Handbook of Multilevelanalyse. En Journal of Chemical Information and Modeling (Vol. 53, Número 9). https://psycnet.apa.org/record/2008-02337-000de Oliveira, E. C., de Faro Orlando, A., dos Santos Ferreira, A. L., y de Oliveira Chaves, C. E. (2016). Comparison of different approaches for detection and treatment of outliers in meter proving factors determination. Flow Measurement and Instrumentation, 48, 29–35. http://10.0.3.248/j.flowmeasinst.2016.02.002Deublein, M., Schubert, M., Adey, B. T., y de Soto, B. G. (2015). A Bayesian network model to predict accidents on Swiss highways. Infrastructure Asset Management, 2(4), 145–158. https://doi.org/10.1680/jinam.15.00008Deublein, M., Schubert, M., Adey, B. T., Köhler, J., y Faber, M. H. (2013). Prediction of road accidents: A Bayesian hierarchical approach. Accident Analysis and Prevention, 51, 274–291. https://doi.org/10.1016/j.aap.2012.11.019Gallo, P. P., y Longford, N. T. (1995). Random Coefficient Models. Technometrics, 37(1), 120. https://doi.org/10.2307/1269168Goldstein, H. (1986). Generalized Least Squares. Generalized Least Squares, 1–296. https://doi.org/10.1002/0470866993Goldstein, H. (2010). Multilevel statistical models. (4th ed.). Wiley. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat01725a&AN=unc.000430724&lang=es&site=eds-liveGoldstein, H., Bryk, A. S., y Raudenbush, S. W. (1993). Hierarchical Linear Models: Applications and Data Analysis Methods. Journal of the American Statistical Association, 88(421), 386. https://doi.org/10.2307/2290750Gómez, F., y Bocarejo, J. P. (2015). Accident Prediction Models for Bus Rapid Transit Systems: Generalized Linear Models Compared with a Neural Network. Transportation Research Record, 2512(1), 38–45. https://doi.org/10.3141/2512-05Guerrero-Barbosa, T., Espinel-Bayona, Y., y Palacio-Sánchez, D. (2015). Efectos de los atributos asociados a geometría vial, volúmenes vehiculares y velocidades en la incidencia de accidentes en una ciudad intermedia. Ingenieria y Universidad, 19(2), 351–367. https://doi.org/10.11144/Javeriana.iyu19-2.eaarHall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., y Witten, I. H. (2009). The {WEKA} data mining software: an update. SIGKDD Explorations, 11(1), 10–18.Hastie, T. J., Friedman, J., y Tibshirani, R. J. (2009). The elements of statistical learning : data mining, inference, and prediction. (Segunda ed). http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000660993&lang=es&site=eds-liveHyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Chhay, L., O’Hara-Wild, M., Petropoulos, F., Razbash, S., Wang, E., y Yasmeen, F. (2021). {forecast}: Forecasting functions for time series and linear models. https://pkg.robjhyndman.com/forecast/Jensen, F. V., Lauritzen, S. L., y Olesen, K. G. (1990). Bayesian updating in causal probabilistic networks by local computations.Kjærulff, U. B., y Madsen, A. L. (2013). Bayesian Networks and Influence Diagrams: A Guide to Construction and Analysis. [electronic resource]. En Springer eBooks (Second Edi). Springer New York. