DEPARTAMENTO DE INGENIERÍA CIVIL:

TRANSPORTES.

ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE

CAMINOS, CANALES Y PUERTOS.

UNIVERSIDAD POLITÉCNICA DE MADRID.

Modelización de la accidentalidad
según el tipo de carretera y su circulación.

TESIS DOCTORAL.

Por

D. Carlos Azparren Calvo.

Ingeniero de Caminos, Canales y Puertos.

Director:

D. Sandro Rocci Boccaleri.

Doctor Ingeniero de Caminos, Canales y IHiertos.

Madrid, 2003.
 Tribunal nombrado por el Magnífico y Excelentísimo Sr. Rector de la
Universidad Politécnica el día de de 2003.

Presidente:

Vocales:

Secretario:

Calificación:

EL PRESIDENTE LOS VOCALES

EL SECRETARIO
 RESUMEN.

La infraestructura viaria, al ser u n a obra pública, tiene como finalidad

el servicio a la sociedad. Los accidentes de circulación suponen u n elevado
coste social, que justifica proñindizar en las variables asociadas a su ocurren-
cia; el conocimiento de estas es fiandamental para la mejora de las circunstan-
cias que pueden concurrir en u n accidente.

El objetivo de esta tesis doctoral es estudiar la relación entre la

siniestralidad, el tipo de carretera y su circulación.

La tesis se h a ceñido a ciertos tramos interurbanos de la Red de

Carreteras del Estado y al período comprendido entre los años 1989 y 1996,
distinguiendo entre los siguientes tipos de carreteras: carreteras de calzada
única, autopistas de peaje, y otras carreteras con calzadas separadas. Los datos
empleados sobre los accidentes h a n sido los recogidos en los p a r t e s de
accidentes con víctimas de la Dirección General de Tráfico del Ministerio del
Interiror; los datos sobre la intensidad de la circulación proceden de los aforos
de la Dirección General de Carreteras del Ministerio de Fomento.

Para cada uno de los tipos de carretera se han aplicado diferentes

modelos de regresión. Los resultados obtenidos confirman que los modelos de
seguridad vial basados únicamente en definir la exposición al riesgo por medio
de la intensidad del tráfico no explican m á s que u n a pequeña parte de la
ocurrencia de los accidentes. En contra de lo esperado, la consideración de
intensidades diarias u horarias no manifiesta u n a s diferencias significativas
respecto de las regresiones obtenidas con índices de siniestralidad.

Para profundizar más en el mecanismo explicativo de los accidentes, se

ha explorado la asociación de la intensidad (en este caso la horaria) con otras
circunstancias que h a n concurrido en los accidentes y están explícitamente
recogidas en el parte. Para ello se ha empleado la técnica estadística denomina-
da "análisis de conglomerados", que intenta obtener u n a clasificación natural
de los hechos u objetos estudiados, comparando los atributos empleados para
definirlos. Se han definido unos atributos propios del entorno, y otros propios
del accidente. Para los tramos de la red estudiada, se ha vuelto a poner de
manifiesto la debilidad de la asociación de los accidentes con la intensidad de
la circulación; y también se ha comprobado una cierta asociación estadística
entre las circunstancias del entorno de la carretera y algunas del accidente.

Lo anterior confirma que, en los tramos estudiados, la inñuencia de las

circunstancias de la carretera y su entorno en la ocurrencia del accidente se
manifiesta a través de su incidencia en la conducta de los usuarios; y también
en las consecuencias del accidente.
 AGRADECIMIENTOS.

Cuando inicié mi andadura profesional en el Centro de Estudios de

Carreteras del CEDEX, tuve la oportunidad de trabajar bajo la supervisión del
Dr. D. Mariano Gullón Low. Fue él quien me transmitió su inquietud por la
seguridad vial. Las raíces del trabajo que aquí se expone tuvieron su origen en
aquellos días. Por todo ello es mi deseo recordarle y agradecerle desde estas
líneas su inconmesurable trabajo como maestro.

También quisiera hacer patente mi agradecimiento al Profesor D. Sandro

Rocci Boccaleri, Director de esta tesis doctoral, quien gracias a sus orientacio-
nes, revisiones y comentarios profesionales, asi como a sus continuos ánimos
e inagotable paciencia, ha conseguido poner orden y ciencia donde antes había
caos.

Una especial mención dedicada a los compañeros de la Dirección General

de Carreteras del Ministerio de Fomento, p u e s todos a los que acudí, me
brindaron en todo momento su mejor dedicación y aliento, olvidando rangos y
categorías profesionales y aportando todo su conocimiento y colaboración.
Quisiera recordar en particular a los compañeros del Servicio de Puentes y
Estructuras así como a los del Servicio de Proyectos y del Servicio de Informáti-
ca de la Dirección Técnica, pues su ayuda en muchas tareas me ha permitido
seguir adelante en el día a día del trabajo.

Igualmente agradecer a aquellos amigos a cuyas puertas llamé, que

también han dedicado su valioso tierapo y esfuerzo, y que en ocasiones han
sido auténticos viáticos que han alimentado al peregrino en su recorrido.

Por último mencionar a mis familiares próximos. Ellos han vivido todas
las alegrías, desánimos, miedos y dudas, que han formado parte de la urdimbre
de este estudio. Me h a n prestado su apoyo de forma incondicional y h a n
sobrellevado con cariño todo el tiempo que este trabajo les ha robado.
 ÍNDICE

1.- ANTECEDENTES 1
1.1.- Seguridad vial 1
1.2.- Los modelos de seguridad vial 8
1.2.1.- Los modelos univariables. Los índices de
siniestralidad 12
1.2.1.1.- índice acumulativo. El punto negro 17
1.2.1.2.- índices ponderados. índice de
peligrosidad e índice de mortalidad 18
1.2.2.- Los modelos multivariables de seguridad vial. . . . 21

2.- MÉTODOS ESTADÍSTICOS Y TÉCNICAS DE ANÁLISIS DE DATOS 25

2.1.- Ajuste de observaciones 25
2.2.- Contraste de hipótesis 27
2.3.- El análisis de conglomerados 29
2.3.1.- Elección de los objetos que se clasifican 31
2.3.2.- Elección de las variables 32
2.3.3.- Homogeneización de variables 32
2.3.4.- Adaptación del concepto de conglomerado
a un problema concreto 34
2.3.5.- Medidas de semejanza o desemejanza entre
objetos 35
2.3.6.- Implementación de algoritmos 36

3.- ESTADO DE LA CUESTIÓN 38

3.1.- Modelos basados en la intensidad 38
3.2.- Modelos basados en la velocidad 53
3.3.- Modelos basados en el nivel de servicio 61
3.4.- Recapacitación 63
4.- DATOS EMPLEADOS 64
4.1.- Campañas de aforo 65
4.2.- Recuento de los accidentes 69

5.- DESARROLLO DE LA INVESTIGACIÓN 72

5.1.- Correlaciones con la Intensidad media diaria 72
5.1.1.- Combinación de las bases de datos 72
5.1.2.- Relaciones índice de peligrosidad - IMD e
índice de mortalidad - IMD 73
5.2.- Correlaciones con la intensidad horaria 80
5.2.1.- Combinación de las bases de datos 80
5.2.2.- Relaciones índice de peligrosidad - intensidad
horaria 81
5.3.- Aplicaciones de análisis de conglomerados 84
5.3.1.- Exégesis de los datos 84
5.3.2.- Combinación de las bases de datos 89
5.3.3.- Estructura de la base de datos 89
5.3.4.- Aplicación del análisis de conglomerados 90
5.3.4.1.- Estudio previo de las variables 91
5.3.4.2.- Análisis de la intensidad horaria 97
5.3.4.3.-Estudio de las tablas de contingencia. .103
5.3.4.4.- Aplicación de la técnica de conglomerados
a tablas de contingencia múltiple 107
5.3.4.5.- Estudio de las tablas de contingencia
de las clases 116
5.3.4.6.- Estudio de la tabla de contingencias
múltiples de la intensidad horaria 119

6.- ANÁLISIS Y CONCLUSIONES 126

6.1.- Análisis de resultados 126
6.1.1.- Análisis de la información obtenida de la relación
entre los índices de siniestralidad y la intensidad
media diaria 126
 6.1.2.- Análisis de la información obtenida de la relación
entre los índices de siniestralidad y la intensidad
horaria 131
6.1.3.- Análisis de la información obtenida del análisis
de conglomerados 132
6.2." Conclusiones 133
6.3.- Aplicabilidad de los resultados a la prognosis de la
seguridad vial 135
6.4.- Investigaciones futuras que se proponen 136

7.- BIBLIOGRAFÍA 139

ANEJO 1. RELACIONES ÍNDICE DE PELIGROSIDAD - INTENSIDAD E

ÍNDICE DE MORTALIDAD - INTENSIDAD.

ANEJO Ibis RELACIONES ÍNDICE DE PELIGROSIDAD - IMD E

ÍNDICE DE MORTALIDAD - IMD (por tramos),
en formato mecanizado.

ANEJO 2. APLICACIÓN DEL ANÁLISIS DE CONGLOMERADOS PARA

EL ESTUDIO DE LA ACCIDENTALIDAD SEGÚN
EL TIPO DE CARRETERA Y SU CIRCULACIÓN.
1.-ANTECEDENTES.

1.1.-Seguridad vial.

El accidente se define, según el Diccionario de la Real Academia

Española, como u n "suceso eventual que altera el orden regular de las cosas"
y en otra acepción, como u n a "eventual acción que involuntariamente origina
daño para las personas o cosas". Por otro lado, el mismo Diccionario define
siniestro como "daño de cualquier importancia que puede ser indemnizado por
u n a compañía aseguradora".

De la definición de accidente se desprenden dos importantes circunstan-

cias. La primera, que el accidente implica siempre u n a eventualidad, u n acto
fortuito. Es decir, que al analizar los accidentes, se analizan hechos eventuales;
hechos estadísticos. La segunda, que al emplear el término accidente como
sinónimo de siniestro, siempre implica la consecuencia de daños a las personas
o cosas. Esta segunda circunstancia es particularmente importante, pues al
hablar de seguridad vial habitualmente se sobreentiende que las cifras que se
manejan, son de accidentes que han resultado finalmente en accidente con
víctimas (figura 1). Por ser h a b i t u a l no deja de ser incorrecto, p u e s los
accidentes sin víctimas y sólo daños miateriales no dejan de existir, aunque su
incidencia en el total de los accidentes resulte extraordinariamente difícil de
determinar.

VICTIMAS MUERTOS

Figura 1.
Relaciones siniestro-accidente con víctimas-accidentes con víctimas mortales.
 El tráfico es u n sistema que conjuga tres elementos: usuario, vehículo y
carretera. La distinta intervención de cada uno de ellos, asi como las interaccio-
nes de unos con otros, conforman la cambiante realidad del tráfico. El concepto
de usuario no se debe limitar al conductor o conjunto de conductores; debe
también incorporar la posible presencia de peatones, ciclistas y ocupantes de
los vehículos. Algo parecido ocurre con el elemento carretera; no intervienen
exclusivamente los valores geométricos de la sección de la calzada, de s u
proyección en planta y alzado. También las condiciones del entorno tienen u n a
implicación evidente. Así, las condiciones de los márgenes, el entorno en su
conjunto (incluidos el propio tráfico, las condiciones meteorológicas y la
iluminación), son circunstancias que hacen que el elemento carretera no sea
estático y de fácil parametrización. Finalmente, el vehículo que es el elemento
aparentemente menos variable, tampoco puede considerarse como u n a variable
independiente. En efecto, los vehículos que circulan habitualmente por la
carretera, varían entre medidas ligeramente superiores al metro, hasta valores
de decenas de metros. En consecuencia su masa y, por tanto, su energía varían
en u n rango muy amplio. A esta circunstancia se añade, para u n mismo tipo
de vehículo, el d i s t i n t o e q u i p a m i e n t o . Maniobrabilidad o potencia son
características que en pocas ocasiones se consideran. Otras circunstancias que
también inciden de forma directa y que pocas veces siquiera se constatan son
el tipo y estado de los neumáticos, o los diferentes elementos y dispositivos de
seguridad, tanto activa como pasiva. Finalmente, aunque no menos importante,
el vehículo desarrolla u n a velocidad en cada i n s t a n t e . Esta velocidad, al
conjugarse con la del resto de vehículos y con la carretera, hace que se
convierta en u n elemento trascendental en la seguridad.

El tráfico en su habitual discurrir viene a ser interrumpido por u n hecho

eventual, el a c c i d e n t e . E s t e s u c e s o provoca u n a n u e v a situación, que
evoluciona hasta llegar a u n a s consecuencias. Considerando que el accidente
se produce en el instante en que el vehículo queda fuera de control o fuera de
la trayectoria prevista, la seguridad vial pretende conocer y evitar las circuns-
t a n c i a s que envuelven al i n s t a n t e en que se produce el accidente, u n a s
anteriores al accidente y otras posteriores a él. Se denomina seguridad activa
a toda medida que actúa antes de producirse el accidente, y por tanto pretende
evitar la circunstancia peligrosa. Por el contrario, se denomina seguridad pasiva
a las m e d i d a s q u e a c t ú a n d e s p u é s de p r o d u c i r s e el a c c i d e n t e , p r e t e n d i e n d o
minimizar s u s c o n s e c u e n c i a s .

Como m u e s t r a el gráfico de B l u m e n t h a l (figura 2), el accidente surge

c u a n d o las interacciones entre los c o m p o n e n t e s provocan u n a situación en la
que la c a p a c i d a d de a c t u a c i ó n del c o n d u c t o r sobre el vehículo q u e d a

ACCIDENTE
NIVEL CONDUCTOR
DE
CAPACIDAD

NIVEL SISTEMA
DE
EXIGENCIAS

Figura 2.
Blumenthal, M.; Dimensions of the Traffic Safety Problem;
Traffic Safety Research Review, 1966.

por debajo la de exigencia del sistema, lo que provoca la pérdida total o parcial
del control sobre la trayectoria del vehículo (Blumenthal, 1966). De igual forma,
las consecuencias del accidente, son el resultado de las posteriores interrelacio-
n e s de los e l e m e n t o s del s i s t e m a . E n el C o n g r e s o M u n d i a l de la AIPCR e n
Bruselas (1987) se aportaron datos que pusieron en evidencia (figura 3) el grado
en el que el u s u a r i o , el vehículo y la c a r r e t e r a intervienen en los a c c i d e n t e s .
E s t u d i o s m á s recientes h a n p u e s t o de manifiesto que m á s i m p o r t a n t e q u e el
g r a d o de i n t e r v e n c i ó n de c a d a e l e m e n t o en la s i t u a c i ó n de a c c i d e n t e , es el
análisis de la evolución del conjunto.
 CARRETERA VEHÍCULO

o;i %

Figura 3.
Congreso M u n d i a l de la AIPCR e n B r u s e l a s (1987).

De forma esquemática el sistema formado por usuario, vehículo y

carretera se comporta de la siguiente manera. El usuario recibe información,
principalmente visual, de la carretera. Esta información provoca u n comporta-
miento en el usuario, el cual, actúa sobre los mandos de control del vehículo.
El vehículo interacciona con la carretera, y desemboca en u n a nueva situación
en la que el u s u a r i o h a adaptado las condiciones del vehículo a la nueva
situación de la c a r r e t e r a . Es decir, el sistema tiende a u n a posición de
equilibrio. El usuario como elemento decisor adapta las circunstancias del
vehículo a la carretera. Las interacciones entre los tres elementos son las que
permiten el proceso de evolución hasta la posición de equilibrio.

La degeneración del funcionamiento del sistema puede afectar a

cualquiera de los elementos o de s u s interacciones. Cuando esta surge, el
sistema continúa funcionando aunque no hacia u n a posición de equilibrio. Por
ejemplo, esta degeneración se produce cuando la información del entorno no
llega al usuario a tiempo. Esta ausencia de información puede producirse por
fallo de la carretera (v.g. falta de visibilidad), fallo del usuario (falta de atención).
o u n a combinación de ambas circunstancias. Otra degeneración habitual se
produce cuando la información, siendo recibida a tiempo, no está en la forma
adecuada para su correcta interpretación. Esta circunstancia provoca en el
usuario u n a indecisión a la hora de ñjar la posición de equilibrio a alcanzar.
Asimismo otro posible deterioro del funcionamiento del sistema surge cuando
la interacción del usuario sobre los mandos del vehículo no es correcta. La
incorrección puede provocarse en el vehículo (fallo mecánico) o en el usuario
(fallo humano). Por último, otro posible deterioro en el sistema arranca en la
interacción entre el vehículo y el entorno (deslizamiento en curva, aquaplaning,
sobre o subvirage, etc.).

Una vez que el sistema se deteriora, evoluciona a u n a posición diferente

de la de equilibrio. La capacidad de funcionamiento del conjunto se limita. No
obstante, mientras se mantiene u n a cierta capacidad de funcionamiento, el
sistema puede tender a u n a nueva posición de equilibrio.

Los estudios de Hydén se desarrollaron en este sentido (figura 4) al

considerar el concepto de incidente, también denominado cuasi-accidente, o
accidente blanco (Hydén, 1987). Define incidente como cualquier evento que se
puede producir durante la conducción como consecuencia de u n a actuación o
circunstancia insegura, y que sin generar ningún tipo de daños o lesiones,
comporta u n elevado margen de riesgo para el desarrollo de la circulación. El
conductor no evalúa muchos de estos incidentes como riesgo, por lo que estas
conductas pueden llegar a convertirse en hábito gracias a la facultad de
aprendizaje.

Cuando la situación desemboca en que el sistema queda al menos

parcialmente fuera de control, se provoca el incidente. Esta situación, que tiene
origen en u n deterioro del funcionamiento del sistema, puede evolucionar a u n a
posición de equilibrio, en la que se recupera el control (incidente sin consecuen-
cias), o degenerar hasta el colapso (incidente con consecuencias, siniestro).
 Accidentes

Cuasi-accidentes

Conflictos leves

Conflictos potenciales

Acontecimientos
no interrumpidos

Figura 4.
Hydén C; The Development of a Method for Traffic Safety Evaluation;
The Swedish Traffic Conflicts Technique; Department of Traffic Planning
and Engineering; University of Lund, 1987.

El término pérdida de control debe interpretarse en u n sentido amplio.

No debe c o n s i d e r a r s e e x c l u s i v a m e n t e la s i t u a c i ó n de p é r d i d a de control del
c o n d u c t o r sobre el vehículo. T a m b i é n se d e b e c o n s i d e r a r como p é r d i d a de
control cualquier circunstancia que limite la capacidad de interacción entre los
e l e m e n t o s q u e c o n s t i t u y e n el s i s t e m a . Así p o r ejemplo, la e x i s t e n c i a de u n
obstáculo en la calzada no percibido por el conductor que llegue a producir u n
despegue de los neumáticos del pavimento p a s a a ser u n a situación de pérdida
de control, a u n c u a n d o el c o n d u c t o r circule c o r r e c t a m e n t e y el desenlace de
e s t a p é r d i d a de control no t e n g a c o n s e c u e n c i a a l g u n a . A n á l o g a m e n t e , si el
c o n d u c t o r d i s t r a e s u a t e n c i ó n y d u r a n t e u n cierto t i e m p o la t r a y e c t o r i a del
vehículo es e r r á t i c a y la s i t u a c i ó n p a s a a ser de i n c i d e n t e , si p e r m a n e c e la
trayectoria errática en el tiempo la capacidad del sistema se puede ver afectada
y en ese momento el sistema entra en u n a posición de pérdida de control y por
t a n t o de a c c i d e n t e . E s decir, todo s i n i e s t r o s i e m p r e tiene s u origen en u n a
pérdida de control, en u n a degeneración del funcionamiento del sistema.
 Como consecuencia de lo anterior, la seguridad vial supone el estudio del
usuario, el vehículo y la carretera, tanto en su evolución y circunstancias
propias como en s u s interacciones, considerando las medidas que eviten
desembocar en un incidentCj al tiempo que se limitan las consecuencias de los
accidentes que pudieran producirse. Así pues, se trata de analizar el amplio
abanico que varía desde la recuperación del control del vehículo, pasando por
el siniestro sin víctimas (sólo daños materiales), hasta llegar al accidente con
víctimas. Gráñcamente, la seguridad vial (figura 4) estudia las relaciones entre
las pirámides de situaciones y de conflictos (pirámide de Hydén). Dicha gráfíca,
posteriormente d e s a r r o l l a d a por Xumini (figura 5) tiene como base las
situaciones seguras, elevándose a las situaciones de riesgo leve (incidentes), por
encima de las cuales se sitúan las de peligro leve, a las que se superponen las
de peligro grave (accidentes), culminando la pirámide las situaciones de peligro
irreversible (siniestro). Considera como peligros irreversibles los d a ñ o s
materiales, los heridos leves, los graves y los muertos. Tal como enunció Xumini
el tráfico es u n sistema caótico que sólo puede controlarse a partir de las
condiciones iniciales, pues las interacciones entre los elementos del sistema no
siempre tienen la misma respuesta (Xumini, 2001). Es decir, una misma acción
de un elemento del sistema provoca distintas interacciones en el sistema y por
tanto desemboca en situaciones diferentes.

Muertos
Srtuaciones sin sokjcun
T A muy c o r t o Xmpac+os, a t r o p e l l o s
o y s o l i d a s d e la vía.
Reducción muy rápida del T A
C a m b i o d e sí1*uación
Aumento de! T A
Carnbío d e s i t u a c i ó n
Reducción del T A
C a m b i o d e síi-uacíón
R e e q u i i i b r i o CC
Cambio d e situación
D e s e q u i l i b r i o CC
TA = rjEMPO DE APROXIMACIÓN Pirémide de /as Situac/'ones
CC ~ CAÍXf^AS aDNOUCTÓGB-4AS

Figura 5.
Xumini L. M.; Estudio de la mecánica de funcionam.iento del sistem.a de tranco.
(Sin publicar).

7
 1.2.- Los modelos de seguridad vial.

El conocimiento científico de los procesos técnicos en general y de la

seguridad vial en particular, se basa en la formulación de modelos que explican
las relaciones de los elementos que participan y, como consecuencia, los
resultados de dichas relaciones. El conjunto de elementos o p a r t e s de la
realidad que se relacionan como componentes, conforma el modelo. El método
científico se s u s t e n t a en modelos matemáticos que pretenden emular las
relaciones de los c o m p o n e n t e s , explicando la evolución de la realidad y
permitiendo predecir su desarrollo futuro a partir de los datos pretéritos.

El sistema de seguridad vial que se trata de modelizar se caracteriza por

ser u n sistema complejo, al ser no determinista, no lineal y por tanto sensible
a las condiciones iniciales, afectado de localidad, a u n q u e isomórfico y con
capacidad de aprendizaje.

El sistema de seguridad vial no es determinista, es decir, no se puede

establecer una relación unívoca entre la situación pasada y futura. Ello se debe
a que el sistema se desarrolla mediante variables dependientes del tiempo, con
unos componentes sujetos al azar. Por tanto, los modelos resultarán dinámicos
con componentes estocásticos.

Los modelos matem.áticos lineales destacan entre otros motivos por su

sencillez. Las reglas que determinan el comportam.iento futuro del sistema
siguen u n a evolución suave, es decir, u n ligero cambio en u n determinado
elemento del sistema no produce u n cambio importante en el resultado. Los
modelos lineales presentan u n a geometría simple e invariable. Ello implica que
aun para u n elevado número de elementos, la solución se puede encontrar de
forma teórica.

Que el sistema que forma la seguridad vial no sea ni determinista ni

lineal, hace que estas características tampoco sean uniformes. En determina-
d a s circunstancias, con ciertas condiciones de contorno, la evolución del
s i s t e m a se p r o d u c e de forma suave y por t a n t o asimilable a u n modelo
determinista, parametrizable y con capacidad de prognosis. En cualquier caso,
siempre pueden surgir espontáneamente nuevas circunstancias que rompan
el aparente determinismo de la realidad.

El sistema de seguridad vial es sensible a las condiciones iniciales como

consecuencia de la falta de linealidad del sistema. Si u n sistema es sensible a
las condiciones iniciales, u n pequeño cambio del sistema en u n i n s t a n t e
determinado produce u n a evolución del sistema exponencial en el tiempo. Que
u n sistema no lineal tenga sensibilidad a las condiciones iniciales, no implica
la necesidad de u n estado inicial excepcional. El desarrollo del sistema de forma
súbita en el tiempo, puede arrancar de u n a gran variedad de estados iniciales
aparentemente estables. En el sistema de seguridad vial, la sensibilidad a las
condiciones iniciales está presente tanto en los factores internos como extemos.
En lo que se refiere a los factores i n t e r n o s , u n a p e q u e ñ a variación del
comportamiento del vehículo puede producir u n deterioro del sistema que
evoluciona rápidamente en el tiempo. El otro factor interno, el conductor, está
ligado al comportamiento humano y requiere u n a constante atención. Basta
u n a pequeña distracción para provocar u n a situación de alto riesgo, haciendo
que el desarrollo del sistema evolucione excepcionalmente. En lo que se refiere
a los factores externos, la carretera como infraestructura es la que menor
sensibilidad presenta a las condiciones iniciales. Al ser u n factor extraordina-
riamente invariable su sensibilidad disminuye. Sólo en los casos en los cuales
la configuración de la vía sorprende al conductor, el sistema se degenera y
evoluciona rápidamente a situaciones de riesgo. En cambio el entorno presenta
u n a alta sensibilidad a las condiciones iniciales, siendo las condiciones
meteorológicas el factor m á s sensible. Finalmente, los otros vehículos que
c i r c u l a n por la vía t a m b i é n e s t á n sometidos a la m i s m a d e p e n d e n c i a ,
influyendo a su vez en las condiciones en que se desarrolla la circiolación en su
conjunto.

El sistema de seguridad vial está afectado de localidad. Esta característi-

ca es propia de los sistema complejos, y particularmente de aquellos en los que
intervienen u n elevado número de variables. Que u n sistema posea localidad
indica que el modelo matemático que simiulase el fenómeno sólo tendría validez
para u n a porción del universo que se trata de comprender. La integración de
sucesivos sistemas locales no se puede a u n a r en u n único sistema global
(modelo universal).

El sistema de seguridad vial no se puede modelizar determinísticamente

por su complejidad. No obstante, y en circunstancias normales, es u n sistema
isomórñco. El isomorfismo significa que hay u n a cierta analogía entre el estado
del sistema en u n instante dado, y otro anterior o posterior. Es decir, el sistema
es estable o está en equilibrio. Gracias al isomorfismo del sistema, la evolución
de este en circunstancias normales presenta formas si no iguales, sí análogas.
Debido a este isomorfismo se aplica la experiencia derivada del aprendizaje del
conductor, permitiéndose formulaciones sencillas del sistema.

El comportamiento humano, que es factor interno del sistema de

seguridad vial, está sujeto al aprendizaje. Esta circunstancia determina que en
el conjunto del sistema u n elemento, el conductor, actúe como motor lógico de
u n sistema experto. El sistema evoluciona tomando decisiones que se basan en
experiencias anteriores. El conductor tiende a hacer variar el sistema hacia una
posición de equilibrio entendida como valor mínimo del riesgo. El conductor
actúa sobre el vehículo con continuas correcciones, procurando mantener la
coordinación de todos los factores en u n a situación de riesgo asumido o
aceptado, que considera como valor mínimo del riesgo. El flujo del tráfico se
conforma entonces como u n conjunto de sistemas que tienden a estabilizarse
hacia u n a situación de riesgo mínimo o aceptado (Edie, 1974). La aparición de
circunstancias que escapan al control del conductor, o de factores que actúan
en sentido adverso p a r a la s e g u r i d a d , son s u s c e p t i b l e s de p r o d u c i r la
degeneración del funcionamiento del sistema e incluso la situación de siniestro.
En ocasiones, el conductor es capaz de reconducir el sistema dentro de las
limitaciones impuestas por el deterioro del mismo, alcanzando u n a nueva
posición de riesgo aceptado.

Todos los modelos de seguridad vial, en mayor o menor grado y según sea
la complejidad de su formulación, parten de u n sistema compuesto por usuario,

10
vehículo y carretera. Suele considerarse al u s u a r i o y al vehículo factores
i n t e r n o s del s i s t e m a , p u e s el u s u a r i o es el elemento decisor que posee
capacidad de acción sobre el vehículo. La carretera en cambio se considera
como factor extemo del sistema, pues el usuario y el vehículo se adaptan a las
circunstancias impuestas por ella. La carretera no puede ser a d a p t a d a en
ningún caso por los restantes elementos del sistema. Al considerar la carretera,
se están teniendo en cuenta tres aspectos distintos, que de forma combinada
imponen las circunstancias extemas del sistema. Por u n lado debe considerarse
la carretera propiamente dicha, la infraestructura. Por otro lado entran en juego
las circunstancias del entorno (iluminación, condiciones meteorológicas y
márgenes de la calzada). Finalmente, el conjunto de usuarios de la vía, que
impone u n a s características al flujo de tráfico. La configuración de estos
aspectos conforma la realidad del factor carretera.

Los modelos de seguridad vial pretenden, dentro de sus limitaciones,

describir los mecanismos que culminan en la aparición del hecho que se
estudia, el accidente. Para ello a partir de los factores que se considera que
intervienen en el mismo, se definen las variables que los describen. A partir de
las variables se formulan los parámetros, que obtenidos como funciones de las
variables, pueden al combinarse representar de forma adecuada la realidad. Las
relaciones matemáticas entre los distintos parámetros simulan las relaciones
de los factores. Como resultado final el modelo propone u n valor del parámetro
representativo de los accidentes en función de los valores que toman los
parámetros que representan al resto de los factores. En general los modelos de
seguridad vial parten de u n a s condiciones iniciales que actúan como condicio-
nes de contorno del problema. A partir de dichas condiciones iniciales se
formulan u n a s relaciones n u m é r i c a s entre los distintos parámetros, que
aprovechando la falta de determinismo del sistema, buscan u n a modelización.
Es decir, los modelos de seguridad vial pretenden predecir la aparición de los
accidentes a través de unos parámetros, que representan a los factores que
intervienen, y de unas relaciones numéricas de los mismos, que reproducen las
relaciones entre los distintos factores. Apoyándose en el isomorfismo del
sistema los modelos permiten p a r a similares condiciones iniciales hacer
com^paraciones y prognosis de la ocurrencia de los accidentes.

11
 1.2.1.- Los modelos univariables. Los índices de siníestralidad.

Los modelos de seguridad vial univariables proponen u n a formulación

que permite obtener u n valor numérico de la variable representativa de la
aparición de accidentes a partir del valor de otra variable del sistema. Esta
variable dependiente recibe el nombre genérico de índice de accidentalidad.
Puesto que este índice se reñere a accidentes, debería considerar todos los
accidentes producidos, con independencia de las consecuencias de los mismos.
Debido a que los accidentes constatados, y por tanto considerados, son aquellos
en los que se h a n producido víctimas, los índices así obtenidos deberían
denominarse índices de siníestralidad con víctimas. Los índices de siníestrali-
dad representan realmente la inseguridad de las carreteras, ya que valoran la
presencia de cierto tipo de accidentes. Por t a n t o la seguridad vial de las
carreteras en realidad se describe por la función inversa de los índices de
siníestralidad.

Como se indicó previamente, se trata de modelos simplificados, lo cual

hace que las relaciones numéricas de las variables empleadas sólo permitan
predecir el valor numérico de la variable dependiente (el accidente), pero no
sean capaces de explicar los mecanismos del fenómeno. Los p a r á m e t r o s
empleados en los índices de siníestralidad no suponen u n a relación causa-
efecto entre las variables. Se trata de modelos que aprovechan la concurrencia
de ciertas circunstancias que permiten extrapolar resultados, a u n q u e no
explican su posible acción causal.

Los índices de siníestralidad utilizados han evolucionado desde valores

absolutos de ocurrencia de siniestros, hasta índices en los que se conjugan de
forma ponderada los parámetros de exposición al riesgo y consecuencias del
accidente.

En general los modelos de seguridad vial emplean tres parámetros para

describir la realidad: la exposición, el riesgo de que se produzca u n accidente
y sus posibles consecuencias. La magnitud del problema, la inseguridad vial,
es función del valor de estos tres parámetros. Los modelos pueden ampliarse

12
encadenando otros parámetros añadidos, que hacen que el modelo destaque la
relación entre el nuevo parámetro y la seguridad vial. La formulación del riesgo
como producto de la exposición por la probabilidad de que ocurra u n detenni-
nado evento, se debe a Bemoulli en 1738. Desde entonces y hasta ahora, esta
formulación continúa siendo válida, a p e s a r de que los contenidos de los
parámetros han evolucionado.

El primero de los parámetros de los modelos de seguridad vial, la

exposición, no es u n valor único y determinado. Hay distintos modos de medir
la exposición. Así destacan por su empleo el número de habitantes, la superficie
del país, la longitud de red, el volumen del tráfico (número de vehículos por
distancia recorrido), los hábitos de viaje, las medidas de exposiciones locales o
las estimaciones indirectas (por ejemplo el consumo de carburantes). Resultan
entonces distintas unidades de medida de la exposición. Las más habitualmen-
te utilizadas son: la población, el parque de vehículos, los viajeros o vehículos
por kilómetro recorridos, los viajeros o vehículos por horas de recorrido, el
número de viajes o la caracterización de situaciones específicas del tráfico
(niveles de servicio, situaciones concretas como nudos viarios).

La medida de la exposición a través del número de vehículos por

kilómetro recorridos es la unidad más empleada pues representa el grado de
empleo de la parte de la red viaría estudiada. Sin embargo en muchos países
no puede emplearse esta unidad por falta de datos (países en vías de desarro-
llo). Por ello en esos casos se emplea como medida de la exposición el parque
de vehículos. No siendo u n a unidad tan representativa como la anterior, pues
su empleo presupone u n a utilización uniforme en el tiempo y en el espacio de
todos los vehículos considerados, su obtención es más sencilla y en ocasiones
es el único dato disponible. Otra medida habitual es la población, la cual está
vinculada al parque de vehículos a través de la tasa de motorización (número
de vehículos por mil habitantes). En este caso debe cuidarse la estimación de
la t a s a de motorización p u e s varía no sólo entre países, sino también en
muchos casos entre regiones. Siempre que se emplea la variable parque de
vehículos, hay que tener en cuenta que su valor está en m u c h a s ocasiones
falseado por el hecho de no ser notificada la baja de vehículos que están fuera

13
de la circulación. Por último, motivado por la falta de datos también se h a
empleado en ciertas ocasiones la superficie del país como factor de exposición.
Su principal inconveniente es que presupone u n a distribución uniforme del
tráfico en la superficie considerada.

Los datos de los accidentes y sus consecuencias se recogen principalmen-

te en los informes policiales, hospitalarios y de las compañías de seguros. Cada
u n a de estas fuentes tiene s u s ventajas y s u s inconvenientes. En cualquier
caso, ninguna de ellas resulta com.pleta desde el punto de vista del análisis de
la seguridad vial. A ello se añade el problem.a de la difícil superposición de los
datos procedentes de diferentes fuentes.

El segundo de los parámetros, las consecuencias de los accidentes, se

determina diferenciando entre los accidentes con víctimas y los accidentes con
víctimas mortales. Debido a que los accidentes en que sólo se han producido
daños materiales en raras ocasiones se reflejan en los partes de accidentes, los
estudios de seguridad se limitan en general al estudio de accidentes con
consecuencias sobre las personas, accidentes con víctimas. A partir de esta
consideración se diferencia entre accidentes con heridos y aquellos en los que
ha resultado alguna víctima mortal. Generalmente no se distingue entre heridos
leves o graves, pues este dato en muchas ocasiones no se puede determinar "in
situ", y posteriormente no se recaba la información. En cambio, si se suele
comunicar a la autoridad policial en materia de tráfico el fallecimiento de las
personas implicadas en accidentes de circulación. Para poder considerar que
u n a persona h a fallecido como consecuencia de las lesiones sufridas en u n
accidente de circulación, el fallecimiento se debe producir dentro de un periodo
de tiempo determinado. Esto permite asignar a cada accidente las correspon-
dientes víctimas mortales. Hasta fechas recientes no existía u n único valor
aceptado universalmente para este periodo de tiempo. El periodo de tiempo que
se consideraba en E s p a ñ a h a s t a el año 1993 era de veinticuatro h o r a s ,
mientras que desde entonces el plazo considerado es de treinta días (Orden de
18 de febrero de 1993). Este cambio en el periodo de tiempo, se estima que h a
supuesto u n incremento en el valor de víctimas mortales del 30 % para la Red
de Carreteras del Estado. No obstante, los partes de accidentes continúan

14
incluyendo el dato de víctimas mortales en las veinticuatro horas siguientes al
accidente.

Este tipo de modelos establece u n a relación matemática entre las

variables e m p l e a d a s y permite obtener, p a r a u n o s valores d a d o s de las
variables que representan los parámetros de exposición y consecuencias de los
accidentes, u n valor numérico representativo del riesgo, el índice de siniestrali-
dad. Se obtiene así u n valor del índice de siniestralidad para cada valor de
medida de exposición y consecuencia del accidente.

Cuando se realizan comparaciones de índices de siniestralidad,

especialmente entre distintos países, hay que tener u n gran cuidado, p u e s
aunque las unidades de los índices sean semejantes, en muchas ocasiones su
obtención es dispar. No resulta inhabitual encontrar incongruencias que sacan
a la luz que en ocasiones los parques automovilísticos no se actualizan, que los
aforos son defectuosos, etcétera. En estos casos, la comparación de índices aun
siendo válida numéricamente, no es representativa.

El empleo de índices de siniestralidad presenta dos efectos conocidos, el

regreso a la media, y la migración de accidentes.

El efecto de regreso a la media del modelo supone, que las frecuencias de

los accidentes que se p r e s e n t a n p a r a u n período de tiempo determinado
(generalmente de u n año), y que son superiores a la media, tienen tendencia a
decrecer y a regresar hacia el valor medio.

El regreso a la media se h a explicado por algunos investigadores bajo la

hipótesis de que u n determinado tramo de c a r r e t e r a posee u n riesgo de
accidente intrínseco, que depende del flujo de tráfico que soporta. Si el volumen
de tráfico variase de forma substancial, el riesgo intrínseco del tramo también
variaría. No obstante, considerando que las condiciones del tráfico permanecen
estables, así como el resto de factores intervinientes, el número de accidentes
que realmente se produce en u n período de tiempo varía p u e s se trata de
sucesos estocásti-cos. Puede considerarse en primera aproximación que el riesgo

15
intrínseco del tramo coincide con el valor medio de accidentes. El efecto de
regreso a la media consiste en que para los tramos que presentan elevados
índices de siniestralidad en u n período determinado, en períodos posteriores el
índice tiende a disminuir. Al e s t a r sometido el índice de siniestralidad a
variaciones aleatorias, cuando el valor de este está por encima del valor de
riesgo intrínseco del tramo, dicho tramo tiene mayor probabilidad de encontrar-
se entre los de accidentalidad m á s elevada. En consecuencia, es probable que
en períodos de tiempo posteriores el valor de la accidentalidad disminuya,
acercándose al valor medio que representa el riesgo intrínseco. Luego en u n
tramo que en determinado momento posee u n a elevada accidentalidad, si se
consideran períodos sucesivos de tiempo, el número de accidentes tiende a
disminuir por iin efecto de regreso a la media, aun cuando no se hayan tomado
medidas correctoras y permanezcan estables las condiciones de los factores
intervinientes. El efecto de regreso a la media se produce entonces en aquellos
t r a m o s s i t u a d o s en la cola superior de la distribución de los índices de
siniestralidad para un conjunto de tramos. Si se analizan los tramos individual-
mente sólo se producirá este efecto cuando el riesgo intrínseco sea inferior al
valor de accidentalidad registrado. Algunos estudios realizados han empleado
métodos estadísticos basados en el análisis de Bayes con el objetivo de mitigar
este efecto.

El segundo efecto al emplear estos índices de siniestralidad es la

migración de los accidentes. Se h a comprobado que u n a vez localizado u n
tramo con accidentalidad elevada, si se actúa y se trata, este se traslada a otra
posición próxima. Por este motivo los programas de actuación en seguridad vial
basados en los índices de siniestralidad presentan u n a paradoja: tras u n a
actuación generalizada en los tramos con elevada accidentalidad de u n a red o
itinerario, el número de tramos con elevada accidentalidad permanece estable
en el tiempo.

16
 1.2.1.1.- índice acumulativo. El punto negro.

El punto negro es u n índice de inseguridad ya clásico en los estudios de

seguridad vial. Se define como punto negro el entorno de carretera en el que se
produce u n número mínimo de accidentes en u n determinado período de
tiempo. En la actualidad el punto negro no se emplea y h a sido sustituido por
el denominado tramo de concentración de accidentes (TCA). Se defme como
tramo de concentración de accidentes al tramo de u n a longitud determinada
(1 km), en el que habiéndose producido u n n ú m e r o absoluto mínimo de
accidentes con víctimas en determinado periodo de tiempo, la frecuencia
relativa supera u n cierto valor.

Se trata de u n índice que permite identificar tramos de carretera con

frecuencias de accidentes elevadas, para u n determinado período de tiempo. El
punto negro o TCA resulta ser entonces u n tramo en el que la densidad de
accidentes, en el tiempo y en el espacio, es anormalmente elevada frente a u n
valor de referencia.

La primera dificultad está en fijar el número mínimo de accidentes. Es

habitual tomar como valor mínimo el valor medio del total de tramos con
accidentes de similares c a r a c t e r í s t i c a s . La definición de características
similares se hace clasificando las carreteras, clasificación ftincional (autopista,
autovía, otras vías con calzadas separadas y carreteras de calzada única), la
zona atravesada (urbana o no), el tipo de lugar (nudo viario, tramo entre nudos
viarios) y la intensidad del tráfico.

El empleo del punto negro o TCA como índice de inseguridad presenta

tres efectos conocidos. Los dos primeros son comunes a todos los índices de
siniestralidad y se expusieron en el apartado anterior: el regreso a la media, y
la migración de accidentes.

El tercer efecto es inherente a la definición de punto negro o TCA. Al

considerarse los emplazamientos con u n número de accidentes superior a la
media, significa que no se consideran los accidentes que se producen en

17
emplazamientos con frecuencias por debajo de aquel valor. Se ha comprobado
que, para la Red del Estado en Francia, el método de los puntos negros viene
a considerar sólo u n 8% del total de los accidentes graves producidos. (Informe
del Comité de seguridad vial de la AIPCR; XX Congreso Mundial; Montreal
1995). En España se estima que para la Red de Carreteras del Estado, Los TCA
corresponden al 20% de los accidentes con víctimas, mereceiendo destacar que
este porcentaje se sitúa en u n a longitud que supone el 4% del total de dicha red
(V jornadas nacionales de seguridad vial; Asociación Técnica de Carreteras;
Oviedo 2001).

1.2.1.2.- índices ponderados. índice de peligrosidad e índice de mortalidad.

El índice de peligrosidad surge como u n a evolución del concepto de punto

negro. Se define índice de peligrosidad como la probabilidad de aparecer u n
accidente con víctimas por cada vehículo que hay circvilando en cada kilómetro
recorrido.

Con el índice de peligrosidad se conjugan las tres dimensiones de los

modelos de seguridad: riesgo (probabilidad de accidente), exposición (vehícu-
lo*kilómetro) y consecuencia del accidente (con víctimas).

La expresión clásica del índice de peligrosidad es:

rP de accidentes con víctimas • 10^

IP =
IMD ' 365 • longitud

Siendo:
IP: índice de peligrosidad.
IMD: la intensidad media diaria del tramo de carretera considerado
(vehículos).
Longitud: la longitud del tramo de carretera considerado (kilóme-
tros).

18
 Las unidades del IP son pues, accidentes con víctimas por cada cien
millones de vehículos-kilómetro. El período de tiempo considerado en la IMD es
u n año. La formulación anterior permite obtener entonces los índices de
peligrosidad anuales, realizar con ellos comparaciones y estudiar su evolución.

