BÚSQUEDA DE PATRONES CON MACHINE
LEARNING EN DATOS DE SINIESTROS
DE TRÁNSITO
PATTERN SEARCH WITH MACHINE LEARNING
ON TRAFFIC ACCIDENT DATA
Emanuel Guillermo Muñoz Muñoz
Universidad Nacional Tumbes, Perú
Douglas Andrés Verduga Alcívar
Universidad Nacional Tumbes, Perú
Guerrero Alcívar Yandri Francinet
Universidad Nacional Tumbes, Perú
Miguel Angel Lapo Palacios
Universidad Nacional Tumbes, Perú
Octavio Zorrilla Briones
Universidad Nacional Tumbes, Perú
pág. 1617
DOI: https://doi.org/10.37811/cl_rcm.v8i2.10592
Búsqueda de Patrones con Machine Learning en Datos de Siniestros de
Tránsito
Emanuel Guillermo Muñoz Muñoz1
emunozm@untumbes.edu.pe
https://orcid.org/0000-0002-0997-0578
Universidad Nacional Tumbes, Perú
Departamento de Matematicas y Estadistica
Facultad de Ciencias Básicas
Universidad Técnica de Manabí, Perú
Douglas Andrés Verduga Alcívar
dverdugaa@untumbes.edu.pe
https://orcid.org/0000-0003-4984-0441
Universidad Nacional Tumbes, Perú
Departamento de Matematicas y Estadistica
Facultad de Ciencias Básicas
Universidad Técnica de Manabí, Ecuador
Guerrero Alcívar Yandri Francinet
yguerreroa@untumbes.edu.pe
http://orcid.org/0000-0003-1504-6135
Universidad Nacional Tumbes, Perú
Departamento de Matematicas y Estadistica
Facultad de Ciencias Básicas
Universidad Técnica de Manabí, Ecuador
Miguel Angel Lapo Palacios
mlapop@untumbes.edu.pe
https://orcid.org/0000-0003-4183-4290
Universidad Nacional Tumbes, Perú
Departamento de Matematicas y Estadistica
Facultad de Ciencias Básicas
Universidad Técnica de Manabí, Ecuador
Octavio Zorrilla Briones
ozorrillab@untumbes.edu.pe
https://orcid.org/0009-0006-4632-3202
Universidad Nacional Tumbes, Perú
Departamento de Matematicas y Estadistica
Facultad de Ciencias Básicas
Universidad Técnica de Manabí, Ecuador
RESUMEN
Este estudio investiga la aplicación de técnicas de Machine Learning (ML), específicamente el
algoritmo de clustering K-Means y la reducción de dimensionalidad mediante PCA, para identificar
patrones en datos de siniestros de tránsito. Analizando un conjunto de datos que incluye 21,352 registros
de siniestros, este trabajo clasifica los accidentes en cuatro clusters distintos, revelando diferencias
significativas en las características de los siniestros relacionadas con la ubicación, hora del día, causas
y condiciones ambientales. Los resultados destacan la complejidad de los factores que contribuyen a
los siniestros de tránsito y subrayan la necesidad de intervenciones personalizadas para mejorar la
seguridad vial. Este enfoque permite una comprensión más profunda de los patrones de siniestros,
facilitando el desarrollo de políticas y estrategias de prevención más efectivas. Este estudio no solo
amplía la literatura existente, ofreciendo una metodología analítica robusta para el análisis de datos de
siniestros, sino que también proporciona orientación práctica para la implementación de intervenciones
de seguridad vial dirigidas y basadas en evidencia. Recomendamos futuras investigaciones para incluir
más variables, comparar diferentes modelos de ML y realizar estudios longitudinales que permitan
evaluar la evolución de los patrones de siniestros y la efectividad de las políticas de seguridad vial
implementadas.
Palabras clave: machine learning, clustering k-means, reducción de dimensionalidad, siniestros de
tránsito, seguridad vial
1
Autor principal.
Correspondencia: emunozm@untumbes.edu.pe
pág. 1618
Pattern Search With Machine Learning on Traffic Accident Data
ABSTRACT
This study explores the application of Machine Learning (ML) techniques, specifically the K-Means
clustering algorithm and dimensionality reduction via PCA, to identify patterns in traffic accident data.