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000783739&lang=es&site=eds-liveKoski, T., y Noble, J. M. (2009). Bayesian networks : an introduction. John Wiley. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000766023&lang=es&site=eds-liveKratzer, G., y Furrer, R. (2018). varrank: an R package for variable ranking based on mutual information with applications to observed systemic datasets. arXiv preprint arXiv:1804.07134.Laird, N. M., y Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 38(4), 963–974.Lambert, D. (1992). Zero-inflated poisson regression, with an application to defects in manufacturing. Technometrics, 34(1), 1–14. https://doi.org/10.1080/00401706.1992.10485228Lauritzen, S. L., y Spiegelhalter, D. J. (1988). Local Computations with Probabilities on Graphical Structures and Their Application to Expert Systems. Journal of the Royal Statistical Society. Series B: Methodological, 50(2), 157–224.Lord, D., y Mannering, F. (2010). The statistical analysis of crash-frequency data: A review and assessment of methodological alternatives. Transportation Research Part A: Policy and Practice, 44(5), 291–305. https://doi.org/10.1016/j.tra.2010.02.001Lord, D., Washington, S., y Ivan, J. N. (2007). Further notes on the application of zero-inflated models in highway safety. Accident Analysis and Prevention, 39(1), 53–57. http://10.0.3.248/j.aap.2006.06.004Malyshkina, N. V. (2008). Markov switching models: an application to roadway safety. December, 122. http://arxiv.org/abs/0808.1448Mannering, F. L., y Bhat, C. R. (2014). Analytic methods in accident research: Methodological frontier and future directions. Analytic Methods in Accident Research, 1, 1–22. http://10.0.3.248/j.amar.2013.09.001Marchionna, A., Perco, P., y Falconetti, N. (2012). Evaluation of the Applicability of IHSDM Crash Prediction Module on Italian Two-Lane Rural Roads. Procedia - Social and Behavioral Sciences, 53, 932–941. https://doi.org/10.1016/j.sbspro.2012.09.942Martínez Rodríguez, M. (2005). Errores frecuentes en la interpretación del coeficiente de determinación lineal. Anuario Juridico y Economico Escurialense, 38, 315–331.Meyer, D., Zeileis, A., y Hornik, K. (2020). vcd: Visualizing Categorical Data.Miaou, S. P. (1994). The relationship between truck accidents and geometric design of road sections: Poisson versus negative binomial regressions. Accident Analysis and Prevention, 26(4), 471–482. https://doi.org/10.1016/0001-4(94)9003-8Miller, J. N. (1993). Tutorial review—Outliers in experimental data and their treatment. The Analyst ; volume 118, issue 5, page 455-461 ; ISSN 0003-2654 1364-5528. https://doi.org/10.1039/an9931800455Ministerio de Transporte. (2012). Resolucion_0011268.Neapolitan, R. E. (2004). Learning Bayesian networks. Pearson Prentice Hall. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=cat02704a&AN=unc.000351209&lang=es&site=eds-liveOlmsted, S. M. (1983). Reproduced with permission of the copyright owner . Further reproduction prohibited without [Stanford University, Stanford, CA.]. En PhD thesis. http://dx.doi.org/10.1016/j.jaci.2012.05.050P. Mc Cullagh, J. A. N. (1986). Generalized Linear Models (P. Mccullagh and J. A. Nelder). En SIAM Review (Vol. 28, Número 1). https://doi.org/10.1137/1028043Palaniappan, S., Jaya, P., y Hong, T. K. (2008). Discretization of Continuous Valued Dimensions in OLAP Data Cubes. International Journal of Computer Science and Network Security, 8(11), 116–126.R Core Team. (2019). R: A Language and Environment for Statistical Computing. https://www.r-project.org/Ramírez, A. F., y Valencia, C. (2021). Spatiotemporal correlation study of traffic accidents with fatalities and injuries in Bogota (Colombia). Accident Analysis and Prevention, 149(November 2020), 1-18.https://doi.org/10.1016/j.aap.2020.105848Refaeilzadeh, P., Tang, L., y Liu, H. (2009). Cross-Validation BT - Encyclopedia of Database Systems (L. LIU & M. T. ÖZSU (eds.); pp. 532–538). Springer US. https://doi.org/10.1007/978-0-387-39940-9_565Registro Unico Nacional de Tránsito. (2021). Registro Unico Nacional de Tránsito - RUNT. https://www.runt.com.co/runt-en-cifras/parque-automotorRevelle, W. (2018). psych: Procedures for Psychological, Psychometric, and Personality Research. https://cran.r-project.org/package=psychRivas, M. E., Suárez-Alemán, A., y Serebrisky, T. (2019). Hechos estilizados de transporte urbano en América Latina y el Caribe. Nota Técnica No. IDB-TN-1640, 1-14.https://publications.iadb.org/publications/spanish/document/Hechos_estilizados_de_transporte_urbano_en_América_Latina_y_el_Caribe_es_es.pdfRodríguez-polo, K. A. (2019). Funciones de desempeño de seguridad en carriles de uso exclusivos del BRT sobre el corredor de la Avenida Caracas en la ciudad de Bogotá. 15(2), 66–77.Salgado, C. M., Azevedo, C., Proença, H., y Vieira, S. M. (2016). Noise Versus Outliers BT - Secondary Analysis of Electronic Health Records (M. I. T. C. Data (ed.); pp. 163–183). Springer International Publishing.https://doi.org/10.1007/978-3-319-43742-2_14Salinas Rodríguez, A., Manrique Espinoza, B., y Sosa Rubí, S. G. (2009). Análisis estadístico para datos de conteo: Aplicaciones para el uso de los servicios de salud. Salud Publica de Mexico, 51(5), 397–406.SAS Institute, I. (2008). The GLIMMIX procedure. SAS/STAT 9.2 User’s Guide, 2075–2420.Savolainen, P. T., Mannering, F. L., Lord, D., y Quddus, M. A. (2011). The statistical analysis of highway crash-injury severities : A review and assessment of methodological alternatives. Accident Analysis and Prevention, 43(5), 1666-1676. https://doi.org/10.1016/j.aap.2011.03.025Scutari, M. (2017). Bayesian Network Constraint-Based Structure Learning Algorithms: Parallel and Optimized Implementations in the {bnlearn} {R} Package. Journal