Predicción de accidentes viales en Cartagena, Colombia, con árboles de decisión y reglas de asociación

• Ospina-Mateus, Holman ^[1] ; Quintana Jiménez, Leonardo Augusto ^[2]
  1. [1] Universidad Tecnológica de Bolívar

     Universidad Tecnológica de Bolívar

     Colombia

     
  2. [2] Pontífica Universidad Javeriana

     Pontífica Universidad Javeriana

     Colombia

     
• Localización: Economía & Región, ISSN-e 2539-2093, Vol. 13, Nº. 2, 2019 (Ejemplar dedicado a: Economía & Región), págs. 83-115
• Idioma: español
• Títulos paralelos:
  • Prediction of road accidents in Cartagena, Colombia, using decision trees and association rules
• Enlaces
  • Texto completo
• Resumen
  • español

    El objetivo principal de esta investigación es predecir los factores asociados con la severidad en los accidentes viales de Cartagena (Colombia), la metodología está basada en técnicas de minería de datos como arboles de decisión (J48) y reglas de asociación (soporte, confianza, Lift). La investigación fue desarrollada con 10.053 registros de accidentes de tráfico entre 2016 y 2017, por medio del uso del Software WEKA (Waikato Environment for Knowledge Analysis). En el análisis, la severidad fue definida de bajo riesgo (daños materiales), y alto riesgo (víctimas heridas y fatales), y su validación consideró la técnica transversal 10fold. Entre los resultados más significativos, se evidenció que los motociclistas y ciclistas son los actores viales más vulnerables, además los moto–usuarios entre los 20–39 años son propensos a accidentes viales con alta severidad. Finalmente, los factores de accidentalidad vial identificados ayudan a promover contramedidas para mejorar la seguridad vial de la ciudad.

  • English

    The main objective of this research is to predict the factors associated with the severity of road accidents in Cartagena (Colombia); the methodology is based on data mining techniques such as decision trees (J48) and association rules (support, confidence, Lift). The research was developed with 10,053 traffic accident records between 2016 and 2017, using the WEKA (Waikato Environment for Knowledge Analysis) software. In the analysis, the severity was defined as low risk (material damage), and high risk (injured and fatal victims), and its validation considered the 10-fold cross-sectional technique. Among the most significant results, it was evidenced that motorcyclists, cyclists are the most vulnerable road users, and motorcyclists between the ages of 20-39 are prone to road accidents with high severity. Finally, the road accident factors identified help promote countermeasures to improve the city’s road safety.