Analyzing a dataset comprising 21,352 accident records, this work classifies the accidents into four
distinct clusters, revealing significant differences in accident characteristics related to location, time of
day, causes, and environmental conditions. The results highlight the complexity of factors contributing
to traffic accidents and underline the need for customized interventions to enhance road safety. This
approach allows for a deeper understanding of accident patterns, facilitating the development of more
effective policies and prevention strategies. This study not only extends the existing literature by
offering a robust analytical methodology for accident data analysis but also provides practical guidance
for the implementation of targeted and evidence-based road safety interventions. We recommend
further research to include additional variables, compare different ML models, and conduct longitudinal
studies to assess the evolution of accident patterns and the effectiveness of implemented road safety
policies.
Keywords: machine learning, k-means clustering, dimensionality reduction, traffic crashes, road safety
Artículo recibido 28 febrero 2024
Aceptado para publicación: 25 marzo 2024
pág. 1619
INTRODUCCIÓN
La evolución constante de la tecnología y su integración en diversos campos ha marcado un hito
significativo en la forma en que abordamos los desafíos contemporáneos. Uno de los campos que ha
experimentado un cambio radical es el de la salud, donde la aplicación de técnicas de aprendizaje
automático, conocidas como machine learning, ha revolucionado la manera en que se diagnostican y
tratan diversas condiciones médicas (Arias et al., 2019). En este contexto, la revisión sistemática de
literatura sobre el uso de machine learning aplicado a lesiones causadas por accidentes de tráfico emerge
como un área de estudio crítica, que promete profundizar nuestra comprensión y mejorar la gestión de
estas lesiones tan comunes y devastadoras.
Se torna esencial entender qué es el machine learning y cómo se aplica en el ámbito de la salud. El
machine learning es una rama de la inteligencia artificial que se centra en el desarrollo de algoritmos y
modelos que permiten a las computadoras aprender y mejorar automáticamente a partir de la experiencia
sin ser explícitamente programadas. En el contexto médico, esta tecnología se utiliza para analizar
grandes conjuntos de datos clínicos y de salud, identificar patrones ocultos, predecir resultados y
mejorar la toma de decisiones clínicas (Cardona, 2023).
La importancia del machine learning en el campo de la salud reside en su capacidad para procesar
enormes cantidades de datos de manera rápida y eficiente, identificar correlaciones complejas entre
variables y generar modelos predictivos precisos. De acuerdo con Bes (2020) esto se traduce en una
mejora significativa en la precisión diagnóstica, la personalización del tratamiento y la optimización de
los recursos médicos, lo que finalmente conduce a mejores resultados para los pacientes y un sistema
de atención médica más eficiente y efectivo.
Cuando se aplica al estudio de las lesiones causadas por accidentes de tráfico, el machine learning ofrece
un enfoque innovador y prometedor para afrontar un problema de salud de gran envergadura, y es que;
la misma OMS (2023) ha manifestado que los accidentes de tráfico son una de las principales causas
de muerte y discapacidad en todo el mundo, con consecuencias físicas, emocionales y económicas
devastadoras para las personas y las comunidades afectadas. En este contexto, la capacidad del machine
learning para analizar datos detallados sobre los factores de riesgo, las características de las lesiones,
los tratamientos y los resultados puede proporcionar información valiosa para mejorar la prevención, el
pág. 1620
diagnóstico y la gestión de estas lesiones.
La búsqueda de patrones en datos de siniestros de tránsito utilizando técnicas de Machine Learning
(ML) constituye un campo de estudio emergente con un potencial significativo para revolucionar la
manera en que las sociedades abordan la seguridad vial. Dicha investigación se inscribe en el marco
más amplio de la ciencia de datos aplicada a la seguridad pública, donde el análisis predictivo y la
inteligencia artificial juegan roles cruciales en la anticipación y prevención de eventos adversos. En este
contexto, el ML emerge como una herramienta poderosa, capaz de analizar y aprender de grandes
conjuntos de datos para identificar patrones, tendencias y correlaciones que a menudo pasan
desapercibidas en los análisis tradicionales según Costero (2020).
La relevancia de aplicar ML en el estudio de siniestros de tránsito radica en su capacidad para manejar
la complejidad y la variabilidad de los factores que contribuyen a los accidentes. Factores como las
condiciones climáticas, el comportamiento de los conductores, el estado de las vías y el flujo vehicular,
pueden ser analizados de manera integral, ofreciendo una visión holística y multidimensional de las
causas subyacentes de los siniestros. Esta capacidad analítica avanzada es crucial, dado que, como
señalan Kumar y Toshniwal (2020), los patrones de accidentes de tránsito son intrínsecamente
complejos y multifactoriales, lo que requiere enfoques analíticos que puedan abordar esta complejidad
de manera efectiva.