of Statistical Software, 77(2), 1–20. https://doi.org/10.18637/jss.v077.i02Secretaría Distrital de movilidad. (2018). Volumnes vehiculares a partir del modelo de transporte de Bogota año 2018.Secretaría Distrital de movilidad. (2019). Velocidades Bitcarrier 2018-2019. Datos Abiertos Secretaría Distrital de Movilidad. https://www.movilidadbogota.gov.co/web/simurSecretaría Distrital de Movilidad. (2015a). Resolución 182 de 2015. 3–5.Secretaría Distrital de Movilidad. (2015b). Resolución 402 de 2015. 3–5.Secretaría Distrital de Movilidad. (2015c). Resolución 560 de 2015. 3–5.Secretaría Distrital de Movilidad. (2015d). Resolución 833 del 2015.Secretaría Distrital de Movilidad. (2015e). Resolución 946 de 2015. 67–69.Secretaría Distrital de Movilidad. (2016). Resolución 258 de 2016. 5–7.Secretaría Distrital de Movilidad. (2017). Resolución 093 del 2017.Secretaría Distrital de Movilidad. (2018a). Anuario de Siniestralidad vial de Bogotá 2018.Secretaría Distrital de Movilidad. (2018b). Resolución 233 del 2018. 37.Secretaría Distrital de Movilidad. (2018c). Sistema Geográfico de Accidentes de Tránsito SIGAT (II). https://www.movilidadbogota.gov.co/web/SIMUR/sigatjs/consultaPlaca/Secretaría Distrital de Movilidad. (2019). Resultados de la Encuesta de Movilidad de Bogotá y municipios vecinos 2019.Secretaría Distrital de Movilidad. (2020). Anuario de siniestralidad vial de Bogotá 2020.Shachter, R. D. (1986). Evaluating Influence Diagrams. Operations Research, 34(6), 871–882. https://doi.org/10.1287/opre.34.6.871Shankar, V., Mannering, F., y Barfield, W. (1995). Effect of roadway geometrics and environmental factors on rural freeway accident frequencies. ACCIDENT ANALYSIS AND PREVENTION VO - 27, 3, 371. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=edsbl&AN=EN027767539&lang=es&site=eds-liveSnijders, T. A. B., y Bosker, R. J. (2011). Multilevel analysis. An introduction to basic and advanced multilevel modeling. SAGE Publications Inc.Soler Flores, F. J., Pardillo Mayora, J. M., Jurado Piña, R., y Coruña, A. del V. C. de I. del T. \| V. C. de I. del T. \| 02/07/2008-04/07/2008 \| La. (2008). Tratamiento de outliers en los modelos de predicción de accidentes de tráfico. En Actas del VIII Congreso de Ingeniería del Transporte \| VIII Congreso de Ingeniería del Transporte \| 02/07/2008-04/07/2008 \| La Coruña, España. E.T.S.I. Caminos, Canales y Puertos (UPM). http://ezproxy.unal.edu.co/login url=http://search.ebscohost.com/login.aspx?direct=true&db=edsbas&AN=edsbas.5F3C06B&lang=es&site=eds-liveSrinivasan, R., y Bauer, K. (2013). Safety Performance Function Development Guide: Developing Jurisdiction-Specific SPFs. FHWA-SA-14-005, September, 1–47.Tarko, A. P., Romero, M., Thomaz, J., Ramos, J., Sultana, A., Pineda, R., Chen, E., Purdue, U., Indiana Department of, T., y Federal Highway, A. (2016). Updating RoadHAT: Collision Diagram Builder and HSM Elements. https://doi.org/10.5703/1288284316334Taylor, R. (2015). Interpretation of the Correlation Coefficient : A Basic Review. 