RT info:eu-repo/semantics/doctoralThesis
T1 Estudio de la lesividad de los accidentes de tráfico en España: modelización de los factores técnicos y humanos
A1 Febres Eguiguren, Juan Diego
A2 Universidad de Burgos. Departamento de Ingeniería de Organización
K1 Accidentes de tráfico
K1 Análisis de datos
K1 Redes bayesianas
K1 Lesividad de usuarios de las vías
K1 Modelización
K1 Aprendizaje automatizado
K1 Traffic accidents
K1 Data analysis
K1 Bayesian networks
K1 Road traffic injuries
K1 Modeling
K1 Machine learning
K1 Ingeniería
K1 Engineering
K1 Transportes
K1 Transportation
K1 Estadística matemática
K1 Mathematical statistics
K1 1209.03 Análisis de Datos
K1 6109.01 Prevención de Accidentes
K1 3317.10 Ingeniería del Tráfico
AB Las lesiones y muertes causadas por los accidentes de tráfico se han convertido en un problema desalud pública a nivel mundial, de tal magnitud que han estado presentes en las estadísticas de laOrganización Mundial de la Salud (OMS) y de varios organismos alrededor del mundo entre las diezprimeras causas de fallecimiento por más de una década. Es por ello que la Organización de lasNaciones Unidas (ONU) ha incluido entre sus objetivos de desarrollo sostenible (ODS) la meta dereducir sus impactos a la mitad hasta 2030. A este objetivo se han unido varias organizacionesinternacionales como la Unión Europea, el Gobierno de España y la Dirección General de Tráfico (DGT).Si bien es cierto, la minería de datos y el aprendizaje vienen desarrollándose desde hace ya muchotiempo, la aparición del paradigma del “Big Data” ha introducido una nueva revolución en estosprocesos de minería de datos y aprendizaje. Es así, que la aplicación sistemática de diferentes técnicasen la modelización de distintas ramas de la ciencia, como el estudio de la seguridad vial, sonrelativamente nuevas, siendo también cierto que los aportes científicos parecen ser muyprometedores conforme se avanza en la aplicación a las diferentes ramas de estudio, debido a laprogresiva digitalización y estandarización de los datos recogidos en dichas disciplinas, permitiendo laaplicación de estas técnicas de análisis y modelización que antes no podían utilizarse.Esta Tesis Doctoral modeliza la lesividad de los accidentes de tráfico en España, utilizando RedesBayesianas para aprender la dependencia estadística entre las variables relacionadas con los factoreshumanos y técnicos que tienen lugar en el momento del accidente, realizando también experimentosque analizan la sensibilidad de la lesividad a los diferentes factores considerados en cada modelo, loque permite identificar aquellos más valiosos, en términos probabilísticos, los cuales incrementan oreducen el grado de lesividad. El aporte metodológico de esta tesis es sólido, pues deja entrever ensus aportes científicos la bondad del aprendizaje de los algoritmos de redes bayesianas en eltratamiento de datos de los accidentes de tráfico, así como la robustez de los modelos planteados através del método de validación aplicado, siendo este la validación cruzada, la cual sigue un esquema10-fold.El aporte específico de esta tesis se centra en las cinco contribuciones científicas realizadas sobre elestudio de la lesividad en los accidentes de tráfico en España, utilizando para ello la modelización através de redes bayesianas. Estas contribuciones de forma general abordan, pero no se limitan, a: (i)un modelo que estudia la lesividad de los conductores en los accidentes de tráfico basados en elpropósito del viaje, (ii) un modelo que analiza la lesividad de los conductores en los accidentes detráfico según el uso de equipos de protección personal, (iii) un modelo para el análisis de la lesividadgeneral de los usuarios de la vías a través del comportamiento inseguro de los conductores noalineados con las normas regulatorias de tráfico, (iv) un modelo que estudia la lesividad de lospeatones basados en su comportamiento durante los accidentes de tráfico, (v) un modelo que estudiala lesividad general de los usuarios de las vías a través de las infracciones causadas por la conduccióndistraída de base tecnológica.
YR 2021
FD 2021
LK http://hdl.handle.net/10259/7786
UL http://hdl.handle.net/10259/7786
LA spa
NO El desarrollo del trabajo investigador de esta tesis doctoral ha sido financiado endistintos niveles por las siguientes entidades:Fondo Europeo de Desarrollo Regional con la Junta de Castilla y León• El proyecto titulado “Modelización mediante técnicas de machine learning de lainfluencia de las distracciones del conductor en la seguridad vial”, con referenciaBU300P18, ha financiado parte de la difusión de los resultados científicos de lapresente Tesis Doctoral.Dirección General de Tráfico de EspañaLa Dirección General de Tráfico (DGT), a través del proyecto SPIP2015-1852, hacedido al grupo de investigación los datos de accidentes de tráfico con víctimas enEspaña para su análisis e investigación. El dataset utilizado en la presente TesisDoctoral incluye datos de accidentes de tráfico desde el año 2016 hasta el año2019.Universidad de Burgos• La Universidad de Burgos ha subvencionado los servicios de asesoría entraducción de dos de las publicaciones científicas derivadas de esta investigación.Universidad Técnica Particular de Loja• La Universidad Técnica Particular de Loja ha subvencionado los gastos dedifusión de una publicación científica de esta investigación, así como los gastosde manutención del doctorando durante sus estancias de investigación en laUniversidad de Burgos.
DS Repositorio Institucional de la Universidad de Burgos
RD 23-nov-2024