Además, el ML facilita la implementación de modelos predictivos que pueden ser utilizados para
evaluar el riesgo de futuros siniestros bajo diferentes escenarios y condiciones. Estos modelos no solo
tienen el potencial de mejorar las intervenciones de seguridad vial existentes, sino que también pueden
ser fundamentales en el diseño de nuevas estrategias de prevención. Como señalan Zheng et al. (2021),
la capacidad de predecir y, por ende, prevenir, siniestros de tránsito antes de que ocurran es una ventaja
transformadora del ML, ofreciendo oportunidades sin precedentes para salvar vidas y reducir lesiones.
La integración de modelos de ML en los sistemas de gestión de la seguridad vial también promete
mejorar la eficiencia y efectividad de las políticas públicas. Los modelos predictivos pueden ayudar a
las autoridades a asignar recursos de manera más efectiva, identificando áreas de alto riesgo y
focalizando las intervenciones donde sean más necesarias. Además, la naturaleza adaptable del ML
significa que estos modelos pueden ser continuamente refinados a medida que se disponga de nuevos
pág. 1621
datos, asegurando que las estrategias de prevención sean siempre relevantes y efectivas como se
menciona en Morentín et al (2023).
Este artículo se propone profundizar en cómo las técnicas de ML están siendo aplicadas para descubrir
patrones en datos de siniestros de tránsito y explorar su potencial para transformar la seguridad vial. A
través de una revisión exhaustiva de la literatura, análisis de estudios de caso y evaluación de
aplicaciones prácticas, se busca ofrecer una comprensión integral de los métodos de ML más efectivos
en este campo, las limitaciones actuales y las posibilidades futuras. Al hacerlo, se espera contribuir al
desarrollo de un marco teórico y práctico que permita a investigadores, profesionales y responsables de
políticas públicas aprovechar el poder del ML para hacer frente a uno de los problemas más persistentes
y devastadores de las sociedades modernas: la siniestralidad vial.
La justificación de este artículo de investigación se centra en la urgente necesidad de abordar la
problemática global de los siniestros de tránsito, que representan una de las principales causas de muerte
y discapacidad en todo el mundo. Según la Organización Mundial de la Salud (OMS), cada año, los
accidentes de tráfico causan aproximadamente 1.35 millones de muertes y dejan a entre 20 y 50 millones
de personas con lesiones no fatales, lo que subraya la magnitud del problema y la necesidad de
intervenciones efectivas (World Health Organization, 2018). La aplicación de técnicas de Machine
Learning (ML) para analizar datos de siniestros de tránsito ofrece una oportunidad prometedora para
comprender mejor los factores de riesgo, prevenir accidentes y salvar vidas.
El análisis tradicional de los siniestros de tránsito ha dependido en gran medida de métodos estadísticos
que, aunque valiosos, a menudo son insuficientes para capturar la complejidad y dinamismo de los
factores involucrados. La implementación de ML permite superar estas limitaciones al proporcionar
herramientas capaces de analizar grandes volúmenes de datos, identificar patrones complejos y realizar
predicciones precisas (Kumar & Toshniwal, 2020; Tadeo et al., 2021). Por tanto, este enfoque no solo
puede mejorar la comprensión de las causas subyacentes de los siniestros sino también facilitar el
desarrollo de estrategias de prevención más efectivas y personalizadas.
Además, en el contexto de una creciente urbanización y un aumento en la movilidad global, es
fundamental adoptar tecnologías avanzadas que puedan adaptarse rápidamente a los cambios en los
patrones de tráfico y comportamiento de los conductores. La capacidad del ML para aprender de nuevos
pág. 1622
datos y mejorar continuamente sus modelos lo convierte en una herramienta invaluable para enfrentar
estos desafíos y contribuir a la creación de sistemas de transporte más seguros.
El objetivo principal de este artículo es explorar el potencial de las técnicas de Machine Learning para
identificar patrones en los datos de siniestros de tránsito y evaluar su aplicación en la prevención de
accidentes.
METODOLOGÍA
Recolección de Datos
Los datos para este estudio fueron recolectados de la base de datos de la Agencia Nacional de Tránsito.