35–39.Transmilenio S.A. (2021). Datos abiertos Bogota - Transmilenio. Datos abiertos Bogota. https://datosabiertos.bogota.gov.co/organization/transmilenioValencia-Alaix, V. G., Restrepo-Betancur, B., Lizarazo-Jimenez, C., y Pineda-Mendez, R. A. (2020). Estimation of safety performance functions (SPF) at signalized intersections in Medellín, Colombia. DYNA (Colombia), 87(214), 215–220. https://doi.org/10.15446/DYNA.V87N214.83880Venables, W. N., y Ripley, B. D. (2002). Modern Applied Statistics with S (Fourth). Springer. https://www.stats.ox.ac.uk/pub/MASS4/Vieira Gomes, S. (2013). The influence of the infrastructure characteristics in urban road accidents occurrence. Accident Analysis and Prevention, 60, 289–297. https://doi.org/10.1016/j.aap.2013.02.042Wang, H., y Song, M. (2011). Ckmeans.1d.dp: Optimal $k$-means clustering in one dimension by dynamic programming. The R Journal, 3(2), 29–33. https://doi.org/10.32614/RJ-2011-015Wang, J., y Huang, H. (2016). Road network safety evaluation using Bayesian hierarchical joint model. Accident Analysis and Prevention, 90, 152–158. https://doi.org/10.1016/j.aap.2016.02.018Wei, T., y Simko, V. (2021). R package “corrplot”: Visualization of a Correlation Matrix. https://github.com/taiyun/corrplotWilliamson, M., y Zhou, H. (2012). Develop Calibration Factors for Crash Prediction Models for Rural Two-Lane Roadways in Illinois. Procedia - Social and Behavioral Sciences, 43, 330–338. https://doi.org/10.1016/j.sbspro.2012.04.106Winkelmann, R. (2008). Econometric Analysis of Count Data. [electronic resource]. En Springer eBooks (Fifth edit). Springer Berlin Heidelberg. http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx direct=true&db=cat02704a&AN=unc.000787976&lang=es&site=eds-liveWorld Health Organization. (2018). Global status report on road safety 2018 (Paprika).Zeileis, A., Kleiber, C., y Jackman, S. (2008). Regression Models for Count Data in {R}. Journal of Statistical Software, 27(8). http://www.jstatsoft.org/v27/i08/Zeng, Q., y Huang, H. (2014). Bayesian spatial joint modeling of traffic crashes on an urban road network. Accident Analysis and Prevention, 67, 105–112. https://doi.org/10.1016/j.aap.2014.02.018Zou, K. H., Tuncali, K., y Silverman, S. G. (2003). Correlation and Simple Linear Regression. Radiology, 617–622. https://doi.org/10.1148/radiol.2273011499Público generalORIGINAL1.015.424.410.2021.pdf1.015.424.410.2021.pdfTesis de Maestría en Ingeniería - Transporteapplication/pdf6374686https://repositorio.unal.edu.co/bitstream/unal/81200/3/1.015.424.410.2021.pdf95d51f8890297567c665bd6f12067081MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/81200/4/license.txt8153f7789df02f0a4c9e079953658ab2MD54THUMBNAIL1.015.424.410.2021.pdf.jpg1.015.424.410.2021.pdf.jpgGenerated