Con el mismo planteamiento surge el índice de mortalidad. Se define

igual que el índice de peligrosidad, pero en lugar de considerar los accidentes
con víctimas, se considera el número de muertos. El índice de mortalidad es
pues, la probabilidad de que ocurra u n muerto por cada vehículo que circula
y cada kilómetro que se recorre.

Los investigadores, cuando estudian tramos con elevados valores del

índice de peligrosidad o mortalidad, llegan a la conclusión de que se produce
el denominado efecto de regreso a la media, también llamado sesgo por la
selección (apartado 1.2.1). Abbess y otros indicaron que este efecto de regreso
a la media puede difuminarse empleando períodos de tiempo suñcientemente
dilatados. Así, considerando periodos de u n a ñ o , el t a n t o por ciento de
variación en la accidentalidad media debido al regreso a la media se puede
estimar entre u n 15 y u n 26 por ciento. Sin embargo, al considerar períodos de
3 años, la variación por regreso a la media se estima entre u n 5 y u n 11 por
ciento (Abbess, Jarrett Ss Wright, 1981). Estudios recientes tratan de aminorar
este efecto aplicando métodos bayesianos (Hauer, 2002), (Pardillo, 1995). Estos
se sustentan en la premisa de que u n tramo determ.inado cuya seguridad se
está analizando a d e m á s de registrar u n valor del índice de peligrosidad o
mortalidad, pertenece a u n a población de tramos similares o población de
referencia. Conociendo los valores de los índices de peligrosidad o mortalidad
de la población de referencia se puede referenciar u n valor de riesgo intrínseco
respecto al tramo en estudio. Luego el efecto de sesgo por selección o regreso
a la media puede aminorarse empleando poblaciones de referencia (estudio
simultáneo de distintos tramos) y períodos de tiempo suñcientemente dilatados.
Abbess propuso u n a simplificación para el caso de estudio de u n único tramo
aislado, sin población de referencia. Este caso es bastante frecuente debido a
que es difícilmente justificable identificar tramos de elevada siniestralidad, y no
a c t u a r en ellos en a r a s a disponer de u n a población de referencia. En la

19
simplificación p r o p u e s t a se e s t i m a el efecto de regreso a la media R(%)
mediante la expresión:

R = -^-^ 1-100
l(n^+n) ' A J

Siendo "A" el número de accidentes en el tramo estudiado durante "n"

años y "A" y "nt" estimaciones de los parámetros de la distribución estadística
de la siniestralidad. "A^." y "n^" se obtienen como:

a2
A= VAR{a)-a

a
^t =
VARla)-a

Donde "a" y "VAR(a)" son la media y varianza para el conjunto de los

accidentes. El regreso a la media se h a considerado siempre u n ruido del
sistema de seguridad vial.

Otro efecto detectado en algunos estudios es el llamado efecto de

migración de los accidentes (apartado 1.2.1). Este surge tras actuar en u n
tramo con elevado índice de siniestralidad, p u e s los accidentes parecen
desplazarse a tramos de carretera contiguos. Este efecto se ha explicado por la
homeóstasis del riesgo (Wilde, 1994). E s t a filosofía de la h o m e ó s t a s i s o
compensación del riesgo, a u n en amplia discusión, sugiere que el conductor
varía su comportamiento en lo referente a la asunción de riesgos, compensando
cualquier mejora de seguridad. Es decir, el conductor tiende a mantener u n
nivel fijo de riesgo asumido o posición de equilibrio del sistema. Cuando el
conductor percibe u n a mejora en las condiciones de seguridad del resto de los
elementos, vehículo o carretera, varía las condiciones asumiendo mayores
riesgos hasta llegar a la posición de equilibrio o nivel de riesgo asumido con
anterioridad. Cuando se a c t ú a sobre u n tramo de carretera con elevada

20
accidentalidad, el conductor percibe u n a disminución del riesgo, lo que le lleva
a variar la conducción hasta compensar la mejora de seguridad. Cuando las
condiciones de la carretera no mantienen el nivel de seguridad antes percibido
el sistema se desestabiliza pudiendo evolucionar a u n a nueva posición de
equilibrio, o siendo sorprendido por u n a degeneración del s i s t e m a que
evoluciona rápidamente a situaciones de riesgo. Resulta entonces lógico que al
actuar en u n tramo de carretera mejorando ostensiblemente s u s niveles de
seguridad, en los tramos adyacentes aumente la accidentalidad produciéndose
el efecto de migración (Nolan, 2001). El efecto de migración de los accidentes
no hace m á s que evidenciar la sensibilidad a las condiciones iniciales del
sistema de seguridad vial, unido a la localidad del mismo.

Para que los valores de los índices de peligrosidad y mortalidad sean

comparables, deben referirse al menos a carreteras del mismo tipo. Por ello, los
índices de peligrosidad y mortalidad se refieren siempre a u n a clase de
c a r r e t e r a , con u n tipo de localización y entorno (urbano, interurbano).
Generalmente se distingue entre carreteras con calzadas separadas y carreteras
de calzada única. En cuanto al tipo de localización, habitualmente se distingue
entre nudos viarios y tramos entre nudos viarios.

1.2.2.- Los modelos multivariables de seguridad vial.

A partir de los modelos univariables anteriormente expuestos, se han

desarrollado modelos que integran mayor número de variables. Surgen de este
modo los denominados modelos multivariables, que pretenden explicar la
influencia que otras variables tienen en la aparición del accidente.

Recientemente se han desarrollado modelos multivariables de tipo

econométrico que, además de integrar los tres parámetros principales de la
seguridad vial, toman en consideración factores de tipo socioeconómico, hábitos
de los u s u a r i o s o medidas reglamentarias en la circulación. Todos estos
modelos se conocen con el acrónimo DRAG (Demand of Road use, Accidents
and their Gravity). Con la pretensión de a u n a r esfuerzos y obtener u n único

21
modelo que recoja todas las experiencias de los distintos modelos operativos
(Quebec, Noruega, Estocolmo, Alemania, Francia, California), se realizó u n a
conferencia internacional en París (Seminario del 26 al 27 de noviembre de
1998, París). Dicha conferencia propuso en su programa de trabajo alcanzar
dos objetivos: recopilar toda la documentación referente a los distintos modelos
DRAG empleados, y e s t u d i a r su posible empleo en la evaluación de la
efectividad de las políticas de seguridad vial. Estos trabajos se encuentran en
este momento en fase de desarrollo.

Los modelos multivariables de seguridad vial m á s avanzados en la

actualidad, que derivan de los índices de siniestralidad, introducen novedades
que hacen el modelo m á s complejo. En primer lugar parten de la hipótesis de
que el accidente es u n suceso raro y que por ello su distribución sigue u n a ley
de Poisson. Partiendo de dicha premisa, se aplican métodos de regresión
multivariante tomando como variables explicativas las relativas al tráfico y
ciertas características geométricas de la carretera. Sin embargo, la aplicación
de estos modelos no siempre h a logrado obtener parámetros estadísticos que
se correspondan con los de la distribución supuesta. Por este motivo, se han
realizado nuevos ajustes suponiendo que la distribución de accidentes se ajusta
a una binomial negativa (Miaou, 1994) (Pardillo 86 Llamas, 2003). A partir de los
modelos de accidentalidad así obtenidos, se inducen modelos logísticos para
predecir el número de muertos.

Los modelos multivariables anteriores, aun considerándose válidos,

resultan cuestionables. Los modelos citados se basan en la hipótesis de que, al
ser el accidente u n suceso raro, la distribución de los accidentes sigue u n a ley
de Poisson. Si bien es cierto que el accidente es u n suceso raro, la naturaleza
del suceso no justifica por si misma que la distribución sea la de Poisson. En
estos estudios, cuando se analiza el ntimero de accidentes, se fija previamente
u n periodo de tiempo de medida, que es entonces la unidad experimental que
se e s t u d i a . Como el accidente es u n hecho p u n t u a l en el tiempo, cabe
considerar múltiples periodos (horario, semanal, m e n s u a l o anual). Si se
adoptase el periodo anual, habría que tener en cuenta que la cantidad de
unidades experimentales más pequeñas posibles (v.g. periodos horarios) puede

22
ser suñcientemente elevada como para poder aplicar el teorema central del
límite. Según este t e o r e m a , p a r a u n a sucesión de variables aleatorias
independientes e idénticamente distribuidas con esperanza y varianza finitas,
su s u m a es asintóticamente normal. Por t a n t o , la distribución s u m a de
accidentes para u n período al menos anual habría de tender a la distribución
normal.

Por otro lado, si se adoptase otro periodo de estudio suficientemente

pequeño, el accidente sería u n fenómeno dependiente del tiempo, debido tanto
a la unidad de tiempo tomada como unidad experimental, como al origen de
tiempo considerado (pues la aparición de los accidentes es distinta p a r a
distintas horas del día). En consecuencia, la variable considerada (el accidente)
es heterogénea al depender del tiempo y, por ello, la realidad se podría
modelizar por el proceso de Poisson (no la distribución de Poisson, que exige
que la variable considerada sea homogénea).

En otras ocasiones se h a empleado la distribución binomial negativa, en

sustitución de la de Poisson. Con ello se pretenden considerar todos los
períodos de tiempo, con independencia de que haya ocurrido o no accidente.
Para emplear esta distribución hay que prefijar dos parámetros. Uno, el periodo
de tiempo de medida considerado (unidad experimental). Otro, el número de
aciertos (accidentes) que han de contabilizarse para detener el proceso. De esta
manera se obtiene u n número de unidades experimentales (v.g. horas) que han
t r a n s c u r r i d o h a s t a a l c a n z a r u n cierto n ú m e r o de aciertos (accidentes)
prefijados.

A tenor de lo anterior, cabría considerar el empleo de la distribución

origen de las habitualmente planteadas, que es la binomial condicionada. Esta
distribución, si la probabilidad del hecho estudiado es muy baja, y no se
dispone de medios de cálculo mecanizado de suficiente potencia, se puede
simplificar dando como resultado el proceso de Poisson. Si el proceso de
Poisson se particulariza para variables homogéneas, se obtiene la distribución
de Poisson. Por tanto, podría llevarse a cabo la aplicación de la distribución
binomial condicionada aprovechando los m o d e r n o s equipos de cálculo

23
mecanizado disponibles. Cabe reincidir en este punto que el teorema De Moivre-
Laplace, particularización del teorema central del límite, se enuncia como: la
suma de u n a sucesión de variables aleatorias independientes con distribución
de Bemoulli (cuya suma es u n a distribución normal) de parámetros "n" y "p"
se puede aproximar para valores suficientemente grandes de "n", a u n a normal
de media "n-p" y varianza "np(l-p)''.

Por último se pueden aplicar técnicas de análisis de datos tales como

LAD (análisis lógico de datos) o DOLA (análisis lógico ordinal de datos), que
permiten explorar los d a t o s sin necesidad de p r e s u p o n e r distribución o
hipótesis alguna. Destaca de entre estas técnicas, por su vasta aplicación, el
denominado análisis de conglomerados. Estas técnicas, que se han empleado
con éxito en diferentes ramas de la ciencia, son igualmente aplicables a otras
disciplinas como la que nos ocupa. De esta m a n e r a se puede analizar la
influencia de determinadas variables en la aparición del fenómeno accidente sin
tener que considerar u n a relación formal por medio de una función matemática
concreta.

24
2.- MÉTODOS ESTADÍSTICOS Y TÉCNICAS DE ANÁLISIS DE DATOS.

2.1.- Ajuste de observaciones.

Sea u n modelo teórico que representa la correlación entre las variables

observadas X e Y, donde cada u n o de los valores observados de la variable
dependiente y; se corresponde con u n conjunto de variables independientes Xj
mediante u n a expresión de la forma:

Yi = ai Ln (Xj) + a^ para, el ajuste logarítmico

yi = aiXi^ + a2Xi + a3 para el ajuste polinómico de segundo grado
Yi = aj x¡'%' para el ajuste potencial
Yi = aj e *^i %' para el ajuste exponencial

donde, a^ son los parámetros del modelo considerado.

El modelo inicialmente no se conoce, pero mediante u n ajuste matemáti-

co se pueden estim.ar sus parámetros. Así por ejem.plo, para el caso del ajuste
polinómico de segundo grado, el modelo estimado será de la forma:

Yi = bi x^ + ba x + bs + Ci

donde los valores de bj son los estimadores de los parámetros a^ del modelo, y
los valores de e; son los errores de estimación del modelo.

El método de los mínimos cuadrados es el criterio empleado con mayor

frecuencia para ajustar los parámetros de u n modelo. Consiste en determinar
los parámetros que hacen que la s u m a de los c u a d r a d o s de los errores o
residuos sea mínima. Es decir, S e^ sea mínimo. Sin embargo, el análisis de los
mínimos cuadrados no concluye con el ajuste del modelo. Además, es preciso
realizar u n a evaluación del modelo ajustado y, en caso necesario, modificar el
modelo inicial.

25
 E n notación raatricial, el modelo de m í n i m o s c u a d r a d o s se obtiene
resolviendo la ecuación:

b = ( X' X )-^ X' Y

Donde:
b es la matriz de los estimadores de los parámetros.
(X' X)"^ es la matriz varianza - covarianza.
X' es la matriz traspuesta de los valores observados de la variable
independiente.
Y es la matriz de los valores observados de la variable dependiente.

El término residuo en el modelo se puede descomponer en dos fuentes.

Una se debe a un efecto inherente a las desviaciones aleatorias. Otra es la
desviación del modelo ajustado respecto al modelo verdadero. La primera fuente
se denomina error puro o aleatorio. La segunda fuente se denomina error
explicado por el modelo.

Si se representa la variación experimentada por las desviaciones

aleatorias como V residual J l^-S variaciones respecto al modelo como V explicada'
entonces la variación total será:

• total • residual * explicada

Donde:
^ total ~ (^i " ^ mediJ

residual ~" \ i ~ estJ

• explicada l^ est ^ media/

Siendo:
Y es^: valores e s t i m a d o s m e d i a n t e el modelo
Y media- valor mcdío de t o d a s las observaciones
Y H : valores observados

26
 Si en la ecuación inicial dividimos cada término por V^tai, se tiene que:

^ total/ ^ total — i — V residual/ ^ total ^ expUcada / ^ total

Llamando R^ a la relación V expUcada / ^ totai » donde R es el denominado

coeficiente de correlación del modelo, se obtiene entonces:

í^ = ( V jot^ - V residual) / ^ total

El valor de R^ puede tomar valores entre cero y uno. Para valores de R^

cercanos a la unidad, los errores aleatorios obtenidos en las observaciones son
pequeños, y por tanto la variabilidad explicada en el modelo es alta. Por el
contrario, los valores de R^ se aproximarán tanto más a cero cuanto menor sea
la intensidad de la asociación entre la variable dependiente y las variables
independientes. En ocasiones, al emplear parámetros en el modelo en vez de
variables observadas directamente, el valor de R^ perm.anece mínimo en toda
circunstancia. Ello puede deberse a que la misma variable observada forma
parte en varios parámetros, por lo que puede encontrarse al tiempo en la parte
dependiente del modelo y en la independiente. Para valores de R^ en tomo a 0,9
la correlación es aceptable y se puede garantizar u n a relación estadística entre
las variables independientes y la variable dependiente. En cambio, para valores
de R^ por debajo de 0,7 la correlación es baja y la asociación entre las variables
independientes y la variable dependiente no es relevante. En general se acepta
que valores de R^ por debajo de 0,5 implican que las variables independientes
consideradas tienen u n a escasa influencia sobre la concurrencia de la variable
dependiente.

2.2.- Contraste de hipótesis.

Al estudiar estadísticamente u n fenómeno, en determinadas ocasiones,

es posible examinar todos y cada uno de los elementos que forman la población.
A esto se le denomina enumeración completa o censo. Sin embargo, en general

27
sólo conocemos u n a parte del total del censo, por lo que a partir de la muestra
que se dispone, hay que estimar todo lo referente a la población. Las poblacio-
nes y las muestras se describen matemáticamente por u n conjunto de valores.
Cuando estos se refieren a la población se denominan parámetros, mientras
que cuando se refieren a m.uestras se denominan estadísticos.

Las pruebas de contraste de hipótesis se inician formulando u n a

hipótesis respecto a u n parámetro de la población que se estudia. A partir de
los datos que se disponen de la m u e s t r a se estudian los estadísticos de la
misma y empleando esta información se decide el valor de la probabilidad,
también denominado nivel de significancia, de que sea correcto el parámetro de
población acerca del cual se formuló la hipótesis. El aceptar como válido el
parámetro de población que se h a supuesto y que implica u n a consecuencia se
denomina hipótesis nula. Si se rechaza la hipótesis nula, la conclusión que si
se acepta en su lugar se denomina hipótesis alternativa.

El propósito de las pruebas de contraste de hipótesis no es cuestionar el

valor calculado del estadístico de la muestra, sino hacer u n juicio respecto a la
diferencia entre ese estadístico y el correspondiente paráxnetro hipotético de la
población. Si suponemos que la hipótesis nula es correcta, entonces el nivel de
significancia indicará el porcentaje de medidas de la muestra que están fuera
de ciertos límites. El aceptar la hipótesis nula, en realidad significa que no hay
evidencia estadística para rechazarla, aunque en la práctica se suele aplicar
como si fuera cierta. De forma análoga ocurre al rechazar la hipótesis nula. Si
en la elección de u n a probabilidad aceptable, o nivel de significancia, se
a u m e n t a esta, m.ayor será la probabilidad de rechazar u n a hipótesis n u l a
cuando sea cierta. A esta probabilidad se le denomina error tipo I. Por otro lado,
es posible aceptar u n a hipótesis nula cuando es falsa; a esta probabilidad se
le denomina error tipo II. Resulta entonces que la probabilidad de cometer u n
tipo de error sólo puede reducirse a costa de a u m e n t a r la probabilidad de
cometer el otro tipo de error. Por t a n t o , la decisión del valor del nivel de
significancia h a de hacerse tomando en consideración las consecuencias
vinculadas a ambos tipos de errores.

28
 Como consecuencia de los estudios de los errores tipo 1 y II para las
p r u e b a s de contraste de hipótesis, en general se acepta la hipótesis n u l a
cuando la probabilidad de discrepancia entre lo esperado (parámetro) y lo
medido (estadístico) es inferior a 0,05. Es por ello que, al aplicar cualquier test
de contraste de hipótesis, habitualmente sólo se consideran estadísticamente
significativos p a r a valores de inferiores a 0,05. De entre estos merecen
destacarse por su dilatado empleo los siguientes: "t" de Student, test de
Wilcoxon-Mam Whitney, test de la mediana, test de Kolmogorof-Smimov, razón
de verosimilitud y prueba de Chi-cuadrado de Pearson.

2.3.- El análisis de conglomerados.

Una de las actividades más básicas del raciocinio humano consiste en

agrupar objetos o hechos por categorías. Esta actividad surge ante la incompa-
tibilidad de procesar individualmente los objetos o hechos cuando su número
se incrementa. Así pues, la clasiñcación o identificación es el proceso por el
cual se asigna a cada nuevo objeto o hecho u n lugar determinado en u n
conjunto preestablecido de categorías o clases. La bondad de la clasificación
depende de tres factores:

- La adecuada deñnición de cada u n a de las clases o categorías.

- El posible solapamiento de las distintas clases.
- Las variaciones aleatorias, que pueden inducir a u n a clasiñcación
inadecuada de las observaciones que se clasifican.

A pesar de las posibles imperfecciones, la clasificación es necesaria para

poder c o m p r e n d e r la realidad, y p o s t e r i o r m e n t e desarrollar principios
unificadores que expliquen la ocurrencia de ciertos hechos y su orden aparente.

Cada objeto, hecho, caso o unidad experimental se deñne por u n

conjunto de atributos o caracteres. El estudio comparativo de objetos o hechos
en muy pocas ocasiones puede llevarse a cabo mediante la agrupación de estos

29
en unas regiones compactas del espacio de atributos. En general, no se pueden
establecer las clases de objetos a partir de la uniformidad de la posición de los
objetos sobre todos los ejes de atributos o caracteres.

La Estadística h a aplicado el concepto de clasificación en su sentido

preciso mediante el denominado análisis de conglomerados. Según dicho
análisis, cada objeto debe parecerse a los objetos de su mismo conglomerado
o clase en muchas de sus características, no siendo necesario que se parezca
en todas. Los miembros de u n a clase se asignan por el mayor número de
características próximas entre si, de manera que ninguna característica aislada
pueda considerarse como definitiva para asignar u n objeto o hecho a u n a clase.

En el análisis de conglomerados se suele partir del desconocimiento de

la estructura de las clases, conglomerados o categorías. En la mayoría de los
c a s o s se dispone t a n sólo de u n conjunto de observaciones. Con e s t a s
observaciones se pretende establecer u n a s categorías o conglomerados tales,
que el grado de asociación sea alto entre los miembros de u n mismo conglome-
rado, y bajo entre los miembros de conglomerados distintos.

La diferencia primordial entre aplicar u n ajuste de observaciones y u n

análisis de conglomerados estriba en que en el primer caso se cuantifica,
mientras que en el segundo se cualifica. Un buen ajuste permite cuantificar la
probabilidad de ocurrencia del hecho estudiado. Es decir, obtiene probabilida-
des a partir de valores numéricos. Un buen análisis de conglomerados permite
cualificar la participación de las variables (numéricas o no), así como los
distintos valores que puedan tomar, sin presuponer la influencia que pudieran
tener en el hecho estudiado. Como se indicó en el apartado 1.2.2, esta técnica
t r a t a de explorar d a t o s sin p r e s u p o n e r distribución o hipótesis alguna,
buscando la influencia de las variables, sin necesidad de determinar u n a
relación formal entre las mismas.

Las fases que componen u n análisis de conglomerados son:

- Elección de los objetos que se clasifican.

30
 - Elección de las variables.
- Homogeneización de variables.
- Adaptación del concepto de conglomerado a u n problema concreto.
- Medidas de semejanza o desemejanza entre objetos.
- Implementación de algoritmos.
- Interpretación de resultados.

2.3.1.- Elección de ios objetos que se ciasifícan.

Los objetos del análisis pueden ser de cualquier tipo. El análisis se realiza
a partir de u n a muestra, que no es más que u n a parte de la población que se
pretende estudiar. El análisis de conglomerados se sustenta, en general, en el
principio de aleatoriedad. Esto significa que todos los objetos son igualmente
probables a la hora de seleccionar la muestra. Bajo esta selección aleatoria,
cualquier grupo que exista en la población tiende a estar representado en la
m u e s t r a en proporción a s u t a m a ñ o relativo respecto de la población. Los
grupos pequeños o raros en la población puede que no estén representados en
la muestra, sobre todo cuando esta es de pequeño tamaño.

Sólo cuando se busca el estudio particular de los grupos pequeños o

raros deben elegirse los objetos de la m u e s t r a de forma dirigida, para así
obtener resultados representativos de los grupos considerados.

Otra hipótesis de partida habitual es la de independencia, que implica

que la elección de cada elem.ento de la muestra no está influenciada por la
elección de cualquier otro. Cuando se quiere estudiar la prioridad de ciertos
elementos a la hora de seleccionarlos, dependiendo de la selección previa de u n
objeto determinado, se rompe la hipótesis de independencia. En este caso se
deben analizar los datos utilizando la dependencia para obtener la máxima
información.

31
 2.3.2.- Elección de las variables.

Con carácter previo a la elección, se deben describir los objetos o hechos

observados. La descripción se realiza en términos de unos atributos, caracterís-
ticas o propiedades. Estos descriptores forman las variables del problema. La
elección de e s t a s variables tiene, en general, m u c h a influencia sobre los
resultados que se obtienen como consecuencia del análisis.

Las variables que toman valores muy semejantes en todos los elementos
de la muestra presentan u n escaso poder discriminatorio. Por el contrario, las
que muestran diferencias apreciables entre algunas de las unidades experimen-
tales y otras pueden conducir a fuertes distinciones. La ausencia de u n a
variable relevante para la discriminación, a la hora de seleccionar las variables,
suele conducir a que los conglomerados obtenidos se mezclen en u n a masa
amorfa o confusa.

2.3.3.- Homogenelzación de variables.

Las variables, desde el punto de vista matemático, pueden ser de tres

tipos:

- Variables continuas, las que tienen u n rango de valores infinito

no numerable.
- Variables discretas, las que tienen u n rango finito o infinito
numerable. Es decir, pueden ponerse en correspondencia biunívoca el
rango de valores y el conjunto, o u n subconjunto, de los n ú m e r o s
naturales.
- Variables binarias o dicotómicas, aquellas que pueden tomar sólo
dos valores (generalmente sí o no, O o 1).

A su vez, las variables (sean del tipo que fueren), se denominan de escala
cuando son susceptibles de ser medidas con u n sistema de medida de escala.
Se consideran cuatro clases de escalas:

32
 - Escalas nominales. Sólo distinguen tipos de clases. Es decir, A es
igual a B, o es distinto. Si V^ y Vg representan los valores de A y B se
puede decir V^ = Vg ó V^ '^ Vg
- Escalas ordinales. Introducen u n orden en cada clase. Además de
distinguir si A es igual o distinta de B, en el caso de la desigualdad
introducen si A es mayor que B o B mayor que A. Es decir, si V^^ ^^ Vg,
VA > VB ó Vg > V^.
- Escalas de intervalo. Asignan u n a medida significativa de la
diferencia entre dos elementos. No sólo distinguen que A es mayor que
B, además A es "x" unidades mayor que B. Es decir, si V^ > Vg, A es V^
- Vg unidades mayor que B.
- Escalas de razón. Es u n a escala de intervalo, en la que se
encuentra u n origen inferior de medida denominado punto cero. Ello
supone no sólo que A es distinta de B, y A es "x" unidades mayor que B;
además A es cierto número de veces superior a B. Es decir, si V^ > Vg ,
A es V^ / Vg veces superior a B.

Para agrupar en conglomerados las unidades experimentales, es

necesario amalgamar las variables empleando índices de semejanza. La
contribución de cada variable a los índices depende de su propia escala de
medida, así como de las escalas del resto de variables.

Una técnica habitual a la hora de homogeneizar variables para su

participación en los índices de semejanza, es reducir todas las variables a forma
estándar (media cero y varianza unidad). Esta técnica simplifica el análisis,
pero no permite al analista profundizar en el significado de los datos.

Otra técnica para homogeneizar variables consiste en la conversión de

escala. Con esta técnica se persigue, u n a vez seleccionada u n a escala,
transformar convenientemente las variables hasta alcanzar la homogeneidad.
Las escalas se ordenan en la sucesión nominal, ordinal, de intervalo y de razón,
según la información creciente demandada por la definición de escala. Así,
ascender u n a variable de escala implica la utilización de información adicional,
o la aceptación de u n a nueva hipótesis. Por el contrario, el descenso de u n a

33
variable de escala implica la renuncia a u n a parte de la información.

2.3.4.- Adaptación del concepto de conglomerado a un problema concreto.

El término conglomerado se deja a menudo sin definir, considerándose

com.o u n a noción intuitiva. Esta intuición se puede expresar indicando que los
miembros de u n conglomerado guardan m á s proximidad entre ellos que con
otros miembros. La relación de proximidad se suele definir mediante el volumen
ocupado por el conglomerado, la densidad de los objetos en el espacio de
atributos, la relación entre los elementos de u n conglomerado, el espacio entre
dos conglomerados adyacentes comparado con sus respectivos diámetros, etc.

El análisis de conglomerados impone u n a s relaciones entre los objetos

cuyo fiíndamento son las características observadas sobre los mismos, que se
transforman en u n índice de semejanza o desemejanza entre cada dos objetos.
Estas relaciones, que propone el analista, permiten obtener las estructuras
básicas de los objetos en función de los datos, aunque las especificaciones del
algoritmo de conglomerados, en m u c h a s ocasiones, imponen parte de estas
estructuras.

Por tanto, el análisis de conglomerados obliga a que el analista haga u n a

adaptación de cada problema concreto. Cuando la adaptación es buena, el
resultado ñnal se obtiene con cierta prontitud. Si la adaptación del problema
no es acertada, las e s t r u c t u r a s básicas se obtienen t r a s largos procesos
iterativos de convergencia muy lenta.

El análisis de conglomerados suele considerarse como u n a técnica para

el reconocimiento de pautas de semejanza en los objetos. Se caracteriza por el
uso de medidas de semejanza o desemejanza entre cada par de objetos que se
han de clasificar.

Sea X el conjunto de objetos, que se han de clasificar. Sobre cada uno de

ellos se observan u n número "n" de características o variabJes. Sea "x/' u n

34
elemento de X y "a^ " las características observadas. Sea W u n conjunto de "k"
nombres "Wj". Una identificación es u n a aplicación sobre todo o parte del
conjunto X en W tal que, introduciendo las variables "a^" se obtiene *Wj". Si "a^"
es el resultado de las medidas de u n objeto, la imagen "Wj" de la aplicación se
denomina nombre de la clase a la que pertenece el objeto. Las clases de
equivalencia sobre el conjunto X son conjuntos tales que a todos ellos la
función de clasificación les asigna el mismo nombre "w,".

En la práctica, la mayor dificultad de u n a clasificación reside en hallar

la aplicación de identificación.

2.3.5.- Medidas de semejanza o desemejanza entre objetos.

Las características medidas sobre los objetos proporcionan la estructura

inicial de los datos. Esta estructura se puede representar como u n a matriz
a^j, siendo 1 < i < m el número de objetos considerados y 1 < j < n las caracterís-
ticas observadas sobre cada objeto. Cada u n a de las medidas "a^" puede tener
interpretaciones diferentes, según la escala que se haya empleado.

Las características o variables observadas sobre los objetos se clasifican

en cuantitativas, cualitativas y binarias. Esto da lugar a tres tipos de interpre-
taciones: la interpretación cuantitativa, la interpretación cualitativa y la
interpretación binaria. La interpretación cuantitativa de la estructura inicial de
datos, implica que los objetos "x", en las variables cuantitativas, son isomorfos
a números reales. La interpretación cualitativa de la estructura inicial de datos
se produce cuando la variable observada sobre el objeto "x" se materializa con
elementos no numéricos de u n conjunto finito N. La interpretación del objeto
no es u n valor numérico, habitualmente es \xn nombre o cualidad (por ejemplo
u n valor, u n a profesión, etc). Si no se presenta ningún orden sobre el conjunto
N, se dice que cada variable de esta clase es nominal cualitativa. Si sobre el
conjunto N se presenta u n orden parcial o u n orden completo (v.g. pequeño,
medio, grande; joven, adulto, viejo), la variable es ordinal cualitativa. Finalmen-
te, la interpretación binaria de la estructura inicial de datos tiene lugar si la

35
variable se encuentra en dos estados posibles, habitualmente llamados O y 1.
Si se pueden realizar operaciones numéricas con los datos, las variables se
llaman entonces binarias cuantitativas. En caso contrario se llaman binarias
cualitativas.

Sea "Xi" u n objeto y a i i , a i 2 , . . - , a i n l a estructura inicial de datos que se

miden sobre dicho objeto. Una medida de semejanza S, o medida de desemejan-
za D, proporciona u n valor numérico a la noción de proximidad o lejanía entre
dos objetos Xi, Xq, dependiendo de la estructura inicial de datos observada. La
semejanza S o desemejanza D es u n a función simétrica cuyo dominio es el
conjunto X • X, siendo X el conjunto de objetos, y cuyo rango o imagen son
valores reales positivos. Habitualmente u n valor elevado de S indica u n a
elevada semejanza o proximidad, mientras que u n valor elevado de D señala
u n a elevada desemejanza o lejanía.

Se denomina distancia "d" a u n a aplicación de X • X en el conjunto de los

números reales positivos que satisface los siguientes axiomas:

- Reflexivo V X; d (x^, Xj) = O <=> x^ = Xj

- S i m é t r i c o V X^ , Xq d (Xj , Xq) = d ( Xq , X; )

- Triangular V Xj, Xj, Xq d (Xj, x¡) < d (xj, Xq ) + d (Xq , Xj)

Una distancia es por tanto u n a función particular de desemejanza.

El propósito fundamental de u n a medida de semejanza o desemejanza es

inducir u n orden en el conjunto de parejas (xj , x j . La utilización de varias
semejanzas o desemejanzas sobre el mismo conjunto de objetos suele concluir
en u n mismo orden, cuando todas ellas están adecuadas al problema.

2.3.6.- Implementación de algoritmos.

La finalidad de u n proceso de conglomerados es obtener u n a partición P,

o u n recubrimiento R, de u n conjunto X de objetos mediante el uso de u n a

36
medida de semejanza o desemejanza. Las distancias son las desemejanzas que
se em.plean con mayor frecuencia.

Una partición P es u n a familia de subconjuntos disjuntos, cuya unión es

el conjunto de objetos X. Se llama conglomerado jerárquico a u n elemento " p /
de P. Un recubrimiento R de X, es u n a familia de subconjuntos de X, que no
tienen por qué ser disjuntos, cuya unión es X.

El análisis de conglomerados construye u n a aplicación del conjunto de

objetos X sobre el conjunto de todas las posibles particiones, o recubrimientos,
sobre X. Esta aplicación se denomina operador identificador de conglomerados.
La aplicación se suele construir, utilizando la lógica o consistencia entre
objetos, por u n procedimiento algorítmico, que clasifica los objetos "x^" en los
conglomerados "p^". El subíndice "s" tiene la interpretación del nombre de la
clase para esa partición. Para ello, partiendo de la matriz de desemejanzas o
semejanzas de todas las parejas de objetos "Xj", se aplican procedimientos
iterativos que van reñnando por convergencia las particiones P, o recubrimien-
tos R, hasta optimizar alguna función objetivo.

37
3.- ESTADO DE LA CUESTIÓN.

3.1.- Modelos basados en la intensidad.

La mayoría de los modelos de seguridad vial plantean u n a relación entre

la a c c i d e n t a l i d a d y la variable i n t e n s i d a d media diaria. E s t á a c e p t a d o
umversalmente que, para u n mismo tipo de carretera, se pueden comparar los
valores del índice de peligrosidad obtenidos a partir de la intensidad media
diaria (Brühning E. 85 Berns, 1995). En este sentido, los planes de seguridad
vial se sustentan en mayor o menor grado en el estudio de la evolución de los
índices de peligrosidad. Así, para redes de carreteras equivalentes se comparan
índices de peligrosidad de distintos países (figura 6).

La aplicación de este tipo de modelos para u n número suficientemente

elevado de valores da como resultado que, a menores valores de IMD, el IP
a u m e n t a ; m i e n t r a s que p a r a elevados valores de IMD, el IP disminuye,
tendiendo a u n valor asintótico. Para cada red o tramo considerado, los valores
máximo y mínimo de IP cambian. No obstante, las curvas de ajuste obtenidas
a partir de datos muy diferentes, al emplear el mismo tipo de modelo, guardan
u n aspecto similar. Aun cuando la afirmación anterior es aceptada en general
como válida, algunos estudios (Kaub, 2000) constatan que en ciertos casos
dicha ley no se ajusta exactamente (figura 7).

La explicación generalmente aceptada del comportamiento del valor del

IP frente a la IMD es que, para elevados valores de la media de vehículos que
circulan en u n día por u n determinado tramo de carretera durante el período
de u n año (IMD), la c a r r e t e r a funciona cerca de s u capacidad. En e s t a s
circunstancias los vehículos tienen limitadas sus posibilidades de movimiento
y maniobra. La velocidad desciende y, por tanto, la gravedad de los accidentes
(relación accidentes con víctimas/accidentes totales) disminuye. Por otro lado,

38
 (DW) Alemania Occidental
(i) Italia
(GB) Gran Bretaña
(F) Francia
(NL) Holanda
(B) Bélgica
(A) Austria
(CH) Checoslovaquia
(USA) Estados Unidos
(E) España

.i¿
' ' - , 1 1 1 - * ' 1

•o
ce o E-A. Peaje
• a 0 5^
03 CD
•t—i
v__^
o -"-—
co
^ o
cu
- o aS
cu Z5
CJ
•o
b
O

O
10 000 20 000 30 000 40 000 50 000 60 000
Intensidad Media Diaria (IMD)

F i g u r a 6.
Brühning E. 85 Bems, S.; Traffic Safety on Motorways;
lATSS Research Vol. 19 No. 1, 1995.

39
 700

E finn
TD 1
" 5 <f¡ 1970 Red primaria y secundaria
^ O
CD =1 6UU
QJ-í^
4UU

300
"C DF- ^
O tn
VOII
-oS
~c 0)
c
•o 100
o 1995 Red interestatal
o
m 0
10 20 30 40 50 60 70

Intensidad Media Diaria (IMD x 1 000)

Figura 7.
Kaub A.R.; Injury - Based Corrídor Safety Levéis of Service;
79th Annual Meeting of the Transportation Research Board;
Washington D.C., enero de 2000.

al disminuir la media de vehículos que circulan en u n día por u n determinado

t r a m o de carretera d u r a n t e el período de u n a ñ o (IMD), la circulación tiende a
u n régimen libre. Ello implica q u e la velocidad de circulación a u m e n t a y por
tanto, las consecuencias de los accidentes son m á s graves. Así al producirse u n
accidente, la probabilidad de que las consecuencias sean graves, a u m e n t a n . Por
otro lado, a u n c u a n d o la frecuencia de aparición de los a c c i d e n t e s es mayor
cuando la carretera se e n c u e n t r a en situaciones próximas a la capacidad, al ser
el IP u n índice p o n d e r a d o , la c u r v a IP-IMD tiende a s i n t ó t i c a m e n t e a u n valor
mínimo. El caso contrario ocurre c u a n d o se t r a t a de bajos valores de IMD con
u n a c i r c u l a c i ó n t e n d e n t e al r é g i m e n libre. La f r e c u e n c i a de a c c i d e n t e s e s
menor, sin embargo la curva correspondiente al IP tiende asintóticamente a u n
valor máximo.

Al ser el objetivo de esta tesis la modelización de la accidentalidad según

el tipo de c a r r e t e r a y s u circulación, se va a profundizar en los e s t u d i o s q u e
proponen otras m a g n i t u d e s de la circulación com^o variables explicativas de la
accidentalidad.

40
Figura 8.

41
 Los primeros estudios de seguridad vial de este tipo, basados en los
valores de exposición y probabilidad, comenzaron a desarrollarse en el
momento en que los medios para contabilizar vehículos fueron operativos. El
primer aforador mecánico del que se tiene noticia corresponde al de la fotografía
(figura 8). Este se instaló en u n a intersección semaforizada en Baltimore en
1928, siendo su creador Charles Adler. Al acercarse u n vehículo a la intersec-
ción, el cartel indicaba que debía hacer sonar el claxon para que el semáforo
pasara a fase verde. Una membrana recibía la presión del sonido agudo del
claxon y conectaba el interruptor a fase verde, que posteriormente retornaba
a fase roja accionado por u n temporizador. Cada cambio a fase verde quedaba
registrado en u n contador mecánico.

Es en la década de los 50 cuando se formulan los primeros modelos de

seguridad vial y se contrastan con los datos que se recogen de forma sistemáti-
ca mediante aforadores. En 1953 Beknont realiza u n estudio con datos tomados
por la policía de California durante el año 1950 (figura 9). Belmont se basa en
la teoría entonces aceptada, según la cual la accidentalidad está relacionada
con la velocidad de circulación y la intensidad de tranco para carreteras de
calzada única (Uses oí Trafñc Accident Records, 1947). Esta teoría consideraba
que podían distinguirse tres clases de accidentes: accidentes con u n único
vehículo implicado, accidentes con choque frontal y accidentes con alcances.
Para cada uno de ellos se estudió la probabilidad de ocurrencia en función de
la velocidad y la intensidad de tráfico. Para accidentes con víctimas con u n
único vehículo implicado el modelo propuesto era:

p = k d Vi^

Siendo:
p: probabilidad de que u n vehículo sufra u n accidente con víctimas
en el que sólo él esté implicado.
k y b: constantes.
Vj: velocidad del vehículo.
d: longitud de carretera recorrida a velocidad Vj.

42
 Total de accidentes

n Con varios vehículos

ü
^^/'implicados
cu
>
co
O P
Alcances
co

ü
">
c:
o
ü Choques frontales
(A
<L>

O)
CL
"ü
Ü Un único vehículo
<
implicado
^o-
0 100 200 300 400 500 600 700 800 900 1 000
Intensidad horaria

Figura 9.
Belmont D.M; Effect of Average Speed and Volume on Motor Vehicle
Accidents on Two-Lane Tangents.
Highway Research Board Proccedings, 1953.

Belmont comprobó, p a r a los datos disponibles, que esta probabilidad se

a j u s t a b a a u n índice de accidentalidad del tipo:

S,„ = k v''=

Siendo:
S ^ : accidentes con víctimas con u n solo vehículo implicado por
vehículo-milla.
v: velocidad media (millas/hora).

43
 k: constante.

Los accidentes por choque frontal con víctimas se suponían dependientes

exponencialmente a la s u m a de las velocidades de aproximación de los
vehículos, es decir:

p = K (vi + v^) -

Siendo:
p: probabilidad de accidente por choque frontal con víctimas.
K y m: constantes.
Vi y V2: velocidades respectivas de los vehículos que circulan en
sentidos contrarios.

Para este caso, el estudio concluyó que el modelo se ajustaba a u n a

expresión del tipo:

Cvm = C n V

Siendo:
C^. colisiones frontales con víctimas por vehículo - milla.
c: constante.
n: número de vehículos por hora (en ambos sentidos de la carrete-
ra),
v: velocidad media (millas/hora).

Para el caso de los accidentes con víctimas por alcances, se distinguían

dos c a u s a s diferenciadas. La primera, debida a la escasa distancia entre
vehículos consecutivos (distancia inferior a la d e n o m i n a d a distancia de
seguimiento segura). La segunda, debida a u n a pérdida de control del vehículo,
ya fuera por fallo mecánico, o por fallo del conductor (falta de atención, mala
percepción), todo ello suponiendo suficiente distancia entre los vehículos.

Con los datos empleados, Beknont ajustó el modelo a una expresión del

44
tipo:

R ^ = Cj n + C2 n V + C3 v^'^

Siendo:
R,^: accidente con victimas por alcance por vehículo-milla.
Ci, C2, C3: constantes.
n: núraero de vehículos por hora (en ambos sentidos de la carrete-
ra),
v: velocidad media (millas/hora).

El número total de accidentes con victimas (A^) es entonces la suma de

los distintos tipos. Resulta entonces la siguiente expresión:

A ^ = Ci v^'^ + C2 n + C3 n V

Se comprobó finalmente el ajuste de esta fórmula a los valores de

accidentalidad (sin distinción de tipo de accidente), medidos en las carreteras
de calzada única del estado de California en 1950, para las horas diurnas, en
condiciones de b u e n a visibilidad, pavimento seco y tramos rectos sin nudos
viarios próximos. En la publicación del estudio no se dan resultados de los
valores de los ajustes.

Posteriormente, en 1955 Smeed en u n estudio comprueba que la curva

de accidentalidad-intensidad de circulación puede obtenerse de forma muy
ajustada como suma de dos curvas únicamente: la obtenida para accidentes
con u n único vehículo implicado y la resultante de accidentes con varios
vehículos implicados (Smeed, 1955). Se comprobó que el índice de peligrosidad
para accidentes con u n único vehículo im.plicado descendía con el incremento
de la intensidad horaria. En cambio, el índice de peligrosidad para accidentes
con más de u n vehículo implicado seguía u n a tendencia opuesta.

No es hasta mediados de la época de los sesenta cuando se retoman los

estudios específicos de accidentalidad e intensidad horaria. Leutzbach en 1966

45
toma los valores de accidentalidad e intensidad h o r a r i a de u n t r a m o de
autopista y obtiene u n a curva en "u" (figura 10). En este estudio se siguen los
mismos pasos del estudio anterior, diferenciando entre accidentes con u n solo
vehículo implicado y con varios vehículos. Se comprueba que la curva ñnal,
obtenida al igual que hizo Smeed en 1955, como suma de las correspondientes
a accidentes con u n único vehículo y la de accidentes con varios vehículos,
sigue la tendencia ya a p u n t a d a por este. Posteriormente, en 1970 el mismo
investigador profundiza en este trabajo y analiza los datos de accidentes con
varios vehículos implicados. Como resultado concluye que los accidentes por
alcances aumentan exponencialmente a partir de u n cierto intervalo de tiempo
entre vehículos sucesivos (distancia de seguimiento segura), lo cual concuerda
con los resultados obtenidos por Belmont.

