Modelación logit binaria de la severidad de los accidentes de tráfico en las vías rurales del Atlántico, Colombia.

Abstract

Traffic accidents bring about thousands of deaths worldwide and even more injured every year. Therefore, special attention has been given to accident analysis and prevention. In such framework, this study aims to identify the significant factors affecting accidents severity in rural roads from Atlantico department in Colombia. Three years of information (2014 to 2016) registered related to casualties due to traffic accidents were considered for this study. Kernel density analysis was used to create heat maps by means of GIS to identify critical zones. Once identified, information linked to roads and roadside characteristics was collected. Variables like barriers, the presence of animals, lane width, artificial lighting, the presence of fixed objects and other variables were used for statistical modeling. Binary logistic regression models were applied to explain severity (injuries and deaths), crashes with no injured people were not considered. The results indicate that presence of trees, utility poles, guardrail barriers, presence of cyclists, pedestrian, motorcyclists and older people (>60 years old) when involved in a traffic accident increase the odds of suffering fatal injuries, meantime accidents occurred at night, lack of artificial lighting, traffic light controlled intersections and the number of horizontal curves increase de odds of suffering less severe injuries. The results of this study will be used to suggest low-cost countermeasures in terms of reducing injury severity, which are planned to be implemented by the Instituto de Tránsito del Atlántico (ITA).

Este estudio busca identificar los factores significativos que afectan la severidad de los accidentes en las vías rurales del departamento del Atlántico en Colombia. Tres años de información (de 2014 a 2016) registrados relacionados a afectados debido a accidentes de tránsito fueron considerados para este estudio. El análisis por densidad de Kernel fue utilizado para crear mapas de calor por medio de Sistemas de Información Geográfica para identificar las zonas críticas. Una vez identificadas, información vinculada a características geométricas de la vía y las zonas laterales fue recolectada. Variables como barreras, presencia de animales, ancho del carril, iluminación artificial, presencia de objetos fijos, entre otros, fueron usadas para la modelación estadística. Modelos de regresión logística binaria fueron aplicados para explicar la severidad de los accidentes (muertes y lesiones), accidentes con solo daños no fueron considerados. Los resultados indican que la presencia de árboles, postes, barreras metálicas, presencia de ciclistas, peatones, motociclistas y personas mayores de 60 años cuando están involucrados en accidentes de tráfico, incrementan las probabilidades de sufrir lesiones fatales, mientras que los accidentes que ocurren en horas de la noche, la presencia de iluminación artificial, intersecciones semaforizadas y el número de curvas horizontales incrementan las probabilidades de sufrir lesiones no fatales. Los resultados de este estudio serán utilizados para sugerir medidas de bajo costo con el objetivo de reducir la severidad de las lesiones, las cuales se espera sean implementadas por el Instituto de Tránsito del Atlántico.