Este conjunto de datos incluye información detallada sobre 21,352 siniestros de tránsito ocurridos en
un periodo de tiempo específico. Las variables recolectadas abarcan:
▪ Fecha y hora del siniestro (año, mes, día, hora).
▪ Ubicación geográfica del siniestro (provincia, cantón, zona).
▪ Tipo de siniestro (clase).
▪ Causa del siniestro.
▪ Número de fallecidos y lesionados, y total de víctimas.
Cada registro contiene información detallada distribuida en 12 columnas: 'AÑO' representa el año del
siniestro; 'MES', 'DÍA' y 'HORA' especifican el momento exacto del incidente; 'PROVINCIA' y
'CANTÓN' indican la localización geográfica; 'ZONA' clasifica el entorno del siniestro; 'CLASE' y
'CAUSA' describen el tipo de siniestro y su motivo principal; y las columnas 'NUM_FALLECIDO',
'NUM_LESIONADO' y 'TOTAL_VICTIMAS' cuantifican el impacto humano en términos de
fallecidos, lesionados y el total de víctimas, respectivamente. Esta estructura de datos se compone de
tipos enteros (int64) para las variables numéricas y objetos (object) para las categóricas, asegurando
una adecuada tipificación para el procesamiento y análisis subsiguientes. El uso de este DataFrame
permite una manipulación eficiente de la información, crucial para la identificación de patrones y la
generación de perspectivas relevantes para la prevención de futuros siniestros.
Preprocesamiento de Datos
El preprocesamiento de datos incluyó varias etapas críticas para asegurar la calidad y la utilidad del
conjunto de datos para el análisis de Machine Learning:
pág. 1623
• Limpieza de Datos: Se verificaron y corrigieron errores en los datos, incluyendo valores faltantes,
errores tipográficos en las variables categóricas y registros duplicados.
• Normalización: Se normalizaron las variables numéricas para tener una escala común, facilitando
así el análisis posterior y la convergencia del algoritmo de clustering.
• Codificación de Variables Categóricas: Las variables categóricas fueron transformadas
utilizando un codificador binario, aumentando el conjunto de características de 11 a 39 variables.
Esto permitió que el algoritmo de Machine Learning manejara de manera efectiva las variables
categóricas.
A continuación, se muestran algunas de las distribuciones por categorías de la base de datos: por mes,
por días, por provincias, por cantones, sectores, por siniestros, por causas de siniestros y por horas en
las que sucedieron esos sucesos.
Figura 1: Distribución de categorías por mes
Fuente: Propia
pág. 1624
Figura 2: Distribución de categorías día de la semana
Fuente: Propia
Figura 3: Distribución de categorías por zona
Fuente: Propia
pág. 1625
Figura 4: Distribución de categorías por siniestros
Fuente: Propia
Figura 5: Distribución de categorías por causas de siniestros
Fuente: Propia
pág. 1626
Figura 6: Distribución de categorías por horarios
Fuente: Propia
La Figura 7 es un mapa coroplético que visualiza la distribución geográfica de los siniestros de tránsito
en la región estudiada. Cada área está sombreada en proporción al número de accidentes registrados,
proporcionando una representación visual inmediata de las zonas con mayor y menor incidencia de
siniestros.
Las áreas sombreadas más oscuramente indican regiones con una mayor frecuencia de siniestros, lo que
resalta los puntos críticos donde las intervenciones de seguridad vial podrían ser prioritarias. Por otro
lado, las áreas más claras sugieren una menor ocurrencia de accidentes. Este mapa es esencial para
nuestro análisis, ya que ayuda a correlacionar la prevalencia de siniestros con factores geográficos,
permitiendo a las autoridades comprender mejor dónde enfocar sus esfuerzos para mejorar la seguridad
vial y reducir el número de siniestros.
pág. 1627
Figura 7: Distribución de categorías por horarios
Fuente: Propia
Análisis de Machine Learning
El análisis se centró en el uso de técnicas de Machine Learning para identificar patrones en los datos de
siniestros de tránsito:
Selección del Modelo: Se eligió el algoritmo de clustering K-Means por su eficacia en la identificación
de grupos (clusters) basados en similitudes en un conjunto de datos. La decisión se basó en la naturaleza
no supervisada de nuestro análisis, donde no se contaba con etiquetas predefinidas para los siniestros.