En esta misma década, Gwynn estudia los datos de accidentalidad de la

Ruta 22 entre las millas 3 y 8 en Newark, New Jersey (Gwynn, 1967). Analiza
por separado cada sentido de circiilación y comiprueba que la accidentalidad y
la intensidad horaria se aproximan a sendas curvas en "u"(figura 10). Se
c o n s t a t a que el mínimo de las curvas de accidentalidad tiene lugar p a r a
intensidades de circulación comprendidas entre 600 y 1300 vehíciolos por hora.
En este trabajo ya no se distinguía entre distintos tipos de accidente, tratándo-
se directamente el valor bruto de accidentes.

En la misma línea de trabajo Pfundt (Pfundt, 1966) estudia tres tipos de

accidentes frecuentes en carreteras de calzadas separadas. En aquella época
preocupaba en Alemania la alta tasa de accidentalidad debida a los alcances en
carreteras de calzadas separadas. Por este motivo, se analizaron los datos de
accidentes con alcances diferenciando entre los siguientes tipos: los producidos
como consecuencia de la formación de colas por corte de u n carril, los alcances
a vehículos lentos y los alcances por distracción del conductor. Al comparar los
resultados con los de otros países, se apreció que sólo cuando se empleaban
valores de intensidad horaria se obtenían curvas semejantes.

46
 500 1 000 1 500 2 000 2 500 3 000

Vehículos / hora

Figura 10.
Leutzbach, W.; Traffic Accidents and Traffic Flow on the Frankfurt-Mannheim
Motorway - Investigation of the Relationship Between Traffic Accidents and Trafñc Flow;
Hessisches Ministerium für Wirstschaft und Verkehr, 1966.

Gwynn, D.W.; Relationship of Accident Rates and Accident Involvements With

Hourly Volumes. Traffic Quarterly, julio 1967.

En 1971 C h a p m a n emplea datos de las autopistas del Reino Unido y llega

a la m i s m a conclusión ( C h a p m a n , 1971).

También en 1971 Brilon realiza u n nuevo estudio en la a u t o p i s t a s

a l e m a n a s , llegando a la m i s m a c o n c l u s i ó n q u e en 1970 obtuvo L e u t z b a c h ,
a u n q u e a p o r t a q u e el valor m í n i m o del índice de peligrosidad se obtiene p a r a
el valor m á s frecuente de la i n t e n s i d a d horaria.

En 1978 Ceder y Livneh e s t u d i a n la relación índice de accidentalidad -

IMD con datos de carreteras de Israel de los a ñ o s 1967 a 1975 (excluido 1973).
P a r a ello t o m a n ocho t r a m o s de c a r r e t e r a s con c a l z a d a s s e p a r a d a s y diez
t r a m o s de c a r r e t e r a s de c a l z a d a ú n i c a . P r o p o n e n u n m o d e l o e x p o n e n c i a l ,
t r a t a n d o s e p a r a d a m e n t e l a s c a r r e t e r a s de c a l z a d a ú n i c a y l a s de c a l z a d a s
s e p a r a d a s (figura 11). Al n o o b t e n e r u n a b u e n a c o r r e l a c i ó n d e v a r i a b l e s ,
c o n t i n ú a n s u s investigaciones. E n 1982 p u b l i c a n u n nuevo trabajo en el que

47
estudian para los ocho tramos de carreteras con calzadas separadas la relación
índice de accidentalidad - intensidad horaria (ñgura 12). El estudio discrimina
entre los accidentes con u n único vehículo implicado y los accidentes con varios
vehículos. Los resultados obtenidos son consistentes para el caso de accidentes
con u n único vehículo implicado. En cambio, para el caso de varios vehículos
implicados, la dispersión es más acusada. Por este motivo, Ceder prosigue el
estudio empleando tres tramos de carreteras con calzadas s e p a r a d a s con
períodos claramente diferenciados de congestión y períodos de flujo libre del
tráfico siempre en condiciones de luz diurna (Ceder, 1982). Obtiene que para
los accidentes con varios vehículos implicados el ajuste del modelo se consigue
distinguiendo entre períodos de flujo libre y congestión (figura 13). La hipótesis
empleada para distinguir flujo de circulación libre y en congestión, que se basa
en el trabajo de Leutzbach, supone que el flujo está congestionado cuando en
u n período horario al menos el 95% de los accidentes producidos lo son con
varios vehículos implicados y al tiempo los alcances son al menos el 85% del
total de los accidentes.

En el año 1983 Brodsky y Hakkert publican u n trabajo sobre la relación

índice de peligrosidad-intensidad horaria. En este trabajo los autores ponen en
tela de juicio que sea acertado u n modelo basado en la relación índice de
peligrosidad-IMD, ya habitualmente empleado entonces. Para analizar la
capacidad de dicho modelo toman los datos de accidentalidad de los meses de
febrero y mayo de 1980 p a r a carreteras interestatales, red primaria y red
s e c u n d a r i a de EEUU. R e s u l t a u n a m u e s t r a de 48 a c c i d e n t e s en la red
interestatal, de 43 accidentes en la red primaria y de 41 accidentes en la red
secundaria. Cruzan los datos de accidentalidad con las IMD correspondientes
y adoptan u n modelo exponencial del tipo:

I = a (IMD)''

que aplicando logaritmos en la expresión resulta:

log (I) = log (a) + b log (IMD)

48
 20 40 60 80 100 120 140
IMD (cientos)

100 200 300 400 500 600

IMD (cientos)

Figura 11.
Ceder A.& Livneh M..; Further Evaluation of the Relationships
Between Road Accidents and Average Daily Traffic;
Accident Analysis and Prevention; Pergamon Press Ltd., 1978.

49
 ~i 1 I I r T 1 i r

más de un vehículo implicado

67

ti

75

J 1 1 ! I I I I I I I I
S50 1050
Intensidad horaria (vehículos/hora)

~i I I I r

un vehículo implicado

' qi 72 ,
A [
550 1050
Intensidad horaria (vehículos/hora)

Figura 12.
Ceder A. 85 Livneh M;. Relationshisp Between Road Accidents a n d
Hourly Traffic Flow - I; Accident a n a l y s i s a n d prevention.
Pergamon Press Ltd., 1982.

50
 Flujo libre
Un solo vehículo implicado
J^
Varios vehículos implicados
(D m
O Total
"O 3
P -F

Sií 1,0 —

600 900 1200 1500 1800 2000

Intensidad horaria (vehículos/hora)

1 1 1 1 J•
2,5-
(>
1
Flujo congestionado >
1
A Varios vehículos implicados
2,0- t
f—
1
f/l
m >
tj
11
(I
t
o 1
yi
^ 1,5- 1 —

(ü
> *>
Q-O
0)
o >
""^
f
?í 1,0-
T3
ni ~
/ -
i

0,5-
/

0-
y
1200 1400 1600 1800 2000
Intensidad horaria (vehículos/hora)

Figura 13.
Ceder A.; Relationshisp Between Road Accidents a n d Hourly
Traffíc Flow - II; Accident Analysis a n d Prevention.
Pergamon Press Ltd., 1982.

51
 Consideran por separado los índices de peligrosidad y los de mortalidad,
para cada u n a de las tres redes estudiadas (ñgura 14). Como comprobación,
calculan los coeficientes de correlación para cada caso, obteniendo para el
índice de peligrosidad el valor -0,029 en la red interestatal, 0,359 para la
primaria y 0,358 para la secundaria. Para el índice de mortalidad el coeficiente
de correlación es de -0,401 en la red interestatal; -0,505 para la primaria y -
0,158 para la secundaria. Con estos resultados los autores concluyen que el
modelo propuesto explica poco la realidad.

•1,35
• •

-1,50

-1.65

Coeficiente de correlación
-1,80
I r = -0,401
• •

> -1,95

™ -2,10

-2,25 -

-2,40

0,18 0,36 0,54

Log n ( vehiculos - milla \

^ \ milla j

Figura 14.
Brodsl^ H. 85 Hakkert A.S.; Highway Accident Rates and Rural Travel
Densities; Accident Analysis and Prevention. Pergamon Press Ltd.; 1983.

En 1990 Hall y Pendleton retoman el raiodelo índice de peligrosidad -

intensidad horaria. Centran su estudio en buscar u n a relación entre el índice
de accidentalidad y la relación i n t e n s i d a d / c a p a c i d a d de la carretera. Su
objetivo es encontrar una relación que permita comparar valores correspondien-

52
tes a distintos tramos de carreteras de un mismo tipo (Hall 85 Pendleton, 1990).
Toman datos de carreteras de Nuevo México, que obtienen de 44 estaciones
permanentes de aforo, y de los partes de accidentes recogidos por la policía,
para el período comprendido entre los años 1985 y 1987. Aun cuando el modelo
obtenido se ajusta a los datos, los autores consideran que no puede tomarse
como c o n c l u y e n t e la f o r m u l a c i ó n p r o p u e s t a , p u e s la r e l a c i ó n
intensidad/capacidad es extraordiaariamente baja para los datos considerados
(inferior al 0,5).

Wang e Ivan publican en 1999 u n trabajo en que urna vez más se aborda
el modelo índice de peligrosidad-intensidad horaria. En este trabajo se toman
los datos de accidentalidad para Connecticut entre los años 1990 y 1996, en
autopistas de dos carriles por calzada. Se aplican modelos exponenciales para
e s t u d i a r la variación del índice de peligrosidad de accidentes con varios
vehículos implicados, respecto a las condiciones de iluminación, la hora del día
y el flujo del tráfico (Wang 85 Ivan, 1999). Como resultado de la aplicación de la
regresión de Poisson se obtiene q u e la intensidad horaria tiene la m.ayor
capacidad como valor de exposición al riesgo.

3.2.- Modelos basados en la velocidad.

Otros investigadores han asociado la accidentalidad con la velocidad. En

este sentido, aun cuando ya Belmont había considerado la magnitud velocidad
(Belmont 1953), los primeros estudios basados en la velocidad se remiontan a
1964. En este año Solomon publica u n estudio en que relaciona la accidentali-
dad y la velocidad de circulación (figura 15). Concluye formulando u n modelo
en el que el índice de peligrosidad es función de la variación de la velocidad,
según la expresión:

T _ 1 Q 0 , 0 0 0 6 0 6 2 • ^v - 0,006675 • Ai; + 2,23

53
 160 800

140 700

o
cp
120 600
o
•a o
o
CD
co
I 100 500 _o
ü 13
o O
CD
CO
O Daños materíales >
80 400 lo
O
.c Á
> •o

o 60 300 ^
w CD
ce
¿ _- ¿\ A ^ Heridos
's—
.«—«
CD

CD
o
> 40 200 CO
o
¡c:
A^ ^ A ^ i CD
Q

20 100

10 20 30 40 50 60 70 80
Velocidad de circulación (millas/h)

Figura 15.
Solomon D.; Accidents on Main Road Highways Related to Speed,
Drivers, and Vehicle; Bureau of Public Roads,
U.S. Department of Commerce, julio 1964.

54
 Siendo:
I: accidentes con víctimas por cada 100 000 vehículos - kilómetro.
AV: dispersión de la velocidad respecto de la inedia (kilóm.etros/
hora).

En esta línea, Cirillo retoma el modelo de Solomon (figura 16) aplicándolo

para autopistas y autovías (FHWA 1982). Encuentra u n a relación entre la
accidentalidad y la distribución tanto de nudos viarios como de desarrollos
industriales en los márgenes de la carretera, para autopistas interurbanas
(tabla 1). Finalmente, desarrolla u n conjunto de modelos de accidentalidad para
d e t e r m i n a d o s tipos de enlaces en función de la composición del tráfico,
superficie o c u p a d a por el enlace, i n t e n s i d a d de la iluminación, tipo de
carreteras que acceden al enlace y longitud y anchura de los carriles de entrada
y salida del enlace. Para cada modelo encuentra la distribución de accidentes
según zonas. Con estos modelos obtiene valores de R^ en el entorno de 0,8, con
muestras comprendidas entre 96 accidentes (para medio diamante), hasta 681
accidentes (para diamante completo).

Garber y Ehrhart en el año 2000 publican los resultados de u n estudio

llevado a cabo con datos de carreteras de Virginia correspondientes al período
entre 1993 y 1995. El objetivo del estudio era encontrar la influencia de la
velocidad, el tráfico y las características geométricas de la carretera en el índice
de accidentalidad. El primer paso del estudio es discriminar entre tipos de
carretera según s u s características geométricas. Por este motivo el estudio
considera cuatro tipos de carreteras: autopistas con limitación de velocidad de
55 millas por hora (105 km/h); autopistas con limitación de velocidad de 55
millas por hora (99 km/h); carreteras con calzadas separadas y cuatro carriles
por sentido y carreteras con calzadas separadas y dos carriles por sentido. El
estudio persigue hallar, para cada tipo de carretera, u n modelo en el que se
combinen la velocidad de circulación, la dispersión de velocidades y la
intensidad horaria por carril. De la aplicación de modelos de regresión lineal
múltiple, los investigadores obtienen valores del coeficiente de regresión
extraordinariamente bajos; el valor más elevado que resulta de R^ es de 0,3338

55
 100,000

50,000 -

re
10,000
X '
(/>
o
13
O 5000
^
<D
>
O
T—
1_
O
Q,

(1)
1000
4—1
C
(i)
-O 500
o
o
re
0)
•D
T7
01
•D

'3 100
Oí
XJ
o
Ü_ 50

10
-40 -30 -20 -10 O 10 20 30 40
Diferencia de !a velocidad con respecto a la media (millas/hora)

Figura 16.
Federal Highway Administration,
Synthesis of Safety Research Related to Trafñc Control and Roadway Elements Vol. 2,
U.S. Department of Transportation, diciembre 1982.

56
 Tabla 1.
Variación de la accidentalidad según la distribución
de nudos viarios y desarrollo industrial en los márgenes.

Accidentes por millón

Nudos por milla Industrias por milla
de vehículos/milla
0,2 1,0 1,25
2,0 10,0 2,70
20,0 100,0 17,18

y corresponde a autopistas con limitación de velocidad de 55 millas por hora,

considerando sólo los accidentes con varios vehículos implicados. Como
consecuencia de lo anterior, se desecha el modelo lineal y se aplica u n modelo
polinomial multivariable. Para autopistas y considerando las variables velocidad
de circulación, dispersión de velocidad e intensidad horaria por carril, se
obtienen valores de R^ de 0,7547 en autopistas con lim.itación de velocidad de
65 millas por hora y de 0,5155 para las limitadas a 55 millas por hora (figuras
17 y 18). En el caso de carreteras de calzadas separadas con cuatro y dos
carriles por sentido, a las variables antes consideradas se añade la anchura de
arcén. Con estas cuatro variables se obtiene u n valor de R^ igual a 0,7609 en
carreteras de calzadas separadas y cuatro carriles por sentido (el estudio sólo
considera tramos con arcenes de a n c h u r a igual o superior a 11 pies (3,4
metros)), que es donde se dispone de la totalidad de datos. Para el caso de
carreteras de calzadas separadas y dos carriles por sentido, R^ alcanza el valor
de 0,9864 (figuras 19 y 20). Se comprueba entonces que el modelo propuesto
explica la realidad.

57
 0,007-

Velocidad de circulación
104,65 km/h

10,2
Intensidad por carril Desviación de velocidades
(velií culos/hora) (l<m/h)
700 10,6

p E

c o

Velocidad de circulación ^ Desviación de velocidades

(km/h) (km/h)

Figura 17.
Garber N. J. 65 Eherhart A. A.;
The Effect of Speed, Flow and Geometric Characteristics on Crash Rates
for Different Types of Virginia Highways;
79th Annual Meeting of the Transportation Research Board, enero de 2000.

58
 Velocidad de circulación
88,6 km/h

0,06-
P E

0,04-

o o 0,02
•a :o
ti o
—o
ID

Intensidad porcarri Desviación de velocidades

(vehículos/hora) (km/h)

0,14-;

Velocidad de circulación --|g Desviación de velocidades

(km/h) (km/h)

Figura 18.
Garber N. J. & Eherhart A. A.;
The Effect of Speed, Flow and Geometric Characteristics on Crash Rates
for Different Types of Virginia Highways;
79th Annual Meeting of the Transportation Research Board, enero de 2000.

59
o E
01 J=

-O a>

o a>

— u

Intensidad porcarri Desviación de velocidades

(vehiculos/hora) (km/h)

P E

locidades

Figura 19.
Garber N. J. & Eherhart A. A.;
The Effect of Speed, Flow and Geometric Characteristics on Crash Rates
for Different Types of Virginia Highways;
79th Annual Meeting of the Transportation Research Board, enero de 2000.

60
 Velocidad de circulación
,6 km/h

"' I—
2 carriies por calzada
o E

o 0)

— u

Intensidad por carril Desviación de velocidades

(vehiculos/hora) (km/h)

13,5

Figura 20.
Garber N. J. & Eherhart A. A.;
The Effect of Speed, Flow and Geometric Characteristics on Crash Rates
for Different Types of Virginia Highways;
79th Annual Meeting of the Transportation Research Board, enero de 2000.

Los estudios m á s recientes p r e t e n d e n asociar los valores del índice de

peligrosidad al valor de la velocidad de c i r c u l a c i ó n (velocidad media) y a la
dispersión de velocidades (Navin, Chow 86 Kwan, 2001). Como consecuencia, las
clásicas curvas de accidentalidad p a s a n a ser curvas o superficies en el espacio
índice de peligrosidad-velocidad de circulación-dispersión de velocidad (figura
21).

3.3.- Modelos basados en el nivel de servicio.

Otros estudios t o m a n en consideración las condiciones de la circulación,

e x p r e s a d a s por medio del nivel de servicio. De esta m a n e r a se b u s c a asociar a
cada nivel de servicio u n determinado nivel de seguridad. Así, p a r a cada sección
c o n s i d e r a d a no sólo e n t r a e n j u e g o el n ú m e r o de a c c i d e n t e s y los vehículos-
kilómetro, si no que se introduce u n elemento discriminatorio de la accidentali-

61
 //////_zZ/.

Curva de Solomon
en el plano 1-Av

- índice de accidentaüdad
(accidentes/10^ vehículos x km)
V = Velocidad de circulación (km/h)
Av = Diferencia de Velocidad (km/ln)

dad, que es la capacidad de la carretera considerada (Hakl^ert, 1996). En otros

Figura 2 1 .
Navin F., Chow K., Kwan T.; Speed and the Probability of a Crash;
80th Annual Meeting of the Transportation Research Board, enero de 2001.

estudios se h a considerado la posibilidad de emplear la variable nivel de servicio

a través del valor de la relación i n t e n s i d a d / c a p a c i d a d (Hall & Pendleton, 1990)
( P e r s a u d , Look & T a m b u r r o , 2 0 0 0 ) . Los m o d e l o s p r o p u e s t o s t i e n e n u n a
formulación del tipo:

Siendo:
P: accidentes con víctimas por u n i d a d de longitud de c a r r e t e r a y
u n i d a d de tiempo.
I: i n t e n s i d a d de tráfico p a r a el período considerado.
Y: nivel de servicio medido por la relación i n t e n s i d a d / c a p a c i d a d .
^? Pi y p2- p a r á m e t r o s de calibración del modelo.

62
 3.4.- Recapacítación.

De lo expuesto anteriormente se desprende que, desde mediados del

pasado siglo, h a existido u n a corriente de opinión que h a fundamentado la
eventualidad del accidente no en la IMD, sino en la intensidad horaria. La IMD
se refiere a vehículos por día, mientras que la intensidad horaria representa los
vehículos por hora. Esta obviedad nos lleva a que una corriente de pensamiento
considera que la accidentalidad está ligada directamente al intervalo de tiempo
entre los vehículos, inversa de la intensidad horaria. Luego llegamos a la
conclusión que, al considerar la intensidad horaria, se está suponiendo que la
exposición es función del intervalo de tiempo entre vehículos. Por otro lado, al
tomar el valor de la IMD, consideramos que la exposición se parametriza por el
número total de vehículos.

En ambos casos los modelos iniciales han tratado de formularse a partir

de u n a sola variable. Con el paso del tiempo a los modelos iniciales se han ido
añadiendo nuevas variables que h a n permitido tener en cuenta muchos más
aspectos de la realidad. Como resultado en la actualidad los modelos h a n
devenido en multivariables con más o menos grado de complejidad.

El objeto de estudio, el accidente, no puede estudiarse bajo condiciones

controladas "de ensayo". En consecuencia los datos se tienen que circunscribir
a los obtenidos directamente de la realidad. Todos los estudios que previamente
se han enunciado tienen esta particularidad. Como resultado han sido trabajos
en los que se han empleado datos procedentes de u n número muy limitado de
tramos y cortos periodos de tiempo. Esto conlleva que ningún investigador haya
podido garantizar que los r e s u l t a d o s obtenidos en los distintos estudios
p u d i e r a n considerarse r e s u l t a d o s concluyentes y por t a n t o , de c a r á c t e r
universal.

63
4.- DATOS EMPLEADOS.

Los estudios realizados hasta la fecha se han orientado en uno de estos

sentidos: considerar u n a red de carreteras y analizar pormenorizada mente los
distintos tramos en los que se descompone dicha red en u n corto período de
tiempo (generalmiente u n año); o considerar u n a serie histórica de valores de
u n a red suficientemente extensa, estudiando su evaluación con el tiempo,
tomando valores obtenidos por agregación (valores de IMD medios de red,
vehículos-km, suma de valores del conjunto de tramos considerados, etc). En
el primer caso se tiene u n a descripción de la peligrosidad en u n tiempo fijo. Por
contra, no se puede estudiar la evolución en el tiempo. En el segundo caso se
puede estudiar la evolución en el tiempo, pero no se pueden analizar todos y
cada uno de los tramos que forman la red objeto de estudio. En general no se
h a n tomado u n número de tramos suficiente como para considerar que se
representa toda u n a red.

En esta tesis doctoral se va a estudiar la Red de Carreteras del Estado,

dependiente del Ministerio de Fomento, considerando tramos individualizados,
d u r a n t e u n período histórico suficiente como p a r a poder comprobar s u
evolución.

Se han tomado los valores de accidentalidad y tráfico correspondientes

a la Red de Carreteras del Estado, en el periodo comprendido entre los años
1989 y 1995. El estudio se inicia con los valores correspondientes al año 1989
por ser el primer año en que se disponen valores mecanizados para toda la red,
tanto en lo que corresponde a accidentes como a intensidades de tráfico. El
último año considerado es el 1995, pues a partir de este se lleva a cabo por
parte de la Dirección General de Carreteras del Ministerio de Fomento u n a
revisión de la localización de u n gran número de estaciones de aforo, así como
la implantación de otras nuevas. Como consecuencia de ello algunas estaciones
se mantienen, otras se cambian de ubicación y surgen otras nuevas.

Considerando las estaciones operativas durante los años 1989 a 1996,

64
se garantiza la homogeneidad tanto de la toma de datos como de los tramos de
la muestra, pues las condiciones de contomo en la toma de valores no varían.
De esta forma, se puede garantizar que los aproximadamente 22000 kilómetros
de Red de Carreteras del Estado se h a n aforado y tramificado en igualdad de
condiciones. Asimismo, durante el periodo adoptado, la tramificación de la Red
no varía.

Cuando se han tomado los valores de intensidad horaria, las estaciones

que proporcionan este dato son las denominadas estaciones permanentes. En
el caso de carreteras con calzadas separadas cada calzada tiene u n único
sentido. Debido a que sólo a partir del año 1993 los partes de accidentes
identifican el sentido en el que se h a producido el mismo, al emplear el valor de
intensidad horaria los datos se limitan a los correspondientes a los años 1993,
1994, 1995 y 1996.

4.1.- Campañas de aforo.

La información sobre los tráficos en las carreteras resulta imprescindible

para la buena planificación, proyecto y explotación de la red viaria. En España,
la Dirección General de Carreteras del Ministerio de Fomento llevó a cabo su
primer plan de aforos en 1960. Desde esa fecha y h a s t a la actualidad h a n
venido realizándose los subsiguientes planes de forma continuada.

El proceso para llevar a cabo el aforo de la Red de Carreteras del Estado

se describe a continuación. Primeramente se divide la Red de Carreteras del
Estado en u n conjunto de tramos básicos. En cada uno de los tramos básicos
puede admitirse que el tráfico es homogéneo, por no encontrarse en ellos
ningún nudo viario de importancia, ni otros elementos generadores de tráfico.

En cada tramo básico se realiza al menos u n a toma de datos al año. La

toma de datos se lleva a cabo mediante estaciones de aforo situadas en la
calzada. Estas, entre otros datos, contabilizan el número de vehículos que

65
atraviesan la sección. Las primeras estaciones de aforo automático estaban
formadas por u n t u b o de goma cerrado en u n extremo y provisto de u n
diafragma metálico en el otro. El tubo se colocaba transversalmente sobre la
calzada. Al paso de las r u e d a s de u n vehículo, la presión del aire del tubo
cerraba u n circuito eléctrico que accionaba u n dispositivo contador. Posterior-
mente y aun en la actualidad se empleají los denominados lazos de inducción.
Estos dispositivos consisten en u n cable cerrado en forma de bucle, que se
sitúa enterrado en la capa de rodadura de la carretera y ocupando xin carril. Al
pasar sobre el lazo u n vehículo, su masa metálica produce u n cambio en las
c a r a c t e r í s t i c a s de la corriente eléctrica que recorre el cable. El equipo
contabiliza cada uno de estos cambios, registrándose el número de vehículos
que atraviesan el lazo. Los equipos m á s modernos disponen de sistemas
basados en la diferencia de capacidad eléctrica de los sensores empleados al
paso de los vehículos. En cualquier caso, en la actualidad también se siguen
empleando los conteos manuales, siquiera como método de calibración de los
equipos.

Cada u n a de las estaciones de aforo toma datos durante ciertos períodos

de tiempo al año. Dependiendo de la duración de estos períodos, las estaciones
se clasifican en las siguientes categorías:

- Estaciones permanentes. Toman datos los 365 días del año, las 24
h o r a s del día. El n ú m e r o de estaciones p e r m a n e n t e s de la Red de
Carreteras del Estado es de 125 para los años considerados.

- Estaciones primarias. Aforan durante 42 días del año, distribuidos en

seis semanas naturales. Permiten estimar las variaciones mensuales y
semanales del tráfico. El número de estaciones primarias de la Red de
Carreteras de Estado es de 247 durante el periodo de 1989 a 1996.

- Estaciones secundarias. Tienen los valores de 12 días al año, aforándo-

se seis veces al año d u r a n t e dos días laborables. Permiten estimar
únicamente las variaciones mensuales del tráfico. Su número en la Red
de Carreteras del Estado para los años considerados es de 391.

66
 -Estaciones de cobertura: en ellas se afora u n solo día laborable al año.
Sólo se pueden obtener estimaciones de variaciones temporales del
tráfico.

Para el estudio realizado en esta tesis doctoral se han considerado los

datos procedentes de todas las estaciones de aforo operativas.

Los aforos pueden realizarse de forma automática, empleando aparatos

aforadores, o manualmente con personal especializado. El aforo manual sólo
se emplea ocasionalmente en estaciones de cobertura durante 16 horas. En el
resto de casos se emplean los equipos automáticos.

El conjunto de los valores recogidos de todas las estaciones se depura y,

tras su tratamiento, se obtiene finalmente u n a intensidad media diaria para
cada tramo de red en el año considerado.

La información bruta de los equipos de aforo se almacena y se trata en

u n único centro de proceso. La primera labor consiste en la detección y
corrección de errores. Estos pueden originarse bien por fallos en la puesta en
funcionamiento de los equipos, o por fallos durante el propio aforo.

En la puesta en funcionamiento de los aparatos, el error más habitual es

la localización incorrecta de la estación. Este error se da con más frecuencia en
las estaciones de cobertura que, al no disponer de instalación fija hacen que la
identiñcación exacta de la sección de aforo en ocasiones sea errónea, especial-
mente en la proximidad de nudos viarios.

Durante el aforo los errores más habituales están relacionados con

alteraciones en la circulación, fallos en los aparatos aforadores y fallos en los
detectores. Una causa muy frecuente de las alteraciones de la circulación es la
realización de obras en las proximidades de la estación de aforo. Si el tráfico es
desviado fuera de la zona cubierta por los detectores, situación que se produce
a menudo, el aforo obtenido no es representativo. Otra causa de las alteraciones
de la circulación es la presencia de tráfico muy lento o con numerosas paradas

67
de los vehículos sobre los detectores. En estos casos el aforador puede realizar
mal el conteo. Los fallos durante el aforo suelen ser escasos en los aparatos
aforadores modernos. Sin embargo, los equipos m á s antiguos que siguen
operativos y que emplean relés electro-mecánicos, tienen mayor porcentaje de
fallos. Los fallos en los detectores, cuando son lazos enterrados en el pavimen-
to, se suelen deber a que no han sido recalibrados tras la ejecución de u n a obra
de pavimentación.

Una vez depurados los datos se obtiene u n valor estimado de la IMD para
cada estación, que es representativo para el tramo básico correspondiente. Esa
estimación es inmediata para las estaciones permanentes y primarias. Para las
estaciones permanentes se obtiene el valor exacto de la IMD como media de las
365 intensidades diarias registradas. En las estaciones primarias se estima la
IMD anual como media de las intensidades registradas en los 42 días aforados,
ya que en ellos están igualmente representados todos los días de la semana en
seis períodos bimestrales. En cambio, en las estaciones secundarias sólo puede
estimarse la intensidad media de días laborables, ya que no se toman medidas
en días no laborables (sábados y domingos). Con las estaciones de cobertura
sólo puede hacerse u n a estimación de la intensidad en días laborables de u n
mes determinado. Por ello son necesarios unos coeficientes de expansión para
obtener el valor estimado de IMD en las estaciones secundarias y de cobertura.

Estos coeficientes de expansión, que se obtienen a partir de los aforos de

las estaciones permanentes y primarias, son los denominados factor "L" y factor
"S". El factor "L" se define como la relación entre la intensidad media anual de
los días laborables y la intensidad media mensual de los días laborables. Por
tanto resultan 12 factores "L" por estación y año. El factor "S" es la relación
entre la IMD del año considerado y la intensidad media a n u a l de los días
laborables. Para estimar el valor de la IMD a partir del aforo de u n a estación
secundaria, se multiplica el valor de la estimación de la intensidad media en
días laborables, obtenida del aforo de la estación, por el factor "S" de u n a
estación primaria o permanente afín a la considerada. Análogamente, pero
empleando los dos factores de expansión "L" y "S", se estima el valor de IMD a
partir de los aforos de las estaciones de cobertura.

68
 Para establecer la afinidad entre estaciones se tienen en cuenta dos
criterios: la proximidad geográfica y el tipo de tráfico que circula por la
carretera. Los tipos de tráfico se determinan en función del uso del suelo, las
actividades que se desarrollan en las proximidades de la carretera y el carácter
de la carretera dentro de la Red. De esta forma se distinguen diversos tipos de
tráfico: agrícola, industrial, turístico, de largo recorrido, de agitación, etc. Se h a
comprobado la existencia de relaciones bastante claras entre las variaciones
temporales de la intensidad y el tipo de tráfico. Con estos dos criterios pueden
establecerse comparaciones de las variaciones estacionales y semanales entre
distintas estaciones. En la agrupación de estaciones por añnidad siempre se
incluye en cada grupo al menos u n a estación permanente o primaria. A su vez
cada grupo puede dividirse en subgrupos, que incluyen varias estaciones de
cobertura y al menos u n a estación secundaria. Los grupos de estaciones afines
se revisan con frecuencia, ya que los trancos se van modificando al hacerlo la
ocupación y uso del suelo.

Como resultado final, el plan de aforos contiene u n a tramiñcación de la

totalidad de la Red de Carreteras del Estado, asignándose a cada tramo u n
valor estimado de la IMD. El r e s u l t a d o se m u e s t r a gráficamente en los
conocidos mapas anuales de tráfico.

En el esta tesis doctoral los valores de la intensidad horaria, se h a n

obtenido a partir de los datos de las estaciones de aforo permanentes. Estas
estaciones toman datos horarios los 365 días del año. Dichos datos se depuran
posteriormente para corregir posibles errores. Como resultado se dispone de los
valores de intensidad horaria para las 8760 horas del año.

4.2.- Recuento de los accidentes.

La fuente de datos utilizada para la elaboración de la base de datos de

accidentalidad h a sido la recogida en los partes de accidentes con víctimas.
Estos datos proceden de ficheros mecanizados resultantes de la transcripción

69
de los partes de accidentes con víctimas.

Los partes, técnicamente llamados cuestionarios estadísticos de

accidentes de circulación con víctimas, son rellenados por la autoridad policial
competente en materia de tráfico: Guardia Civil de Tráfico en carreteras
interurbanas y Policía Local en carreteras urbanas. El parte se realiza en u n
papel autocopiativo, obteniéndose u n original y dos copias. El original del parte
es enviado a la Jefatura Provincial de Tráfico y u n a copia es remitida, en caso
que el accidente haya tenido lugar en u n a carretera perteneciente a la Red de
Carreteras del Estado, a la Unidad Provincial de Carreteras correspondiente. La
copia restante queda en poder de la fuerza a c t u a n t e . Desde los Servicios
Periféricos de Carreteras los partes son enviados, a su vez, a la Subdirección
General de Conservación y Explotación de la Dirección General de Carreteras
del Ministerio de Fomento.

Los partes presentan u n formato estándar y recogen u n total de 81 datos

relacionados con las circunstancias en que se produjo el accidente y con sus
consecuencias. Algunos de los datos que figuran en los partes de accidentes
con víctimas están codificados. Así, para rellenar algunos datos del parte y para
s u posterior análisis resulta necesario utilizar u n a plantilla en la que se
encuentran recogidos estos códigos.

Los datos que se incluyen en el cuestionario de accidente se reñeren

fundamentalmente a los siguientes aspectos:

- Localización del accidente de circulación.

- Fecha y día de la semana en que tuvo lugar el accidente.
- Consecuencias del accidente (gravedad de las lesiones de los ocupan-
tes).
- Características de la vía: tipo de carretera, zona por la que discurre,
geometría de la sección transversal, señalización y resto de equipamiento
vial, etc.
- Presencia o no de u n nudo y en su caso, tipo de nudo.
- Estado de la superficie de la calzada (limpia y seca, umbría, mojada,

70
 helada, nevada, barrillo, gravilla suelta, aceite, otro tipo).
- Factores del entorno: luminosidad, condiciones meteorológicas,
visibilidad, etc.
- Tipo de accidente.
- Condiciones de la circulación.
- Número de vehículos implicados y datos varios sobre los raismos.
- Tipo de conductor y motivo del desplazamiento.
- Presuntas infracciones.
- Acción del conductor.
- Croquis del accidente.

Los datos anteriores, adecuadamente organizados en u n a base de datos,

permiten realizar diferentes análisis y estudios. Con esta base de datos es
posible analizar para u n período dado la accidentalidad en las vías de u n
determinado tipo, en u n tramo de carretera determinado, en condiciones de
iluminación diurna, con pavimento mojado, con u n solo vehículo implicado o
con varios, con víctimas mortales, etc.

71
5.- D E S A R R O L L O DE LA INVESTIGACIÓN.

5.1.- Correlaciones con la Intensidad media diaria.

5.1.1.- Combinación de las bases de datos.

Con los datos contenidos en las bases de datos de tráfico y accidentalidad

se procede a crear u n a combinación de ambas. De la base de datos de tráfico
se obtiene la Red de Carreteras del Estado tramificada según criterios de
homogeneidad de tráifico. Cada uno de estos tramos se define por el número de
la c a r r e t e r a a la que pertenece, s u p u n t o kilométrico inicial y s u p u n t o
kilométrico final. Por otro lado, en la base de datos de accidentes e s t á n
identificados para cada uno de ellos, la carretera con su número y el punto
kilométrico en que se h a producido, el número de víctimas y el número de
víctimas mortales.

A partir de la información anterior se asigna a cada tramo los accidentes

que se h a n producido en él c a d a año. De esta m a n e r a cada tramo tiene
asignado u n valor de IMD anual, así como u n conjunto de accidentes y s u s
características, que se han producido en ese tramo en cada uno de los años
considerados.

Al conocer de cada tramo los puntos kilométricos inicial y final, se h a

podido determinar su longitud exacta acudiendo al inventario de la Red de
Carreteras del Estado. De esta manera se han considerado las longitudes reales
de carretera que corresponden a cada tramo, no las longitudes teóricas. Es
sobradamente conocido que la longitud real no siempre coincide con la teórica
determinada por los hitos kilométricos de la carretera. Con este valor y los
procedentes de las dos b a s e s de datos de tráfico y accidentalidad, se h a n
obtenido los valores siguientes: IMD, longitud de carretera, n ú m e r o de
accidentes con víctimas y número de muertos.

72
 5.1.2.- Relaciones índice de peligrosidad - ÍMD e índice de mortalidad - IMD.

Con los datos obtenidos, se ha acometido la labor de realizar los gráneos

de puntos que relacionan por u n lado las parejas de valores IMD e índice de
peligrosidad y por otro las parejas de valores IMD e índice de mortalidad.

En primer lugar se h a discriminado entre carreteras con calzadas

separadas y carreteras de calzada única. Dentro de las carreteras con calzadas
s e p a r a d a s se h a n segregado las a u t o p i s t a s de peaje, p u e s los tráficos y
condiciones del entorno pueden diferir en muchos casos de las condiciones del
resto de carreteras con calzadas separadas. Por tanto se distinguen dos tipos
de carretera (carreteras con calzadas separadas y carreteras de calzada única),
que desde el punto de vista de la circulación y de la accidentalidad tienen
diferente casuística. Las velocidades de circulación en ambos tipos de carretera
son distintas. En general puede considerarse que la velocidad del percentil 85
es entre 10 y 15 kilómetros por hora superior en las carreteras de calzadas
s e p a r a d a s (Campañas de aforo y pesaje dinámico; Centro de Estudios de
C a r r e t e r a s ; CEDEX). Por otra p a r t e , la propia geometría de la sección
transversal de la carretera guarda relación con los tipos de accidentes y su
distribución. Así, los accidentes por choque frontal son sucesos raros en las
carreteras con calzadas separadas, mientras que su contribución a los índices
de peligrosidad y mortalidad en carreteras de calzada única es elevada.

En segundo lugar, sólo se h a n considerado tramos de carretera con u n

tipo de sección transversal determinado. En concreto, para carreteras con
calzadas s e p a r a d a s únicamente se consideran tramos de dos carriles por
sentido y en carreteras de calzada ú n i c a aquellos cuya calzada tiene dos
carriles. Ello supone rechazar carreteras de calzadas separadas de tres o cuatro
carriles por sentido, y tramos con carriles adicionales, tanto en carreteras con
calzadas separadas como en carreteras de calzada única.

De la base de datos de accidentes se han desechado los acaecidos en

nudos viarios, manteniendo sólo aquellos que se han producido en los tramos
entre n u d o s . Ello se debe a que los n u d o s viarios son p u n t o s de especial

73
conflictívidad. Las trayectorias de los vehículos se intersectan y las maniobras
de adaptación de las distintas trayectorias afectan al flujo normal del tráfico.
Al considerar los accidentes en tramos entre nudos, se puede asumir que el
flujo del tráfico no e s t á afectado por elementos externos a la c a r r e t e r a
considerada. Lo anterior permite establecer comparaciones entre distintos
tramos de carretera.

La Red de Carreteras del Estado está dividida en tramos y zonas según

los tipos de tráfico. Una de e s t a s zonas es la zona u r b a n a , con elevados
porcentajes de tráfico de agitación, donde se entremezclan tráficos de largo
recorrido y tráficos u r b a n o s . E s t o s t r a m o s p r e s e n t a n entre sí u n a gran
heterogeneidad en función del medio atravesado (zonas urbanas, industriales,
con desarrollo urbanístico, etc). Por ese motivo sólo se han tenido en cuenta en
este estudio los tramos ubicados en zona interurbana, con lo que se independi-
za el tráfico de la zona geográfica atravesada y se puede considerar que las
circunstancias del entorno son homogéneas. El número de tramos considerados
ha sido de 3701 de los cuales 168 pertenecen a autopistas de peaje, 1450 a
otras carreteras con calzadas separadas y 2083 a carreteras de calzada única.

Como consecuencia de lo anterior, de los 216509 accidentes constatados

en la Red de Carreteras del Estado entre 1989 y 1996 se h a n tomado en
consideración 13369 accidentes ocurridos en autopistas de peaje, 40281 en
otras carreteras con calzadas separadas, y 93055 accidentes ocurridos en
carreteras de calzada única. Ello supone considerar el 96,8% del total de
accidentes en autopistas de peaje, el 71,3% en otras carreteras con calzadas
separadas, y el 65% en carreteras de calzada única.

Se han obtenido, para carreteras con calzadas separadas y carreteras de

calzada única, los gráficos intensidad media diaria - índice de peligrosidad e
intensidad media diaria - índice de mortalidad de cada u n o de los a ñ o s
considerados (1989-1996). Finalmente se ha obtenido la nube de puntos suma
de todos los a ñ o s (figuras 2 2 , 2 3 y 24). Para cada gráfico del índice de
peligrosidad se h a n d e s e c h a d o los t r a m o s en que no se h a n producido
accidentes. Esto se debe a que si en u n tramo no se produce accidente alguno,

74
 700,00 -

600,00

500,00

400,00

£L 300,00

200,00

80.000 100,000 120.000

-100,00 J IMD
Curvas de ajuste I.M.D - I.P. Años 89-96 Autopistas de Peaje

Ajuste potencial Ajuste Exponencial Ajuste PoMnómico Ajuste Logarítmico

y = 3053,8x-°'"^ y = 6,0421 e"^^-^*' y= 1287 y = -3,2198Ln(x) + 35,874

R^ = 0.3368 R= = 0,3035 R^ = 0,1945

60,0

50,00

10,00

Curvas de ajuste I.M.D - I.M.>0 Años 89-96 Autopistas de Peaje

Ajuste potencial Ajüsle Exponencia! Ajuste Logarítmico

y=3053,ex-°"" y = 6.0421e-^^"' y = 3E-( • • + 9.1287 y = -3,2198Ln{x) + 35,874
R' = 0,3368 R^ = 0 , 3 0 3 5 K : !.' 1 ij (.1 J R= = 0,1945

Figura 22.

75
 700,00

600,00

500,00

400,00

Q; 300,00

200,00

100,00

0,00 -
200.000 250.000

-100,00 -I

Curvas de ajuste I.M.D - I.P. Años S9-96 Carreteras con calzadas separadas

Ajuste potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logaritmico

y = 3053,8x*'°* y = 6,04216-^"*' y = 3E-09x' - 0.0003X + 9,1287 y = -3,2198Ln{x) + 35,874
R^ = 0,33G8 R^ = 0,3035 R' = 0.1603 R^ = 0,1945

180,00

160,00

140,00

120,00

100,00

^ 80,00

60.00

40,00

20,00

0,00
50.000 100 000 I.M.D 150.000 200,000 250.000

-20,00

Curvas de ajuste I.M.D - I.M.>0 Anos 89-96 Carreteras con calzadas separadas

Ajuste potencial Ajuste Exponencial k\i\<(- P< ! ' r i o m Í C O Ajuste Logarítmico

y = 3053,8x*'^ y = 6,0421e-'"'" y.x + 9,1287 y = -3,2198Ln(x) + 35,874
R' = 0,3368 R^ = 0,3035 • ÍJ3 R= = 0,1945

Figura 23.

