Modelación de la percepción del riesgo de accidentes en conductores: un enfoque de preferencias declaradas
-
Pachón-Pineda, Víctor Alejandro [1] ; Rivera-Zabaleta , Jesus Alberto [2] ; Guerrero-Barbosa , Thomas Edison [3]
-
[1] Universidad Francisco de Paula Santander
Universidad Francisco de Paula Santander
Colombia
-
[2] Universidad de Cartagena
Universidad de Cartagena
Colombia
-
[3] School of Civil Engineering, Newcastle - Reino Unido
-
- Localización: Revista Ingenio, ISSN-e 2389-864X, ISSN 2011-642X, Vol. 17, Nº. 1, 2020 (Ejemplar dedicado a: Enero - Diciembre), págs. 36-42
- Idioma: español
- Títulos paralelos:
- Modelling driver’s accident risk perception: A Stated Preferences approach
- Enlaces
-
Resumen
Las entidades gubernamentales y no gubernamentales necesitan de herramientas que permitan disminuir la accidentalidad en las vías, la cual año tras año sigue cobrando millones de vidas en todo el planeta; conociendo que el factor humano es uno de los grandes causantes de los efectos mortales de este fenómeno, la presente investigación estableció cuáles son los factores asociados al comportamiento humano influyentes en la determinación de la percepción del riesgo de accidentes en conductores. . El enfoque de modelación consistió en la estimación de un modelo logit multinomial (MNL) a partir de información recolectada mediante instrumentos de preferencias declaradas (PD). Buscando conocer el comportamiento de los individuos ante escenarios hipotéticos de conducción bajo 4 atributos principales: velocidad de conducción, conducir en contravía, adelantar a un vehículo en curva y conducir bajo efectos de alcohol y drogas, que según el estado del arte realizado fueron más representativas. La robustez del modelo se complementó con la estimación de parámetros asociados a las características socioeconómicas del individuo y la interacción con las variables principales, resaltándose el efecto de las variables género, edad, ocupación, antigüedad de la licencia y restricciones de tipo auditivo, las cuales resultaron ser influyentes en la modelación del fenómeno estudiado.