1
La función de costo J, también conocida como la suma de los errores cuadráticos dentro del cluster
(WCSS, por sus siglas en inglés), se calcula sumando las distancias al cuadrado de todos los puntos de
datos a la media de su cluster más cercano. Los índices i y j corren sobre todos los puntos de datos
y todos los clusters, respectivamente.
La notación es la siguiente:
▪ : función de costo que el algoritmo K-Means intenta minimizar.
▪ : representa la suma.
pág. 1628
▪ : número total de puntos de datos.
▪ : número de clusters.
: un valor binario que es 1 si el punto de datos está en el cluster y 0 de lo contrario.
: la distancia al cuadrado entre el punto de datos y la media del cluster . Esta distancia
generalmente se mide utilizando la distancia euclidiana en el espacio de características.
Determinación del Número de Clusters: Se utilizó el método del codo y el análisis de silueta para
determinar el número óptimo de clusters. Estos métodos proporcionan una métrica para evaluar cómo
la adición de más clusters afecta la varianza dentro del cluster y la separación entre clusters.
Reducción de Dimensionalidad: Para facilitar la interpretación y visualización de los clusters, se
aplicó un Análisis de Componentes Principales (PCA) para reducir la dimensionalidad de los datos de
39 a 2 y 3 componentes principales.
Implementación y Ajuste del Modelo: Se ajustó el modelo K-Means al conjunto de datos
transformado, identificando los clusters de siniestros con características similares.
Interpretación de Resultados
La interpretación de los resultados implicó analizar los clusters generados para identificar patrones y
tendencias comunes en los siniestros de tránsito. Esto incluyó la evaluación de las características
predominantes dentro de cada cluster, como la hora del día, la ubicación geográfica, y la causa de los
siniestros. La visualización de los clusters mediante gráficos de dispersión en 2D y 3D proporcionó
perspectivas adicionales sobre la distribución de los siniestros y las relaciones entre diferentes variables.
Este enfoque metodológico detallado asegura un análisis riguroso y sistemático de los datos de
siniestros de tránsito, permitiendo identificar patrones significativos que pueden informar estrategias
efectivas de prevención y políticas de seguridad vial.
RESULTADOS Y DISCUSIÓN
Análisis del Gráfico de Importancia de Características
La Figura 8 de barras muestra las variables ordenadas por su importancia en la predicción del modelo
Random Forest. La longitud de la barra representa cuánto contribuye cada variable a la capacidad del
modelo para hacer predicciones precisas. Las variables en la parte superior del gráfico, con barras más
pág. 1629
largas, son las más importantes.
Desde esta perspectiva, el número de lesionados (NUM_LESIONADO) es, con diferencia, la
característica más importante, seguida por el número total de víctimas (TOTAL_VICTIMAS). Esto
sugiere que la severidad del siniestro, en términos de lesiones, es un factor significativo en la predicción
de los siniestros de tránsito en el modelo. Las variables relacionadas con la ubicación geográfica
(PROVINCIA, CANTON), así como el mes (MES) y la hora (HORA) también aparecen como
importantes, lo que indica que el momento y el lugar del siniestro tienen roles destacados en las
predicciones del modelo.
Figura 8: Variables ordenadas por su importancia
Fuente: Propia
Análisis del Árbol de Decisión
La Figura 9 del árbol de decisión individual, que es uno de los muchos árboles que componen un
Random Forest. Cada nodo del árbol representa un punto de decisión basado en una variable, y el
camino que se toma depende del valor de esa variable en cada caso particular. Los nodos finales (hojas)
representan el resultado de la predicción basada en los criterios de clasificación a lo largo del camino.
pág. 1630
Figura 9: Árbol de decisión individual
Fuente: Propia
En el presente estudio, el Método del Codo fue empleado para determinar el número óptimo de clusters
que permiten la categorización efectiva de siniestros de tránsito según características compartidas. La
curva de inercia sugiere un punto de inflexión entre 3 y 5 clusters como se observa en la Figura 10. La
elección de un número óptimo de clusters dentro de este intervalo es crucial para garantizar una
agrupación significativa sin incurrir en la complejidad innecesaria de un excesivo número de clusters.
Al seleccionar cuatro clusters como número óptimo, el análisis subsiguiente reveló distintas categorías
de siniestros de tránsito. Cada cluster representaba un conjunto único de siniestros, diferenciados por
variables como la ubicación (zonas urbanas frente a rurales), condiciones climáticas y causas
subyacentes, tales como la distracción o el consumo de alcohol por parte del conductor. Estos hallazgos
proporcionaron una base para el análisis detallado de las condiciones predominantes dentro de cada
grupo, ofreciendo una perspectiva más clara para el desarrollo de estrategias de intervención enfocadas
en la prevención de siniestros.