76
 1000,00

900,00

800,00

700,00

600,00

íl. 500,00

400,00

300

200

20.000 40.000 60.000 80,000 100.000 120.000 140.000 160.000 180.000 200.000
I.M.D
Curvas de ajuste I.M.D-I.P. Años 89-96 Carreteras de calzada única
Ajuste potencial Ajuste Exponencia! Ajuste Logarítmico
y = 3053,8x^'^ y = 6,0421 e-'^-""" y = 3E-G<- 3,1287 y = -3,2198Ln(x) + 35,874
R^ = 0,3368 R^ = 0,303S R^ = 0,1945

1200,00

1000,00

800,00

600,00
O
A

400,00

200,00

,••

.'* * -•A.
0,00
20.000 40.000 60 000 80.000 100.000 120.000 140.000 160.000 180,000 200.000
Í.M.D
-200,00

Curvas de ajuste I.M.D - I.M.>0 Años 89-96 Carreteras de calzada única

Ajuste potencial Ajuste Exponencial Ajuste Logarítmico

y=30S3,8x-"'^'^ y = 6,0421 e-^"*" y = 3t y 1287 y = -3,2198Ln(x) +35,874
R^ = 0,3368 R^ = 0,3035 R^ = 0,1603 R^ = 0,1945

Figura 24.

77
no se puede conocer la probabilidad de ocurrencia del suceso (valor de IP). Por
tanto, todas las parejas de puntos considerados tienen valores del índice de
peligrosidad superior a cero. Se h a n realizado cuatro ajustes por gráfico, u n
ajuste logarítmico, otro potencial, otro exponencial y finalmente u n ajuste
polinómico de segundo grado.

En cuanto al índice de mortalidad, se han considerado tres opciones.

Una, incluir aquellos t r a m o s en los que existiendo accidentes, no se h a n
producido muertes, con lo cual su índice de mortalidad es cero. La segunda
opción ha sido sólo considerar aquellos tramos en los que ha habido accidentes
con muertos. En el tercer caso se ha asignado u n valor residual equivalente a
1/2 víctima miortal a aquellos tramos en que h a habido accidentes pero sin
víctimas mortales. Con ello se a s u m e que todo accidente de tráfico tiene
implícitamente u n coste de vidas h u m a n a s . Se h a n representado las tres
opciones. Para la primera, los ajustes a las nubes de puntos han sido de los
tipos logarítmico y polinómico de segundo grado. Para la segunda opción se han
realizado además los ajustes potencial y exponencial, al no existir valores nulos
del índice de mortalidad. Análogamente, para la tercera opción se han realizado
los cuatro tipos de ajuste: logarítmico, polinómico de segundo grado, potencial
y exponencial. Si se prescinde de los tramos que, teniendo accidentes con
victimas, ninguno h a resultado con victimas mortales, ello supone dejar fuera
del estudio u n a longitud i m p o r t a n t e de la red aforada. En concreto los
porcentajes de longitud no considerados por este motivo son los indicados en
la tabla 2.

Merece destacarse de los resultados de la tabla 2 que la proporción de red

en que la ocurrencia de u n accidente implica la presencia de víctimas mortales
es muy elevada. Esta proporción aumenta en general para las autopistas de
peaje (70 - 80%), siendo la menor proporción la correspondiente a carreteras
de calzada única (64 - 72%).

78
 Tabla 2.
Porcentaje de longitud de Red de Carreteras del Estado
con accidentes con víctimas no mortales.

^^^^~——-__ 1989 1990 1991 1992 1993 1994 1995 1996

Autopistas de
27 22 22 21 20 27 24 30
peaje
Carreteras de
calzadas 22 22 22 23 20 23 23 25
separadas
Carreteras con
calzada 30 31 28 32 32 34 34 36
única

Todos los gráficos y los ajustes obtenidos se incluyen en el anejo 1. Estos

resultados son válidos para la Red de Carreteras del Estado entre los años 1989
y 1996, en tramos no urbanos, sin nudos viarios próximos y para carreteras de
calzadas separadas con dos carriles por sentido, y carreteras de calzada única
con dos carriles. Por t a n t o , el modelo b u s c a d o s e r á aplicable sólo p a r a
carreteras con las mismas condiciones de contomo, es decir, con alzadas de dos
carriles, fuera de zona u r b a n a (sin tráfico de agitación) y en t r a m o s no
afectados por nudos viarios.

Por otro lado, para cada uno de los tramos estudiados de la Red de
C a r r e t e r a s del E s t a d o , se h a analizado la relación entre los índices de
peligrosidad y mortalidad y la IMD correspondientes al período 1989-1996
(anejo Ibis). Los coeficientes de correlación obtenidos han sido similares para
casi todos los tramos. Dichos ajustes no se diferencian sustancialmente de los
a n t e s analizados, que correspondían al conjunto de tramos considerados
agrupados año a año. En ciertos casos excepcionales se ha llegado a valores de
R^ próximos a 0,7. La explicación a estos casos aislados es, que al tratarse de
pocas observaciones (ocho como máximo, u n a por cada año considerado),
cuando los valores siguen mínimamente una tendencia, el ajuste es elevado. No
obstante, merece resaltarse que los valores de R^ obtenidos son en general muy

79
inferiores a 0,7.

Lo anterior permite constatar que hay u n a elevada dispersión de los

p u n t o s que r e p r e s e n t a n las parejas de valores índice de peligrosidad o
mortalidad e IMD.

Como consecuencia, se puede afirmar que no hay u n a correlación entre

el índice de peligrosidad y la intensidad media diaria ni entre esta y el índice de
mortalidad, es decir, no se establece dependencia estadísticamente significativa
entre estas variables.

5.2.- Correlaciones con la intensidad horaria.

5.2.1.- Combinación de las bases de datos.

A la luz de los estudios mencionados en el capítulo 3, que relacionan la

accidentalidad con el intervalo de tiempo entre vehículos y por tanto con su
inversa, la intensidad horaria, se van a considerar estas nuevas variables para
formular u n modelo de accidentalidad aplicable a la Red de Carreteras del
Estado en España.

Para ello, se h a acudido a las mismas bases de datos de accidentes y

aforos utilizadas en la aproximación anterior (apartado 5.1). No se consideran
en este análisis los datos de accidentes anteriores al año 1993, pues hasta este
año los partes de accidentes no incluyen el dato del sentido de circulación en
el que se ha producido el accidente. Al no identificar el sentido, para carreteras
con calzadas separadas no puede asignarse u n a intensidad de tranco, pues esta
es distinta para cada calzada y por tanto para cada sentido.

Para formular este modelo de seguridad vial es preciso contar con datos
de intensidades horarias de tráfico para todo el período de tiempo considerado.
Esta información solamente se tiene en aquellos tramos de la Red de Carreteras

80
del Estado en que hay estaciones de aforo permanentes. Por ello, únicamente
se van a considerar en este estudio los accidentes que h a n tenido lugar en
aquellos tramos de la Red de Carreteras del Estado aforados con estaciones
permanentes, pues sólo a estos accidentes se les puede asignar la intensidad
horaria por calzada correspondiente al momento en que se produjo.

Los tipos de carretera inicialmente considerados han sido los mismos que
en la primera aproximación: autopistas de peaje, otras carreteras con calzadas
separadas, y carreteras de calzada única. Al no existir ninguna estación de
aforo permanente en toda la red de autopistas de peaje, los tipos de carretera
a considerar en este análisis h a n quedado reducidos a dos: carreteras con
calzadas separadas que no son de peaje, y carreteras de calzada única.

Como consecuencia de lo anterior, los datos que se van a utilizar para

formular el modelo corresponden a la Red de Carreteras del Estado en España,
entre los años 1993 y 1996, en tramos aforados con estaciones permanentes,
no urbanos, exentos de nudos viarios y para carreteras con calzadas separadas
y dos carriles por sentido, y carreteras de calzada única con dos carriles. Ello
supone considerar 48 tramos de carreteras con calzadas separadas y 73 tramos
de carreteras de calzada única, con u n a s longitudes de 276 kilómetros y 1254
kilómetros respectivamente. Por tanto, el estudio no incluye ningún tramo de
autopistas de peaje, y sólo tiene en c u e n t a u n 7,3 por ciento de la red de
carreteras con calzadas s e p a r a d a s libres y u n 7,6 por ciento de la red de
carreteras de calzada única. En cuanto al número de accidentes considerados,
h a n sido 3796, de los cuales 1089 corresponden a carreteras con calzadas
separadas y 2707 a carreteras de calzada única.

5.2.2.- Relaciones índice de peligrosidad - intensidad horaria.

Se pretende encontrar la relación entre el índice de peligrosidad y la

intensidad horaria. Para ello se van a combinar los datos de accidentes y de
intensidades horarias y obtener los índices de peligrosidad de los tramos
considerados. El índice de peligrosidad expresa la relación entre el número de

81
accidentes con víctimas en u n tramo y periodo determinado y el número de
vehículos-Ion (que es el factor de exposición). Esta relación, formulada a partir
de la intensidad horaria, queda de la siguiente manera:

jp ^ n° de accidentes con víctimas • 10^

L ' n° horas • longitud del tramo

Siendo:
IP: índice de peligrosidad.
Iij: la intensidad horaria por calzada en el tramo de carretera
considerado en el momento de producirse el accidente (vehícu-
los/hora).
n° horas: total de horas durante el periodo considerado en que la
carretera ha estado expuesta a u n a intensidad horaria determina-
da (horas).
Longitud del tramo: la longitud del tramo de carretera considerado
(kilómetros).

La intensidad horaria es u n a variable cuyo rango de valores es muy

amplio, por lo que para obtener los histogramas de exposición de las distintas
intensidades hay que considerar intervalos de intensidad horaria (figura 25). De
esta forma, cuando se produce u n accidente, la intensidad horaria pertenece
a u n intervalo, al cual se ha expuesto el tramo de carretera en u n determinado
número de horas. Los intervalos considerados han sido tales que para cada uno
de ellos el número de accidentes producidos es aproximadamente igual. En
concreto, para carreteras con calzadas separadas los intervalos considerados
han sido: inferior a 200 vehículos/hora, entre 200 y 318, entre 319 y 455, entre
456 y 625 y superior a 625 vehículos/hora. Para carreteras de calzada única
han sido: inferior a 130 vehículos/hora, entre 131 y 300, entre 301 y 500, entre
501 y 999 y superior a 1000 vehículos/hora.

A partir de los histogramas de horas para cada uno de los cinco

inteiTralos de cada tipo de carretera se han obtenido los valores del índice de
peligrosidad. Para realizar el correspondiente ajuste se consideró en primera

82
 o t r a s Carreleras con Calzadas Separadas

100.000 j -

3 ui "

0-150 160-260 250-350 350-450 450-550 550-650 650-750 750-860 850-950 950-1050
Intervalos

Año 93 Anc9d Ano 95 Ano 96

Carreteras de Cacada Única

-&X-

150-250 250-3S0 350-450 450-550 S50-65D 650-750

sm
750-850
¥1, m~to
850 - 9S0 950-1050 ? 1050
Intervalos

A ñ o 93 A r i o S4 A ñ o 95 A ñ o 96

Figura 25.
instancia ion valor de intensidad horaria representativo de cada intervalo. Como
consecuencia, las nubes de puntos obtenidas se situaban sobre cinco únicos
valores de intensidad horaria. Para poder mejorar el ajuste se h a optado por
sustituir la variable intensidad horaria discretizada por la magnitud número de
vehículos. Con ello se toma como valor de exposición el número total de
vehículos que han circulado por u n determinado tramo. Se han obtenido las
nubes de plintos correspondientes a las parejas índice de peligrosidad - número
de vehículos para cada uno de los años. Finalmente se h a obtenido la nube de
puntos s u m a de todos los años (figura 25). Para cada u n a de ellas se h a n
realizado los m i s m o s c u a t r o a j u s t e s que en la aproximación índice de
peligrosidad - IMD (anejo 1).

5.3.- Aplicaciones de análisis de conglomerados.

5.3.1.- Exégesis de los datos.

Los estudios realizados por los distintos autores parten de la premisa de

que el sistema que forma la seguridad vial es complejo y no determinista.
Asimismo, es por todos conocido que las condiciones del sistema dependen de
u n elevado número de circunstancias. Probablemente en estas condiciones
iniciales se centra la complejidad y la consiguiente dificultad de prevenir los
accidentes. Com.o consecuencia, cualquier modelo para prevenir y pronosticar
los accidentes se caracterizaría por la falta de sencillez.

Con las premisas anteriores, los autores que han buscado dar forma
hasta la fecha a u n modelo de seguridad vial, han partido de datos similares:
m.edidas de equipos de aforo, partes de accidentes e inventarios de carreteras.
Este tipo de bases de datos siempre contiene errores (apartados 4.1 y 4.2),
aunque estos se depixren (accidentes no contabilizados, intensidades estimadas
por fallo del equipo de medida, etcétera). La base de datos correspondiente
constituye la muestra del hecho objeto de estudio. No obstante, las limitaciones
impuestas por los datos disponibles conllevan a menudo que el alcance de

84
 o t r a s Carreteras con calzadas separadas AÑOS 93-96

300

250

10000000

Número de vehículos/ año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

¥-129506x'""= y = 39,E12e-^^*" y = 6É-12x^-4E-05x +69,118 y = -27,817Ln(í[)* 417,01
!¥ = 0,4273 FP = 0,2612 Ff = 0,2Z44 FF = 0,2543

C a r r e t e r a s de calzada única ANOS 93-96

IODO

50011000

-100

Número de vehículos/ año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste logarítmico

y = 53328x"'* y = 53,84e'"'' y = 2E-11x=-1E-04x + 103,24 y = -27,B17Ln(x) +417,01
(¥ = 0,3821 F? =0,2227 F? = 0,1965 Ff = 0,2543

Figura 2 6 .

85
algunos estudios y s u s resultados no sean aplicables de forma universal.

En general de todas las bases de datos empleadas, donde existen mayores

diferencias y al tiempo mayor número de variables se pueden obtener, es en las
correspondientes a los p a r t e s de accidentes. Por t a n t o , al e s t u d i a r e s a s
variables según u n a técnica de conglomerados, se e s t á i n d i r e c t a m e n t e
valorando la capacidad del parte para explicar la relación de causalidad de los
accidentes.

Los modelos planteados por los distintos autores toman u n conjunto de

variables como explicativas del fenómeno. La elección de estas, consideradas
como independientes en el modelo, se fundamenta en estudios anteriores y en
la propia intuición del investigador. Esta sistemática podría aceptarse como
científica si se aplicase el método prueba-error. Con este método de investiga-
ción, consideradas las hipótesis del modelo se realiza la prueba con observacio-
nes futuras del sistema y se comprueba si existen o no errores. Cuando el error
resulta admisible, el modelo se considera válido, lo cual permite extenderlo al
universo o al menos a u n a parte condicionada del mismo.

La primera variable explicativa que se suele considerar para predecir

accidentes de tráfico en los estudios de seguridad vial es la intensidad de tráfico
o cualquiera de s u s magnitudes derivadas (vehículos-km, IMD, tiempo entre
vehículos sucesivos). El modelo n u m é r i c o a d e c u a d o p a r a contabilizar
accidentes es el binomial condicionado, aunque debido a que la probabilidad
de aparición de accidente es pequeña, se puede aproximar al proceso de
Poisson. Como la bondad del ajuste de los datos al modelo resulta ser escasa,
se suele argumentar que existen más variables explicativas que influyen sobre
el número de accidentes, el hecho estudiado. Esto plantea nuevas problemáti-
cas. En concreto, determinar cuáles son las variables explicativas que influyen
sobre el modelo y determinar la forma en que las citadas variables influyen,
j u n t o a la variable intensidad previamente considerada. Además, ñjado u n
intervalo de tiempo el número de accidentes depende del origen de coordenadas
que se tome como inicio del tiempo; hecho que obliga a modelizar el fenómeno
como u n proceso de Poisson heterogéneo. Entre las variables que se introducen

86
destacan las relativas a características de trazado, tanto de planta como del
perfil longitudinal, sección transversal, distancias entre accesos sucesivos,
velocidad de circulación, etcétera. Posteriormente, y suponiendo en todo caso
u n a distribución de los accidentes según el proceso de Poisson, se realizan
nuevas calibraciones y se contrastan con el modelo. Hay que tener u n especial
cuidado en este punto para evitar que el número de variables sea muy elevado
frente al n ú m e r o de hechos observados, p u e s en este caso los resultados
obtenidos no serían estadísticamente representativos.

Todos los estudios previamente reseñados (capítulo 3), analizados bajo

el prisma de la metodología prueba-error, ponen en evidencia que las hipótesis
de partida son erróneas al ser poco significativa la relación entre los valores
predichos y las observaciones. Es decir, no es que el fenómeno no p u e d a
modelizarse como predictivo, sino que las variables explicativas consideradas
no son capaces de medir con precisión la exposición al riesgo de sufrir u n
accidente. No debe olvidarse que el proceso de ajuste ha consistido en imponer
u n a s variables y obligar a que los datos cumplan u n a ley determinada. La
realidad demuestra que las leyes impuestas no son idóneas para explicar el
fenómeno estudiado, ya que al introducir otros datos en el modelo el pronóstico
difiere sensiblemente de la realidad. Es decir, a partir de u n modelo calibrado
p a r a u n a serie de datos c o r r e s p o n d i e n t e s a u n conjunto de a ñ o s , si se
introducen los valores de las variables independientes medidas en años
posteriores, el resultado obtenido por el modelo difiere del valor medido para la
variable dependiente.

Ante esta situación cabe plantear dos líneas de investigación. Una,

continuar con la metodología prueba-error proponiendo distintas variables y
distintas distribuciones. Otra, analizar los datos sin presuponer qué variables
son explicativas, ni distribución alguna. Visto que los numerosos modelos
obtenidos a partir de la sistemática prueba-error no h a n sido capaces de
explicar la compleja realidad, la modelización de la seguridad vial debe pasar
necesariamente por resolver el problema del análisis de los datos disponibles.

La variable circulación se representa en las bases de datos disponibles

87
por medio de la intensidad. La intensidad es la relación entre las magnitudes
número de vehículos y tiempo. Los equipos disponibles registran valores de
número de vehículos acumulados hora a hora. Por ese motivo parece mejor
tomar como valor de intensidad la horaria, que es la que más se aproxima a las
condiciones de circulación en el momento de producirse el accidente. Por otro
lado, al poder tratar los datos recogidos en los partes de accidentes, estos se
han podido considerar como nuevas variables. Estos datos tienen la particulari-
dad de ser variables cualitativas, por lo que su tratamiento no debe ser como
el de las variables cuantitativas.

Los modelos binomial o de Poisson sirven, fundamentalmente, como

medidas de recuento del númiero de accidentes, hecho poco relevante para
predecir o prevenir cada accidente. El análisis que se propone trata de buscar
variables que sirvan para explicar el accidente y por tanto poder actuar sobre
ellas con el fin de poder disminuir con la máxima eficacia posible el número de
accidentes.

En conclusión, se van a analizar las variables intensidad y algunas de las

contenidas en los partes de accidentes. El objetivo es encontrar la posible
asociación entre ellas, para que u n a vez conocida pueda determinarse qué leyes
numéricas rigen el modelo. Con ello sería posible u n salto cualitativo al pasar
de los actuales m.odelos predictivos del número de accidentes, a formular u n
modelo predictivo donde se evidenciaran las distintas asociaciones entre las
variables. Esto supondría conocer qué variables y en qué forma influyen en el
hecho estudiado, más que en su número. De esta manera se podrían tomar
medidas que previnieran la aparición del accidente, actuando sobre los factores
intervinientes.

En resumen, se va a estudiar la concurrencia de las principales variables

recogidas en el parte de accidentes, de manera que se pueda establecer u n a
relación de causalidad entre estas y el hecho estudiado, la ocurrencia de u n
accidente.

88
 5.3.2.- Combinación de las bases de datos.

Esta aproximación requiere previamente elaborar u n a nueva base de

datos que combine los datos m á s representativos del accidente junto con la
intensidad horaria. Para ello partiendo de los datos de accidentes y aforos del
periodo 1993 a 1996, se han aunado por u n lado las intensidades horarias de
los tramos de carretera en que se dispone de este dato (de la base de datos de
aforos) y, por otro, los correspondientes a accidentes producidos en dichos
tramos (de la base de datos de accidentes).

5.3.3.- Estructura de la base de datos.

Para poder analizar los datos de accidente es necesario transformar los

datos disponibles mediante la adopción de unas nuevas variables representati-
vas. Estas variables y la estructura de los datos son las siguientes:

- Tipo de carretera: campo de texto con nomenclaturas posibles "AU" o

"CC" (carreteras con calzadas separadas o carreteras de calzada única).
- Año: valor numérico de las dos últimas cifras del año (varía del 93 a 96).
- Mes: valor numérico del mes.
- Día: valor numérico del día.
- Día de la semana: valor numérico de 1 a 7 según corresponda al día de
la semana, variando de lunes a domingo.
- Hora: valor numérico de la hora en formato 0-24 (se dan valores exactos
de hora, el accidente se produce en el intervalo horario de la h o r a
indicada y la siguiente).
- Siglas de la carretera: carácter de texto "N" (carreteras nacionales).
- Número de la carretera: valor numérico.
- Punto kilométrico: carácter numérico que identifica el lugar del
accidente.
- Id del accidente: valor numérico que se asigna para identificar el parte
de accidente.
- Muertos: valor numérico del número de víctimas mortales en las 24

89
 horas posteriores al accidente.
- Número de vehículos implicados: valor numérico 1 o 2 (1 para u n solo
vehículo implicado, 2 para más de u n vehículo implicado).
- Superficie: valor numérico 1 o 2 (1 para superficie limpia y seca; 2 para
superficie deslizante por cualquier causa).
- Luminosidad: valor numérico 1, 2 o 3 (1 para pleno día; 2 para
crepúsculo y 3 para noche sin consideraciones sobre la iluminación
ambiente).
- Factores atmosféricos: valor numérico 1 o 2 (1 para buen tiempo; 2 para
mal tiempo, ya sea por lluvia, nieve, niebla u otra circunstancia).
- Visibilidad de la señalización: valor numérico de 1, 2 o 3 (1 para buena,
2 para deficiente y 3 para nula).
-Tipo de accidente: valor numérico entre 1 y 6 (1 para colisión entre
vehículos en marcha; 2 para colisión vehículo-obstáculo en calzada; 3
para atropello; 4 para vuelco en la calzada; 5 para salida de la calzada y
6 para otro tipo de accidente).
- Intensidad horaria: valor numérico, que el número de vehículos que han
circulado por la calzada d u r a n t e la hora en que se h a producido el
accidente. Para el caso de carreteras con calzadas separadas (AU) el valor
de intensidad horaria se refiere a la intensidad por sentido, mientras que
para carreteras de calzada única (CC) la intensidad horaria considerada
es la resultante de ambos sentidos.

Todos los datos se refieren a carreteras en tramos sin limitación de la

visibilidad por el trazado, alejados suficientemente de n u d o s viarios, sin
limitaciones geométricas de la plataforma, con dos carriles por calzada y sin
carriles adicionales (carriles de aceleración o deceleración, carriles rápidos o
lentos, etc).

5.3.4.- Aplicación del análisis de conglomerados.

Con la estructura inicial de datos descrita se aplica u n análisis de

conglomerados a fin de obtener una clasificación de las observaciories. Al haber

90
ampliado la estructura inicial de datos con los campos luminosidad, factores
atmosféricos, visibilidad de la señalización y tipo de accidente, el análisis de
conglomerados no sólo tratará de obtener la clasificación del hecho observado
(el accidente) y las víctimas mortales respecto a la intensidad horaria en la
calzada. Simultáneamente se considerarán los nuevos factores, lo cual hará que
la clasificación del hecho observado se realice teniendo en consideración
conjuntamente todos los valores de todos los campos, lo que permitirá obtener
clasificaciones basadas en los nuevos factores.

5.3.4.1.- Estudio previo de las variables.

Antes de aplicar el análisis de conglomerados se realiza u n estudio

descriptivo de variables. Dicho estudio permite comprobar los rangos de
variación de la ocurrencia de los accidentes para los distintos valores de las
variables consideradas. El estudio se h a realizado de distinto modo para la
intensidad horaria que para el resto de variables, ya que aunque no se trata de
u n a variable continua, su rango de valores es suficientemente amplio. Para
cada u n a de las variables excepto la intensidad horaria se h a n elaborado las
tablas de frecuencia simple, diferenciando entre carreteras con calzadas
separadas y carreteras de calzada única. Estas tablas de frecuencia simple se
obtienen contabilizando el número de unidades experimentales (accidentes) que
se h a n producido p a r a c a d a u n o de los posibles valores de la variable
(modalidades). A continuación se describen los resultados obtenidos.

- Para carreteras con calzadas separadas:

Las frecuencias de aparición por años son muy semejantes, excepto para
el año 1993 en que resulta ligeramente inferior.

La variable mes muestra u n a oscilación de frecuencia en tomo al 7,0 %,

aumentando en el mes de agosto (12,0 %).

El día del mes presenta fuertes oscilaciones (entre el 5,0 % y el 2,3 %),

91
destacando u n a tendencia a disminuir en los últimos días del mes. El
mínimo se alcanza para el último día del mes (1,8 %).

En cuanto a la variable día de la semana, la frecuencia de aparición es

más elevada en el viernes (18,3 %), seguido del domingo (16,9 %) y lunes
(15,2 %). El mínimo se sitúa en el miércoles (11,0 %).

La hora de ocurrencia de los accidentes tiene dos marcados picos para

la 1 (5,9 %) y las 17 (7,1 %) horas, con u n acusado valle para las 4 horas
(1,5%).

La variable número de muertos presenta tina frecuencia de aparición del

91,3 % para accidentes con cero victimas mortales, que desciende al 6,9
% para accidentes con u n a víctima mortal, y alcanza sólo el 1,8 % para
accidentes con más de u n a victima mortal.

El número de vehículos implicados es, en la mayoría de los casos, uno,

con u n a frecuencia de aparición del 66,8 %.

La frecuencia de aparición de accidentes con superficie de rodadura

limpia y seca es de u n 59,2 %, mientras que los accidentes con superficie
deslizante son el 24,1 %.

De las modalidades de la variable luminosidad, la que tiene u n a

frecuencia de aparición m á s elevada es la correspondiente a accidente
d u r a n t e el día (66,4 %), siendo la modalidad accidente d u r a n t e el
crepúsculo la de menor frecuencia (5,1 %).

Los factores atmosféricos que mayor frecuencia presentan son los

correspondientes a buen tiempo, siendo su frecuencia de aproximada-
mente dos tercios del total.

La visibilidad de la señalización es mala en u n escaso número de

accidentes (4,1 %), siendo habitual la buena visibilidad de la misma.

92
Por último, para la variable tipo de accidente, el m á s frecuente es la
salida del vehículo (58,2 %), seguido de la colisión entre vehículos en
marcha (25,1 %).

- Para carreteras de calzada única:

La frecuencia de aparición de accidentes para la variable año presenta

u n a suave tendencia descendente en el período considerado.

Para el día del mes, las máximas frecuencias se presentan para los días
3 (4,1 %), 11 (4,1 %) y 13 (4,2 %), a p a r e c i e n d o el menor valor de
frecuencia para el último día del mes (1,7 %).

Los días de la semana presentan dos mínimos para el martes y el jueves

(11,4 %), ascendiendo a partir de este último hasta el domingo en que se
alcanza la máxima frecuencia de aparición (19,0 %).

Respecto a la variable mes, los valores máximos se presentan para los

meses de julio y agosto (10,6 % y 10,9 %, respectivamente), situándose
el mínimo en el mes de enero (6,1 %).

La variable hora tiene cuatro máxim.os para la 1 (3,9 %), las 8 (5,5 %), las
12 (6,0 %) y las 17 horas, que es el máximo absoluto (6,5 %). El valor
mínimo de frecuencia se encuentra para las 24 horas (0,8 %).

Los accidentes sin víctimas mortales son una proporción muy elevada del
total de accidentes (89,2 %), siendo los accidentes con m á s de u n a
víctima mortal u n porcentaje muy bajo (1,8 %).

En lo referente al número de vehículos implicados, las proporciones de

accidentes con u n solo vehículo implicado y con varios vehículos
implicados resultan muy semejantes (46,1 % y 53,9 %, respectivamente).

La variable estado de la superficie de rodadura tiene un cJaro máximo

93
 para superficie limpia y seca (72,1 %).

De las modalidades de la variable luminosidad, la que tiene u n a

frecuencia de aparición más elevada es la correspondiente a accidente
d u r a n t e el día (61,9 %), siendo la modalidad accidente d u r a n t e el
crepúsculo la de menor frecuencia (5,8 %).

Las condiciones atmosféricas con mayor frecuencia de aparición son las

correspondientes a buen tiempo (71,0 %).

La visibilidad de la señalización en los accidentes estudiados es buena

prácticamente en todos los casos (99,7 %).

Por último, el tipo de accidente con mayor frecuencia es la colisión entre

vehículos en marcha (49,7 %), seguido del de salida del vehículo (35,7
%). El menos frecuente es la colisión contra obstáculos sobre la calzada
(1,4%).

Para el estudio de la intensidad horaria, también se ha diferenciado entre

carreteras con calzadas separadas y de calzada única. Se han empleado los
estadísticos descriptivos clásicos, rango de la variable, media, desviación típica,
varianza, coeficiente de asimetría y coeficiente de curtosis (anejo 2). Para
comprobar la posible distribución normal de los datos se ha empleado el test
de Kolmogorov-Smimov. Dicho test se h a aplicado tanto a la distribución de
datos (figuras 27 y 28), como a la función logarítmica de los mismos (figuras 29
y 30). Como consecuencia de los resultados obtenidos (anejo 2), al obtener en
ambos casos u n valor de significación asintótica o p-valor igual a 0,000 se
desprende que la intensidad horaria, tanto p a r a carreteras con calzadas
s e p a r a d a s , como p a r a c a r r e t e r a s de calzada ú n i c a , no se a j u s t a a u n a
distribución normal.

94
 Desv. típ. =445,13
Media = 492,9
N = 1104,00

O O O O OQ OQ OQ OQ OQ OQ OQ OQ OQ OQ OQ OQ

Intensidad
Figura 27.
Distribución de la intensidad horaria en carreteras con calzadas separadas.

500-

400-

300-

200

100 Desv. típ. = 307,50

Media = 412,9
N = 2783,00
I ^^•••bdllil—.
^T^—'-p' 1 1 1 1 \ , r

o o o o OQ 0>Q (JQ UQ UQ OQ OQ OQ OQ OQ OQ

Intensidad

Figura 28.
Distribución de la intensidad horaria en carreteras de calzada única.

95
200 1

100

Desv. típ. = 0,86

Media = 5,86
N = 1104,00

Intensidad
Figura 2 9 .
Distribución de la intensidad horaria en carreteras con calzadas separadas.
400-

300

200-

100
Desv. típ. = 0,95
Media = 5,68
N = 2783,00

Intensidad

Figura 3 0 .
Distribución de la intensidad horaria en carreteras de calzada única.

96
 5.3.4.2.- Análisis de la intensidad horaria.

La intensidad horaria es la variable que se ha considerado en la hipótesis

de partida como capaz de explicar el fenómeno que se estudia. Esta variable
requiere, por tanto, la realización de u n estudio específico. El objeto de este
estudio es parametrizar la posible asociación entre la variable independiente (la
intensidad horaria) y la variable dependiente (la ocurrencia de accidente).

Para ello se han estratificado en primer lugar las variables mes, día de la
semana y hora, que proporcionan las coordenadas temporales de aparición del
suceso a estudiar, el accidente.

A partir de las tablas de frecuencias simiples previamente descritas, se

han definido tres estratos para el mes (1 para los meses de octubre a febrero,
2 para los meses de miarzo a m.ayo, y 3 para los meses de junio a septiembre),
dos estratos para el día de la semana (1 para los días de lunes a jueves y 2 para
viernes, sábado y domingo), y tres estratos para la hora del día (1 para las
horas comprendidas de las 23 a las 6 horas, 2 para las comprendidas entre las
7 y las 14, y 3 para las comprendidas entre las 15 y las 22 horas).
Si se combinan los estratos anteriormente definidos, las coordenadas
temporales quedan determinadas por 18 situaciones diferenciadas. Para cada
u n a de estas combinaciones de estratos se han contabilizado los accidentes
acaecidos y las intensidades horarias correspondientes a cada suceso. Lo
anterior permite estudiar la probabilidad de que hubiese u n a determinada
intensidad horaria cuando se produjo u n accidente.

No obstante lo anterior, cabe tener en cuenta que la variable intensidad

horaria toma valores haya o no accidentes. Por ello, si se pretende estudiar la
probabilidad de aparición de u n accidente en función de la intensidad horaria,
h a b r á que t o m a r en consideración todo el rango de variación de dicha
intensidad horaria, se produzca o no el fenómeno a estudiar. Es decir, el
estudio de la frecuencia de aparición de los accidentes debe hacerse sobre todos
los posibles valores de la intensidad horaria, comprobando para cada uno de
ellos la aparición o no del fenómeno objeto de estudio. Por lo expuesto se han

97
tenido en cuenta valores de intensidad horaria para todos los posibles rangos
de variación de la misma, con independencia de la ocurrencia del accidente.
Todo lo anterior se h a realizado c o n s i d e r a n d o dos d i s t r i b u c i o n e s de la
intensidad horaria (figuras 31 y 32). La primera corresponde a la distribución
de la intensidad horaria cuando h a surgido algún accidente. La segunda a la
distribución de la m i s m a variable c u a n d o se tiene constancia que no se
producido ningún accidente. Disponiendo de ambas distribuciones se podrá
realizar el estudio comparativo c o r r e s p o n d i e n t e . La distribución de la
intensidad horaria con accidentes se ha obtenido tomando todo el conjunto de
valores de intensidad horaria con ocurrencia de accidente disponibles (1104 en
carreteras con calzadas separadas y 2783 en carreteras de calzada única). La
distribución de la intensidad horaria sin accidentes se ha obtenido a partir de
u n conjunto de valores estadísticamente representativo de intensidades
horarias. Estos últimos valores se han tomado de forma aleatoria y correspon-
den a intensidades horarias medidas en las mismas estaciones de aforo que las
del primer conjunto de valores, pero en intervalos horarios en que no se han
producido accidentes.

De este modo, para cada u n a de las posibles combinaciones de estratos,

se dispone de dos muestras, u n a con valores de intensidad horaria en que se
h a producido algún accidente y otra con valores de intensidad horaria en que
no se ha producido accidente alguno.

Partiendo de las dos distribuciones de la intensidad horaria previamente

d e s c r i t a s , se h a realizado la comparación de las m i s m a s a fin de poder
determinar la significación de la variable independiente (la intensidad horaria)
respecto a la supuesta variable dependiente (el accidente). Para ello se h a n
aplicado cuatro test estadísticos para contraste de poblaciones.

98
 900
800

.2 700
•D
Q) Sí accidente
E 600

2 500
o
j ^

-o 400
co
•g
'w 300-
c
O)
ÍE 200 VNo,_acci_dente
100-
0
o Mes 1 1 1 1 1 1 2 2 2 2 2 i 2 6 6 6 6 6 6
-1—'

Día 1 1 1 2 2 2 1 1 1 2 2 i 2 1 1 1 2 2 2
LU H o r a 1 2 3 1 2 3 1 2 3 1 2 13 1 2 3 1 2 3

Carreteras con calzadas separadas

Figura 31.
Distribución de la intensidad horaria en carreteras con calzadas separadas.

800i

700-

"0 600 Sí accidente

•g 500

I 400
X3
; ! 300
co
S 200-

100-
0
0 Mes 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3
(ti
1 Día 1 1 1 2 2 2 1 1 1 2 2 2 1 1 1 2 2 2
m Hora 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3

Carreteras de calzada única

Figura 32.
Distribución de la intensidad horaria en carreteras de calzada única.

99
 Por u n lado se ha aplicado la "t" de Student, que es u n test paramétrico,
es decir, supone u n a distribución normal de los datos, con varianzas homogé-
neas y observaciones independientes, que no precisa para su aplicación estimar
la inedia ni varianza poblacional. Por otro lado, se h a aplicado el test de
Wilcoxon-Mam Whitney, el test de la mediana y el de Kolmogorof-Smirnov.
Estos se caracterizan por ser p r u e b a s no p a r a m é t r i c a s , es decir, no se
presupone ninguna distribución de probabilidad teórica de la distribución de
los datos. Todas e s t a s p r u e b a s estadísticas se consideran significativas
(apartado 2.2.) p a r a valores inferiores a 0,05. A la vista de los resultados
obtenidos (tablas 3 y 4) se observa que en carreteras con calzadas separadas
tan solo para el estrato de meses comprendidos entre octubre y febrero, con día
de la semiana entre lunes y jueves, y hora entre las 23 y las 6, y el estrato de
meses comprendidos entre marzo y mayo, en viernes, sábado o domingo, y para
el período comprendido entre las 15 y las 22 horas, existe u n a cierta relación
estadística entre las distribuciones estudiadas. Por tanto, la aparición de
accidentes en carreteras con calzadas separadas frente a la intensidad horaria
no tiene significación estadística. Para el caso de carreteras de calzada única,
en todos los test aplicados se encuentran estratos con cierta relación estadísti-
ca, si bien siempre surgen estratos que carecen de la misma. Considerando
además que en general los valores de los test son próximos a 0,05 se puede
afirmar que existe u n a significación poco marcada. Luego en carreteras de
calzada única la intensidad horaria es u n factor con significación frente al
accidente, aunque no suficiente como para explicar totalmente el fenómeno
objeto de estudio.

Como conclusión, la intensidad horaria en carreteras con calzadas

s e p a r a d a s no es u n b u e n p a r á m e t r o de exposición al riesgo de sufrir u n
accidente. En el caso de carreteras de calzada única, atin cuando la intensidad
horaria tiene u n a cierta influencia en la ocurrencia del accidente, no hay u n a
fuerte dependencia entre estas variables, y por ello, tampoco puede considerar-
se la intensidad horaria como u n buen factor de exposición al riesgo.

100
 Tabla 3.
Carreteras con calzadas separadas.
Estrato Sí accidente N o accidente
P-1 P-2 P-3 P-4
Mes Día Hora n s m n s m
(7) (8) (9) (10)
(1) (2) (3) (4) (5) (6) (4) (5) (6)

1 1 44 146 176 417 141 140 0,112 0,016 0,055 0,040

1 2 76 399 464 431 380 442 0,642 0,981 0,818 0,725

1 3 73 399 549 418 357 488 0,181 0,138 0,364 0,309

2 1 47 114 139 313 176 161 0,264 0,765 0,876 0,817

2 2 76 363 402 304 409 447 0,379 0,865 0,306 0,594

2 3 91 383 564 327 394 550 0,757 0,328 0,722 0,085

2 1 1 31 120 155 232 145 131 0,369 0,035 0,034 0,100

2 1 2 55 422 440 277 442 507 0,303 0,173 0,055 0,191

2 1 3 56 628 693 264 449 568 0,160 0,294 0,722 0,553

2 2 1 25 151 175 170 210 181 0,898 0,772 0,851 0,828

2 2 2 57 300 448 195 505 508 0,267 0,330 0,293 0,091

2 2 3 55 484 717 174 377 535 0,012 0,000 0,000 0,001

3 1 1 47 214 235 332 195 202 0,284 0,090 0,097 0,155

3 1 2 78 341 551 313 464 596 0,344 0,219 0,041 0,096

3 1 3 97 463 646 321 457 613 0,532 0,049 0,104 0,035

3 2 1 39 318 242 247 223 218 0,658 0,532 0,390 0,816

3 2 2 63 479 558 270 461 589 0,636 0,485 0,274 0,655

3 2 3 94 580 789 241 453 670 0,076 0,124 0,603 0,336

(1) Estratos de la variable mes (4) n: número de unidades experimentales.

Mes 1: de octubre a febrero.
Mes 2: de marzo a mayo. (5) s: desviación típica.
Mes 3: de junio a septiembre.
(6) m: media.
(2) Estratos de la variable día de la semana
Día de la semana 1: de lunes a jueves. (7) Test de la "t" de Student.
Día de la semana 2: viernes, sábado y domingo.
(8) Test de Wücoxon-Mam Whitney.
(3) Estratos de la variable hora
Hora 1: de 23 a 6 horas. (9) Test de la mediana.
Hora 2; de 7 a 14 horas.
Hora 3; de 15 a 22 horas. (10) Test de Kohnogorof-Smimov.

101
 Tabla 4.
Carreteras de calzada única.
Estrato Sí accidente N o accidente
P-1 P-2 P-3 P-4
Mes Día Hora n s m n s m
(7) (8) (9) (10)
(1) (2) (3) (4) (5) (6) (4) (5) (6)

1 1 94 117 125 425 105 93 0,009 0,000 0,006 0,009

1 2 199 260 392 383 246 343 0,028 0,022 0,018 0,062

1 3 199 309 487 409 256 380 0,000 0,000 0,000 0,001

2 1 145 112 139 312 116 103 0,002 0,000 0,000 0,000

2 2 173 237 354 324 224 302 0,016 0,008 0,003 0,007

2 3 217 291 503 328 255 429 0,002 0,003 0,012 0,006

2 1 1 67 159 157 258 121 109 0,021 0,002 0,009 0,016

2 1 2 151 299 441 289 262 357 0,003 0,003 0,041 0,009

2 1 3 137 271 460 249 261 414 0,108 0,093 0,111 0,157

2 2 1 73 187 172 187 124 124 0,047 0,035 0,058 0,079

2 2 2 112 226 344 211 220 313 0,245 0,208 0,274 0,193

2 2 3 171 305 499 201 280 464 0,255 0,405 0,755 0,143

3 1 1 89 201 215 350 131 134 0,000 0,000 0,001 0,002

3 1 2 208 335 511 326 298 456 0,049 0,023 0,051 0,036

3 1 3 219 311 559 322 311 452 0,000 0,000 0,000 0,000

3 2 1 124 195 202 246 176 161 0,046 0,007 0,004 0,008

3 2 2 209 327 503 279 296 440 0,027 0,044 0,022 0,018

3 2 3 196 309 600 267 334 521 0,010 0,001 0,001 0,000

(1) Estratos de la variable mes (4) n: número de unidades experimentales.

Mes 1: de octubre a febrero.
Mes 2: de marzo a mayo. (5) s: desviación típica.
Mes 3: de junio a septiembre.
(6) m; media.
(2) Estratos de la variable día de la semana
Dia de la semana 1: de lunes a jueves. (71 Test de la "t" de Student.
Dia de la semana 2: viernes, sábado y domingo.
(8) Test de Wilcoxon-Mam Whitney.
(3) Estratos de la variable hora
Hora 1: de 23 a 6 horas. (9) Test de la mediana.
Hora 2: de 7 a 14 horas.
Hora 3: de 15 a 22 horas. (10) Test de Kolmogorof-Smimov.

102
 5.3.4.3.- Estudio de las tablas de contingencia.

En este apartado se va a estudiar la posible asociación estadística de las

variables mediante la comparación dos a dos. Para ello se em.plearán las tablas
de contingencia. El estudio mediante tablas de contingencia es u n a técnica
estadística dirigida a encontrar la posible asociación entre dos variables
discretas. La asociación estadística de dos variables significa que la presencia
de u n a explica la ocurrencia de otra. No obstante, la asociación estadística no
implica la relación matemática. En efecto, si la presencia de u n a modalidad de
una variable se asocia a otra variable, cuando el número de casos es suficiente-
mente elevado puede no existir relación matemática que permita describir el
fenómeno, a u n cuando la asociación estadística permanece significativa.