Thumbnailimage/jpeg5194https://repositorio.unal.edu.co/bitstream/unal/81200/5/1.015.424.410.2021.pdf.jpg04945fb12e7e3783cb2d6c6ebb2268a8MD55unal/81200oai:repositorio.unal.edu.co:unal/812002023-08-02 23:04:12.897Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.coUExBTlRJTExBIERFUMOTU0lUTwoKQ29tbyBlZGl0b3IgZGUgZXN0ZSDDrXRlbSwgdXN0ZWQgcHVlZGUgbW92ZXJsbyBhIHJldmlzacOzbiBzaW4gYW50ZXMgcmVzb2x2ZXIgbG9zIHByb2JsZW1hcyBpZGVudGlmaWNhZG9zLCBkZSBsbyBjb250cmFyaW8sIGhhZ2EgY2xpYyBlbiBHdWFyZGFyIHBhcmEgZ3VhcmRhciBlbCDDrXRlbSB5IHNvbHVjaW9uYXIgZXN0b3MgcHJvYmxlbWFzIG1hcyB0YXJkZS4KClBhcmEgdHJhYmFqb3MgZGVwb3NpdGFkb3MgcG9yIHN1IHByb3BpbyBhdXRvcjoKIApBbCBhdXRvYXJjaGl2YXIgZXN0ZSBncnVwbyBkZSBhcmNoaXZvcyBkaWdpdGFsZXMgeSBzdXMgbWV0YWRhdG9zLCB5byBnYXJhbnRpem8gYWwgUmVwb3NpdG9yaW8gSW5zdGl0dWNpb25hbCBVbmFsIGVsIGRlcmVjaG8gYSBhbG1hY2VuYXJsb3MgeSBtYW50ZW5lcmxvcyBkaXNwb25pYmxlcyBlbiBsw61uZWEgZGUgbWFuZXJhIGdyYXR1aXRhLiBEZWNsYXJvIHF1ZSBsYSBvYnJhIGVzIGRlIG1pIHByb3BpZWRhZCBpbnRlbGVjdHVhbCB5IHF1ZSBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIFVuYWwgbm8gYXN1bWUgbmluZ3VuYSByZXNwb25zYWJpbGlkYWQgc2kgaGF5IGFsZ3VuYSB2aW9sYWNpw7NuIGEgbG9zIGRlcmVjaG9zIGRlIGF1dG9yIGFsIGRpc3RyaWJ1aXIgZXN0b3MgYXJjaGl2b3MgeSBtZXRhZGF0b3MuIChTZSByZWNvbWllbmRhIGEgdG9kb3MgbG9zIGF1dG9yZXMgYSBpbmRpY2FyIHN1cyBkZXJlY2hvcyBkZSBhdXRvciBlbiBsYSBww6FnaW5hIGRlIHTDrXR1bG8gZGUgc3UgZG9jdW1lbnRvLikgRGUgbGEgbWlzbWEgbWFuZXJhLCBhY2VwdG8gbG9zIHTDqXJtaW5vcyBkZSBsYSBzaWd1aWVudGUgbGljZW5jaWE6IExvcyBhdXRvcmVzIG8gdGl0dWxhcmVzIGRlbCBkZXJlY2hvIGRlIGF1dG9yIGRlbCBwcmVzZW50ZSBkb2N1bWVudG8gY29uZmllcmVuIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgdW5hIGxpY2VuY2lhIG5vIGV4Y2x1c2l2YSwgbGltaXRhZGEgeSBncmF0dWl0YSBzb2JyZSBsYSBvYnJhIHF1ZSBzZSBpbnRlZ3JhIGVuIGVsIFJlcG9zaXRvcmlvIEluc3RpdHVjaW9uYWwsIHF1ZSBzZSBhanVzdGEgYSBsYXMgc2lndWllbnRlcyBjYXJhY3RlcsOtc3RpY2FzOiBhKSBFc3RhcsOhIHZpZ2VudGUgYSBwYXJ0aXIgZGUgbGEgZmVjaGEgZW4gcXVlIHNlIGluY2x1eWUgZW4gZWwgcmVwb3NpdG9yaW8sIHF1ZSBzZXLDoW4gcHJvcnJvZ2FibGVzIGluZGVmaW5pZGFtZW50ZSBwb3IgZWwgdGllbXBvIHF1ZSBkdXJlIGVsIGRlcmVjaG8gcGF0cmltb25pYWwgZGVsIGF1dG9yLiBFbCBhdXRvciBwb2Ryw6EgZGFyIHBvciB0ZXJtaW5hZGEgbGEgbGljZW5jaWEgc29saWNpdMOhbmRvbG8gYSBsYSBVbml2ZXJzaWRhZC4gYikgTG9zIGF1dG9yZXMgYXV0b3JpemFuIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgcGFyYSBwdWJsaWNhciBsYSBvYnJhIGVuIGVsIGZvcm1hdG8gcXVlIGVsIHJlcG9zaXRvcmlvIGxvIHJlcXVpZXJhIChpbXByZXNvLCBkaWdpdGFsLCBlbGVjdHLDs25pY28gbyBjdWFscXVpZXIgb3RybyBjb25vY2lkbyBvIHBvciBjb25vY2VyKSB5IGNvbm9jZW4gcXVlIGRhZG8gcXVlIHNlIHB1YmxpY2EgZW4gSW50ZXJuZXQgcG9yIGVzdGUgaGVjaG8gY2lyY3VsYSBjb24gYWxjYW5jZSBtdW5kaWFsLiBjKSBMb3MgYXV0b3JlcyBhY2VwdGFuIHF1ZSBsYSBhdXRvcml6YWNpw7NuIHNlIGhhY2UgYSB0w610dWxvIGdyYXR1aXRvLCBwb3IgbG8gdGFudG8sIHJlbnVuY2lhbiBhIHJlY2liaXIgZW1vbHVtZW50byBhbGd1bm8gcG9yIGxhIHB1YmxpY2FjacOzbiwgZGlzdHJpYnVjacOzbiwgY29tdW5pY2FjacOzbiBww7pibGljYSB5IGN1YWxxdWllciBvdHJvIHVzbyBxdWUgc2UgaGFnYSBlbiBsb3MgdMOpcm1pbm9zIGRlIGxhIHByZXNlbnRlIGxpY2VuY2lhIHkgZGUgbGEgbGljZW5jaWEgQ3JlYXRpdmUgQ29tbW9ucyBjb24gcXVlIHNlIHB1YmxpY2EuIGQpIExvcyBhdXRvcmVzIG1hbmlmaWVzdGFuIHF1ZSBzZSB0cmF0YSBkZSB1bmEgb2JyYSBvcmlnaW5hbCBzb2JyZSBsYSBxdWUgdGllbmVuIGxvcyBkZXJlY2hvcyBxdWUgYXV0b3JpemFuIHkgcXVlIHNvbiBlbGxvcyBxdWllbmVzIGFzdW1lbiB0b3RhbCByZXNwb25zYWJpbGlkYWQgcG9yIGVsIGNvbnRlbmlkbyBkZSBzdSBvYnJhIGFudGUgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgeSBhbnRlIHRlcmNlcm9zLiBFbiB0b2RvIGNhc28gbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgc2UgY29tcHJvbWV0ZSBhIGluZGljYXIgc2llbXByZSBsYSBhdXRvcsOtYSBpbmNsdXllbmRvIGVsIG5vbWJyZSBkZWwgYXV0b3IgeSBsYSBmZWNoYSBkZSBwdWJsaWNhY2nDs24uIGUpIExvcyBhdXRvcmVzIGF1dG9yaXphbiBhIGxhIFVuaXZlcnNpZGFkIHBhcmEgaW5jbHVpciBsYSBvYnJhIGVuIGxvcyBhZ3JlZ2Fkb3JlcywgaW5kaWNlc3MgeSBidXNjYWRvcmVzIHF1ZSBzZSBlc3RpbWVuIG5lY2VzYXJpb3MgcGFyYSBwcm9tb3ZlciBzdSBkaWZ1c2nDs24uIGYpIExvcyBhdXRvcmVzIGFjZXB0YW4gcXVlIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhIHB1ZWRhIGNvbnZlcnRpciBlbCBkb2N1bWVudG8gYSBjdWFscXVpZXIgbWVkaW8gbyBmb3JtYXRvIHBhcmEgcHJvcMOzc2l0b3MgZGUgcHJlc2VydmFjacOzbiBkaWdpdGFsLiBTSSBFTCBET0NVTUVOVE8gU0UgQkFTQSBFTiBVTiBUUkFCQUpPIFFVRSBIQSBTSURPIFBBVFJPQ0lOQURPIE8gQVBPWUFETyBQT1IgVU5BIEFHRU5DSUEgTyBVTkEgT1JHQU5JWkFDScOTTiwgQ09OIEVYQ0VQQ0nDk04gREUgTEEgVU5JVkVSU0lEQUQgTkFDSU9OQUwgREUgQ09MT01CSUEsIExPUyBBVVRPUkVTIEdBUkFOVElaQU4gUVVFIFNFIEhBIENVTVBMSURPIENPTiBMT1MgREVSRUNIT1MgWSBPQkxJR0FDSU9ORVMgUkVRVUVSSURPUyBQT1IgRUwgUkVTUEVDVElWTyBDT05UUkFUTyBPIEFDVUVSRE8uIAoKUGFyYSB0cmFiYWpvcyBkZXBvc2l0YWRvcyBwb3Igb3RyYXMgcGVyc29uYXMgZGlzdGludGFzIGEgc3UgYXV0b3I6IAoKRGVjbGFybyBxdWUgZWwgZ3J1cG8gZGUgYXJjaGl2b3MgZGlnaXRhbGVzIHkgbWV0YWRhdG9zIGFzb2NpYWRvcyBxdWUgZXN0b3kgYXJjaGl2YW5kbyBlbiBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIFVOKSBlcyBkZSBkb21pbmlvIHDDumJsaWNvLiBTaSBubyBmdWVzZSBlbCBjYXNvLCBhY2VwdG8gdG9kYSBsYSByZXNwb25zYWJpbGlkYWQgcG9yIGN1YWxxdWllciBpbmZyYWNjacOzbiBkZSBkZXJlY2hvcyBkZSBhdXRvciBxdWUgY29ubGxldmUgbGEgZGlzdHJpYnVjacOzbiBkZSBlc3RvcyBhcmNoaXZvcyB5IG1ldGFkYXRvcy4KTk9UQTogU0kgTEEgVEVTSVMgQSBQVUJMSUNBUiBBRFFVSVJJw5MgQ09NUFJPTUlTT1MgREUgQ09ORklERU5DSUFMSURBRCBFTiBFTCBERVNBUlJPTExPIE8gUEFSVEVTIERFTCBET0NVTUVOVE8uIFNJR0EgTEEgRElSRUNUUklaIERFIExBIFJFU09MVUNJw5NOIDAyMyBERSAyMDE1LCBQT1IgTEEgQ1VBTCBTRSBFU1RBQkxFQ0UgRUwgUFJPQ0VESU1JRU5UTyBQQVJBIExBIFBVQkxJQ0FDScOTTiBERSBURVNJUyBERSBNQUVTVFLDjUEgWSBET0NUT1JBRE8gREUgTE9TIEVTVFVESUFOVEVTIERFIExBIFVOSVZFUlNJREFEIE5BQ0lPTkFMIERFIENPTE9NQklBIEVOIEVMIFJFUE9TSVRPUklPIElOU1RJVFVDSU9OQUwgVU4sIEVYUEVESURBIFBPUiBMQSBTRUNSRVRBUsONQSBHRU5FUkFMLiAqTEEgVEVTSVMgQSBQVUJMSUNBUiBERUJFIFNFUiBMQSBWRVJTScOTTiBGSU5BTCBBUFJPQkFEQS4gCgpBbCBoYWNlciBjbGljIGVuIGVsIHNpZ3VpZW50ZSBib3TDs24sIHVzdGVkIGluZGljYSBxdWUgZXN0w6EgZGUgYWN1ZXJkbyBjb24gZXN0b3MgdMOpcm1pbm9zLiBTaSB0aWVuZSBhbGd1bmEgZHVkYSBzb2JyZSBsYSBsaWNlbmNpYSwgcG9yIGZhdm9yLCBjb250YWN0ZSBjb24gZWwgYWRtaW5pc3RyYWRvciBkZWwgc2lzdGVtYS4KClVOSVZFUlNJREFEIE5BQ0lPTkFMIERFIENPTE9NQklBIC0gw5psdGltYSBtb2RpZmljYWNpw7NuIDE5LzEwLzIwMjEK

Modelo para predicción de siniestros viales basado en redes bayesianas para corredores de la red vial arterial de la ciudad de Bogotá

Publicaciones similares