El descubrimiento de patrones distintos entre los clusters llevó a la identificación de intervenciones
específicas, posibilitando a los responsables de la formulación de políticas y a los organismos de
seguridad vial direccionar sus esfuerzos de manera más efectiva. Al entender las características
comunes y los factores de riesgo asociados a cada cluster, se pueden formular estrategias dirigidas que
abordan las causas raíz de los siniestros y promueven la seguridad vial de manera más acertada.
pág. 1631
Figura 10: Método del Codo
Fuente: Propia
Análisis de los Clusters
La aplicación del algoritmo K-Means sobre el conjunto de datos preprocesado resultó en la formación
de cuatro clusters distintos, que representan patrones únicos en los siniestros de tránsito:
• Cluster 0 (5,563 casos): Este grupo se caracterizó por siniestros que ocurren principalmente en
zonas urbanas durante horas de la tarde y las primeras horas de la noche. La causa predominante en
este cluster fue la distracción del conductor, sugiriendo una alta incidencia de actividades paralelas
durante la conducción, como el uso de dispositivos móviles.
• Cluster 1 (3,560 casos): Los siniestros agrupados aquí mayormente ocurrieron en zonas rurales,
con una alta incidencia durante los fines de semana y en condiciones de baja visibilidad (noche y
madrugada). La velocidad excesiva y la influencia del alcohol fueron las causas más comunes, lo
que indica comportamientos de riesgo específicos en entornos rurales durante períodos de bajo
tráfico.
• Cluster 2 (6,317 casos): Este grupo se distinguió por accidentes en intersecciones urbanas durante
las horas pico de la mañana y la tarde. La principal causa de estos siniestros fue el incumplimiento
de las señales de tráfico, resaltando problemas con la observancia de las normas de tráfico en zonas
pág. 1632
de alta densidad vehicular.
• Cluster 3 (5,912 casos): Los siniestros en este cluster ocurrieron predominantemente en carreteras
y zonas periurbanas. Factores como el mal estado de la vía y condiciones climáticas adversas fueron
comunes, sugiriendo una influencia significativa del entorno vial y del clima en la seguridad de
estos sectores.
La Figura 11 es una visualización clave que enriquece la comprensión de la distribución espacial y
clasificación de los siniestros de tránsito dentro de la región estudiada. Los puntos en el gráfico están
codificados por colores correspondientes a distintas clases de siniestros, proporcionando una
identificación clara de los patrones y la prevalencia de cada categoría de siniestro.
Figura 11: Puntos con colores por clase
Fuente: Propia
La Figura 12 exhibe un gráfico de dispersión tridimensional derivado del PCA, que demuestra cómo
los datos multidimensionales pueden ser proyectados en tres componentes principales para facilitar su
visualización y análisis. Cada punto en el espacio tridimensional representa un siniestro de tránsito
individual, ubicado según los valores en las tres componentes principales que capturan la mayor
varianza en el conjunto de datos. La proximidad entre puntos sugiere similitudes en las características
de los siniestros. Este tipo de reducción dimensional es crucial para identificar agrupaciones o patrones
dentro de los datos que, debido a la alta dimensionalidad original, podrían ser de otra manera difíciles
pág. 1633
de discernir
En nuestro estudio, PCA se utilizó para simplificar la compleja estructura de los datos de siniestros,
preservando al mismo tiempo la información más crítica. Este enfoque permitió una exploración más
eficiente y una identificación más clara de clusters potenciales de siniestros, lo cual es vital para la
posterior aplicación de técnicas de clustering como K-Means, con el fin de detectar patrones y
determinar factores de riesgo comunes. La visualización tridimensional provee una perspectiva
innovadora que realza la comprensión de las relaciones subyacentes entre diversas variables y su
impacto conjunto en la ocurrencia de siniestros, lo que a su vez puede informar el desarrollo de
estrategias proactivas de seguridad vial.