Se describe a continuación el proceso seguido en el estudio de las tablas

de contingencia. Para la elaboración de las tablas de contingencia h a sido
necesario, en primer lugar, discretizar la variable intensidad horaria. Para ello
se han definido cinco intervalos que cubren el recorrido de la variable, y se h a
considerado exclusivamente la pertenencia a u n intervalo como valor de la
intensidad horaria. Estos intervalos tienen longitudes tales que en cada uno de
ellos se e n c u e n t r a u n número similar de valores. Es decir, cada intervalo
contiene u n n ú m e r o total de a c c i d e n t e s similar, por t a n t o , se p u e d e n
considerar todos los intervalos equiprobables. Esta formia de obtención de
intervalos para discretizar u n a variable se conoce como discretización por a
percentiles. La discretización se h a realizado de manera independiente para
carreteras con calzadas separadas y carreteras de calzada única. En la tabla 5
se recogen los cinco intervalos considerados para cada tipo de carretera. El
anejo 2 incluye las tablas de frecuencias de dichos intervalos.

103
 Tabla 5.
Intervalos de intensidades horarias.

Número de Carreteras con calzadas Carreteras de calzada

intervalo separadas única
1 8 - 199 3 - 130
2 200-318 131 - 3 0 0
3 319-455 301 - 500
4 455 - 625 501 - 999
5 6 2 6 - 3312 1000 - 3075

Se han estudiado de forma separada las tablas de contingencia para las

carreteras con calzadas s e p a r a d a s y p a r a las de calzada única. Para las
carreteras con calzadas separadas se han estudiado las tablas de contingencia
entre la variable tipo de accidente y las variables: mes, día de la semana,
número de vehículos implicados, superficie, luminosidad, factores atmosféricos,
visibilidad de la señalización e intensidad horaria.

En todos los casos se han aplicado dos estadísticos, la Chi-cuadrado de

Pearson y la razón de verosimilitud, que son habitualmente empleados, y
válidos p a r a m u e s t r a s g r a n d e s . Para a m b o s , se h a incluido el valor del
estadístico, los grados de libertad y la significación asintótica. Los grados de
libertad se obtienen como producto del número de ñlas de la tabla menos uno,
por el número de columnas menos uno. La significación asintótica o nivel de
significancia es la probabilidad de obtener discrepancia respecto del valor del
estadístico; cuanto más próximo es el valor a cero, mayor es la asociación entre
variables, pudiéndose considerar que p a r a valores superiores a 0,05 las
variables no tienen asociación. De los resultados obtenidos, que se incluyen en
el anejo 2, se desprende (tabla 6) que la variable tipo de accidente tiene u n a
marcada asociación con la variable número de vehículos implicados. También
se observa u n a asociación entre las variables tipo de accidente y mes, tipo de
accidente y luminosidad, tipo de accidente y factores atmosféricos y entre las
variables tipo de accidente e intensidad horaria. De los mismos resultados se
deduce que la asociación entre las variables tipo de accidente y año, y tipo de

104
accidente y superficie es escasa, siendo prácticamente nula la asociación entre
el tipo de accidente y el día de la semana, y entre el tipo de accidente y la
visibilidad de la señalización.

Para las carreteras de calzada única las tablas de contingencia estudia-

das han sido entre la variable intensidad horaria y las variables: año, día de la
s e m a n a , n ú m e r o de m u e r t o s , n ú m e r o de vehículos implicados y tipo de
accidente. También se h a n estudiado las tablas de contingencia entre la
variable tipo de accidente y las variables: año, día de la semana, número de
muertos, número de vehículos implicados, superñcie, luminosidad, factores
atmosféricos y visibilidad de la señalización.

Tabla 6.
Asociación de la variable tipo de accidente con otras variables
en carreteras con calzadas separadas.
Chi-cuadrado de Razón de
Variable
Pearson verosimilitud
Mes 0,034 0,014
Día de la semana 0,645 0,608
N° de vehículos implicados 0,000 0,000
Superficie 0,042 0,029
Luminosidad 0,001 0,001
Factores atmosféricos 0,005 0,002
Visibilidad de la señalización 0,480 0,236
Intensidad horaria 0,009 0,005

Con los resultados obtenidos (anejo 2) se comprueba que, para carreteras

de calzada única (tablas 7 y 8), la variable intensidad horaria se asocia a las
variables año, día de la semana y número de muertos, siendo particularmente
significativa la asociación de la intensidad horaria con el tipo de accidente y el
número de vehículos implicados. Asimismo se observa que la variable tipo de
accidente presenta asociación con todas las variables excepto con la visibilidad

105
 Tabla 7.
Asociación de la variable intensidad horaria con otras variables
en carreteras de calzada única.

Chi-cuadrado de Razón de
Variable
Pearson verosimilitud
Año 0,013 0,013
Día de la semana 0,000 0,000
N° de muertos 0,012 0,007
N° de vehículos implicados 0,000 0,000
Tipo de accidente 0,000 0,000

Tabla 8.
Asociación de la variable tipo de accidente con otras variables
en carreteras de calzada única.

Chi-cuadrado de Razón de
Variable
Pearson verosimilitud
Año 0,000 0,000
Día de la semana 0,003 0,002
N° de muertos 0,000 0,000
N° de vehículos implicados 0,000 0,000
Superficie 0,002 0,001
Luminosidad 0,003 0,002
Factores atmosféricos 0,001 0,000
Visibilidad de la señalización 0,975 0,908

de la señalización. Destaca la fuerte asociación entre la variable tipo de

accidente y las variables a ñ o , día de la s e m a n a , m u e r t o s , y número de
vehículos implicados.

A la luz de los resultados expuestos, las variables definidas pueden

englobarse en dos grupos. Por u n lado las que podrían denominarse variables

106
de entorno, y por otro lado las variables de accidente. Las variables de entorno
se refieren a aquellas que describen las c i r c u n s t a n c i a s que envuelven el
momento del accidente (superficie, luminosidad, factores atmosféricos y
visibilidad), mientras que las variables del accidente se refieren a las circuns-
t a n c i a s i n t r í n s e c a s y consecuencias del accidente (muertos, n ú m e r o de
vehículos implicados y tipo de accidente). Las tablas de contingencia muestran
que hay una asociación estadística entre las variables de entorno y las variables
de accidente, lo cual pone de manifiesto la concurrencia de determinadas
circunstancias de entorno y la aparición de determinados accidentes.

5.3.4.4.- Aplicación de la técnica de conglomerados a tablas de contingen-

cia múltiple.

De las distintas técnicas existentes en el análisis de conglomerados se va

a aplicar la conocida como tablas de contingencia múltiple. El motivo es que
e s t a técnica es p a r t i c u l a r m e n t e favorable c u a n d o se emplean variables
discretas. En esencia consiste en b u s c a r las posibles clases miediante la
agrupación de unidades experimentales en las que se dan simultáneamente u n
conjunto de modalidades.

El procedimiento operativo se inicia creando la denominada matriz de

Burt. Para ello las filas se forman con todas y cada u n a de las u n i d a d e s
experimentales que forman la muestra Q. Las columnas son todas las posibles
modalidades de las variables. Cuando u n a unidad experimental tiene u n a
modalidad se asigna el valor 1 al elemento de la matriz de Burt. Cuando la
unidad experimental no tiene la modalidad se asigna el valor 0. La matriz de
Burt se puede representar geométricamente como u n conjunto de puntos
(unidades experimentales) en el espacio n-dimensional de las n modalidades.
Es decir, cada fila recoge las coordenadas de u n punto en el espacio formado
por las n modalidades.

La técnica de tablas de contingencia múltiple consiste en buscar posibles

subespacios del espacio de las modalidades, tales que en su proximidad se
107
encuentren u n número suficientemente grande de p u n t o s . Para aplicar la
técnica de tablas de contingencia múltiple, se parte de la matriz de Burt "X", y
se efectúa el producto "X"^- X", siendo X^ la matriz traspuesta de la de Burt. El
resultado es u n a matriz simétrica, donde cada modalidad se relaciona con
todas las demás. Esta nueva matriz contiene todas las posibles tablas de
contingencia de todas las modalidades tomadas dos a dos. Es decir, se forma
una matriz de contingencia múltiple, siendo la diagonal principal la distribución
de frecuencias brutas de todas las modalidades. Al contener esta matriz todas
las modalidades, incluye simultáneamente todas las variables y por tanto
resulta u n a tabla de contingencia múltiple de modalidades y de variables.

A partir de la tabla de contingencia múltiple, se inicia u n proceso iterativo

basado en encontrar u n i d a d e s experimentales (puntos en el espacio de n
modalidades) que estén suñcientemente próximos entre sí. Para ello se definen
unas variables que "a priori" sirven como variables de clasificación y que inician
el proceso iterativo. Cuando las variables inicialmente seleccionadas forman
parte de la clasificación final, su elección h a sido correcta. A partir de las
variables de clasificación se estudian las frecuencias que presentan para cada
modalidad de dichas variables, el conjunto de todas las modalidades. Es decir,
se estudia para cada modalidad de las variables de clasificación la frecuencia
de aparición del conjunto de todas las modalidades. Se compara la concurren-
cia de u n a modalidad con todas las consideradas. Se toman aquellas modalida-
des que mayor frecuencia presentan. Estas modalidades de máxima aparición
se denominan factores y sirven como nuevas modalidades p a r a iniciar la
siguiente iteración, que llevará a u n a nueva clasificación. El proceso se repite
hasta que la clasificación se mantiene estable, es decir, los factores obtenidos
en u n a clasificación determinada dan lugar a esa misma clasificación al iterar
el proceso. Como r e s u l t a d o final se obtienen u n a s clases formadas por
conjuntos de p u n t o s (unidades experimentales) caracterizados por u n a s
modalidades de determinadas variables (pertenecen a u n subespacio de las n
modalidades) y próximos entre sí al tiempo que están suñcientemente alejados
de cualquier otro punto (unidad experimental).

En cada iteración se obtiene un conjunto de clases "Qj", tales que la unión

108
de todas ellas es la muestra Q. En cada iteración se calcula, para cada u n a de
las clases obtenidas "Q", u n conjunto de parámetros de cada modalidad que
sirve para la clasificación de pertenencia a dicha clase. Es decir, la pertenencia
o no a una clase de xma unidad experimental determina la presencia o ausencia
de u n conjunto de modalidades. Se trata de parametrizar la capacidad de cada
u n a de las modalidades de discriminar la pertenencia a dicha clase. Para ello
se inicia el proceso calculando el porcentaje de unidades experimentales de la
muestra Q que pertenecen a la clase "Q/', lo cual da u n a valoración del tamaño
de la clase. A continuación, se calculan para cada u n a de las modalidades "j"
que definen la clase "Qj" los porcentajes de unidades experimentales de la
muestra Q que tienen cada u n a de las modalidades "j", de unidades experimen-
tales que perteneciendo a la clase "Q;" tienen la modalidad "j", y el de unidades
experimentales de la muestra Q que teniendo la modalidad "j" pertenecen a la
clase "Qi". Estos porcentajes permiten valorar la capacidad discriminatoria de
u n a modalidad para defmir u n a clase y la capacidad de la propia clase para
aislar u n a parte concreta de la m u e s t r a Q. De esta m a n e r a , se evalúa la
posibilidad de que la aparición de u n a modalidad implique la pertenencia a una
clase, al tiempo que se comprueba que la pertenencia a u n a clase determina la
presencia de ciertas modalidades.

El proceso ñnaliza cuando la clasificación se mantiene estable en

sucesivas iteraciones. Como resultado del proceso se obtiene u n a partición del
conjunto muestral Q, y la capacidad discriminante de clase de cada u n a de las
modalidades.

A partir de los resultados obtenidos en el estudio de las tablas de

contingencia del apartado anterior, se han realizado dos análisis de conglome-
rados independientes, uno para cada tipo de carretera considerado (tabla 9). En
el a p a r t a d o anterior se concluyó que las variables c o n s i d e r a d a s podían
agruparse en variables de accidente (muertos, número de vehículos implicados
y tipo de accidente) y variables de entorno (superficie, luminosidad, factores
atmosféricos y visibilidad de la señalización). Para las carreteras con calzadas
separadas, las variables de clasificación inicialmente consideradas en el proceso
iterativo han sido las variables de accidente, que darán lugar a u n a primera

109
clasificación. De forma independiente y p a r a las m i s m a s c a r r e t e r a s con
calzadas separadas se toman como variables de clasificación que inician el
proceso iterativo las variables de entorno, obteniéndose u n a nueva clasificación.
De forma análoga se procede para las carreteras de calzada única. Lo anterior
permite obtener para cada tipo de carretera dos clasificaciones, u n a a partir de
las variables de accidente y otra a partir de las variables de entorno.

Tabla 9.
Análisis por tablas de contingencia múltiple.
Tipo de carretera Variables de clasificación N° de clases
Variables de accidente 6
Con calzadas separadas
Variables de entorno 5
Variables de accidente 6
De calzada única
Variables de entoino 5

La variable intensidad horaria se tratará posteriormente de forma

independiente debido a dos circunstancias. En primer lugar es una variable con
u n rango de valores muy amplio, por lo que para su estudio mediante tablas de
contingencia múltiple resulta necesaria su discretización. Por otro lado se h a
comprobado que para carreteras con calzadas separadas la intensidad horaria
tiene u n a significación poco marcada, mientras que para carreteras de calzada
única la intensidad horaria es u n factor con significación frente al accidente,
aunque no suficiente como para explicarlo del todo.

Tras la aplicación de los correspondientes procesos iterativos se han

obtenido las siguientes clasificaciones definidas por u n conjunto de modalida-
des: p a r a carreteras con calzadas separadas, seis clases partiendo de las
variables de accidente y cinco clases partiendo de las variables de entorno; para
carreteras de calzada única, cinco clases partiendo tanto de las variables de
accidente como de las variables de entorno.

- Carreteras con calzadas separadas. El total de unidades experimentales

110
estudiadas es de 1104. La intensidad horaria media del total de los
accidentes considerados es de 492 vehículos.

Clasificación a partir de variables de accidente (muertos, número

de vehículos implicados y tipo de accidente).

Clase 1, modalidades: u n solo vehículo implicado, accidente tipo

salida de la vía o vuelco y sin muertos. Para esta clase la intensi-
dad horaria media fue de 456 vehículos.

Clase 2, modalidades: u n muerto, con buenas condiciones de

visibilidad de la señalización, superficie limpia y seca, de noche y
con accidente tipo salida de la vía. Para esta clase la intensidad
horaria media es semejante a la media del total de accidentes
considerados.

Clase 3, modalidades: accidente tipo atropello, con u n muerto, de

noche y buenos factores atmosféricos, con superficie limpia y seca,
y buena visibilidad de la señalización. Para esta clase la intensidad
horaria media es de 728 vehículos, muy superior a la media.

Clase 4, modalidades: más de u n muerto, buena visibilidad de la

señalización, con superficie deslizante y malos factores atmosféri-
cos. P a r a e s t a clase la i n t e n s i d a d h o r a r i a m e d i a es de 6 0 1
vehículos.

Clase 5, modalidades: accidente tipo colisión contra obstáculo en

la calzada, con m á s de u n vehículo implicado y buena visibilidad
de la señalización. Para esta clase la intensidad horaria media es
de 623 vehículos, superior a la media del total.

Clase 6, modalidades: accidente tipo colisión entre vehículos en

marcha, con más de u n vehículo implicado y sin muertos. Para
esta clase la intensidad horaria media es semejante a la. media del

111
 total.

Clasificación a partir de variables de entorno (superficie, luminosi-

dad, factores atmosféricos y visibilidad de la señalización).

Clase 1, modalidades: accidente producido durante en el día, con

superficie de pavimento limpia y seca, con b u e n o s factores
atmosféricos y buena visibilidad de la señalización. Para esta clase
la intensidad horaria media es de 610 vehículos.

Clase 2, modalidades: accidente producido durante el crepúsculo,

con buena visibilidad de la señalización y superficie de pavimento
limpia y seca. Para esta clase la intensidad horaria media es de
675 vehículos.

Clase 3, modalidades: accidente producido durante la noche, con

superficie de pavimento limpia y seca, con b u e n o s factores
atmosféricos y buena visibilidad de la señalización. Para esta clase
la intensidad horaria media es de 363 vehículos, inferior a la miedia
del total.

Clase 4, modalidades: superficie del pavimento deslizante, con

malos factores atmosféricos, buena visibilidad de la señalización
y en horas diurnas. Para esta clase la intensidad horaria media es
de 398 vehículos.

Clase 5, modalidades: esta clase se caracteriza por la ausencia de

datos de las variables superficie, visibilidad de la señalización,
factores atmosféricos y luminosidad. Para esta clase la intensidad
horaria media fue de 432 vehículos.

En la tabla 10 se recoge el porcentaje del total de accidentes que

pertenece a cada clase. Destaca para la clasificación a partir de las variables de
accidente, la clase 1, que supone más del 60% de los casos, seguida de la clase

112
6, que supone u n 26%. El resto de las clases tiene u n a participación mucho
menor. Por su parte, en la clasificación obtenida a partir de las variables de
entorno, la distribución de los accidentes según clases es más uniforme. Asi,
la clase 1 corresponde a casi u n 39% de todos los accidentes, mientras que las
clases 3, 4 y 5 tienen u n número de accidentes en el entorno del 19%. La clase
2 es la que supone menor número de accidentes, con u n 4% del total.

Tabla 10.
Porcentaje de accidentes por clase
en carreteras con calzadas separadas.
% del total de % del total de
Clasificación a partir de Clasificación a partir de
accidentes que accidentes que
variables de accidente variables de entorno
pertenecen a la clase pertenecen a la clase

Clase 1 60,9 Clase 1 38,8

Clase 2 5,4 Clase 2 4,0

Clase 3 2,0 Clase 3 18,4

Clase 4 1,8 Clase 4 16,9

Clase 5 3,5 Clase 5 21,9

Clase 6 25,4

- Carreteras de calzada única. El total de unidades experimentales

estudiadas es de 2783. La intensidad horaria media del total de los
accidentes considerados es de 412 vehículos.

Clasificación a partir de variables de accidente (muertos, número

de vehículos implicados y tipo de accidente).

Clase 1, modalidades: accidente tipo colisión entre vehículos en

m a r c h a , con m á s de u n vehículo implicado y con m á s de u n
muerto. Para esta clase la intensidad horaria media es de 473
vehículos.

Clase 2, modalidades: accidente tipo colisión con obstáculo en la

113
 calzada, con factores atmosféricos buenos, buena visibilidad de la
señalización y superficie de pavimento limpia y seca. Para esta
clase la intensidad horaria media es similar a la media del total.

Clase 3, modalidades: accidente tipo otro, con u n solo vehículo

implicado, sin m u e r t o s y sin d a t o s sobre la visibilidad de la
señalización, los factores atmosféricos, estado de la superficie del
pavimento y luminosidad. Para esta clase la intensidad horaria
media es de 314 vehículos.

Clase 4, modalidades: accidente tipo atropello, con u n único

vehículo implicado, buena visibilidad de la señalización, superficie
de pavimento limpia y seca, buenos factores atmosféricos, durante
la noche y con u n muerto. Para esta clase la intensidad horaria
media es de 511 vehículos.

Clase 5, modalidades: accidente tipo vuelco, con un único vehículo

implicado, buenos factores atmosféricos, buena visibilidad de la
señalización y durante el día. Para esta clase la intensidad horaria
media es similar a la media del total.

Clase 6, modalidades: accidente tipo salida de la vía, con u n solo

vehículo implicado, con buena visibilidad de la señalización, con
superficie de pavimento limpia y seca, sin muertos y durante los
viernes, sábados y domingos. Para esta clase la intensidad horaria
media es de 336 vehículos.

Clasificación a partir de variables de entorno (superficie, luminosi-

dad, factores atmosféricos y visibilidad de la señalización).

Clase 1, modalidades: accidente producido durante el día, con

buenos factores atmosféricos, con superficie de pavimento lim.pia
y seca, buena visibilidad de la señalización, con u n muerto, y tipo
de accidente salida de la vía o colisión contra obstáculo en la

114
 calzada. Para esta clase la intensidad horaria media es de 498
vehículos.

Clase 2, modalidades: accidente producido durante la noche, con

factores atmosféricos buenos, con superficie de pavimento limpia
y seca, b u e n a visibilidad de la señalización, con u n muerto y
accidente tipo atropello, o u n vehículo implicado y accidente tipo
salida de la vía. Para esta clase la intensidad horaria media es de
289 vehículos.

Clase 3, modalidades: accidente producido durante el crepúsculo,

con buena visibilidad de la señalización, con superficie de pavi-
mento limpia y seca y malos factores atmosféricos. Para esta clase
la intensidad horaria media es similar a la media del total.

Clase 4, modalidades: accidente producido durante la noche, con

factores atmosféricos malos, con superficie de pavimento deslizan-
te, con buena visibilidad de la señalización, durante el invierno y
en fines de semana, con accidente tipo salida de la vía y con u n
solo vehículo implicado. Para esta clase la intensidad horaria
media es de 269 vehículos.

Clase 5, modalidades: factores atmosféricos malos, con superficie

de pavimento deslizante, durante el día, con buena visibilidad de
la señalización y con m á s de u n m u e r t o . Para esta clase la
intensidad horaria media es de 459 vehículos.

Clase 6, modalidades: esta clase se caracteriza por la ausencia de

datos de las variables factores atmosféricos, superficie, visibilidad
de la señalización y luminosidad. Para esta clase la intensidad
horaria media es semejante a la media del total.

En la tabla 11 se recoge el porcentaje del total de accidentes que

pertenece a cada clase. Destaca para la clasificación a partir de las variables de

115
accidente la clase 1, que supone aproximadamente la mitad de los accidentes,
seguida de la clase 6 que contiene casi u n 37% del total de los mismos. En la
clasiñcación por variables de entorno, la clase 1 es la más frecuente, con u n
32% de los accidentes, seguida de la clase 6 con u n 25%.

Tabla 11.
Porcentaje de a c c i d e n t e s por clase
e n c a r r e t e r a s de calzada ú n i c a .

% del total de % del total de

Clasificación a partir de Clasificación a partir de
accidentes que accidentes que
variables de accidente variables de entorno
pertenecen a la clase pertenecen a la clase

Clase 1 49,7 Clase 1 31,8

Clase 2 1,4 Clase 2 16,5

Clase 3 5,5 Clase 3 4,4

Clase 4 4,2 Clase 4 . 7,6

Clase 5 2,6 Clase 5 14,3

Clase 6 36,5 Clase 6 25,4

5.3.4.5.- Estudio de las tablas de contingencia de las clases.

A partir de las clases obtenidas mediante el análisis de conglomerados,

se procede a estudiar la posible asociación entre las obtenidas a partir de las
variables de accidente y las resultantes a partir de las variables de entorno.
P a r a ello, se p a r t e de las variables que intervienen en cada u n a de las
clasiñcaciones obtenidas (según las variables de entorno y según las variables
de accidente). De d i c h a s variables se c o n s i d e r a n las combinaciones de
modalidades con poder discriminante de clase, es decir, combinaciones de
modalidades cuya concurrencia hace que el accidente pertenezca a u n a clase
determinada. Se obtienen por t a n t o dos conjuntos de combinaciones de
modalidades. Uno que se denominará "combinación 1" (conjunto resultante de
las clases obtenidas a partir de variables de entorno), y otro que se denominará
"combinación 2" (conjunto r e s u l t a n t e de las clases obtenidas a partir de

116
variables de accidente). A continuación se aplica la técnica de tablas de
contingencia a los conjuntos "combinación 1" y "combinación 2". Por tanto, se
van a estudiar las posibles asociaciones entre las combinaciones de m.odalida-
des con c a p a c i d a d d i s c r i m i n a n t e de clase p a r a las dos clasificaciones
previamente obtenidas.

Como resultado para las carreteras con calzadas separadas, se obtienen

18 combinaciones de las modalidades de las variables de entorno, y 22
combinaciones para las modalidades de las variables de accidente. Ello supone
considerar el 78 % del total de los 1104 accidentes. Sobre la correspondiente
tabla de contingencia se h a n aplicado dos p r u e b a s estadísticas, la Chi-
cuadrado de Pearson y la razón de verosimilitud. De los resultados obtenidos
(anejo 2), y debido a que el valor de la significación asintótica en todos los
estadísticos aplicados resulta ser siempre uno, se desprende que las combina-
ciones de las modalidades de las variables de entorno y las combinaciones de
modalidades de las variables de accidente, tienen u n a asociación estadística
prácticamente nula.

Para las carreteras de calzada única las combinaciones de las modalida-

des de las variables de entorno resultantes han sido 16, mientras que para las
de las variables de accidente h a n sido 2 3 . E s t a s combinaciones s u p o n e n
considerar u n 74,5 % de los 2783 accidentes totales. A esta tabla de contingen-
cia se le han aplicado las pruebas estadísticas Chi-cuadrado de Pearson y razón
de verosimilitud, al igual que en el caso anterior. Los resultados obtenidos
evidencian (anejo 2), como en el caso anterior, que el valor de la significación
asintótica en los estadísticos aplicados resulta ser siempre uno. Ello indica que
tampoco en este caso se encuentra u n a marcada asociación estadística entre
las combinaciones de modalidades de variables de entorno y variables de
accidente.

Finalmente se han estudiado las tablas de contingencia de las clases

obtenidas al aplicar la técnica de conglomerados a la variable intensidad
horaria. Para poder aplicar las tablas de contingencia, tal como se explicó
previamente, es preciso discretizar la variable intensidad horaria. Para ello, se

117
adoptan los mismos cinco ratervalos de variación de la intensidad horaria que
se consideraron en el apartado 5.3.4.3 para elaborar las tablas de contingencia
simple de las variables.

Una vez más se han considerado por separado las carreteras con calzadas
separadas y las de calzada única. Para las primeras se estudia la tabla de
contingencia de las seis clases obtenidas partiendo de las variables de accidente
(muertos, número de vehículos implicados y tipo de accidente), y los cinco
intervalos de intensidad horaria considerados. Asimismo y para las mismas
carreteras con calzadas separadas se estudia la tabla de contingencia de las
cinco clases obtenidas partiendo de las variables de entorno (superficie,
luminosidad, factores atmosféricos y visibilidad de la señalización) y los cinco
intervalos de variación de la intensidad horaria ya citados.

Para las carreteras de calzada única se han estudiado dos tablas de

contingencia. Por u n lado, la tabla de contingencia obtenida a partir de las seis
clases resultantes del análisis de conglomerados partiendo de las variables de
accidente, frente a los intervalos de intensidad horaria. Por otro lado, se h a
e s t u d i a d o la t a b l a de contingencia o b t e n i d a a p a r t i r de l a s seis c l a s e s
correspondientes al proceso de conglomerados iniciado con las variables de
entorno, frente a los intervalos de intensidad horaria.

Se han aplicado de nuevo los estadísticos Chi-cuadrado de Pearson y

razón de verosimilitud a las tablas de contingencia definidas. Sus resultados
(anejo 2) permiten afirmar que para carreteras con calzadas s e p a r a d a s la
intensidad horaria y las clases obtenidas a partir de las variables de accidente
tienen u n a asociación estadística baja (tabla 12), mientras que la intensidad
horaria y las clases obtenidas a partir de las variables de entorno sí muestran
asociación estadística. Por su parte, para las carreteras de calzada única la
intensidad horaria presenta u n a alta asociación estadística tanto con las clases
obtenidas a partir de las variables de accidente, como con las obtenidas a partir
de las variables de entorno (tabla 13).

118
 Tabla 12.
Asociación de la variable intensidad horaria con las clases obtenidas
del análisis de conglomerados en carreteras con calzadas separadas.

Chi-cuadrado de Razón de
Clases
Pearson verosimilitud
Por variables de accidente 0,019 0,022
Por variables de entomo 0,000 0,000

Tabla 13.
Asociación de la variable intensidad horaria con las clases obtenidas
del análisis de conglomerados en carreteras de calzada única.

Chi-cuadrado de Razón de
Clases
Pearson verosimilitud
Por variables de accidente 0,000 0,000
Por variables de entorno 0,000 0,000

5.3.4.6.- Estudio de la tabla de contingencias múltiples de la intensidad

horaria.

Como se indicó en el apartado 5.3.4.2, la variable intensidad horaria se

va a estudiar de forma diferenciada por dos razones principales. Por u n lado se
trata de la única variable con u n amplio rango de valores. Ello supone que para
su estudio según la técnica de tablas de contingencia múltiple es imprescindi-
ble su discretización. Dicha discretización im^plica, como también se indicó
previamente, u n a cierta pérdida de información. Por otro lado, la intensidad
horaria se h a considerado como variable independiente del fenómeno a
estudiar, el accidente. Los análisis previos h a n servido p a r a estudiar las
posibles relaciones entre la intensidad horaria y la aparición de u n accidente,
comprobando s u representatividad como factor de exposición al riesgo
(apartado 5.3.4.2), así como las de esta variable y determinadas variables de
accidente o de entorno, hallándose cierta concurrencia entre la intensidad
horaria y el tipo de accidente (apartado 5.3.4.3). En este punto se va a estudiar

119
la posible asociación de la i n t e n s i d a d h o r a r i a frente a t o d a s las d e m á s
variables, consideradas de forma conjunta. Concretamente se va a aplicar la
técnica de conglomerados estudiando de forma independiente dos variables de
clasificación: tipo de accidente e intensidad horaria. Como resultado se
obtendrán dos clasificaciones.

Para ello, se han considerado 12 variables para cada accidente de forma

conjunta (año, mes, día de la semana, hora, número de muertos, número de
vehículos implicados, superficie, luminosidad, factores atmosféricos, visibilidad
de la señalización, tipo de accidente e i n t e n s i d a d horaria). La variable
intensidad horaria se ha convertido en discontinua con cinco valores, intervalos
obtenidos a partir de la discretización de la curva de frecuencias de la misma.
El proceso de clasificación p a r a la obtención de clases comienza con la
adopción de u n a s variables de clasificación. Se h a tomado la variable tipo de
accidente como variable de clasificación; de esta manera, suponiendo que la
variable elegida como variable de clasificación sea la apropiada, se podrán
obtener las posibles asociaciones de las variables consideradas según cada tipo
de accidente.

La técnica de conglomerados se h a aplicado como en los casos anteriores

de forma independiente para las carreteras con calzadas separadas y las de
calzada única. De los resultados obtenidos, que se recogen en el anejo 2, se
desprende lo siguiente:

Para las carreteras con calzadas separadas se han obtenido seis clases,
u n a por cada modalidad de la variable de clasificación.

Clase por accidente por colisión entre vehículos en marcha,

m o d a l i d a d e s : accidente producido con dos o m á s vehículos
implicados, con intensidades horarias comprendidas entre 1200 y
3400 vehículos.

Clase por accidente con obstáculos sobre la calzada, modalidades:

accidente producido con dos o m á s vehículos implicados, con

120
 buena visibilidad de la señalización.

Clase por accidente con atropello, modalidades: accidente con u n

muerto, d u r a n t e la noche, con factores atmosféricos b u e n o s ,
superficie de pavimento limpia y seca, y b u e n a visibilidad de la
señalización.

Clase por accidente con vuelco, m.odalidades: accidente producido

con u n único vehículo implicado.

Clase por accidente con salida de la vía, modalidades: accidente

producido con u n único vehículo implicado, durante el día con
factores atmosféricos malos, con buena visibilidad de la señaliza-
ción, con superñcie de pavimento deslizante.

Clase por otro tipo de accidente, modalidades: accidente sin

muertos, diorante el invierno, careciendo de datos correspondientes
a superficie del pavimento, visibilidad de la señalización, factores
atmosféricos y luminosidad.

Cabe destacar que, excepto para la clase por accidente con modalidad de
colisión entre vehículos en marcha, la variable intensidad horaria no aparece
en ninguna de sus modalidades.

Para las carreteras de calzada única también se h a obtenido u n a clase

por cada modalidad de la variable de clasiñcación. La descripción de cada u n a
de ellas es la siguiente:

Clase por accidente por colisión entre vehículos en marcha,

m o d a l i d a d e s : accidente producido con dos o m á s vehículos
implicados, con intensidades horarias comprendidas entre 400 y
3100 vehículos, d u r a n t e la tarde, sin datos sobre los factores
atmosféricos, la visibilidad de la señalización, la superficie del
pavimento, ni la luminosidad.

121
 Clase por accidente con obstáciilos sobre la calzada, modalidades:
accidente con factores atmosféricos buenos, buena visibilidad de
la señalización, superficie de pavimento limpia y seca, en primave-
ra.

Clase por accidente con atropello, modalidades: accidente con u n

único vehículo implicado, con buena visibilidad de la señalización,
superficie de pavimento limpia y seca, factores atmosféricos
buenos, durante la noche, y produciéndose u n muerto.

Clase por accidente con vuelco, modalidades: accidente con u n

único vehículo implicado, con factores atmosféricos buenos, con
buena visibilidad de la señalización, durante el día.

Clase por accidente con salida de la vía, modalidades: accidente

con u n único vehículo implicado, con b u e n a visibilidad de la
señalización, intensidad horaria por debajo de 200 vehículos, con
superficie de pavimento limpia y seca, factores atmosféricos
buenos durante la noche, o durante el día con factores atmosféri-
cos malos, sin muertos, y en ñn de semana.

Clase por otro tipo de accidente, modalidades: accidente con u n

único vehículo implicado, con intensidad horaria inferior a 200
vehículos, sin muertos, careciéndose de datos correspondientes a
visibilidad de la señalización, factores atmosféricos, luminosidad
y superficie del pavimento.

Del análisis de las clases obtenidas se deduce que tanto para carreteras
con calzadas s e p a r a d a s , como p a r a las de calzada ú n i c a , sólo las clases
correspondientes a accidente con modalidad de colisión entre vehículos en
marcha se caracterizan por u n valor de intensidad horaria. Para el caso de
carreteras con calzadas separadas, con intensidades comprendidas entre 1200
y 3400 vehículos por hora el 12,3% de los accidentes de esta clase tienen esa
modalidad, mientras que un 37,8% de los accidentes totales con esa modalidad

122
pertenecen a esta clase. Lo anterior significa que el que se produzca u n
accidente del tipo colisión entre vehículos en m a r c h a (con intensidades
comprendidas entre 1200 y 3400 vehículos por hora), no implica que pertenez-
ca a esta clase. Así mismo que u n accidente pertenezca a esta clase no supone
que la variable tipo de accidente tenga la modalidad de colisión entre vehículos
en marcha. Por tanto, para esta clase la intensidad horaria no es u n a variable
discriminatoria de clase. Es decir, que si en u n a carretera con calzadas
separadas y con intensidad horaria comprendida entre 1200 y 3400 vehículos
se produce u n accidente, no es estadísticamente probable que sea del tipo
colisión entre vehículos en marcha.

Para las carreteras de calzada única la intensidad horaria que caracteriza

el accidente por colisión entre vehículos en marcha es la comprendida entre
400 y 3100 vehículos. De este amplio rango el más característico para esta
clase es el comprendido entre 600 y 3100 vehículos a la hora, que a u n q u e
menor que el anterior no deja de ser u n intervalo muy amplio para la intensidad
horaria. Si bien su poder discriminatorio de clase es ligeramente relevante (el
29,5% de los accidentes de esta clase tienen esas modalidades de intensidad,
siendo el 62,3% del total de accidentes con esas modalidades de intensidad
pertenecientes a esta clase), se trata de ima clase que supone el 49,7% del total
de los accidentes. Por tanto, la probabilidad de que cuando se produce u n
accidente en u n a carretera de calzada única, el accidente pertenezca a esta
clase, con u n a intensidad horaria comprendida entre 400 y 3100 vehículos, se
aproxima al 50%.

En consecuencia, la clase de accidente y la intensidad horaria son

variables cuya relación estadística no permite emplear u n a como predicción de
la otra.

Finalmente, se ha aplicado también la técnica de tablas de contingencia

múltiple empleando como variable de clasificación la intensidad horaria. Con
ello se pretende encontrar la posible relación de la intensidad horaria con el
resto de variables, a fin de poder determinar la predicción de alguna de ellas a
partir de la primera.

123
 Se han estudiado por separado las carreteras con calzadas separadas y
las carreteras de calzada única. Para las carreteras con calzadas separadas se
han obtenido las siguientes clases:

Clase por intensidad horaria inferior a 250 vehículos, modalidades:

accidente producido durante la noche, en el invierno, sin datos
sobre superficie del pavimento, factores atmosféricos, liominosidad,
ni visibilidad de la señalización.

Clase por intensidad horaria comprendida entre 250 y 450

vehículos, modalidades: accidente durante el día, con superficie del
pavimento deslizante, factores atmosféricos m a l o s , en d í a s
laborables.

Clase por intensidad horaria comprendida entre 450 y 650

vehículos, m.odalidades: accidente producido durante el día y en
verano.

Clase por intensidad horaria comprendida entre 650 y 1200

vehícxilos, modalidades: accidente que se produce dixrante la tarde.

Clase por intensidad horaria comprendida entre 1200 y 3400

vehículos, modalidades: accidente durante la tarde, con superficie
del pavimento limpia y seca, con dos o más vehículos implicados,
con factores atmosféricos buenos, siendo el accidente de tipo
colisión entre vehículos en marcha.

Para las carreteras de calzada única las clases obtenidas han sido las
siguientes:

Clase por intensidad horaria inferior a 200 vehículos, modalidades:

accidente durante la noche, con un único vehículo implicado, con
accidente tipo salida u otro, d u r a n t e el invierno y en fin de
semana.

124
 Clase por intensidad horaria comprendida entre 200 y 400
vehículos, modalidades: accidente que no se produce de noche,
durante el verano. Es u n a clase cuya única modalidad de clasifica-
ción es la propia intensidad horaria.

Clase por intensidad horaria comprendida entre 400 y 600

vehículos, modalidades: accidente producido durante el día, con
dos o más vehículos implicados, con accidente tipo colisión entre
vehículos en marcha.

Clase por intensidad horaria comprendida entre 600 y 950

vehículos, modalidades: accidente producido durante la tarde, con
dos o más vehículos implicados, con accidente tipo colisión entre
vehículos en marcha, en verano.

Clase por intensidad horaria comprendida entre 950 y 3100

vehículos, modalidades: accidente que no se produce durante la
tarde, con dos o más vehículos implicados, durante el verano.

De los resultados obtenidos se comprueba que las modalidades de la

intensidad horaria son válidas para la clasificación. No obstante, las clases no
aportan ninguna información salvo la de situar los distintos intervalos de la
intensidad horaria a lo largo del día, tanto por medio de la variable luminosi-
dad, como de la variable hora.

Como resultado de lo expuesto, se infiere que la intensidad horaria no se

puede considerar u n a buena variable para medir la exposición al tráfico. No
tiene suficiente capacidad discriminante de clase, p u e s que la intensidad
horaria tenga u n valor determinado no supone la concurrencia de determinadas
variables. Por tanto, la intensidad horaria es u n a variable que no sirve como
parámetro de predicción de los accidentes.

125
6.- ANÁLISIS Y CONCLUSIONES.

6.1.- Análisis de resultados.

6.1.1.- Análisis de la información obtenida de la relación entre los índices

de siniestralidad y la intensidad media diaria.

Al realizar los distintos ajustes para cada u n a de las nubes de puntos

consideradas año a año, se h a obtenido el coeficiente de correlación para cada
modelo (anejo 1). A continuación se muestran en forma de tablas los valores de
R^ para cada uno de los tipos de carreteras y cada relación considerada (tablas
14, 15 y 16). Se comprueba en u n a primera observación que los ajustes
correspondientes a carreteras de calzada única son peores que los correspon-
dientes a otros tipos. En muchos casos el valor de R^ llega a ser cero. Al tiempo,
se comprueba que para los índices de mortalidad el mejor ajuste se obtiene con
u n a función exponencial en el caso de autopistas de peaje y carreteras de
calzada única. En el caso de carreteras con calzadas separadas la función que
proporciona mayor ajuste es la logarítmica. Para los índices de mortalidad en
general el mejor ajuste se obtiene con u n a función potencial.

Al analizar los resultados correspondientes a autopistas de peaje y otras

carreteras con calzadas separadas, se aprecia que los valores del coeficiente de
correlación a u m e n t a n , a u n q u e siempre se e n c u e n t r a n muy alejados de la
unidad.

Es destacable también que, en general y para todo tipo de carreteras, los

ajustes c o r r e s p o n d i e n t e s a las n u b e s de p u n t o s índice de mortalidad -
intensidad media diaria tienen valores inferiores del coeficiente de correlación
que los obtenidos para las mismas carreteras y años, pero correlacionando el
índice de peligrosidad y la intensidad media diaria. Esta tendencia se h a
confirmado para las tres opciones consideradas: exclusión de tramos sin
víctimas mortales, inclusión de tramos sin víctimas mortales e inclusión de
tramos sin víctimas mortales asignándoles u n valor residual de media víctima

126
 Tabla 14.
Coeficientes de correlación para los ajustes de la IMD.
Autopistas de peaje.

Año

Relación Ajuste 1989 1990 1991 1992 1993 1994 1995 1996
Potencial 0,47 0,36 0,37 0,42 0,50 0,27 0,31 0,23

Exponencial 0,52 0,30 0,27 0,33 0,42 0,25 0,31 0,30

IP-IMD
Polinómico 0,32 0,10 0,30 0,42 0,40 0,18 0,28 0,12

Logarítmico 0,33 0,14 0,41 0,45 0,44 0,19 0,28 0,10

Polinómico 0,10 0,21 0,10 0,10 0,18 0,10 0,10 0,00

IM-IMD
Logarítmico 0,10 0,26 0,14 0,10 0,19 0,10 0,11 0,00

Potencial 0,15 0,51 0,24 0,31 0,33 0,29 0,12 0,37

IM-IMD Exponencial 0,17 0,42 0,23 0,28 0,32 0,28 0,13 0,34
(IM^O) Polinómico 0,13 0,26 0,17 0,11 0,23 0,11 0,10 0,13

Logarítmico 0,12 0,34 0,17 0,10 0,24 0,11 0,10 0,14

Potencial 0,24 0,32 0,22 0,22 0,29 0,26 0,23 0,20

IM-IMD
(valor residual Exponencial 0,31 0,25 0,19 0,23 0,28 0,27 0,25 0,23
de número de Polinómico 0,10 0,25 0,21 0,10 0,21 0,10 0,10 0,10
muertos=0,5) Logarítmico 0,12 0,19 0,13 0,10 0,18 0,10 0,10 0,10

127
 Tabla 15.
Coeficientes de correlación para los ajustes de la IMD.
Otras carreteras con calzadas separadas.

Año

Relación Ajuste 1989 1990 1991 1992 1993 1994 1995 1996

Potencial 0,10 0,13 0,10 0,10 0,36 0,17 0,20 0,22

Exponencial 0,00 0,10 0,10 0,10 0,26 0,16 0,17 0,20

IP-IMD
Polinómico 0,10 0,15 0,10 0,10 0,24 0,13 0,18 0,20

Logarítmico 0,19 0,20 0,11 0,13 0,30 0,17 0,22 0,21

Polinómico 0,10 0,00 0,00 0,00 0,10 0,10 0,00 0,00

IM-IMD
Logarítmico 0,16 0,00 0,00 0,00 0,10 0,10 0,00 0,00

Potencial 0,30 0,21 0,11 0,10 0,30 0,28 0,11 0,10

IM-IMD Exponencial 0,12 0,17 0,13 0,10 0,18 0,24 0,11 0,10

(IM^^O) Polinómico 0,13 0,10 0,10 0,00 0,18 0,12 0,10 0,10

Logarítmico 0,32 0,10 0,00 0,00 0,22 0,16 0,10 0,10

Potencial 0,15 0,18 0,10 0,12 0,23 0,21 0,20 0,22

IM-IMD
(valor r e s i d u a l Exponencial 0,10 0,12 0,10 0,10 0,18 0,16 0,15 0,15

de n ú m e r o de Polinómico 0,15 0,13 0,10 0,00 0,13 0,10 0,12 0,10

inuertos=0,5) Logarítm.ico 0,10 0,10 0,00 0,00 0,11 0,10 0,10 0,10

128
 Tabla 16.
Coeficientes de correlación para los ajustes de la IMD.
Carreteras de calzada única.

Año

Relación Ajuste 1989 1990 1991 1992 1993 1994 1995 1996

Potencial 0,10 0,00 0,00 0,00 0,10 0,00 0,11 0,23

Exponencial 0,12 0,00 0,00 0,00 0,15 0,10 0,18 0,26

IP-IMD
Polinómico 0,00 0,00 0,00 0,10 0,00 0,00 0,10 0,12

Logarítmico 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Polinómico 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

IM-IMD
Logarítmico 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Potencial 0,00 0,10 0,00 0,10 0,00 0,10 0,00 0,10

IM-IMD Exponencial 0,00 0,10 0,00 0,10 0,00 0,00 0,00 0,10
(IM^O) Polinómico 0,00 0,00 0,00 0,00 0,00 0,10 0,00 0,00

Logarítmico 0,10 0,00 0,00 0,00 0,00 0,10 0,00 0,00

IM-IMD Potencial 0,18 0,14 0,19 0,21 0,20 0,19 0,23 0,22

(valor residual Exponencial 0,12 0,11 0,12 0,12 0,12 0,12 0,14 0,11
de número de Polinómico 0,10 0,10 0,11 0,00 0,15 0,10 0,11 0,11
muertos=0,5) Logarítmico 0,10 0,10 0,10 0,00 0,10 0,10 0,10 0,10

129
mortal. De las tres opciones, la correspondiente a considerar tramos con
accidentes sin víctimas mortales es la que peor ajuste h a obtenido. En
cualquier caso, los coeficientes de correlación obtenidos para las tres opciones
están en u n mismo orden de magnitud.

Como resultado final, todos los ajustes aplicados a las parejas de valores
índice de peligrosidad - intensidad media diaria e índice de mortalidad -
intensidad media diaria para todas las consideraciones de cálculo del índice de
mortalidad, tienen u n valor de R^ siempre muy inferior a 0,7. Lo anterior
supone que la asociación entre las variables consideradas es baja, y por tanto,
la variable intensidad no es capaz de explicar todo el fenómeno(en numerosos
casos es prácticamente cero).

Se h a calculado para cada tramo estudiado de la Red de Carreteras del

Estado la pareja de valores índice de peligrosidad o mortalidad - IMD para el
conjunto de los años considerados (anejo Ibis). El resultado ha sido similar en
casi todos los tram.os al obtenido al considerar la totalidad de los tramos de la
red en períodos anuales. En ciertos casos excepcionales se ha llegado a valores
de R^ próximos a 0,7. La explicación a estos es que al tratarse de muy pocas
observaciones (ocho como máximo, u n a por cada año), cuando los valores
siguen mínimamente u n a tendencia, el ajuste es elevado. No obstante, merece
resaltarse que los valores de R^ obtenidos son en general muy inferiores.

Lo anterior permite constatar que hay u n a elevada dispersión de los

p u n t o s que r e p r e s e n t a n las parejas de valores índice de peligrosidad o
mortalidad e IMD.

Como consecuencia, se puede afirmar que los valores de los coeficientes

de correlación encontrados entre el índice de peligrosidad y la intensidad media
diaria, así como entre esta y el índice de mortalidad, indican que la intensidad
media diaria no es capaz de explicar todo el fenómeno del accidente. Es decir,
la dependencia estadística entre las variables consideradas es poco significati-
va. Por tanto, la media de vehículos que circulan en u n día por u n determinado
t r a m o de c a r r e t e r a d u r a n t e el período de u n a ñ o (IMD) no es u n b u e n

130
parámetro para medir la exposición al riesgo de que tenga lugar u n accidente,
o de producirse u n muerto por accidente de tráfico.

6.1.2.- Análisis de la información obtenida de la relación entre los índices

de siniestralidad y la intensidad horaria.

Los valores de R^ obtenidos en los distintos ajustes han sido siempre muy
inferiores al valor de 0,7 (tablas 17 y 18), con órdenes de magnitud similares
a los obtenidos al analizar la IMD. Los mejores ajustes se han obtenido con el
em.pleo de funciones potenciales. Por tanto, al igual que en el análisis anterior,
la dependencia estadística entre las variables consideradas es poco significati-
va. En consecuencia, el número de vehículos que circulan en u n a hora por u n
determinado tramo de carretera no es capaz de explicar en su totalidad la
aparición del accidente. Luego la intensidad horaria no es u n buen parámetro
para medir la exposición al riesgo de que tenga lugar u n accidente.

Tabla 17.
Coeficientes de correlación para los ajustes de la intensidad horaria.
Carreteras con calzadas separadas (excepto autopistas de peaje).
Años

Relación Ajuste 1993 1994 1995 1996 1993-1996

Potencial 0,58 0,33 0,41 0,42 0,42

Exponencial 0,41 0,20 0,21 0,26 0,26

IP - número de vehículos/año
Polinómico 0,38 0,15 0,25 0,29 0,22

Logarítmico 0,25 0,25 0,25 0,25 0,25

131
 Tabla 18.
Coeñcientes de correlación para los ajustes de la intensidad horaria.
Carreteras de calzada única.
Años

Relación Ajuste 1993 1994 1995 1996 1993-1996

Potencial 0,34 0,34 0,42 0,43 0,38

Exponencial 0,22 0,18 0,22 0,26 0,22

IP - número de vehículos/año
Polinómico 0,23 0,21 0,16 0,21 0,19

Logarítmico 0,25 0,25 0,25 0,25 0,25

6.1.3.- Análisis de la información obtenida del análisis de conglomerados.

Del estudio de las variables consideradas en los accidentes constatados

en los tramos con estaciones permanentes de la Red de Carreteras del Estado
en los años 1993 a 1996, se pueden concluir las siguientes afirmaciones:

- Las variables pueden agruparse en dos tipos: variables de entorno y

variables de accidente. Las primeras describen el elemento del sistema de
seguridad vial que denominamos carretera (superficie del firme, luminosidad,
factores atmosféricos y visibilidad de la señalización). Las segundas describen
las consecuencias del accidente (número de muertos, número de vehículos
implicados y tipo de accidente).

- Las variables de entorno y de accidente sirven para clasificar distintas

situaciones que se producen cuando surge el accidente.
Sin embargo, no se h a podido encontrar ninguna estructura en que se
combinen unas y otras variables. Por tanto, no se puede concluir que de ciertas
c o m b i n a c i o n e s de l a s v a r i a b l e s de e n t o r n o se d e d u z c a n d e t e r m i n a d a s
modalidades de las variables de accidente. Es decir, u n a s condiciones de
entono de la c a r r e t e r a no implican n e c e s a r i a m e n t e u n a s d e t e r m i n a d a s
consecuencias en los accidentes producidos.

132
 - La intensidad horaria tiene u n a cierta dependencia estadística respecto
a la aparición de los accidentes, aunque no la suficiente como para ser u n buen
factor de exposición al riesgo de que se produzca u n accidente.

- La intensidad horaria no tiene capacidad discriminatoria de clase frente

al resto de variables consideradas. Por ello, la intensidad horaria no aporta
información como variable predictiva en el estudio de las c a u s a s de los
accidentes.

- Finalmente, la aplicación de la técnica de conglomerados h a puesto de

manifiesto que muchos de los datos que figuran en el parte de accidentes no se
rellenan. Al tiempo h a quedado p a t e n t e que u n n ú m e r o limitado de las
variables estudiadas y contenidas en el parte sirven como variables explicativas
de los accidentes.

6.2.- Conclusiones.

Con los datos empleados y considerando exclusivamente tramos no

urbanos, fuera de nudos viarios y con sección de dos carriles por calzada se
concluye que:

- Los accidentes con víctim^as mortales se distribuyen a lo largo del 70%

de los tramos de la red estudiada, que son homogéneos desde el punto
de vista de tráfico.

- Los índices de peligrosidad tienen u n a débü dependencia estadística de

la intensidad. Por tanto, la intensidad se puede considerar u n parámetro
im.perfecto para medir la exposición al riesgo de que se produzca u n
accidente de circulación o u n a víctima mortal.

- Tanto las características relativas al entorno como las características

del accidente y s u s c o n s e c u e n c i a s , a m b a s o b t e n i d a s de los d a t o s

133
contenidos en el parte de accidentes, permiten clasiñcar los accidentes.
Aun c u a n d o hay cierta asociación estadística e n t r e d e t e r m i n a d o s
aspectos del entorno y ciertos aspectos del accidente, no se puede
afirmar que haya u n a relación causa efecto entre las condiciones del
entorno y las consecuencias del accidente, pues no se h a constatado la
presencia de estructura entre unas y otras. Por tanto, los datos recogidos
en el parte de accidentes explican parcialmente las causas que desembo-
can en la aparición del accidente.

- Del análisis de conglomerados se desprende que la variable intensidad

horaria y la variable tipo de accidente tienen asociación estadística. Por
otro lado, la variable i n t e n s i d a d h o r a r i a se asocia con las clases
obtenidas a partir de las variables de entorno para todo tipo de carrete-
ras, así como con las obtenidas a partir de las variables de accidente para
carreteras de calzada única. Sin embargo, ni la variable intensidad
horaria ni la variable tipo de accidente, son capaces de clasificar el objeto
de estudio (el accidente y sus circunstancias). Es decir, aun cuando la
presencia de u n a variable (intensidad horaria) explica la ocurrencia de la
otra (tipo de accidente), ninguna de ellas, ni de forma separada ni de
forma conjunta, es capaz de explicar la ocurrencia del accidente.

- La intensidad horaria y la ocurrencia de u n accidente se comportan de

forma independiente, al haber u n a escasa asociación estadística entre
ellas. Por tanto, la intensidad horaria no es u n a buena magnitud para
medir la exposición al riesgo de sufrir u n accidente y no sirve como
elemento de predicción de los mismos.

- Para tramos de similares características a los considerados, se

desprende que sólo el usuario (no parametrizado en ningún caso como
variable del modelo), del que no se recogen datos en el parte de acciden-
tes, parece ser el elemento más capaz de explicar el comportamiento del
sistema de la seguridad vial. Es entonces el elemento usuario el que, a
través no sólo de sus aptitudes, actitudes y habilidades, sino también a
través de su percepción de la infraestructura, contiene la variable o

134
 variables explicativas que pueden permitir la obtención de u n parámetro
de exposición al riesgo de sufrir u n accidente.

6.3.- Aplicabílidad de los resultados a la prognosis de la seguridad

vial.

Como se indicó en la primera parte de esta tesis doctoral la inseguridad

vial y su inversa, la seguridad vial, se evalúan por medio de unos índices que
pretenden valorar la presencia de accidentes en las carreteras. Una aportación
práctica de los resultados obtenidos en esta tesis doctoral es promover la
b ú s q u e d a de p a r á m e t r o s de exposición al riesgo de que se produzca u n
accidente, o u n a víctima mortal.

Por otro lado, los datos analizados muestran u n hecho destacable, que
es que en casi todas las clases obtenidas se presentan modalidades sin datos.
Ello significa que existe u n elevado número de datos del parte de accidente que
no se rellena. Probablemente la razón principal se encuentre en que la actual
extensión de dicho parte resulta excesivamente vasta. Como consecuencia SU
cumplimentación es de hecho incompleta. Por tanto, debería plantearse u n a
revisión de los contenidos del parte de accidente a fin de recoger datos útiles,
con los medios más ágiles posibles.

A la luz de los análisis realizados se puede considerar que el tráfico como

sistema formado por el usuario, el vehículo y la carretera, sufre en determina-
dos momentos la aparición de u n suceso extraordinario, el accidente. La
aparición de este suceso no se comporta según las leyes de distribución normal,
acercándose más a las distribuciones extrémales o de sucesos raros. De los tres
elementos conjugados en el tráfico, se h a estudiado de forma expresa la
intensidad de circulación y el entorno de la carretera, buscándose la posible
relación de ciertas circunstancias en el mismo con la aparición y las consecuen-
cias derivadas de los accidentes. Se h a demostrado que las circunstancias de
entorno del elemento carretera, incluso las derivadas de la intensidad del

135
tráfico, no tienen dependencia estadística suficientemente significativa en la
aparición del accidente. Por ello, en t r a m o s no afectados por elementos
singulares de trazado, sólo pueden achacarse causas directas a la aparición de
accidentes a los otros dos elementos, el vehículo y el usuario. Aunque no se han
podido considerar circunstancias de los vehículos implicados en los accidentes,
cabe pensar que su estudio derivaría en conclusiones similares a las obtenidas
para la carretera. Sin embargo el factor humano, auténtico motor lógico del
sistema, no h a sido tenido en cuenta en ningún momento. Probablemente sea
este elemento el causante directo de las circunstancias que desembocan en el
accidente. Cabe pensar que el usuario mantiene u n cierto grado de riesgo
asumido y que al percibir que ese riesgo h a variado por las circunstancias de
la carretera y del vehículo, reajusta el sistema en la medida de sus posibilida-
des a fin de restablecer el mismo grado de riesgo. Cuando alguno de los
elementos sorprende al u s u a r i o , o este interpreta i n a d e c u a d a m e n t e las
circunstancias del tráfico, el sistema inicia el proceso de deterioro que puede
desembocar en el siniestro y finalmente en el accidente con víctimas.

Por lo expuesto debería preconizarse que la infraestructura permita hacer

u n a correcta evaluación del ríesgo percibido por parte del usuario, evitando en
la medida de lo posible que este sea sorprendido. Si las condiciones impuestas
por la infraestructura al tráfico son adecuadamente percibidas por el usuario,
este tendrá capacidad de decisión para reajustar el sistema y mantener u n a s
condiciones de inseguridad asumida.

6.4.- Investigaciones futuras que s e proponen.

Un campo de desarrollo futuro consistiría en profundizar en la búsqueda

de parámetros de exposición al riesgo de sTofrir u n accidente que sean variables
explicativas del modelo. Ello permitiría avanzar en la obtención de u n modelo
predictivo, aplicable en la prevención de accidentes. Lo anterior probablemente
llevaría a tener que tomar en consideración parámetros que en la actualidad no
forman parte de las bases de datos de accidentes.

136
 En consecuencia en u n primer desarrollo cabría pleintear el estudio de
u n a reforma en los contenidos del parte de accidentes, procurando recoger el
m í n i m o n ú m e r o posible de valores r e p r e s e n t a t i v o s . De e s t a forma s u
cumplimentación se agilizaría, reduciendo errores y permitiendo profundizar en
las causas de los siniestros.

Una segunda línea de investigación que pudiera continuar la línea de

trabajo iniciada, sería el estudio de la influencia de la composición del tráfico
en la aparición de accidentes y su gravedad. En los trabajos aquí desarrollados
siempre se h a considerado la magnitud del tráfico por u n valor global, bien la
intensidad media diaria, bien la intensidad horaria. En ambos casos el valor
numérico representa el total de vehículos que circulan, por lo que no se h a
tenido en cuenta la composición (vehículos ligeros-vehículos pesados) del
tráfico.

Asimismo, podrían desarrollarse trabajos en los que se combinaran

además de las bases de datos habituales, la correspondiente al inventario de
carreteras. De esta manera se podrían analizar las posibles asociaciones entre
la aparición de accidentes y parámetros geométricos de la carretera.

Otra línea de desarrollo consistiría en profundizar el estudio en las

carreteras de calzada única. En esta tesis doctoral al considerar las carreteras
de calzada única, se h a tomado el valor de intensidad del tráfico s u m a de
ambos sentidos. Ello implica que se han tenido en cuenta todos los accidentes
de forma global, sin discriminar los producidos en cada sentido. Se trataría de
estudiar la distinta distribución de los accidentes en las carreteras de calzada
única considerando el tráfico en cada sentido. Esta investigación se comple-
mentaría con la previamente indicada, en la línea de estudiar para cada sentido
de circulación la influencia de la composición del tráfico según sentidos. Como
ya se comprobó, la intensidad horaria es im factor en la aparición de accidentes
para carreteras de calzada única. Consistiría por tanto en profundizar en su
grado de influencia, atendiendo a su magnitud, distribución por sentidos y
composición del tráfico.

137
 La modelización llevada a cabo en esta tesis doctoral está sujeta a u n a s
condiciones iniciales fuertemente restrictivas. Una de la condiciones m á s
restrictivas surge al haber estudiado u n a red de tráfico de largo recorrido, fuera
de tramos urbanos, por lo que el flujo de tráfico se puede considerar estable,
sin tráficos de agitación r e p r e s e n t a t i v o s {cuyo c o m p o r t a m i e n t o difiere
sustancialmente de u n tráfico de paso). En este sentido merece destacarse el
estudio recientemente publicado por Golob 85 Recker en el T.R.B. (Golob 85
Recker, 2003). Este estudio, referido a carreteras urbanas, aplica la técnica de
conglomerados como metodología para el tratamiento de datos. Manteniendo
las mismas condiciones iniciales que en esta tesis, puede desarrollarse el
estudio en u n futuro considerando las condiciones de velocidad de circulación.
Esta consideración podría realizarse por medio de dos magnitudes, la velocidad
del flujo de tráfico y la dispersión de velocidades entre los distintos vehículos
componentes de dicho flujo. La velocidad del flujo de tráfico sería u n primer
parámetro a determinar. En este apartado entrarían en consideración los
valores de velocidad media, así como la velocidad de los percentiles ochenta y
cinco y noventa y nueve. Una vez determinado el parámetro más representativo
de la velocidad de circulación del flujo de tráfico, habría de estudiarse el
p a r á m e t r o de dispersión de velocidades. En c u a n t o a la dispersión de
velocidades, convendría profundizar en los intervalos en los que dicha
dispersión es representativa, tanto en su valor absoluto (longitud del intervalo
de velocidades), como en la proporción que representa en el volumen total del
tráfico (valores extremos a considerar del intervalo total de la dispersión de
velocidades). Con las premisas anteriores podría acometerse u n modelo donde
entraran en juego simultáneamente el factor velocidad y el intervalo entre
vehículos.

Como conclusión, las investigaciones futuras que se proponen se

encaminarían a encontrar nuevos parámetros que estén estadísticamente
asociados a la ocurrencia de los accidentes, es decir, que sean capaces de
explicar el fenómeno.

138
7.- BIBLIOGRAFÍA.

Abbess C. R., Jarrett D. F. Ss Wright C. C ; Accidents at Blackspots: Estimating

the Effectiveness of Remedial Treatment, With Special Reference to t h e
"Regression-To-The-Mean" Effect; Traffic Engineering and Control, 1981.

Asociación Internacional Permanente de Congresos de Carreteras (AIPCR);

Informe final del grupo de trabajo sobre armonización de estadísticas de
seguridad vial del Comité español de seguridad vial; Madrid, marzo de 1995.

Asociación Técnica de la Carretera; V j o m a d a s nacionales de seguridad vial;

Oviedo, 16 a 19 de octubre de 2001.

Baker W.T. & Gwynn D. W.; Relationships of Accident Rates With Hourly Traffic
Volumes; División of Research and Evaluation.; New Jersey Department of
Transportation, 1968.

Belmont D.M; Effect of Average Speed and Volume on Motor Vehicle Accidents
on Two-Lane Tangents; Highway Research Board Proccedings, 1953.

Blumenthal, M.; Dimensions of the Traffic Safety Problem; Traffic Safety

Research Review, 1966.

Boyle A. J . 86 Wright C. C ; Accident Migration After Remedial Treatment a t

Accident Blackspots; Traffic Engineering and Control, 1984.

Brodsky H. 86 Hakkert A.S.; Highway Accident Rates and Rural Travel Densities;
Accident Analysis and Prevention; Pergamon Press Ltd., 1983.

Brühning E. 86 Bems, S.; Traffic Safety on Motorways; lATSS Research Vol. 19

No. 1, 1995.

Ceder A.8B Livneh M..; Further Evaluation of the Relationships Between Road

139
Accidents a n d Average Daily Traffic; Accident Analysis a n d Prevention;
Pergamon Press Ltd., 1978.

Ceder A. 65 Livneh M;. Relationshisp Between Road Accidents and Hourly Traffic
Flow - I; Accident Analysis and Prevention. Pergamon Press Ltd., 1982.

Ceder A.; Relationshisp Between Road Accidents and Hourly Traffic Flow - II;
Accident Analysis and Prevention. Pergamon Press Ltd., 1982.

Centro de Estudios de Carreteras; Método de evaluación del nivel de servicio en

carreteras convencionales de dos carriles; CEDEX; Madrid, noviembre de 1997.

Chapman R. A.; Some Relationshjps Between Road Accident Frequencies and

Measures of Exposure Risk; Ph. D. Dissertation, University College, Londres,
enero 1971.

Cirillo J . A.; Interstate Accident System Research - Study-II, Results as They

Pertain to Lighting; Texas A85M University; mayo 1968.

Cirillo J. A.; Interstate Accident System Research - Study-II, Interim Report II;
Public Roads, Vol. 35, N° 3; agosto 1968.

Cirillo J. A. et al.; Analysis and Modeling of Relationships Between Accidents

and the Geometric and Traffic Characteristics of the Interstate System, Federal
Highway Administration; agosto 1969.

Cirillo J. A. et al.; Interstate System Accident Research Study-1, Volume 1 -

Comparison of Accident Experience on the Interstate a n d Non-Interstate
Highways; Report of the Bureau of Public Roads; octubre 1970.

Comisión de l a s c o m u n i d a d e s e u r o p e a s ; C o m u n i c a c i ó n al Consejo, al
Parlamento EXiropeo, al Comité económico y social y al Comité de las Regiones;
Prioridades de la seguridad vial de la U.E. Informe de situación y clasificación
de las acciones; Bruselas, marzo de 2000.

140
Dirección general de transporte de la Comisión europea; Recommended Safety
Measures for Application on Interurban Roads in the Short Term; High Level
Working Party of Representatives of the Governments of the Member States;
Final Report; Bruselas, julio de 1995.

Edie L. C ; Flow Theories; Traffic Sciene (Ed. Gazis D. C ) ; Wiley, New York,
1974.

European Cooperation in the Field of Scientific and Technical Research; Models

for Traffic a n d Safety Development a n d Interventions; Action COST 329;
Bruselas, 1999.

Federal Highway Administration; Synthesis of Safety Research Related to Traffic

Control and Roadway Elements Vol. 2; U.S. Departraent of Transportantion;
diciembre 1982.

Garber N. J . 8B E h e r h a r t A. A.; The Effect of Speed, Flow a n d Geometric

Characteristics on Crash Rates for Different Types of Virginia Highways; 79th
Annual Meeting of the Transportation Research Board; Washington D.C., enero
de 2000.

Golob T. F. & Recker W. W.; A Method for Relating Type of Crash to Traffic Flow
Characteristics on Urban Freeways; 82th Annual Meeting of the Transportation
Research Board; Washington D.C., enero de 2003.

Gwynn, D.W.; Relationship of Accident Rates and Accident Involvements With

Hourly Volumes. Traffic Quarterly, julio de 1957.

Hakkert A. S. et al.; Levéis of Safety on Interurban Roads; Natinoal Research

Council; Transportation Research Board; Washington D. C , 1996

Hall S. W. 85 Pendleton J.; Rural Accident Rate Variations With Traffic Volume;
National Research Council; Transportation Research Board; Washington D.C.,
1990.

141
Hartigan J. A.; Clustering Algorithms; J o h n Wiley & sons Ltd.; Londres, 1975.

Hauer E.; Empirical Bayes Approach to the Estimation of Unsafety: The

Multivariate Regression Method.; Accident Analysis and Prevention; Pergamon
Press Ltd., 1992.

Hauer E.; Estimating Safety by the Empirical Bayes Method: A Tutorial; 81th
Annual Meeting of the Transportation Research Board; Washington D.C., enero
de 2002.

Hauer E.; Fishing for Safety Information in the Murky Waters of Research
Reports; Paper prepared for presentation in session 539 (Critically Assessing
the Results of Safety Studies); 81th Annual Meeting of the Transportation
Research Board; Washington D.C., enero de 2002.

Hydén C ; The Development of a Method for Traffic Safety Evaluation; The

Swedish Traffic Conflicts Technique; Department of Traffic Planning a n d
Engineering; University of Lund, 1987.

Informe del Comité de seguridad vial de la AIPCR; XX Congreso Mundial;

Montreal, 1995.

Jardine N. 86 Sibson R.; Mathematical Taxonomy; J o h n Wiley 85 Sons Ltd.;

Londres, 1971.

Kaub A.R.; Injuiy-Based Corridor Safety Levéis of Service; 79th Annual Meeting
of the Transportation Research Board; Washington D.C., enero de 2000.

Lebart, L., Morineau A. & Warwick K. M.; Multivariate Descriptive Statiscal

Anlysis; J o h n Wiley 85 Sons; New York; 1984.

Leutzbach, W.; Traffic Accidents £ind Trafñc Flow on the Frankfurt-Mannheim

Motorway - Investigation of the Relationship Betwen Traffic Accidents and
Traffic Flow; Hessisches Ministerium für Wirstschaft u n d Verkehr, 1966.

142
Leutzbach, W., Siegener W. &Wiedemann R.; On the Connection Between
Traffic Accidents and Traffic Volume on a Section of a Germán Autobahn;
Accident Analysis and Prevention; Pergamon Press Ltd.; 1970.

McGee H., Hughes W. & Daily H.; Effect of Highway Standards on Safety ;
Transport Research Board; Washington D.C.; 1995.

Mhaer M. J. 8B Mountain L. J.; The Identification of Accident Blackspots: A

Comparison of Current Methods; Accident Analysis and Prevention; Pergamon
Press Ltd., 1988.

Miaou S.P.; The Relationships Between Truck Accidents and geometric Desing
of Road Sections: Poisson vs. Negative Binomial Regressions; 73th Annual
Meeting of the Transportation Research Board; Washington D.C., enero de
1994.

Mountain L. J.; Fawaz B. 8& Sineng L.; The Assesment of Changas in Accident
Frequencies on Link Segments: A Comparision of Four Methods; Traffic
Engineering and Control, 1992.

Mountain L. J. & Fawaz B.; The Effects of Engineering Measures on Safety at

Adjacents Sites; Traffic Engineering and Control, 1992.

Nakmoon S., William C. Tylor 85 Vicent Melfi; Rate Quality Control Method and
Over-Dispersion of Traffic Crash Data; 81th Annual Meeting of the Transporta-
tion Research Board; Washington D.C., enero de 2002.

Navin F., Chow K. 85 Kwan T.; Speed a n d the Probability of a Crash; 80th
Annual Meeting of the Transportation Research Board; Washington D.C., enero
de 2001.

Nofuentes J.; Influencia de la intensidad del tráfico en la peligrosidad de las

carreteras de la Red de Interés General del Estado; Revista Carreteras n° 78,
julio-agosto de 1995.

143
Nolan R.B.; Traffic Fatalities a n d Injuries: Are Reductions the Result of
"Improvements" in Highway Design Standards?; 80th Annual Meeting of the
Transportation Research Board; Washington D.C., enero de 2001.

Organización para la cooperación y el desarrollo económico (OCDE); Integrated

Road Safety Programmes; Road Transport Research; París 1984.

Organización para la cooperación y el desarrollo económico (OCDE); Road

Safety Pinciples and Models: Review of Descriptive, Predictive, Risk a n d
Accident Consequence Models; Road Transport Research; París, 1997.

Organización para la cooperación y el desarrollo económico (OCDE); Targeted

Road Safety Programmes; Road Transport Research; París, 1994.

Pardillo J. M.; Desarrollo de u n a metodología de planificación y evaluación de

actuaciones de mejora da la seguridad de la circulación con la aplicación de las
técnicas de análisis estadístico bayesiano (tesis doctoral); Departamento de
ingeniería civil - transportes. E.T.S.I.C.C.P.; Universidad Politécnica; Madrid,
1995.

Pardillo J. M. 85 Llamas Rubio R.; Relevant Variables for Crash Rate Prediction
in Spain's Two Lañe Rural Roads; 82th Annual Meeting of the Transportation
Research Board; Washington D.C., enero de 2003.

Paul de Leur 85 Tarek Sayed; Development of a Road Safety Risk Index; Blth
Annual Meeting of the Transportation Research Board; Washington D.C., enero
de 2002.

Persaud B.; Migration of Accident Risk After Remedial Treatment at Accident

Blackspots; Traffic Engineering and Control, 1987.

Persaud B. et al.; Guidelines for the Identification of Hazarous Highway Curves;

79th Annual Meeting of the Transportation Research Board; Washington D.C.,
enero de 1999.

144
Persaud, Look 86 Tamburro; Relating Safety to Capacity and Level of Service for
Two-Lane Rural Roads; 79th Annual Meeting of tiie Transportation Research
Board; Washington D.C., enero de 2000.

Pfundt K.; Three Difficulties in the Comparision of Accident Rute; Accident

Analysis and Prevention, Pergamon Press Ltd., 1965.

Qin X., Ivan J. N.; Selecting Exposure Measures for Predecting Crash Rates on
Two-Lane Ruiral Highways; 81th Annual Meeting of the Transportation Research
Board; Washington D.C., enero de 2002.

Romana M.; Evaluación práctica de niveles de servicio de carreteras convencio-

nales de dos carriles en E s p a ñ a ; Centro de publicaciones del Centro de
Estudios y Experimentación de Obras Públicas (CEDEX); Serie monografías;
Madrid, 1996.

Rumar K.; Transport Safety Visions, Targets and Strategies: Beyond 2000; P*
European Transport Safety Lecture; Bruselas, 26 de enero de 1999.

Sánchez García M.; Modelos estadísticos aplicados a tratamiento de datos;

Centro de cálculo de la universidad complutense; Madrid, 1978.

Serret L.; El m á s grave problema de la seguridad vial en España; Revista

Carreteras n° 99, enero-febrero 1999.

Smeed R. J.; Accident Rates.; Int. Road Safety 85 Traffic Rev., 1955.

Solomon D.; Accidents on Main Road Highways Related to Speed, Drivers, and
Vehicle; Bureau of Public Roads; U.S. Department of Commerce, julio 1954.

Srinivisan K.; Injuiy Severity Analysis With Variable and Correlated Thresholds:
An Ordered Mixed Logit (OML) Formulation; 8 1 t h Annual Meeting of the
Transportation Research Board; Washington D.C., enero de 2002.

145
SWOV Institute for Road Safety Research; Road Safety Assesment: RÍA;
Leidschendam (Países Bajos), 1994.

Transport Reserch Laboratory (TRL); Highway Safety: the Traffic Control

Technique Guidelines; Institute of Highways and Transportation; Londres,
1987.

Trimpop R. M. 85 Wilde G. J. S.; Challengers to Accident Prevention: the Issue

of Risk. Compesation Behaviour; Styx Publications; Groningen, 1994.

Uses of Traffic Accident Records; Eno Foundation for Highway Trafñc Control,
Inc., 1947.

Wang Ch. 85 I van J.N.; Representing Traffic Exposure in Multi-Vehicle Crash

Prediction forTtwo-Lane Highway Segmente; Trasportation Research Board;
Washington D.C., 1999.

Wilde Gerald J. S.; Target Risk; PDE Publications; Toronto, 1994

Wright C. C , Abbess C. R. 85 Jarrett D. F.; Estimating the Regression - To - The

- Mean Effect Associated With Road Accident Blackspot Treatmen: Towards a
More Realistic Approach; Accident Analysis and Prevention; Pergamon Press
Ltd., 1986.

Wright C. C. 86 Boyle A. J.; Road Accident C a u s a t i o n a n d Engineeering

Tretment: A Review of Current Issues; Traffic Engineering and Control, 1987.

Xumini L. M.; Estudio de la mecánica de funcionamiento del sistema de tráfico;

Sin editar; Acta de registro de propiedad intelectual 13-5-2001.

Zeeger C. et al.; Safety Effects of Cross - Section Design for Two - Lañe Roads;
68th Annual Meeting of the Transportation Research Board; Washington D.C.,
enero de 1988.

146
 Anejo 1.
Relaciones índice de peligrosidad - intensidad
e índice de mortalidad - intensidad.
 ÍNDICE ANEJO 1.

1.- RELACIÓN ÍNDICE DE PELIGROSIDAD Intensidad media diaria

(IP-IMD) 1
1.1.- Autopistas de peaje (IP-IMD) 3
1.2.-Otras carreteras con calzadas separadas (IP-IMD) 15
1.3.- Carreteras de calzada única (IP-IMD) 27

2.- RELACIÓN ÍNDICE DE MORTALIDAD Intensidad media diaria

(considerados todos los accidentes IM > 0) 39
2.1.- Autopistas de peaje (IM-IMD; IM > 0) 41
2.2.- Otras carreteras con calzadas separadas (IM-IMD; IM > 0).. 51
2.3.- Carreteras de calzada única (IM-IMD; IM > 0) 61

3.- RELACIÓN ÍNDICE DE MORTALIDAD Intensidad media diaria

(considerando exclusivamente accidentes con victimas mortales; IM > 0).. 71
3.1.- Autopistas de peaje (IM-IMD; IM > 0) 73
3.2.- Otras carreteras con calzadas separadas (IM-IMD; IM > 0).. 85
3.3.- Carreteras de calzada única (IM-IMD; IM > 0) 97

4.- RELACIÓN ÍNDICE DE MORTALIDAD Intensidad media diaria.

Considerando un valor residual de 0,5 victimas mortales por accidente sin
victimas mortales 109
4.1.- Autopistas de peaje (sustituido valor M=0 por 0,5; n° de
muertos) 111
4.2.- Otras carreteras con calzada separadas (sustituido valor
M=0 por 0,5; n" de muertos) 121
4.3- Carreteras de calzada única (sustituido valor M=0 por 0,5;
n° de muertos) 131

5.- RELACIÓN ÍNDICE DE PELIGROSDIDAD Intensidad horaria 141

5.1.- Otras carreteras con calzadas separadas 143
5.2.- Carreteras de calzada única 151
1.- RELACIÓN ÍNDICE DE PELIGROSIDAD
Intensidad media diaria (IP-IMD).
1.1.-Autopistas de peaje (IP-IMD).
 180,00

160.00

140,00 -

120,00

100,00

9: 80,00

60,00

en
40,00

20,00

0,00
10 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000

-20,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

-4E-05X
y = 37598x°'^^" y = 43,912e y = 1E-08x^ - 0,0015x + 48,578 y = -15,707Ln(x) +177,95
R^ = 0,4694 R^ = 0,5156 R^ = 0,3173 R^ = 0,3337

Curvas de Ajuste IMD-IP. Año 1989. Autopistas de Peaje

 700,00

600,00

500,00

400,00

9: 300,00

200,00
O)

100,00

A *_
0,00 ^s^
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90ÓÍ)¿) 100 000

-100.00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 12647x-°"'* y = 34,263e^^-°^'' y = 2E-08x^ - 0,0025x + 63,807 y = -27,393Ln(x) +293,14
R^ = 0,3587 R^ = 0,2974 R^ = 0,0946 R^ = 0,1413

Curvas de Ajuste IIVID-IP. Año 1990. Autopistas de Peaje

 140,00

120,00 —— ___ -
•

100,00

80,00 _ ^ _ _ „ . _ —_ .
1 •
9: 60,00 - \\ •
u*
40,00
^*^^ *f**** • •
^ ^ ^
20,00 -

L . •• .
**""''''"—
0,00 - "^^"^^"^"^TIM^MI ' ^_
'
) 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 TOO 000

-20,00 -
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 7415x-°"" y = 29,38e-^^-"''* y = 1E-08x^ - 0,0014x + 43,873 y = -15,269Ln{x) + 171,3
R^ = 0,3673 R^ = 0,2729 R^ = 0,3042 R^ = 0,4124

Curvas de Ajuste IMD-IP Año 1991. Autopistas de Peaje

 70,00

•
60,00

•
50,00 # •

• • •
40,00

T^
9= 30,00

20,00
• •
• •
10,00 • • • ^^
•
• •• * • • * •
• •
0,00
] 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Pollnómico Ajuste Logarítmico

y = 12228x
-0,G957
y = 25,2986"^^''^'' y = 1E-08x^ - 0,0012x + 36,759 y = -12,149Ln{x) +136,94
R^ = 0,4196 R^ = 0,3254 R^ = 0,4194 R^ = 0,4544

Curvas de Ajuste IMD-iP. Año 1992. Autopistas de Peaje

 90,00

80,00
•

70,00

60,00 -

50,00

^ 40,00 V-
V ***
30,00

20,00 -

10,00 -
^ ^V**rr^ •** —-^-^ •
0,00 * ^ * • •
) 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 11219x"°'^°^^ y = 23,039e'^^*'^' y = 1E-08x^ - 0,001x + 30,986 y = -10,028Ln{x) +113,35
R^ = 0,4997 R^ = 0,4184 R^ = 0,4026 R^ = 0,4421

Curvas de Ajuste IMD-IP. Año 1993. Autopistas de Peaje

 80,00

70,00

60,00

50,00

9= 40,00

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 2502,5x-°'"' y = 20,427e-''-''''' y = 4E-09x^ - 0,0006x + 25,608 y = -6,9577Ln(x) + 83,87
R^ = 0,269 R^ = 0,2457 R^ = 0,1814 R^ = 0,1913

Curvas de Ajuste IMD-IP. Año 1994. Autopistas de Peaje

 60,00
•

50,00

40,00

9= 30,00
\ •

# •
20,00

10,00

• • ••• •
• • • •
0,00 1 1 —
•
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

-0,5846 y = -7,0038Ln(x) + 83,724
y = 3559X y = 20,9286^^"^' y = 4E-09x^ - 0,0006x + 25,111
R^ = 0,3057 R^ = 0,3126 R^ = 0,2766 R^ = 0,2794

Curvas de Ajuste IWID-IP. Año 1995. Autopistas de Peaje

 140,00

•
120,00

100,00 •

80,00

9= 60,00
• •
40,00 • • ••

20,00

0,00
é¿"^TTr
> *
• •
^# ^

•
^_ •

• *' •

) 20 000 40 000 60 000 80 000 100 000

-20,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómtco Ajuste Logarítmico

y = 4519,2x"'^''" y = 22,6046 ''-*'''' y = 2E-09x^ - 0,0005x + 26,465 y =-7,2951 Ln(x) +88,988
R^ = 0,2317 R^ = 0,2999 R^ = 0,118 R^ = 0,101

Curvas de Ajuste IMD-IP. Año 1996. Autopistas de Peaje

 700,00

400,00

ol 300,00 -

200,00
•
^0 •
100,00 -

^h^*^^^±^. ^ ^ . ^ . . • . - ^ . . *, - * ,„
0,00 -
20.000 40.000 60.000 80.000 100.000 120.000
c)

-100,00 - I.M.D
Curvas de ajuste I.M.D - I.P. Años 89-96 Autopistas de Peaje

Ajuste potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 3053,8x-"-'<'^« y = 6,0421 e ' ^ ' ^ " y ^ 3E-09x^ - 0,0003x + 9,1287 y = -3,2198Ln(x) + 35,874
R^ = 0,3368 R^ = 0,3035 D^ -= r\ i c m R^ = 0,1945
1.2.- Otras carreteras con calzadas separadas (IP-IMD).

15
600,00

500,00

400,00

300,00 -

200,00 - —

100,00

0,00
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000

-100,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 426,35x-°'"" y = 40,433e ^^"°^' y = 5E-09x^ - 0,001x + 72,083 y = -28,143Ln(x) +329,04
R^ = 0,0649 R^ = 0,0358 R^ = 0,0746 R^ = 0,1935

Curvas de Ajuste IWID-IP. Año 1989. Otras carreteras con calzadas separadas
300,00

250,00

200,00 -

150,00 -

100,00 -

50,00

0,00
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000

-50,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 1133,6x"'"«' y = 4E-09x^ - 0,0009x + 57,229 y = -18,063Ln{x) +218,73
R^ = 0,1256 R^ = 0,068 R^ = 0,1478 R^ = 0,1973

Curvas de Ajuste IMD-IP. Año 1990. Otras carreteras con calzadas separadas
300,00

250,00

200.00

150,00 - -

100,00 -

50,00

0,00
20 000 40 0OO 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000

-50,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 636,44x^'''^^ 7 = 24,9126^^°^' y = 3E-09x^ - 0,0006x + 45,18 y = -15,023Ln(x) +181,44
R^ = 0,0859 R^ = 0,051 R^ = 0,0772 R^ = 0,1114

Curvas de Ajuste IMD-IP. Año 1991. Otras carreteras con calzadas separadas
 300,00

250,00 — ___________
•

200,00

150,00 •
Q.

100,00 -
•
s*4^ r • • •
50,00

0,00
) 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000

-50,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómlco Ajuste Logarítmico

y = 594,25x "'^^^^ y = 25,545e ^^ °^' y = 2E-09x^ - 0,0006x + 41,531 y = -13,467Ln(x) + 163,43
R^ = 0,0803 R^ = 0,0632 R^ = 0,0807 R^ = 0,1255

Curvas de Ajuste IMD-IP. Año 1992. Otras carreteras con calzadas separadas
 250,00

200,00 •

150,00

9= 100,00
•
• :

50,00

• ' •

0,00
J^
] 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000

-50,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 10556x°"°' y = 30,847e'^^"°^' y = 8E-09x^ - 0,0013x + 54,85 y = -18.364Ln(x) +212,21
R^ = 0,3649 R^ = 0,2591 R^ = 0,2421 R^ = 0,3013

Curvas de Ajuste IMD-IP. Año 1993. Otras carreteras con calzadas separadas
 250,00

200,00

150,00

a.

100,00

ro
50,00

• •

•* A
0,00
m^
20 000 40 000 60 000 80 000 100 000 120 000 140 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 1238,4x°'*'''* y = 23,574e y = 5E-09x^ - 0,0008x + 39,767 y = -12,262Ln(x) +146,78
R^ = 0,1684 R^ = 0,1558 R^ = 0,1274 R^ = 0,1695

Curvas de Ajuste IMD-IP. Año 1994. Otras carreteras con calzadas separadas
 140,00 1

•
120,00

100,00 -

80,00

•
•

•
• • •

CO 40,00 - *• •
• •

20,00 -

0 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
ÍMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 1712,4x-'*''" y = 21,1726^'°'" y = 3E-09x' - 0,0006x + 32,701 Y = -9.7729Ln(x) + 119,04
R^ = 0,1961 R^ = 0,1695 R' = 0,1771 R ' = 0,2235

Curvas de Ajuste IMD-IP. Año 1995. Otras carreteras con calzadas separadas
 •

80,00
i
• •
9: 60,00
• ^

•
40,00 • • •
•
4i. •

_ t • ^,,,--

0,00
»•
. Tu •
• •
*
1
•
* •

20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 4253,7x-°''"' y = 20,296e'^^ °^' y = 3E-09x^ - 0,0006x + 34,749 y = -10,5Ln(x) +126,42
R2 = 0,2179 R^ = 0,1983 R^ = 0,2013 R^ = 0,2066

Curvas de Ajuste IMD-IP. Año 1996. Otras carreteras con calzadas separadas
 700,00

600,00

500,00

400,00

CL 300,00

200,00 ^\ \

• : » • •
100,00

0,00 ¿J
150.000 200.000 250.000
I.M.D
-100,00
Curvas de ajuste I.M.D - I.P. Años 89-96 Carreteras con calzadas separadas

Ajuste potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 3053,8x^™« y-6,0421e^'"'^ y = 3E-09x^ - 0,0003x + 9,1287 y = -3,2198Ln(x) +35,874
R^ = 0,3368 R^ = 0,3035 R^ = 0,1945
1.3.- Carreteras de calzada única (IP-IMD).