Figura 12: PCA en tres dimensiones
Fuente: Propia
Discusión de Resultados
Los resultados evidencian la diversidad de factores que contribuyen a los siniestros de tránsito y la
importancia de considerar el contexto (urbano vs. rural, condiciones de la vía, clima) al diseñar
intervenciones de seguridad vial. La identificación de patrones específicos en los clusters permite
proponer medidas preventivas focalizadas:
▪ Para el Cluster 0, las campañas de concienciación sobre los peligros de la distracción al volante,
junto con la implementación de tecnología para limitar el uso de dispositivos móviles mientras se
conduce, podrían reducir significativamente los siniestros.
pág. 1634
▪ En el Cluster 1, se sugiere fortalecer los controles de velocidad y alcoholemia en zonas rurales,
especialmente durante los fines de semana, y promover programas educativos sobre los riesgos de
conducir bajo la influencia del alcohol.
▪ Para el Cluster 2, mejorar la señalización en intersecciones críticas y promover la educación vial
sobre el respeto a las señales de tráfico pueden ser estrategias eficaces para disminuir los accidentes.
▪ En el Cluster 3, el mantenimiento de las vías y la mejora de la infraestructura vial, junto con alertas
meteorológicas dirigidas a conductores, podrían mitigar los riesgos asociados al mal estado de la
carretera y las condiciones climáticas adversas.
Relación con Estudios Previos
Nuestros hallazgos son consistentes con estudios previos que han identificado factores similares
influyendo en la ocurrencia de siniestros de tránsito (Kumar & Toshniwal, 2020; Zheng et al., 2021).
Sin embargo, nuestro estudio aporta al campo al aplicar un análisis de clustering que ofrece una
perspectiva detallada y contextualizada de los siniestros, resaltando la importancia de intervenciones
específicas adaptadas a las características de cada cluster.
Implicaciones para Políticas de Seguridad Vial
Este estudio subraya la necesidad de políticas de seguridad vial que sean multifacéticas y adaptadas a
las condiciones específicas identificadas en cada cluster. La implementación de medidas basadas en la
evidencia generada a través del análisis.
pág. 1635
Figura 13: Diagrama Sankey
Fuente: Propia
En la Figura 13, el Diagrama de Sankey proporciona una representación gráfica de los flujos y
relaciones entre diferentes etapas y categorías dentro del contexto de los siniestros de tránsito. Los
nodos, dispuestos de izquierda a derecha, visualizan la progresión desde la temporalidad, pasando por
las causas de los siniestros y su localización, hasta las consecuencias resultantes en términos de víctimas
humanas.
La dimensión temporal, ilustrada en los nodos izquierdos del diagrama, comprende tanto el mes como
las horas específicas del día, ofreciendo una perspectiva sobre cuándo ocurren con más frecuencia los
siniestros. Los nodos centrales detallan diversas causas y ubicaciones, reflejando la diversidad de
factores que conducen a los incidentes. Estos incluyen condiciones viales, influencia del alcohol, y
comportamiento del conductor, entre otros.
Consecuencias como el número de lesionados, fallecidos y el total de víctimas, se representan en los
nodos derechos. El grosor de las líneas que conectan las categorías es indicativo del volumen de casos,
proporcionando una indicación visual de la magnitud de los flujos entre las variables estudiadas.
Este diagrama facilita la identificación de patrones importantes, tales como las relaciones entre
momentos específicos y causas de los siniestros, así como su impacto en la severidad de los resultados.
Esta información es fundamental para las autoridades y planificadores, ya que les permite enfocar los
pág. 1636
recursos y esfuerzos de prevención en los aspectos más críticos identificados en el análisis.
CONCLUSIONES
Este estudio ha explorado la aplicación de técnicas de Machine Learning, específicamente el uso del
algoritmo de clustering K-Means y la reducción de dimensionalidad mediante PCA, para identificar
patrones en los datos de siniestros de tránsito. A través de la clasificación de los datos en cuatro clusters
distintos, hemos descubierto diferencias significativas en las características de los siniestros,
relacionadas con variables como la ubicación, la hora del día, las causas de los accidentes y las
condiciones ambientales. Estos hallazgos destacan la complejidad y la multifacética naturaleza de los
factores que contribuyen a los siniestros de tránsito, subrayando la importancia de adoptar enfoques de
intervención personalizados para abordar esta problemática.