27
900,00

800,00

700,00

600,00

500,00

400,00

300,00

200,00

100,00

5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000

IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 627,91x-°^"' y = 68,5476"' "'^ y = 9E-08x^ - 0,0046x + 96,037 y = -14,982Ln(x) +198,28
R^ = 0,1192 R^ = 0,0396 R^ = 0,0262
R^ = 0,0956

Curvas de Ajuste IMD-IP. Año 1989. Carreteras de calzada única

300,00

250,00
•

200,00
• •

• • • *
• • *

. • *
50,00 - • ^ - ^ -
« •
• • • • • •

•
0,00 -
0 5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 74,231x-'''''^''^ y =: 39,2346-^^''''^ y = 2E-08x^ - 0,0008x + 56,147 y = 1,5489Ln(x) +36,023
R^ = 0,0024 R' = 0,0006 R^ = 0,0058 R^ = 0,0005

Curvas de Ajuste IMD-IP. Año 1990. Carreteras de calzada única

200,00

180,00
•

160,00 -^ ^

140,00

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000 120 000 130 000 140 000 150 000
-20,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 36,187e^^"'^ y = -2E-09x^ + 6E-05X + 41,59 y = -4,1361Ln{x) +80,957
R^ = 0,0086 R^ = 0,0228 R^ = 0,0203 R^ = 0,007

Curvas de Ajuste IMD-IP. Año 1991. Carreteras de calzada única

 100,00

80,00

60,00

9: 40,00

20,00

0,00
1 o 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000 120 000 1 140 000 150 000

-20,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

•0,1107 l o ncA -6E-06X
y = 58,557x y = -6E-09x^ + 0,0005x + 20,301 y = -0,17Ln(x) +28,102
y = 23,054e
R^ = 0,0097 R^ = 0,0748 R^ = 5E-05
R^ = 0,032

Curvas de Ajuste IMD-IP. Año 1992. Carreteras de calzada única

250,00

200,00

150,00

100,00

50,00 - -"

0,00
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 453,7x
-0,3205
y = 31,141e-''-°''' y = 7E-10x^ - 0,0004x + 35,245 y = -6,4861Ln(x) +90,358
»2_
R' = 0,1018 R^ = 0,1537 R^ = 0,0413 R " = 0,0416

Curvas de Ajuste IMD-IP. Año 1993. Carreteras de calzada única

 •

140,00 - •
•

120,00

100,00 -
•

• •
9: 80,00 -
• •
• •
60,00 -
•

•
40,00

; .* • * .
20,00

• • • • ••
•

0 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Poünómico Ajuste Logarítmico

y = 91,165x-°'^" y = 25,5726'^^""^" y = -1 E-09x^ - 7E-05x + 29,964 y =-6,4861 Ln(x) +90,358
R^ = 0,0398 R^ = 0,0499 R^ = 0,0108 R " = 0,0416

Curvas de Ajuste IMD-IP. Año 1994. Carreteras de calzada única

 160,00

100,00 -
•

o.

60,00

\ • • ! * * ; • , *
40,00 -

^%^¿TI ^ > * ,

0,00 1- - • 1 1 - - 1 r • T 1

3 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000

IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 658,52x*°'^^^^ y = 30,3076"^^"°^" y = -1E-09x^ - 0,0002x + 31,362 y = -6,4861Ln(x) +90,358
R^ = 0,1111 R^ = 0,1822 R^ = 0,0458 R " = 0,0416

Curvas de Ajuste IMD-iP. Año 1995. Carreteras de calzada única

 140,00

120,00 - .

•
80,00
• •
•
9: 60,00 ! • *
r* •*•••
40,00 V*4 •
•

20,00 -

^\*1P^^^^^
VT^
• • • •
^ fm. ,^
0,00 - [ r' - • • •

) 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000

IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 833,09x°'^"^ y = 28,1666'^^"°^" y = 2E-09x^ - 0,0006x + 35,173 y = -6,4861Ln(x) +90,358
R^ = 0,2303 R^ = 0,2602 R^ = 0,1226 R " = 0,0416

Curvas de Ajuste IMD-IP. Año 1996. Carreteras de calzada única

 1000,00

900,00

800,00

700,00

600,00

^ 500,00

400,00

300,00

200,00

100,00

0,00
20.000 40.000 60.000 80.000 100.000 120.000 140.000 160.000 180.000 200.000
I.M.D

Curvas de ajuste I.M.D - I.P. Años 89-96 Carreteras de calzada única

Ajuste potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico
y = 3053,8x"°"^^ y = 6,04216^^"^' y = 3E-09x' - 0,0003x + 9.1287 y = -3,2198Ln(x) + 35,874
R^ = 0,3368 R' = 0,3035 = 0,1603 R^ = 0,1945
 2." RELACIÓN ÍNDICE DE MORTALIDAD
Intensidad media diaria (considerados todos
los accidentes IM > 0).

39
2.1.-Autopistas de peaje (IM-IMD; IM > 0).

41
20,00

18,00

16,00

14,00

• •
12,00

• • •
10,00

8,00

6,00

4,00

2,00

0,00 tásJki

10 000 20 000 30 000 50 000 60 000 70 000 80 000 90 000 100 000
-2,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 8E-10x^ - 0,0001x + 4,4783 y = -1,4013Ln(x) +16,028
R^ = 0,0973 R^ = 0,0875

Curvas de Ajuste IMD-IM. Año 1989. Autopistas de Peaje

 000

-10,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 4E-09x^ - 0,0004x + 9,6006 y = -4,2069Ln(x) + 44,247
R^ = 0,2084 R^ = 0,2625

Curvas de Ajuste iMD-IM. Año 1990. Autopistas de Peaje

 45,00

40,00

35,00

30,00

25,00

E 20,00

15,00

10,00

5,00

0,00
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
-5,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 2E-09x^ - 0,0002x + 6,1242 y = -2,3873Ln(x) + 28,14
R^ = 0,1006 R^ = 0,1395

Curvas de Ajuste IMD-IM. Año 1991. Autopistas de Peaje

60,00

50,00

40,00 -

30,00

20,00

10.00

I •
É t
0,00 -••- -"»—»-v—I— -

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000

-10,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 1E-09x^ - 0,0002x + 5,6751 y = -1,746Ln(x) +19,914
R^ = 0,0744 R^ = 0.0579

Curvas de Ajuste IMD-IM. Año 1992. Autopistas de Peaje

16,00

14,00

12,00

10,00

8,00

6,00

4,00

2,00

0,00 •—••r- • • • •-•- •

10 000 20 000 30 000 40 000 50 000 60 000 70 000 90 000 100 000
-2,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 2E-09x^-0,0002x + 5,136 y = -1,8077Ln(x) +19,984
R^ = 0,1775 R^ = 0,1895

Curvas de Ajuste IMD-IM. Año 1993. Autopistas de Peaje

40,00

35,00

30,00

25,00

20,00

15,00

10,00
^ %
- • ^
5,00

0,00
40 000 50 000 60 000 70 000 80 000 90 000 100 000
-5,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 1E-09x^ - 0,0002x + 4,4862 y = -1,502Ln(x) +16,751
R^ = 0,079 R^ = 0,0722

Curvas de Ajuste IMD-IM. Año 1994. Autopistas de Peaje

 25,00

20,00

15,00

i 10,00

5,00

0,00
10 000 20 000 30 000 40 000 50 000 60 000 000

-5,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 1E-09x^ - 0,0001x + 4,5028 y = -1,4917Ln{x) +16,942
R^ = 0,1016 R^ = 0,1058

Curvas de Ajuste IMD-IM. Año 1995. Autopistas de Peaje

35,00

•
30,00

25,00

20,00 -

15,00

10,00

5,00

• • • •
Ju ,-liL
0,00 m <»<»••# • r-* «»-*^
20 000 40 000 60 000 80 000 100 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 6E-10x^ - 9E-05X + 3,6387 y =:-1.0255Ln(x) +12,101
R^ = 0,0364 R^ = 0,0275

Curvas de Ajuste IMD-IM. Año 1996. Autopistas de Peaje

2.2.- Otras carreteras con calzadas separadas (IM-IMD; IM > 0).

51
- >*t*''---

120,00

100,00

80,00

60,00

40,00

20,00

0,00
60 000 80 000 100 000 120 000 14U M IbUUUU ItiU UUU 200000

-20,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 1E-09x^ - 0,0002x + 9.3713 y = -4,9966Ln(x) +54,967
R^ = 0,0566 R^ = 0,162

Curvas de Ajuste IMD-IM. Año 1989. Otras carreteras con calzadas separadas
60,00

50,00

40,00

30,00

•
•
20,00
• •
•

10,00
•
• •

0,00 —• ••• - • • • — #<t 1

^—^ ^
o 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 1E-10x^ - 5E-05X + 5,8813 y = -1,3532Ln(x) + 18,19
R^ = 0,0214 R^ = 0,0264

Curvas de Ajuste IMD-IM. Año 1990. Otras carreteras con calzadas separadas
40,00

35,00 *

30,00
/

25,00

20,00 4*
•

15,00

10,00 • % . • . .
* *^ * 0
5,00 ^Vy • ••

0,00
4 v** -•••-•
• •

•
•

•••-n
•

'

20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 2E-10x^ - 7E-05X + 6,0546 y = -1,3971Ln(x) + 18,4
R^ = 0,0301 R^ = 0,023

Curvas de Ajuste Año 1991. Otras carreteras con calzadas separadas

180,00

160,00 -

140,00

120,00

100,00

80,00

60,00

40,00

••
20,00

K
0,00 ^ * >%. .^•y".'^w m i ^1^
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste PoIJnómico Ajuste Logarítmico

y = 2E-10x^-6E-05x +5,9158 y = -1,3506Ln{x) +17,838
R^ = 0,0064 R^ = 0,0048

Curvas de Ajuste IMD-IM. Año 1992. Otras carreteras con calzadas separadas
35,00

30,00

25,00

20,00

•
15,00

10,00

5,00

• •
0,00 •-•-•- 7ír=T
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 7E-10x^-0,0001x + 5,5297 y = -1,5928Ln(x) +19,049
R^ = 0,0746 R^ = 0,0814

Curvas de Ajuste IMD-IM. Año 1993. Otras carreteras con calzadas separadas
40,00

35,00

30,00

25,00

20,00

15,00

10,00

5.00

0,00 • t É •
20 000 40 000 60 000 80 000 100 000 120 000 140 000
-5,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 6E-10x^-0,0001x + 4,74 y = -1,5828Ln(x) +18,475
R^ = 0,0569 R^ = 0,0738

Curvas de Ajuste Año 1994. Otras carreteras con calzadas separadas

18,00

16,00

14,00

12,00

10,00

8,00

6,00 ^ ^
• •
4,00

2,00 • •
i^-M.

0,00 -• •- _0—X—«—^
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 7E-11x^ - 2E-05X + 2,0155 y = -0,5024Ln(x) +6,6916
R^ = 0,0125 R^ = 0,0254

Curvas de Ajuste IMD-IM. Año 1995. Otras carreteras con calzadas separadas
 60,00

5 30,00

20,00

10,00 - • •

t^ • • t? V •^

0,00 f ttMtW9wmJr » * < ^ ^ H • ^ é • ' f i—•-•

0 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 3E-10x^-7E-05x +3,9436 y = -1,1573Ln(x) +14,121
R^ = 0,0248 R^ = 0,0246

Curvas de Ajuste IMD-IM. Año 1996 . Otras carreteras con calzadas separadas
2.3.- Carreteras de calzada única (IM-IMD; IM > 0).

61
 100,00

90,00

80,00

70,00

60,00

1 50,00

40,00

30,00

20,00

10,00

0,00 4-
O 5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = -2E-08x^ + 0,0006x + 4,2159 y = 1,8993Ln(x)-9,1791
R^ = 0,0118 R^ = 0,015

Curvas de Ajuste IMD-IM. Año igsS.Carreteras de calzada única

• • ^ • ' ' —

80,00

70,00 -

60,00

50.00

i 40,00

30,00

• •
O) 20,00

10,00

• • •
0,00 > •» » » -•—•-
5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 7E-09x^ - 0,0004x + 11,158 y = -2,4433Ln{x) + 29,745
R^ = 0,0256 R^ = 0,0218

Curvas de Ajuste IMD-IM. Año ISSO.Carreteras de calzada única

 40,00 n
•
35,00
•

•^n nn 4

25,00 - • •

•
E 20,00

15,00 •

10.00 * •
1^^ •
5,00 -
*J$V^» " T " " ^•*^^ P —
0,00
3 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000 120 000 130 000 140 000 150 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 5E-10x^ - 0,0001x + 7,3323 y = -2,1805Ln(x) + 26,451
R^ = 0,0274 R^ = 0,0302

Curvas de Ajuste IMD-IM. Año 1991 .Carreteras de calzada única

60,00

•
50,00

40,00

30,00

20,00 4

10,00 •i. ^
••••• • •
*
•

0,00 1

) 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000 120 000 130 000 140 000 150
000

-10,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 2E-10x^ - 6E-05X + 4,6538 y = -1,1855Ln(x) +15,009
R^ = 0,024 R^ = 0,0195

Curvas de Ajuste IMD-IM. Año 1992.Carreteras de calzada única

 50,00

40,00

30,00

1 20,00

• ••
10,00

0,00
50 000 60 000 70 000 80 000 90 000 100 000

-10,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = -2E-11x^ - 6E-05X + 5,2859 y = -0,6526Ln(x) +10,331
R^ = 0,0245 R^ = 0,0066

Curvas de Ajuste IMD-IM. Año 1993.Carreteras de calzada única

 50,00

40,00

30,00

1 20,00

•
10,00
O)
00
r \ TF
0,00 Mtt^
10 000 20 000 30 000 40 000 50 000 70 000 80 000 90 000 100 000 110000

-10,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = -3E-10x^ - 3E-05X + 4,0983 y = -0,2824Ln(x) +6,0392
R^ = 0,0152 R^ = 0,0016

Curvas de Ajuste IMD-IM. Año 1994. Carreteras de calzada única

 50,00
•

40,00

• •
30,00
•
•
•

1 20,00 *
•
• •

10,00

— - • •

•*•• • • • •
0,00
) 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 "TTTtooo

-10,00
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 2E-10x^-1E-04x+ 6,2234 y = -0,9685Ln(x) + 13,71
R^ = 0,0329 R^ = 0,0094

Curvas de Ajuste IMD-IM. Año 1995. Carreteras de calzada única

 60,00

50,00

40,00

2 30,00

20,00

• •
10,00

V|4 ¿ ' * ir
0,00 ^.I^^ ^
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000
IMD

Ajuste Polinómico Ajuste Logarítmico

y = 8E-11x^-3E-05x +4,8161 y = -0,1134Ln(x) + 5,296
R^ = 0,005 R^ = 0,0002

Curvas de Ajuste IMD-IM. Año 1996. Carreteras de calzada única

 3.- RELACIÓN ÍNDICE DE MORTALIDAD
intensldacl medía diaria (considerando exclusivamente
accidentes con victimas mortales; IM > 0).

71
3.1.- Autopistas de peaje (IM-IMD; IM > 0).

73
20,00

5 000 40 000 45 000 50 000

Ajuste Potencial Ajuste Exponencial Ajuste Polinómlco Ajuste Logarítmico

y = 282,2x -0,4498 y = 6,5715e-''"^ y = 2E-09x^ - 0,0002x + 7,8512 y = -1,895Lníx) +23,152
R' = 0,1548 R'= 0,1661 R ' = 0.1327 R =0,1216

Curvas de Ajuste IMD-IM. Año 1989. Autopistas de Peaje (Excluidos valores IM = 01

 40.00 -
•

35,00 -

30,00

25,00 -

20,00 -
s
15,00 -

V
10,00 - *. ^
^"^vS. * * •
5,00 ^--S^**-.a^
• ^ KÍ • ^ 1 • .^
0,00-
^
) 10 000 20 000 30 000 40 000 50 000 iiHiHi iiiir nnoOn "loo 000

-5,00 -
IMD
Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico
y = 2431 Sx"'""'' y = 6,9848e'^"'' y = 4E-09x' - 0,0004x + 11,184 V = -4,5023Ln(x) + 48,96
R^ = 0,5087 R^ = 0,4201 R^ = 0,2582 R^ = 0,3369

Curvas de Ajuste IMD-IM. Año 1990. Autopistas de Peaje (Excluidos valores IM = oi

 20,00

18,00

16,00 — ^ — — - ~ ~ •

14,00

12,00

• •
10,00 0-— -—— —— ~

8,00 • • • — — — -.—^ ——_ —

-vi
•vi 6,00

4,00

2,00

0,00
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

, - c cf Ac -3E-05X y = -2,6543Ln(x) + 30,606
y = 3744,6x'''"" y = 2E-09x^ - 0,0002x + 8,0138
y = 5,5646G
R^ = 0,2388 r = 0,2336 R^
R' = 0,1703 R =0,1713

Curvas de Ajuste IMD-IM. Año 1991. Autopistas de Peaje (Excluidos valores IM = 0)

60,00

50,00

40,00

30,00

20,00

10,00

0,00
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 16813x
-0,8763
y = 6,172e^'''"' y = 3E-09x^ - 0,0004x + 10,464 y = -3,6839Ln(x) + 41,086
R = 0,3134 R' = 0,2797 R^ = 0,1083 R^ = 0,1036

C u r v a s d e A j u s t e I M D - I M . A ñ o 1 9 9 2 . A u t o p i s t a s de P e a j e (Excluidos valores IM = 0)
16,00

14,00 4

•
12,00

10,00

,00

•
6,00

•
4,00
•

2,00 -
r^lí:^^ _ •
••• •• • •
• "~
0,00 I"" 1 "

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000

IMD
Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 4,56376-^'°'" y = 2E-09x^ - 0,0002x + 6,5339 y = -2,0849Ln(x) + 23,727

R^ = 0,3331 R^ = 0,3236 R^ = 0,2305 R^ = 0,2386

Curvas de Ajuste IMD-IM. Año 1993. Autopistas de Peaje (Excluidos valores IM = OI

 40,00 -

^
35,00 -
•

30,00 ^

25,00 -

E 20.00

15,00 -
•

-
10,00 -

5,00 - ———t--^YT ^ . ^^^^— • •

I ^ M i H I l l ^ ^ ^ .
0,00
0 10 000 20 000 30 000 40 000 50 000 60 000 70 000
IMD
Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 2933,4x''''^^ y = 5,5421e^^ "^^ y = 3E-09x^ - 0,0003x + 8,2056 y = -2,5061Ln(x) +28,596

R^ - 0,29 R^ = 0,2833 R^ = 0,1102 R^ = 0,1107

Curvas de Ajuste IMD-IM. Año 1994. Autopistas de Peaie (Excluidos valores IM = 0)

25,00

20,00

15,00

10,00

5,00

0,00
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000
IMD
Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico
y = 2E-iax' - 7E-05X + 5,4444 y = -1,4484Ln(x)+18,215
7 = 4,38786''"""
R^ = 0,1201 R ' = 0,1253 R^ = 0,0553 R^ = 0,0535

Curvas de Ajuste I. Año 1995. Autopistas de Peaje (Excluidos valores IM = 01

 35,00

•
•
30,00

25,00

20,00

S 15,00

10,00 \ •
•

5,00

. • •^
• •" •*
0,00 — — 1 — ~ -

0 20 000 40 000 60 000 80 000 " lUUOoo 120 000

-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 9475,7x''^'''^ y = 5,1562e'^'''^' y = 2E-09x^ - 0,0002x + 8,3222 y = -3,1719Ln(x) + 35,34
R^ = 0,3675 R' = 0,3355 R' = 0,1317 R^ = 0,138

Curvas de Ajuste IMD-IM. Año 1996. Autopistas de Peale (Excluidos valores IM = OI

 60,00

50,00

40,00

30,00
o
A

20,00 I-- •

10,00

0,00
100.000 120.000

-10,00
Curvas de ajuste I.M.D - I.M.>0 Años 89-96 Autopistas de Peaje

Ajuste potencial Ajuste Exponencial Ajusto P o l i n ó m i c o Ajuste Logarítmico

y = 3053,8x ° ™ ' y = 6,0421e'''''^ y = 3E-09x^ - 0.0003X + 9.1287 y = -3,2198Ln(x) +35,874
R^ = 0,3368 R^ = 0,3035 O' ~ n ^ en t R^ = 0,1945
3.2.- Otras carreteras con calzadas separadas (IM-IMD; IM > 0).

85
 120,00 -1

80,00

60,00

s
•
40,00
1 *
\i *
20.00 - w* •
V ^^

0,00
000

-20,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 866,91x-°'^"" V = 6,9658e ^^ ''^'' y = 2E-09x^ - 0,0003x + 16,377 Y = -7,7855Ln(x) + 87,007
R^ = 0,3031 R ' = O'I^Sa R^ = 0,1298 R ' = 0,3225

Curvas de Ajuste IMD-IM. Año 1989. Otras carreteras con calzadas separadas (Excluidos valores IM = O)
60,00

50,00

40,00

30,00

20,00
• •
•

10,00 • •

0,00
% • • • • '^T" • 1 1 •

20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 694,48x''''"" y = -2,4814Ln(x) +33,071
y=:7,5284e^''"" y = 2E-10x^-8E-O5x+ 10,334
R^ = 0,2127 R^ = 0,1724
R^ = 0,0706
R^ = 0,0577

Curvas de Ajuste IMD-IM. Año 1990. Otras carreteras con calzadas separadas (Excluidos valores IM = 0)
35,00 r

30,00
••

25,00

20,00

15,00

10,00

5,00

0,00
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

-0,3616 y = -1,3682Ln(x) +20,443
y = 172,35x y = 5,9443e y = 2E-11x^-4E-05x + 8,1181
R^ = 0,1104 R^ = 0,0262
R^ = 0,1286 R' = 0,0508

Curvas de Ajuste IMD-IM. Año 1991. Otras carreteras con calzadas separadas (Excluidos valores IM = O)
180,00

160,00

140,00

120,00 ]

100,00

80,00

60,00 -

40,00 -

20,00
I

4 4. II t w ^
0,00 -
o 20 000 40 000 60 000 80 000 100 000 120 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

,-0.417B
y = 262,35x-
, - , „ „ „ _-1E-05x ,-•- ^ « . . 2
y = 5E-10x -Ü,00Ü1x + 11,961 y = -3,064Ln(x) + 38,93
y = 5,7323e
R>z-=0.0999 R^ = 0,0141
2
R^ = 0,1002 R^ = 0,018

Curvas de Ajuste IMD-IM. Año 1992. Otras carreteras con calzadas separadas (Excluidos valores IM = 0)
 35,00

•
30,00

•
25,00

20,00

S 15,00 . *
•
•

10,00

•
5,00
•
•

0,00
^v r ^ ^-*'^¿
• ^

0 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000

-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Polinómrco Ajuste Logarítmico

y=1094,1x-°"" y = 5,3119-'^''''' y = 1 E-09x^ - 0,0002x + 9,5981 y = -2,9016Ln(x) +34,432
R^ - 0,3007 R^ = 0,1849 R' = 0,1802 R^ = 0,2157

Curvas de Aiuste IMD-IM. Año 1993. Otras carreteras con calzadas separadas (Excluidos valores IM = O)
40,00

35,00

30,00

25,00

20.00

15,00

10,00

5,00

0,00
40 000 60 000 80 000 100 000 120 000 000

-5.00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

,-0,5578
y = 808,77x
.. _ » r-c-ifT^-IE-nS*
y = 4,6535e
2 y = -2,8723Ln(x) + 33,467
y = 1 E-09x' - 0,0002x + 8,4796
>2^
R =0,2796 ,2
R' = 0,243 R2' = n,1177 R^ = 0,1609

Curvas de Ajuste IMD-IM. Año 1994. Otras carreteras con calzadas separadas (Excluidos valores IM = O)
18,00 n

16,00 -
•

14,00

12.00 — — — — — ^ •

10,00 . ..-• ____—. . ^^„__

6.00
• •

4,00 ^ N _ • X
V^SÍNJ»* • •
->K. 1 ^ ^ — -11 •
• 1 1^ 1 • • 1 •
2,00 -

* : * • • • • * • • * • • •

D 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 68,145x""" y = 2,98276^'"'" y = -6E-11x' - 9E-06x + 3,5742 V = -0,8983Ln(x) + 12,227
R^ = 0,1147 R^ = 0,1136 R^ = 0,0568 « ' = «-OSOI

Curvas de Ajuste IMD-IM. Año 1995. Otras carreteras con calzadas separadas (Excluidos valores IM = 0}
 60.00 ^

•
50,00 -

S 30,00

20,00 -

•
10,00 -
• ^ * • ^^

0,00
D 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 110,17x-"«^' y = 2,88620^^"^^ y = 7E.10x^ - 0,0001x + 7,4826 V = -2,2218Ln(x) + 26,881
R' = 0.0818 R2 ^ Q Q575 ^2 ^ Q Q4g2 R== = 0,049

Curvas de Ajuste IMD-IM. Año 1996. Otras carreteras con calzadas separadas (Excluidos valores IM = 0)
 180,00

160,00

140,00

120.00

100,00

\ 80,00

60,00

40,00 :J

i l * ^ —- * — jí:
mmmamBm ^
50.000 100.000 I.M.D 150.000 200.000 250.000

-20,00 J
Curvas de ajuste I.M.D - I.M.>0 Años 89-96 Carreteras con calzadas separadas

Ajuste potencial Ajuste Exponencial Ajuste Polinómtco Ajuste Logarítmico

y = 3053,8x "''"'^ 7 = 6,04216^^'°^' y = 3E-09x^ - 0.0003X + 9.1287 y = -3,2198Ln(x) +35,874
R^ = 0,3368 R^ = 0,3035 R^ = 0,1603 R^ = 0,1945
3.3.- Carreteras de calzada única (IM-IMD; IM > 0).

97
100,00

90,00

80,00

70,00

60,00

50,00

40,00

30,00

20,00

10,00

0.00
5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 139,1x-'''^''^' y = 5E-08x^ - 0,0017x + 24,909 y = -5,5596Ln{x) + 64,644
y = 10,84e^'°''
R^ = 0,0432 R^ = 0,0134 R^ = 0,0423 R^ = 0,0475

Curvas de Ajuste Año 1989. Carreteras de calzada única (Excluidos valores ÍM = OI

. - * a i i » . i i r ' -'•• I • --

80,00

70,00

60,00 -

50,00

40,00

30,00

20,00

10,00

0,00
5 000 10 000 30 000 35 000 40 000 45 000 50 000

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 282,2x -0,4496 - _ _ j _ -3E-05X
y = 2E-09x^ - 0,0002x + 7,8512 y = -1,895Ln(x) +23,152
y = 6,571 Se R^ = 0,1216
R' = 0,1548 R^ = 0,1327
R^ = 0,1661
Curvas de Ajuste IMD-IM. Año 1990. Carreteras de calzada única tExciuidos valores IM = o)
 40,00

35,00
•

30,00 . — j<k- — - . - _ . •

25,00 * * *

S 20,00
•
• •
15,00 -
•---^-^»
•

10,00

^ _ •—; » — • L__ ' ^

5,00

0,00
* ? * ^
5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

-0,169 y = -1,9063Ln(x) + 27,983
y = 35,071x y = 7,87896'^"'" y = -6E-10x' -7E-05X + 11,157
R^ = 0,0122 R^ = 0,0099 R^ = 0,0181 R^ = 0,0155

Curvas de Ajuste IMD-IM. Año 1991. Carreteras de calzada única (Excluidos valores IM = O)
 60,00 n

•
50,00

40,00 - ____-^ __ -^ —

S 30,00 -

20,00 ^

10,00

• •;> . ^ • • - * • -.™ ,
0,00
3 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 110 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 141,17x-""'^ y = 6,6556e'^ "^^ y = -5E-10x^ - 2E-05x + 7,847 y = -1,5218Ln(x) +21,808
R^ = 0,0606 R^ = 0,0812 R^ = 0,0243 R^ = 0,0172

Curvas de Aíuste IMD-IM. Año 1992. Carreteras de calzada única (Excluidos valores IM = 0)
50,00

45,00

40.00

35,00

30,00

25,00

20,00

15,00
• •
10,00

5,00
« s ^
• • • • • • J •
0,00
5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 67,176x-0,2593
y = 7,0931e-^'"'" y = 2E-09x^ - 0,0002x + 10,242 y = -1,9755Ln(x) +26,553
R^ = 0,0319 R^ = 0,0293 . 2 -
R' = 0,0269 R^ = 0,0226

Curvas de Ajuste IMD-IM. Año 1993. Carreteras de calzada única (Excluidos valores IM = 0)
 80,00

70,00

60,00

50,00

S 40,00

30,00 -

20,00

10,00

0,00
5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

7 = 7,17439^""''' y = 8E-09x^ - 0,0005x + 14,441 y = -2,9661Ln(x) +36,828
y = 54,465x''""
R^ = 0,0468 R^ = 0,0461 R^ = 0,0474
R^ = 0,0185

C u r v a s d e A j u s t e I M D - I M . A ñ o 1 9 9 4 . C a r r e t e r a s de c a l z a d a única (Excluidos valores IM = OI

 •

40,00 -

35,00
• •

•
S 25,00 -
• •

20,00 •
•
• •
15,00 - • • •

10,00

5,00-

• • • * - . • • . • • " . ' . • " • ^

0 5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 6,1837x'''"" y = 6,56726^^°^" y = -1E-08x^ + 0,0006x + 3,701 y = 0,7a97Ln(x) +2,1304
R^ = 2E-06 R^ = 0,0026 R^ = 0,0358 R^ = 0,0017

Curvas de Ajuste IMD-IM. Año 1995. Carreteras de calzada única (EXCII idos valores IM = 0)
 60.00

50,00

40,00 -
•

S 30,00
• •

20,00 •
•
t -
• •
10,00 1 • •
w • ^
• •
0,00 1 1 ^ 1

20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste P o l i n ó m i c o Ajuste Logarítmico

y = 129,71x-»"" y = 7,2956e'^°"' y = 6E-11x^ -6E-05X +9,733 y =-1,476Ln(x)+22,731
R^ = 0,101 R^ = 0,0888 R^ = 0,0208 R^ = 0,0207

C u r v a s de A j u s t e I M D - I M . A ñ o 1 9 9 6 . C a r r e t e r a s d e c a l z a d a única (Excluidos valores IM = oi

 1200,00

1000.00

800,00

600,00
o
A

400,00

200,00

j^4
0,00 ¿á^
20.000 40.000 60.000 80.000 100.000 120.000 140.000 160.000 180.000 200.000
I.M.D

-200.00
Curvas de ajuste I.M.D - I.M.>0 Años 89-96 Carreteras de calzada única

Ajuste potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 3053,8x -0,7098 y = 6,0421e^'°"' y = 3E-09x^-0,0003x + 9.1287 y = -3,2198Ln{x) +35,874
R^ = 0,3368 R^ = 0,3035 R^ = 0,1945
 4.- RELACIÓN ÍNDICE DE MORTALIDAD
Intensidad media diaria. Considerando un valor
residual de 0,5 victimas mortales por accidente
sin víctimas mortales.

109
 4.1.- Autopistas de peaje
(sustituido valor IVI=0 por 0,5; n° de muertos).

111
20,00

15,00

10,00

5,00

0,00

-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 1560,2x-'^"' y = 5,0241 e'^''''' y = -1,5476Ln(x) +18,741 y = 4E-10x^ - 0,0001x + 5,6877

R^ = 0,2445 R^ = 0,314 R^ = 0,1039 R^ = 0,1153

Curvas de Ajuste IMD-IM. Año 1989. Autopistas de Peaje (Sustituido vaiorM=o por o.s)
 40,00
•

20,00
E

i
* •
10,00 V lé *

5,00 - N L %. T^^-^T ^ A

^ • ^ ' • ^ w V • » # # * * ^ ^ — ^ ^ - ^ ^ ^ ' • '•'•'"•••MI'' ' .JriMilii'i" lililí"

0,00 • 1 . -w . . .. 1 T . . . j ^— . . -r ^ ^ • — • ^ ^ ^ ^ . . i ^ ^ . ^ ^ • " • "~|— •

) 10 000 20 000 30 000 40 000 50 000 60 000 70 000 ^" ' uU UUU 30 000 • 100 000
-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 4892,3x^'"" y = 5,3502e^^ ° ' ' y = -3,9624Ln(x) + 42,984 y = 3E-09x^ - 0,0004x + 10,013

R2 = 0,3159 R^ = 0,2473 R^ = 0,2522 R^ = 0,1885

Curvas de Ajuste IMD-IM. Año 1990. Autopistas de Peaje (Sustituido vaior M=0 por 0,5)
45,00

40,00
•

35,00

30,00

25,00
• •

20,00

15,00 . : -

t
10,00

t • •
5,00

0,00 "^^TF
^-—^ - •
_J» • •
— — 1 — ^ 1 - - - - - 1 — r • ~ 1

) 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

•0,5949
y = 804,38x y = 4,4082e-'^°''' y = -2,9999Ln(x) +33,306 y = 2E-09x^ - 0,0002x + 7,7924
R^ = 0,2207 R^ = 0,1917 R^ = 0,2113 R^ = 0,1254

Curvas de Ajuste IMD-tM. Año 1991. Autopistas de Peaje (Sustituido Valor M=O por o.s)
 20,00

18,00
•
16,00

14,00
•

12,00 1
• •

i 10,00 -

8,00 •

6,00
* •
•
4,00
• •

2,00 •* ^ \ ? ^
1 '-
J • • _ — ^ -
%* t •• • • •
0,00 1 r 1 r 1 1 1 1

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

-0,5643 -3E-05X
y = 591,71x y = 4,2575e y = -1,7748Ln(x) +21,057 y = 1E-09x^ - 0,0002x + 6,3439
R^ = 0,2154 R' = 0,2257 R^ = 0,0674 R^ = 0,0776

Curvas de Ajuste IMD-IM. Año 1992. Autopistas de Peaje (Sustituido vaior M=O poro.s)
20,00

18,00

16,00

14,00 • •

•
12,00
•
10,00
•
8,00
•
6,00

• •
4,00
•
•
i
2,00

0,00
*v!i!?? •
• • •
1—
• •« 4 4

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

-0,6163
y = 881x y = 4,00548-''°'" y = -1,721Ln(x) +19,902 y = 1E-09x^ - 0,0002x + 5,5337
R^ = 0,2871 R^ = 0,2775 R^ = 0,2061 R^ = 0,1761

Curvas de Ajuste IMD-IM. Año 1993. Autopistas de Peaje (Sustituido Vaior M=O por O,5)
 16,00

S 10,00 -
• X
8,00 •

6,00 -

4,00

2,00

0,00 ! 1 1 * * 1 1— — 1

0 10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
ÍMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 1065,5x-''-^^" y = 3,592e '^ "''' V = -1,6475Ln(x) + 19,074 y = 1E-09x^-0,0001x + 5,3384
R ' = 0,2645 R^ = 0,2723 R^ = 0,0994 R^ = 0,098

Curvas de Ajuste IMD-IM. Año 1994. Autopistas de Peaje (Sustituido vaior M=() por 0,5)
20,00

18,00

•
16.00
•
14,00

12,00

10,00 • •

8,00

* •
6,00

4,00
ÍS5,^\ • • • .
2,00

0,00
'• ' ^ i :•• **: * * * / 'r - 7 — • « ."'••• - • •

10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 848,57x-° ^ " ' y = 3,7936e"^^°^' y = -1,3602Ln(x) +16,509 y = 5E-10x^ - 9E-05X + 4,8946
R^ = 0,2288 R^ = 0,2492 R^ = 0,0892 R^ = 0,0842

Curvas de Ajuste IMD-IM. Año 1995. Autopistas de Peaje (Sustituido vaior M=O por 0,5)
 12.00

• •
10,00

,00 •

• •
•

1 6,00
•
\ • •

4,00

2,00
• •

• • • •
0,00 1— "-S «-— t!"'"
10 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 2,9833e"^^"°^' y = -1,496Ln{x) +17,475 y = 8E-10x^ - 0,0001x + 4,9504
R^ = 0,1984 R^ = 0,229 R^ = 0,0626 R^ = 0,0691

Curvas de Ajuste IMD-IM. Año 1996. Autopistas de Peaje (Sustituido vaiorM=o por o,5)
4.2.- Otras carreteras con calzada separadas
(sustituido valor M=0 por 0,5; n° de muertos).

121
 50,00 -|

•
40,00 «

% •

* • •

E 20.00 -
1 ^W»
t
•
10,00 ^Tjp"ijir_
^ • • '«* ' ^^
^ánbea^*« • *• ^^^„„,.**-****'^
-^Mfef,^-;* ^ • • .í * ^—-^ '^ !
0,00 • " " " " " ' — - - • - • • —

) 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 ^SÜM ' 2ÜÜ 000

-10,00 -
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 341,71x-''''"" y = 5,6432e-^'-"'''' y = -3,9391Ln(x) +45,666 y = 1E-09x^ - 0,0002x + 10,75

R2 = 0,1467 R^ = 0,0946 R^ = 0,1516 R' = 0,0911

Curvas de Ajuste IMD-IM. Año 1989. Otras ca rreteras con calzadas separadas (Sustituido vaior M=O poro.s)
30,00 -
•

•
20,00 At *

15,00 - 1
1 /
V- •
A«*
• •^ •
.
•

10,00 -
\ NT • •
yo-^^*^
5,00 * * * • ^ . ^ • " " " " " ^
uáf&^t'^»EC5:2:^ = = ^ = f e ^ ^ . >.• • * - ^ t - ^ ^
0,00 ^?<*«**ArHn < • • • • • • • ' * 4 " r—' »• ^
) 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000

-5,00 -
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 643,19x-°'^'' y = 5,6886^^°'" y = -3,2303Ln{x) + 38,758 V = 8E-10x' - D,0002x + 10,244

R^ = 0,1762 R ' = 0,1156 R ' = 0,1334 R' = 0,09

Curvas de Ajuste IMD-IM. Año 1990. Otras carreteras con calzadas separadas (Sustituido vaiorM=o poro,5)
 30,00

25,00

20,00

S 15,00

10,00

5,00

0,00
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 229,6x-''''" y = 4,4508e'^^ "^^ y = -2,3409Ln(x) + 29,344 y = 4E-10x^ - 0,0001x + 8,5914
R^ = 0,0985 R^ = 0,0814 R^ = 0,0468 R^ = 0,0436

Curvas de Ajuste IMD-IM. Año 1991. Otras carreteras con calzadas separadas (Sustituido VaiorM=o poro,5)
30,00

•
25,00

•
20,00

15,00

10,00

5,00 *^ • •
•
^ ^ •

0,00
i v ^ . H L «••'••% •""*4^
) 20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000 180 000 200 000

-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logaritmico Ajuste Polinómico

-0,4652
y = 301,4x y = 4,1379e-^^-"''' y = -2,8096Ln{x) + 33,388 y = 7E-10x^ - 0,0002x + 8,7065
R^ = 0,1215 R^ = 0,0939 R^ = 0,0312 R^ = 0,0253

Curvas de Ajuste IMD-IM. Año 1992. Otras carreteras con calzadas separadas (Sustituido Vator M=O poro.s)
30,00

25,00

• ^
20,00

15,00

10,00

5,00

0,00
20 000 40 000 60 000 80 000 100 000 120 000 140 000 160 000

-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

44 r r -0,6058
y = 4,5144e^'°'^ y = -2,5702Ln(x) +30,032 y = 1E-09x^ - 0,0002x + 8,0709
y=1155x R^ = 0,1325
R^ = 0,175 R^ = 0,1134
R=^ = 0,2265

Curvas de Ajuste IMD-IM. Año 1993. Otras carreteras con calzadas separadas (Sustituido Vaior M=O por o,5)
20,00
•

15,00

10,00

5,00

0,00
000

-5,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Pollnómico

y = 930,89x°'^^^^ y = 3,84526^^-°^'' y = -3,1334Ln(x) + 35,45 y = lE-OSx^ - 0,0002x + 8,4794
R^ = 0,2072 R^ = 0,1584 R2 = 0,097 R^ = 0,0732

Curvas de Ajuste IMD-IM. Año 1994. Otras carreteras con calzadas separadas (Sustituido vaior M=O poro.s)
„lilffl.'i •

16,00 ~9 •
t • •
• •
14,00 -

160 000
-2,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

-0,5879
y = 808x y = 3,5101e-''"''' y = -2,2924Ln(x) + 26,607 y = 9E-10x^ - 0,0001x + 6,6745
.2_
R^ = 0,201 R^ = 0,1481 R^ = 0,1248 R^ = 0,0924

Curvas de Ajuste IMD-IM. Año 1995. Otras carreteras con calzadas separadas (Sustituido Vaior M=O poro,5)
 16,00 .
• •

12,00 -
\ • •
10,00 \ n •

8,00 1 V *•*• •
\ \i 1
S 6,00 -

4,00

2,00 -
i^ffWtY?in^niiirT-i * 1' •
v*• • . •
* ^-^
. - - ^ ^ *
0,00 - •^IWIlF^/HA*^V^* ^ * í ^ ?-^*.i - - » •^••' t* t^'^T'^f 1 1 j *
) 20 000 40 000 60 000 ^ 000
-2,00 -

-4,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Poíinómico

y = 1191,2x-°*''" y = 3,2133e-''^"''' y = -3,2211Ln{x) +36,439 y= IE-09X^ - 0,0002x + 8,9616
R^ = 0,2153 R^ = 0,1543 R' = 0,0522 R^ = 0,0463

Curvas de Ajuste IMD-IM. Año 1996. Otras carreteras con calzadas separadas (Sustituido Vaior M=O poro.s)
 4.3- Carreteras de calzada única
(sustituido valor M=0 por 0,5; n° de muertos).

131
60.00
>>.