La identificación de patrones específicos en los siniestros de tránsito tiene implicaciones críticas para
el desarrollo de políticas de seguridad vial y estrategias de prevención. Los resultados sugieren que las
medidas de intervención deben ser adaptadas al contexto para maximizar su efectividad. Por ejemplo,
las estrategias dirigidas a combatir la distracción al volante en áreas urbanas pueden necesitar ser
diferentes de aquellas destinadas a prevenir la conducción bajo la influencia del alcohol en zonas
rurales. Además, el conocimiento de los puntos críticos y las horas con mayor incidencia de siniestros
puede permitir a las autoridades priorizar recursos de manera más efectiva, optimizando así el impacto
de las campañas y mejoras en la infraestructura de seguridad vial.
Para avanzar en este campo, recomendamos la inclusión de variables adicionales en futuros estudios,
como el tipo de vehículos involucrados y el estado del conductor, para profundizar en el análisis de los
factores de riesgo. Asimismo, la comparación entre diferentes modelos de Machine Learning podría
enriquecer la comprensión y predicción de los siniestros de tránsito. Estudios longitudinales que evalúen
la evolución de los patrones de siniestros a lo largo del tiempo serían igualmente valiosos,
proporcionando insights sobre la efectividad de las políticas implementadas y permitiendo ajustes
estratégicos conforme sea necesario.
Este estudio demuestra la valiosa contribución de las técnicas de Machine Learning al desentrañamiento
de la complejidad inherente a los siniestros de tránsito. Los hallazgos no solo aportan a la base teórica
existente, proponiendo una metodología analítica robusta, sino que también brindan orientaciones
pág. 1637
prácticas para la formulación de intervenciones de seguridad vial más efectivas. Es crucial que
formuladores de políticas, investigadores y profesionales del área de seguridad vial consideren estos
resultados para orientar sus esfuerzos hacia la reducción de los siniestros de tránsito, con el objetivo
último de salvar vidas y disminuir lesiones.
REFERENCIAS BIBLIOGRAFICAS
Arias, V., Salazar, J., Garicano, C., Contreras, J., & Chacón, G. (2019). Una introducción a las
aplicaciones de la inteligencia artificial en Medicina: Aspectos históricos. Revista
Latinoamericana de Hipertensión, 14(5), 590-600.
https://www.redalyc.org/journal/1702/170262877013/html/
Bes, H. (2020). Machine Learning y Big Data en el campo de la salud y la medicina personalizada.
https://bes-h.com/es/big-data-y-machine-learning-en-el-campo-de-la-salud-y-la-medicina-
personalizada/
Cardona, J. (2023). Modelo predictivo de las zonas de riesgo espacio-temporales de accidentes de
tráfico en la ciudad de Manizales. Tesis maestría:
https://repositorio.ucaldas.edu.co/bitstream/handle/ucaldas/19537/MODELO%20PREDICTI
VO%20DE%20ZONAS%20DE%20RIESGO%20ESPACIO%20TEMPORAL%20DE%20A
CCIDENTES%20DE%20TR%C3%81FICO%20EN%20LA%20CIUDAD%20DE%20MANI
ZALES.pdf?sequence=1&isAllowed=y
Cestero, C. (2020). Aplicación de técnicas Machine Learning al estudio de la accidentalidad grave en
carretera, en población de edad avanzada. https://ebuah.uah.es/dspace/handle/10017/44187
Kumar, S., & Toshniwal, D. (2020). A deep learning approach for road accident prediction in urban and
rural areas. Accident Analysis & Prevention, 135, 105386.
https://doi.org/10.1016/j.aap.2019.105386
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations.
Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, 1(14),
281-297.
Morentín, G., Contreras, J., & Guerrero, J. (2023). Mecanismo de Detección de Carga Cognitiva basado
en Machine Learning Aplicado a Conductores. Tecnología educativa, 9(3).
pág. 1638
OMS. (2023). Traumatismos causados por el tránsito.
https://www.who.int/es/news-room/fact-sheets/detail/road-traffic-injuries
Tadeo, R. B., León, M. T., & Gómez, A. J. (2021). Predicting road traffic accidents using machine
learning techniques: A comprehensive review. IEEE Access, 9, 130111-130125.
https://doi.org/10.1109/ACCESS.2021.3111250
World Health Organization. (2018). Global status report on road safety 2018. WHO.
https://www.who.int/publications/i/item/9789241565684
Zheng, Z., Ahn, S., Chen, D., & Lantz, B. (2021). Machine learning for real-time prediction of
complications in critical care: A retrospective study. La ncet Respiratory Medicine, 9(1), 39-50.
https://doi.org/10.1016/S2213-2600(20)30300-X