50,00

•
40,00
t:\
30,00

20.00

10,00

0,00
) 5 000 95
0(10
-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

-0,4029
y = 228,54x y = 10,149e -4E-05X y = -5,2604Ln{x) + 56.921 y = 9E-09x^ - 0,0008x + 17,315
R^ = 0,1761 R^ = 0,1244 R^ = 0,0919 R^ = 0,0572

Curvas de Ajuste IMD-IM. Año 1989. Carreteras de calzada única (Sustituido va]orM=o por o,5)
60,00 •
w~x •

50,00
• " •

40,00

30,00 *V"«- • • • — ^ - » •

20,00

10,00
áss^^x;. ^ j - * " ^ .
• ^ • • •
^ _ ^
•
• •. ••. •
* ^ #
0,00 ?l?ft •^
5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000 55 000
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

-0,3778 y = 2E-08x^ - 0,0012x + 18,375
y=176,93x y = 9,7103e'^°''' y = -5,0254Ln(x) + 54,81
R^ = 0,1436 R^=: 0,1066 R^ = 0,0652 R^ = 0,0497

Curvas de Ajuste IMD-IM. Año 1990. Carreteras de calzada única (Sustituido vaiorM=o por o,5)
60,00

10 000 20 000 30 000 40 000

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 263,51 x^^'^" y = 8,831e"''"' y = -4,9226Ln(x) +53,141 y = 5E-09x^-0,0006x + 15,073
R^ = 0,1884 R^ = 0,115 R' = 0,105 R^ = 0,0596

Curvas de Ajuste IMD-IM. Año 1991. Carreteras de calzada única (Sustituido Valor M=O poro.S)
60,00

50,00

40,00

30.00

20,00

10,00

0,00
10 000 20 000 30 000 40 000-..^ 000 60 000 110 000 120 000 130 000 140 000 150000

-10,00
ÍMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 334,59x -0,47 y = 7,73296-=^"^'' y = -5,3594Ln(x) +56,855 y = 5E-09x^ - 0,D007x + 15,7

»2_ R^ = 0,0186
R' = 0,2141 R^ = 0,1184 R^ = 0,0308

Curvas de Ajuste IMD-IM. Año 1992. Carreteras de calzada única (Sustituido vaiorM=o por o,5)
60,00

50,00

40.00

30,00

20,00

10,00

0,00
10 000 20 000 30 000 40 000 ÜQMOÍ^ io nnn 90 000 lOO 000

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómlco

y = 246,74x-°-^" y = 7,5749e '^ ^''^ y = -5,1204Ln(x) + 53,08 y = 7E-09x^ - 0,0007x + 13,49
R2 = 0,2039 R^ = 0,1206 R^ = 0,1509 R^ = 0,073

Curvas de Ajuste IMD-IM, Año 1993. Carreteras de calzada única (Sustituido vaiorM=o por o,5)
60,00

50,00

•
40,00
• .•
r*,* *

10,00

0,00 ^ ^
1 o 000 20 000 30 000 40 000 50 000 60 000 70 000 80 000 90 000 100 000 000
110

-10.00 -
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

y = 219,44x
-0,4422
y = 6,47796''°'" y = -3,3643Ln{x) + 36,865 y = 4E-09x^ - 0,0004x + 10,782
R^ = 0,1926 R^ = 0,1188 R^ = 0,1014 R^=: 0,0565

Curvas de Ajuste IMD-)M. Año 1994. Carreteras de calzada única (Sustituido vaiorM=o por o,s)
60,00
• ••
•
50,00

40,00 , •-•—
V •
30,00
t^. **

20,00

10,00

0,00
10 000 20 000 30 000 40 000 50 000 60 000 /O 000 HÜ UUU UU UUU IUÚ 000 11ft000 000
120

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Pollnómico

y = 296,7x"''"^ y = 6,8881 e ' " ' ' * y = -4,1267Ln{x) + 43,99 y = 4E-09x^ - 0,0005x + 11,884
R^ = 0,2267 R^ = 0,1428 R^ = 0,1089 R^ = 0,0563

Curvas de Ajuste IMD-IM. Año 1995. Carreteras de calzada única (Sustituido vaior M=O por o,5)
60,00

50,00 ^
• •
>
40,00
>•

••
30,00
•
•
20,00 • •
•

10,00 ítK .^
•
0,00 Ads: .«—1
—*

) 20 000 40 000 60 000 5T 140 nnn 160 000 180 000 200 000

-10,00
IMD

Ajuste Potencial Ajuste Exponencial Ajuste Logarítmico Ajuste Polinómico

-0,4725
y = 270,7x y = 5,8115e-^^-°'^ y = -3,8977Ln(x) +41,399 y = 2E-09x^ - 0,0004x + 10,351
R' = 0,2172 R^ = 0,1128 R^ = 0,1102 R^ = 0,0478

Curvas de Ajuste IMD-IM. Año 1996. Carreteras de calzada única (Sustituido vaiorM=o por o,5)
5.- RELACIÓN ÍNDICE DE PELÍGROSDIDAD
Intensidad horaria

141
5.1.- Otras carreteras con calzadas separadas

143
 otras Carreteras con calzadas separadas AÑO 93
200,00

150,00

100,00

o
A
50,00 '

ai

0,00
800001

-50,00

-100,00
Número de vehículos / año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 42,835e-'^-"'' y = 1E-11x^-8E-05x + 85.517 y = -27,817Ln(x) +417.01
R^ = 0,5849 R^ = 0.4148 R^ = 0,3893 R^ = 0,2543
 otras Carreteras con calzadas separadas AÑO 94
200,00

150,00

100,00

o
A

4^
O)
50,00

0,00
800QC

-50,00
Número de vehículos / año

Ajuste Potencial Ajuste Exponencial Ajuste polinómico Ajuste Logarítmico

y = 60592X-""* y = 37,7e y = 5E-12x^-5E-05x + 67,127 y = -27,817Ln(x) +417,01
R ' = 0,3325 R^ = 0,2035 R^ = 0,1598 R ' = 0,2543
 o t r a s Carreteras con calzadas separadas AÑO 95

300,00

250,00

200,00

150,00

•••
. 100,00
• ^

50,00

0,00

1000000 8000000 900(1C

-50,00

-100,00

Número de vehículos / año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y=137840x^"" y = 39,484e-^^ " " y = 7E-12x^-6E-05)' + 75,82 y =-27,817Ln(x) +417,01
R^ = 0,4153 R' = 0,2127 R^ = 0,255 R ' = 0,2543
 otras Carreteras con calzadas separadas AÑO 96
300,00

250,00

200,00

150,00

00 100,00

50,00

0,00
1000000 2000000 1Ü0OOC

-50,00
Número de vehículos / año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y=110868x^''" y = 4E-12x^-4E-05x +76,244 y = -27,817Ln(x) +417,01
R^ = 0,4281 R^ = 0,2628 R ' = 0.2903 R^= 0,2543
 otras Carreteras con calzadas separadas AÑOS 93-96
300,00

250,00

200,00 -

150,00
o
A

100.00

50,00

0,00
000 3C

-50,00
Número de vehículos / año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y=129506x-""" y = 39,512e y = 5E-12x^-4E-05x + 69,11f y = -27,817Ln(x) +417,01
R ' = 0,4273 R^ = 0.2612 R^ = 0,2244 R^ = 0,2543
5.2.- Carreteras de calzada única

151
 Carreteras de calzada única AÑO 93
400,00

350,00

300,00

250,00

200,00
o
A

150,00
OÍ

100,00

50,00

0,00
4000C

-50,00
Número de vehículos / año

Ajuste Potencial Ajuste exponencial Ajuste Polinómico Ajuste Logarítmico

y = 28093x-°''*''' y = 56,806e '"-"^ y = 2E-11x^- 1E-04X + 100,12 y = -27,817Ln(x) +417,01
R^ = 0,3447 R^ = 0,2222 R^ = 0,2357 R^ = 0,2543
 Carreteras de calzada única AÑO 94
500,00

400,00

300,00

. 200,00

en

100,00

0,00
4501 )C

-100,00
Número de vehículos / ano

Ajuste Potencial
Ajuste Expononcial Ajuste Polinómico Ajuste Logarítmico
y = 48609x"°'^"^ y = 51,713e y = 2E-11x^-0,0001x + 105.6 y = .27,817Ln(x) + 417,01
R^ = 0,3433 R^ = 0,1884 R^ = 0.2115 R^ = 0,2543
 Carreteras de calzada única AÑO 95
1000,00

900,00

800,00

700,00

600,00

500,00
o
A
400,00
ai
Ul

500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 450(lC

-100,00
Número de vehículos / año

Ajuste Potencial Ajuste Exponencial Ajuste Polinómico Ajuste Logarítmico

y = 52.2230-*''"' y = 3E-11x^-0.0001x+ 113,07 y = -27,817Ln(x) +417,01
R^ = 0,4244 R^ = 0.2238 R^ = 0,1672 R^ = 0,2543
 Carreteras de calzada única AÑO 96
600,00

500,00

400.00

300,00 -
•
o
A «

en 200,00 -
O)

100,00

0,00
500(1C

-100,00
Número de vehículos / año

Ajuste Potencial Ajuste exponencial AjustePolinómico Ajuste Logarítmico

y = 7a202x ""'^ y = 54,711e y = 2E-11x^ - 9E-05X + 99,075 y = -27,817Ln(x) +417,01
R^ = 0,4377 R ' = 0,268 R^ = 0,2188 R^ = 0,2543
 Carreteras de calzada única AÑOS 93-96
1000,00

900,00

800,00

700,00

600,00

500.00
o
A
400,00
en

300,00

• • •
200,

500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 4500000 500(1C

-100,00
Número de vehículos / año

Ajuste Potencia) Ajuste Exponencial Ajuste Polinómico Ajuste logarítmico

y = 53328x^" y = 2E-11x^-1E-04x +103,24 y = -27,817Ln(x) +417,01
R^ = 0,3821 R^ = 0,2227 R ' = 0.1965 R^ = 0,2543
 Anejo 1 bis.
Relaciones índice de peligrosidad - IMD
e índice de mortalidad - IMD
(por tramos).
 El anejo 1 bis, debido a su extensión, no se incluye en papel. En su lugar,
al final del documento se incluye un disco compacto que contiene, en el archivo
"Anejolbis.pdf, la totalidad de los gráficos del presente anejo. Asimismo dicho
disco incluye otros tres archivos mecanizados. El archivo "Tesisdoctoral.pdf'
contiene el texto de la tesis a excepción de los anejos. El archivo "Anejol.pdf
incluye el anejo 1. Finalmente, el archivo "Anejo2.pdf' contiene el anejo 2.
 Anejo 2.
Aplicación del análisis de conglomerados
p a r a el estudio de la accidentalidad
según el tipo de carretera y su circulación.
 ÍNDICE ANEJO 2.

1.- ESTUDIO PREVIO DE LAS VARIABLES 1

1.1.- Carreteras con calzadas separadas 3
1.2.- Carreteras de calzada única 11

2.-ANÁLISIS DE LA INTENSIDAD HORARIA 19

3.- ESTUDIO DE LAS TABLAS DE CONTINGENCIA 23

3.1.- Discretización de la variable intensidad horaria 25
3.2.- Carreteras con calzadas separadas 26
3.3.- Carreteras de calzada única 34

4.-TABLAS DE CONTINGENCIA MÚLTIPLE 43

4.1.- Carreteras con calzadas separadas 45
4.2.- Carreteras de calzada única 56

5.- TABLAS DE CONTINGENCIA DE LAS CLASES 69

5.1.- Carreteras con calzadas separadas 71
5.2.- Carreteras de calzada única 74

6.- TABLAS DE CONTINGENCIA DE LAS CLASES Y

LAS INTENSIDADES HORARIAS 77

7.- TABLAS DE CONTINGENCIA MÚLTIPLE DE LA

INTENSIDAD HORARIA 83
7.1.- Clasificación por tipo de accidente 85
7.1.1.- Carreteras con calzadas separadas 85
7.1.2.- Carreteras de calzada única 91
7.2.- Clasificación por intensidad horaria 97
7.2.1." Carreteras con calzadas separadas 97
7.2.2.- Carreteras de calzada única 102
1.- ESTUDIO PREVIO DE LAS VARIABLES.
 1.1.- Carreteras con calzadas separadas.

Tabla defrecuencias,,variable año.

Año Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1993 175 15,9 15,9 15,9
1994 317 28,7 28,7 44,6
1995 306 27,7 27,7 72,3
1996 306 27,7 27,7 100,0
Total 1104 100,0 100,0

Tabla defrecuencias,variable mes.

Mes Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1 73 6,6 6,6 6,6
2 60 5,4 5,4 12,0
3 83 7,5 7,5 19,6
4 106 9,6 9,6 29,2
5 90 8,2 8,2 37,3
6 97 8,8 8,8 46,1
7 109 9,9 9,9 56,0
8 135 12,2 12,2 68,2
9 77 7,0 7,0 75,2
10 89 8,1 8,1 83,2
11 85 7,7 7,7 90,9
12 100 9,1 9,1 100,0
Total 1104 100,0 100,0
 Tabla de frecuencias, variable día del mes.

Día del mes Frecuencia Porcentaje Porcentaje válido Porcentaje aciunulado

1 41 3,7 3,7 3,7

2 39 3,5 3,5 7,2

3 37 3,4 3,4 10,6

4 37 3,4 3,4 13,9

5 33 3,0 3,0 16,9

6 39 3,5 3,5 20,5

7 46 4,2 4,2 24,6

8 43 3,9 3,9 28,5

9 46 4,2 4,2 32,7

10 28 2,5 2,5 35,2

11 41 3,7 3,7 38,9

12 36 3,3 3,3 42,2

13 31 2,8 2,8 45

14 25 2,3 2,3 47,3

15 55 5,0 5,0 52,3

16 34 3,1 3,1 55,3

17 39 3,5 3,5 58,9

18 34 3,1 3,1 62

19 26 2,4 2,4 64,3

20 47 4,3 4,3 68,6

21 26 2,4 2,4 70,9

22 38 3,4 3,4 74,4

23 31 2,8 2,8 77,2

24 34 3,1 3,1 80,3

25 44 4,0 4,0 84,2

26 37 3,4 3,4 87,6

27 31 2,8 2,8 90,4

28 32 2,9 2,9 93,3

29 31 2,8 2,8 96,1

30 23 2,1 2,1 98,2

31 20 1,8 1,8 100,0

Total 1104 100,0 100,0

 Tabla de frecuencias, variable día de la semana.
Día de la semana Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1 168 15,2 15,2 15,2
2 131 11,9 11,9 27,1
3 121 11,0 11,0 38,0
4 137 12,4 12,4 50,5
5 202 18,3 18,3 68,8
6 158 14,3 14,3 83,1
7 187 16,9 16,9 100,0
Total 1104 100,0 100,0
 Tabla de.firecuencias,.variable hora.

Hora Frecuencia Porcentaje Porcentaj e válido Porcentaje acumulado

1 65 5,9 5,9 5,9

2 23 2,1 2,1 8,0

3 28 2,5 2,5 10,5

4 18 1,6 1,6 12,1

5 26 2,4 2,4 14,5

6 35 3,2 3,2 17,7

7 36 3,3 3,3 20,9

8 55 5,0 5,0 25,9

9 43 3,9 3,9 29,8

10 53 4,8 4,8 34,6

11 58 5,3 5,3 39,9

12 50 4,5 4,5 44,4

13 62 5,6 5,6 50,0

14 48 4,3 4,3 54,3

15 54 4,9 4,9 59,2

16 67 6,1 6,1 65,3

17 78 7,1 7,1 72,4

18 68 6,2 6,2 78,5

19 65 5,9 5,9 84,4

20 57 5,2 5,2 89,6

21 49 4,4 4,4 94,0

22 28 2,5 2,5 96,6

23 34 3,1 3,1 99,6

24 4 4,0 4,0 100,0

Total 1104 100,0 100,0

 Tabla de frecuencias, variable número, de muertos.
Número de. muertos Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
0 1008 91,3 91,3 91,3
1 76 6,9 6,9 98,2
2. o más 20 1,8 1,8 100,0
Total 1104 100,0 100,0

Tabla de firecuencias,. variable número de vehículos implicados.

Porcentaje Porcentaje
Número de vehículo implicados Frecuencia Porcentaje
válido acumulado
1 737 66,8 66,8 66,8
2 o más 366 33,2 33,2 100,0
Perdidos 1 0,1
Total 1104 100,0

Tabla de frecuencias, variable superficie de rodadura.

Porcentaje
Superficie de rodadura Frecuencia Porcentaje Porcentaje válido
acumulado
Limpia y seca 654 59,2 75,9 75,9
Deslizante 208 18,8 24,1 100,0
Perdidos 242 21,9
Total 1104 100,0
 Tabla de frecuencias,, variable luminosidad.
Luminosidad Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Día 572 51,8 66,4 66,4

Crepúsculo 44 4,0 5,1 71,5

Noche 246 22,3 28,5 100,0

Perdidos 242 21,9

Total 1104 100,0

Tabla de frecuencias, variable factores atmosféricos.

Porcentaje
Factores atmosféricos Frecuencia Porcentaje Porcentaje válido
acumulado

Buenos 644 58,3 74,7 74,7

Malos 218 19,7 24,3 100,0

Perdidos 242 21,9
Total 1104 100,0

Tabla de frecuencias,, variable visibilidad de la señalización.

Porcentaje Porcentaje
Visibilidad de la señalización Frecuencia Porcentaje
válido acumulado
Buena 827 74,9 95,9 95,9
Mala 35 3,2 4,1 100,0
Perdidos 242 21,9
Total 1104 100,0
 Tabla de frecuencias,, variable tipo de accidente.
Tipo de accidente Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Marcha 277 25,1 25,1 25,1
Obstáculo 40 3,6 3,6 28,7
Atropello 22 2,0 2,0 30,7
Vuelco 43 3,9 3,9 34,6
Salida 643 58,2 58,2 92,8
Otros 79 7,2 7,2 100,0
Total 1104 100,0 100,0

Estadísticos descriptivos, variable intensidad horaria.

Muestra 1104 Desviación típica 445,13

Rango 3304 Varianza 198143,299

Mínimo 8 Asimetría 2,387
Máximo 3312 Error típico de la asimetría 0,074
Media 492,88 Curtosis 7,308
Error típica de la media 13,04 Error típico de la curtosis 0,147
Test de Kolmogorov-Smimov (Sig. asintótica bilateral) 0,000

Estadísticos descriptivos, variable logaritmo de la intensidad horaria.

Muestra 1104 Desviación típica 0,8643
Rango 6,03 Varianza 0,747

Mínimo 2,08 Asimetría -0,49

Máximo 8,11 Error típico de la asimetría 0,074

Media 5,8623 Curtosis 0,958

Error típico, de la media 2,601-10-^ Error típico de la curtosis 0,147
Test de Kolmogorov-Smimov (Sig. asintótica bilateral) 0,000
200

100-

Desv. típ. =445,13

Media - 492,9
N = 1104,00

Intensidad
Distribución de la intensidad horaria en carreteras con calzadas separadas.

¿UU"

^
/
100
/
t

c ••

nL4r-
V Desv. típ. = 0,86
¿f i
i
[ í Media = 5,86

0
j, £ N = 1104,00
L,.>-c 11 'Tfi(>f(iiiSíS^!Cf.j 1' ' " 1 " ^ ••r^"""":" u---

Intensidad
Distribución del logaritmo de la intensidad horaria en carreteras con calzadas separadas.

10
 1.2.- Carreteras de calzada única.

Tabla de frecuencias, variable año.

Año Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1993 780 28,0 28,0 28,0
1994 695 25,0 25,0 53,0
1995 676 24,3 24,3 77,3
1996 632 22,7 22,7 100,0
Total 2783 100,0 100,0

Tabla defrecuencias,variable mes.

Mes Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1 171 6,1 6,1 6,1
2 203 7,3 7,3 13,4
3 225 8,1 8,1 21,5
4 249 8,9 8,9 30,5
5 237 8,5 8,5 39,0
6 207 7,4 7,4 46,4
7 294 10,6 10,6 57,0
8 302 10,9 10,9 67,8
9 242 8,7 8,7 76,5
10 234 8,4 8,4 84,9
11 203 7,3 7,3 92,2
12 216 7,8 7,8 100,0
Total 2783 100,0 100,0

11
 Tabla de frecuencias, variable día del mes.

Día del mes Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado

1 102 3,7 3,7 3,7

2 86 3,1 3,1 6,8

3 115 4,1 4,1 10,9

4 77 2,8 2,8 13,7

5 72 2,6 2,6 16,2

6 72 2,6 2,6 18,8

7 92 3,3 3,3 22,1

8 84 3,0 3,0 25,2

9 89 3,2 3,2 28,4

10 91 3,3 3,3 31,6

11 115 4,1 4,1 35,8

12 105 3,8 3,8 39,5

13 116 4,2 4,2 43,7

14 92 3,3 3,3 47,0

15 94 3,4 3,4 50,4

16 100 3,6 3,6 54,0

17 68 2,4 2,4 56,4

18 91 3,3 3,3 59,7

19 88 3,2 3,2 62,8

20 100 3,6 3,6 66,4

21 107 3,8 3,8 70,3

22 86 3,1 3,1 73,4

23 75 2,7 2,7 76,1

24 95 3,4 3,4 79,5

25 87 3,1 3,1 82,6

26 101 3,6 3,6 86,2

27 91 33 3,3 89,5

28 91 3,3 3,3 92,8

29 72 2,6 2,6 95,4

30 83 3,0 3,0 98,3

31 46 1,7 1,7 100,0

Total 2783 100,0 100,0

12
 Tabla defrecuencias,variable día de la semana.
Día de. la semana Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1 360 12,9 12,9 12,9
2 318 11,4 11,4 24,4
3 368 13,2 13,2 37,6
4 317 11,4 11,4 49,0
5 405 14,6 14,6 63,5
6 485 17,4 17,4 81,0
7 530 19,0 19,0 100,0
Total 2783 100,0 100,0

13
 Tabla de. frecuencias, variable hora.
Hora Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado

1 109 3,9 3,9 3,9

2 65 2,3 2,3 6,3

3 71 2,6 2,6 8,8

4 64 2,3 2,3 11,1

5 77 2,8 2,8 13,9

6 96 3,4 3,4 17,3
7 118 4,2 4,2 21,6
8 154 5,5 5,5 27,1

9 149 5,4 5,4 32,4

10 92 3,3 3,3 35,8

11 124 4,5 4,5 40,2

12 166 6,0 6,0 46,2

13 137 4,9 4,9 51,1

14 112 4,0 4,0 55,1

15 117 4,2 4,2 59,3

16 149 5,4 5,4 64,7

17 181 6,5 6,5 71,2

18 173 6,2 6,2 77,4

19 155 5,6 5,6 83,0
20 151 5,4 5,4 88,4
21 111 4,0 4,0 92,4
22 102 3,7 3,7 96,0
23 89 3,2 3,2 99,2
24 21 0,8 0,8 100,0
Total 2783 100,0 100,0

14
 Tabla de frecuencias,, variable número de muertos.

Número, de muertos Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado

0 2482 89,2 89,2 89,2

1 250 9,0 9,0 98,2

2 0 más 50 1,8 1,8 100,0
Perdidos 1 0
Total 2783 100,0

Tabla de frecuencias, variable número de vehículos implicados.

Porcentaje Porcentaje
Número, de vehículo, implicados Frecuencia Porcentaje
válido acumulado
1 1280 46,0 46,1 46,1

2 o más 1496 53,8 53,9 100,0

Perdidos 7 0,2
Total 2783 100,0

Tabla de frecuencias, variable superficie de rodadura.

Porcentaje
Superficie de rodadura Frecuencia Porcentaje Porcentaje válido
acumulado

Limpia y seca 1497 53,8 72,1 72,1

Deslizante 578 20,8 27,9 100,0

Perdidos 708 25,4

Total 2783 100,0

15
 Tabla de frecuencias,, variable luminosidad.
Luminosidad Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Día 1284 46,1 61,9 61,9
Crepúsculo 121 4,3 5,8 67,7
Noche 670 24,1 32,3 100,0
Perdidos 708 25,5
Total 2783 100,0

Tabla de frecuencias, variable factores atmosféricos.

Porcentaje
Factores atmosféricos Frecuencia Porcentaje Porcentaj e válido
acumulado
Buenos 1474 53,0 71,0 71,0
Malos 601 21,6 29,0 100,0
Perdidos 708 25,4
Total 5783 100,0

Tabla de frecuencias,, variable visibilidad de la señalización.

Porcentaje Porcentaje
Visibilidad de la señalización Frecuencia Porcentaje
válido acumulado
Buena 2069 74,3 99,7 99,7
Mala 6 0,2 0,3 100,0
Perdidos 708 25,4
Total 2783 100,0

16
 Tabla de frecuencias, variable tipo de accidente.
Tipo de accidente Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Marcha 1383 49,7 49,7 49,7
Obstáculo 39 1,4 1,4 51,1

Atropello 116 4,2 4,2 55,3

Vuelco 73 2,6 2,6 57,9
Salida 1020 36,7 36,7 94,5
Otros 152 5,5 5,5 100,0
Total 2783 100,0 100,0

Estadísticos descriptivos, variable intensidad horaria.

Muestra 2783 Desviación típica 307,50
Rango 3072 Varianza 94556,163
Mínimo 3 Asimetría 1,195
Máximo 3075 Error típico de la asimetría 0,046
Media 412,89 Curtosis 2,557
Error típico de la media 5,83 Error típica de la curtosis 0,093
Test de Kolmogorov-Smimov (Sig. asintótica bilateral) 0,000

Estadísticos descriptivos, variable logaritmo de la intensidad horaria.

Muestra 2783 Desviación típica 0,9525

Rango 6,93 Varianza 94556,163

Mínimo 1,1 Asimetría -0,957

Máximo 8,03 Error típico de la asimetría 0,046

Media 5,6759 Curtosis 1,076

Error típico de la media -5,83 Error típico, de la curtosis 0,093

Test de Kolmogorov-Smimov (Sig. asintótica bilateral) 0,000

17
500-

400-

300-

200-

100- Desv. típ. = 307,50

Media = 412,9
N = 2783,00
_j ¡ j j 1 j _

Intensidad
Distribución de la intensidad horaria en carreteras de calzada única.

^uu-

i
300- í—;

200-
/jji
100-
\ Desv. típ. = 0,95
' -i \ Media = 5,68
1
N = 2783,00
0 W" '"1^1 — • p?;'?? .«<r ' ! ' - T — r ^^ \' ^s— ^
V r f

Intensidad
Distribución del logaritmo, de la intensidad horaria en carreteras de calzada tínica.

18
2.- ANÁLISIS DE LA INTENSIDAD HORARIA.

19
 Caireteras con calzadas separadas.

Estrato Sí accidente N o accidente

P-1 P-2 P-3 P-4
Mes Día Hora n s m n s m
(7) (8) (9) (10)
(1) (2) (3) (4) (5) (6) (4) (5) (6)

1 1 44 146 176 417 141 140 0,112 0,016 0,055 0,040

1 2 76 399 464 431 380 442 0,642 0,981 0,818 0,725

1 3 73 399 549 418 357 488 0,181 0,138 0,364 0,309

2 1 47 114 139 313 176 161 0,264 0,765 0,876 0,817

2 2 76 363 402 304 409 447 0,379 0,865 0,306 0,594

2 3 91 383 564 327 394 550 0,757 0,328 0,722 0,085

2 1 1 31 120 155 232 145 131 0,369 0,035 0,034 0,100

2 1 2 55 422 440 277 442 507 0,303 0,173 0,055 0,191

2 1 3 56 628 693 264 449 568 0,160 0,294 0,722 0,553

2 2 1 25 151 175 170 210 181 0,898 0,772 0,851 0,828

2 2 2 57 300 448 195 505 508 0,267 0,330 0,293 0,091

2 2 3 55 484 717 174 377 535 0,012 0,000 0,000 0,001

3 1 1 47 214 235 332 195 202 0,284 0,090 0,097 0,155

3 1 2 78 341 551 313 464 596 0,344 0,219 0,041 0,096

3 1 3 97 463 646 321 457 613 0,532 0,049 0,104 0,035

3 2 1 39 318 242 247 223 218 0,658 0,532 0,390 0,816

3 2 2 63 479 558 270 461 589 0,636 0,485 0,274 0,655

3 2 3 94 580 789 241 453 670 0,076 0,124 0,603 0,336

(1) Estratos de la variable mes (4) n: número de unidades experimenta-

les.
Mes 1: de octubre a febrero.
Mes 2: de maizo a mayo.
Mes 3: de junio a septiembre. (5) s: desviación típica.

(6) m: media.
(2) Estratos de la variable día de la semana
Día de la semana 1: de lunes a jueves.
(7) Test de la ' f de Student.
Día de la semana 2: viernes, sábado y domingo.

(8) Test de Wilcoxon-Mam Whitney.

(3) Estratos de la variable hora
Hora 1: de 23 a 6 horas. (9) Test de la mediana.
Hora 2: de 7 a 14 horas.
Hora 3: de 15 a 22 horas. (10) Test de Kolmogorof-Smimov.

21
 Carreteras de calzada única.

Estrato Sí accidente N o accidente

P-1 P-2 P-3 P-4
Mes Día Hora n s m n s m
(7) (8) (9) (10)
(1) (2) (3) (4) (5) (6) (4) (5) (6)
1 1 94 117 125 425 105 93 0,009 0,000 0,006 0,009
1 2 199 260 392 383 246 343 0,028 0,022 0,018 0,062

1 3 199 309 487 409 256 380 0,000 0,000 0,000 0,001

2 1 145 112 139 312 116 103 0,002 0,000 0,000 0,000

2 2 173 237 354 324 224 302 0,016 0,008 0,003 0,007

2 3 217 291 503 328 255 429 0,002 0,003 0,012 0,006

2 1 1 67 159 157 258 121 109 0,021 0,002 0,009 0,016

2 1 2 151 299 441 289 262 357 0,003 0,003 0,041 0,009
2 1 3 137 271 460 249 261 414 0,108 0,093 0,111 0,157

2 2 1 73 187 172 187 124 124 0,047 0,035 0,058 0,079

2 2 2 112 226 344 211 220 313 0,245 0,208 0,274 0,193

2 2 3 171 305 499 201 280 464 0,255 0,405 0,755 0,143

3 1 1 89 201 215 350 131 134 0,000 0,000 0,001 0,002

3 1 2 208 335 511 326 298 456 0,049 0,023 0,051 0,036
3 1 3 219 311 559 322 311 452 0,000 0,000 0,000 0,000

3 2 1 124 195 202 246 176 161 0,046 0,007 0,004 0,008

3 2 2 209 327 503 279 296 440 0,027 0,044 0,022 0,018

3 2 3 196 309 600 267 334 521 0,010 0,001 0,001 0,000

(1) Estratos de la variable mes (4) n: número de unidades experimenta-

Mes 1: de octubre a febrero. les.

Mes 2: de marzo a mayo.

Mes 3: de junio a septiembre. (5) s: desviación típica.

(6) m: media.
(2) Estratos de la variable día de la semana
Día de la semana 1: de lunes a jueves.
(7) Test de la "t" de Student.
Día de la semana 2: viernes, sábado y domingo.

(8) Test de Wilcoxon-Mam WMtney.

(3) Estratos de la variable hora
Hora 1: de 23 a 6 horas.
(9) Test de la mediana.
Hora 2: de 7 a 14 horas.
Hora 3: de 15 a 22 horas.
(10) Test de Kolmogorof-Smimov.

22
3.- ESTUDIO DE LAS TABLAS DE CONTINGENCIA.

23
 3.1.- Discretización de la variable intensidad horaria.

Carreteras con calzadas separadas.

Número de intervalo 1 2 3 4 5 Total

Frecuencia 221 219 222 222 220 1104
Porcentaje 20,0 19,8 20,1 20,1 19,9 100,0
Porcentaje válido 20,0 19,8 20,1 20,1 19,9 100,0
Porcentaje acumulado 20,0 39,9 60,0 80,1 100,0

Carreteras de calzada única.

Número de intervalo 1 2 3 4 5 Total
Frecuencia 528 690 645 764 156 2783
Porcentaje 19,0 24,8 23,2 27,5 5,6 100,0
Porcentaje válido 19,0 24,8 23,2 27,5 5,6 100,0
Porcentaje acumulado 19,0 43,8 66,9 94,4 100,0

25
 3.2.- Carreteras con calzadas separadas.

Tipo de accidente
Mes Total
Marcha Obstáculo Atropello Vuelco Salida Otro
1 12 4 1 4 46 6 73
2 15 3 1 0 37 4 60
3 21 1 0 5 49 7 83
4 27 5 2 1 66 5 106
5 12 4 0 7 64 3 90
6 34 4 2 4 51 2 97
7 26 5 3 4 65 6 109
8 39 3 1 4 77 11 135
9 20 5 5 2 40 5 77
10 28 3 0 5 48 5 89
11 22 2 3 3 46 9 85
12 21 1 4 4 54 16 100
Total 277 40 22 43 643 79 1104

Grados, de Sig.. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 75,671 55 0,034
Razón de verosimilitud 80,533 55 0,014
N° casos válidos 1104

26
Día de Tipo de accidente
la Total
semana Marcha Obstáculo Atropello Vuelco Salida Otro

1 37 8 2 8 100 13 168
2 37 7 1 5 75 6 131

3 36 4 1 6 64 10 121
4 41 5 3 9 69 10 137
5 47 7 4 8 118 18 202
6 31 5 5 3 102 12 158
7 48 4 6 4 115 10 187
Total 277 40 22 43 643 79 1104

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 26,575 30 0,645
Razón de verosimilitud 27,29 30 0,608

N°. casos válidos 1104

27
 Número de vehículos, implicados
Tipo de accidente Total
Un vehículo Más de. un vehículo
Marcha 6 270 276
Obstáculo 14 26 40
Atropello 19 3 22
Vuelco 39 4 43
Salida 609 34 643
Otro 50 29 79
Total 737 366 1103

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 779,411 5 0,000
Razón de verosimilitud 878,138 5 0,000
N" casos, válidos 1103

28
 Superficie
Tipo de accidente Total
Limpia y seca Deslizante
Marcha 166 37 203
Obstáculo 30 10 40
Atropello 20 2 22
Vuelco 29 5 34
Salida 391 148 539
Otro 18 6 24
Total 654 208 862

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 11,519 5 0,042
Razón de verosimilitud 12,475 5 0,029
N° casos válidos 862

29
 Luminosidad
Tipo de accidente Total
Día Crepúsculo Noche
Marcha 120 11 72 203
Obstáculo 27 2 11 40
Atropello 6 2 14 22
Vuelco 19 1 14 34
Salida 380 27 132 539
Otro 20 1 3 24
Total 572 44 246 862

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de. Pearson 30,854 10 0,001
Razón de verosimilitud 30,008 10 0,001
N". casos válidos 862

30
 Factores atmosféricos
Tipo. de. accidente Total
Buenos Malos
Marcha 164 39 203
Obstáculo 30 10 40
Atropello 20 2 22
Vuelco 31 3 34
Salida 381 158 539
Otro 18 6 24
Total 644 218 862

Grados de Sig.. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 16,525 5 0,005
Razón de verosimilitud 18,476 5 0,002
N°. casos válidos 862

31
 Visibilidad de la señalización
Tipo de accidente Total
Buena Mala
Marcha 197 6 203
Obstáculo 39 1 40
Atropello 22 0 22
Vuelco 34 0 34
Salida 512 27 539
Otro 23 1 24
Total 827 35 862

Grados de Sig. asintótica

Valor
libertad (bilateral)
Clü-cuadrado de Pearson 4,503 5 0,480
Razón de verosimilitud 6,794 5 0,236
N" casos válidos 862

32
 Intensidad horaria
Tipo de. accidente Total
1 2 3 4 5
Marcha 21 159 54 39 4 277
Obstáculo 0 22 11 6 1 40
Atropello 3 9 3 6 1 22
Vuelco 4 23 13 3 0 43
Salida 62 393 138 39 11 643
Otro 7 46 18 8 0 79
Total 97 652 237 101 17 1104

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 37,979 20 0,009
Razón de verosimilitud 39,7 20 0,005
N". casos válidos 1104

33
 3.3.- Carreteras de calzada única.

Intensidad horaria
Afio Total
1 2 4 5 6
1993 123 214 196 206 41 780
1994 121 176 145 209 44 695
1995 138 152 164 178 44 676
1996 146 148 140 171 27 632
Total 528 690 645 764 156 2783

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 25,46 12 0,013
Razón de verosimilitud 25,422 12 0,013
N". casos válidos 2783

34
Día de la Intensidad horaria
Total
semana 1 2 4 5 6
1 56 91 85 104 24 360
2 65 84 62 93 14 318
3 71 96 95 82 24 368
4 51 61 83 109 13 317
5 54 91 103 129 28 405
6 98 141 101 124 21 485
7 133 126 116 123 32 530
Total 528 690 645 764 156 2783

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 60,467 24 0,000
Razón de verosimilitud 60,743 24 0,000
N" casos, válidos 2783

35
N° muer- Intensidad horaria
Total
tos 1 2 4 5 6

0 471 609 575 684 143 2482

1 51 76 53 59 11 250
>1 6 4 17 21 2 50
Total 528 689 645 764 156 2782

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado. de Pearson 19,628 8 0,012
Razón de verosimilitud 20,946 8 0,007
N° casos válidos 2782

N-'de Intensidad horaria

vehículos Total
implicados 1 2 4 5 6

1 332 343 266 302 37 1280

>1 194 343 378 462 119 1496

Total 526 686 644 764 156 2776

Grados de Sig.. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 116,191 4 0,000
Razón de verosimilitud 118,49 4 0,000
N° casos válidos 2776

36
 Tipo de Intensidad horaria
Total
accidente 1 2 4 5 6
Marcha 178 319 347 427 112 1383

Obstáculo 8 10 9 9 3 39

Atropello 12 25 24 43 12 116

Vuelco 11 21 21 18 2 73
Salida 269 280 211 234 26 1020
Otro 50 35 33 33 1 152
Total 528 690 645 764 156 2783

Grados, de Sig. asintótica

Valor
libertad (bilateral)

Chi-cuadrado de Pearson 154,043 20 0,000

Razón de verosimilitud 158,282 20 0,000
N° casos, válidos 2783

37
 Tipo de accidente
Año Total
Marcha Obstáculo Atropello Vuelco Salida Otro
1993 433 10 38 15 258 26 780
1994 333 11 37 19 263 32 695
1995 340 12 22 18 247 37 676
1996 277 6 19 21 252 57 632
Total 1383 39 116 73 1020 152 2783

Grados, de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 48,074 15 0,000
Razón de. verosimilitud 47,011 15 0,000
N" casos válidos 2783

38
Día de Tipo de accidente
lase- Total
mana Marcha Obstáculo Atropello Vuelco Salida Otro

1 173 3 16 9 133 26 360

2 152 5 12 13 109 27 318
3 195 9 12 13 120 19 368
4 176 2 20 5 105 9 317
5 208 5 19 14 133 26 405
6 233 5 21 7 191 28 485
7 246 10 16 12 229 17 530
Total 1383 39 116 73 1020 152 2783

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 56,124 30 0,003
Razón de verosimilitud 56,407 30 0,002
N° casos válidos 2783

39
 Tipo de accidente
Total
muertos Marcha Obstáculo Atropello Vuelco Salida Otro
0 1217 35 85 67 932 146 2482
1 128 4 25 6 81 6 250
>1 37 0 6 0 7 0 50
Total 1382 39 116 73 1020 152 2782

Grados de Sig. asintótica

Valor
libertad (bilateral)
CM-cuadrado de Pearson 56J01 10 0,000
Razón de verosimilitud 55,34 10 0,000
N° casos válidos 2782

N°.de Tipo, de accidente

vehículos Total
implicados Marcha Obstáculo Atropello Vuelco Salida Otro

1 43 15 108 66 950 98 1280

>1 1337 24 8 7 67 53 1496
Total 1380 39 116 73 1017 151 2776

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 2125,456 5 0,000
Razón de verosimilitud 2602,59 5 0,000
N° casos válidos 2776

40
 Tipo de accidente
Superficie Total
Marcha Obstáculo Atropello Vuelco Salida Otro
Limpia y
652 33 98 48 647 19 1497
seca

Deslizante 297 6 18 17 230 10 578

Total 949 39 116 65 877 29 2075

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 19,282 5 0,002
Razón de verosimilitud 20,615 5 0,001
N°. casos válidos 2075

Tipo de accidente
Luminosidad Total
Marcha Obstáculo Atropello Vuelco Salida Otro
Día 623 25 56 45 516 19 1284
Crepúsculo 58 4 7 3 49 0 121
Noche 268 10 53 17 312 10 670
Total 949 39 116 65 877 29 2075

Grados de Sig. asintótica

Valor
libertad (bilateral)

Chi-cuadrado de Pearson 26,549 10 0,003

Razón de verosimilitud 27,721 10 0,002
N° casos, válidos 2075

41
 Factores at- Tipo, de accidente
Total
mosféricos Marcha Obstáculo Atropello Vuelco Salida Otro

Buenos 645 34 93 56 625 21 1474

Malos 304 5 23 9 252 8 601

Total 949 39 116 65 877 29 2075

Grados de Sig. asintótica

Valor
libertad (bilateral)

Chi-cuadrado de Pearson 21,262 5 0,001

Razón de verosimilitud 23,483 5 0,000
N° casos válidos 2075

Visibilidad de Tipo de accidente

la señaliza- Total
ción Marcha Obstáculo Atropello Vuelco Salida Otro

Buena 946 39 116 65 874 29 2069

Mala 3 0 0 0 3 0 6

Total 949 39 116 65 877 29 2075

Grados de Sig. asintótica

Valor
libertad (bilateral)

Chi-cuadrado. de Pearson 0,831 5 0,975

Razón de verosimilitud 1,546 5 0,908

N" casos, válidos 2075

42
4.-TABLAS DE CONTINGENCIA MÚLTIPLE.

43
 4.1.- Carreteras con calzadas separadas.

N° de unidades
Clasificación por variables de accidente pertenecientes a %(2)
la clase (1)

Clase 1 de 6 672 60,87

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

26,61 87,25 95,68 66,76 1 n° vehículos 737

25,10 90,82 86,90 58,24 salida tipo accidente 643

13,70 66,67 100,00 91,30 0 n" de muertos 1008

3,88 88,37 5,65 3,89 vuelco tipo accidente 43

3,50 65,91 56,10 51,81 día luminosidad 572

2,69 66,17 39,88 36,68 mañana hora 405

2,38 67,03 27,83 25,27 primavera mes 279

-4,00 49,59 18,15 22,28 noche luminosidad 246

-5,72 0,00 0,00 1,81 >1 n" de muertos 20

-6,04 0,00 0,00 1,99 atropello tipo accidente 22

-8,44 0,00 0,00 3,62 obstáculo tipo accidente 40

-12,03 0,00 0,00 6,88 1 n° de muertos 76

-25,90 0,00 0,00 25,09 marcha tipo accidente 277

-26,53 7,92 4,32 33,15 >1 n° vehículos 366

(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %. de unidades de la clase con la modaüdad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

45
 N°. de unidades
Clasificación por. variables de. accidente pertenecientes, a %.(2)
la clase (1)
Clase 2 de 6 60 5,43

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

1943 78,95 100,00 6,88 1 n". de muertos 76

4,95 7,13 98,33 74,91 buena visibilidad sen. 827
3,35 7,34 80,00 59,24 limpia y seca superficie 654
3,05 9,76 40,00 22,28 noche luminosidad 246
2,92 7,15 76,67 58,24 salida tipo accidente 643

2,91 7,14 76,67 58,33 buenos factores atm. 644

-2,33 0,00 0,00 7,16 otro tipo accidente 79

-5,06 0,00 0,00 21,92 sin datos visibilidad sen. 242
-5,06 0,00 0,00 21,92 sin datos factores atm. 242
-5,06 0,00 0,00 21,92 sin datos luminosidad 242
-5,06 0,00 0,00 21,92 sin datos superficie 242
-18,16 0,00 0,00 91,30 0 n° de. muertos 1008
(1) número de unidades del total que pertenecen a la clase,
(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5). % de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

46
 N° de unidades
Clasificación por variables de accidente pertenecientes a %(2)
la clase (1)
Clase 3 de 6 22 1,99

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

99,99 100,00 100,00 1,99 atropello tipo accidente 22

4,86 13,16 45,45 6,88 1 rf de muertos 76

4,01 5,69 63,64 22,28 noche luminosidad 246
3,13 3,11 90,91 58,33 buenos factores atm. 644
3,05 3,06 90,91 59,24 limpia y seca superficie 654

2,94 2,66 100,00 74,91 buena visibilidad sen. 827

-2,65 0,00 0,00 21,92 sin datos luminosidad 242
-2,65 0,00 0,00 21,92 sin datos factores atm. 242
-2,65 0,00 0,00 21,92 sin datos visibilidad sen. 242
-2,65 0,00 0,00 21,92 sin datos superficie 242
-2,94 0,00 0,00 25,09 marcha tipo accidente 277
-4,43 1,19 54,55 91,30 0 n° de miuertos 1008
-5,80 0,00 0,00 58,24 salida tipo accidente 643
(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4). % de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

47
 N" de unidades
Clasificación por. variables de accidente pertenecientes, a %(2)
la clase (1)

Clase 4 de 6 20 1,81

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

13,72 100,00 100,00 1,81 >1 n". de muertos 20

2,76 2,42 100,00 74,91 buena visibilidad sen. 827

2,50 4,33 45,00 18,84 deslizante superficie 208

2,38 4,13 45,00 19,75 malos factores atm. 218

-2,47 0,00 0,00 21,92 sin datos factores atm. 242

-2,47 0,00 0,00 21,92 sin datos visibilidad sen. 242

-2,47 0,00 0,00 21,92 sin datos luminosidad 242

-2,47 0,00 0,00 21,92 sin datos superficie 242

-9,76 0,00 0,00 91,30 0 n°. de muertos 1008

(1) número, de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.
(3) %. de unidades del total con la modalidad considerada que pertenecen a la clase.
(4). % de unidades de la clase con la modalidad considerada,
(5) % de unidades del total con la modalidad considerada.
(6). número de unidades del total con la modalidad considerada.

48
 N° de unidades
Clasificación por variables, de accidente pertenecientes a %(2)
la clase (1)
Clase 5. de 6 39 3,53

Valor, del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

99,99 97,50 100,00 3,62 obstáculo tipo accidente 40

3,87 6,83 64,10 33,15 >1 n° de. vehículos 366

3,62 4,59 97,44 74,91 buena visibilidad sen. 827
-3,85 1,90 35,90 66,76 1 n° de vehículos 737
-3,88 0,00 0,00 21,92 sin datos luminosidad 242

-3,88 0,00 0,00 21,92 sin datos superficie 242

-3,88 0,00 0,00 21,92 sin datos factores atm. 242

-3,88 0,00 0,00 21,92 sin datos visibilidad sen. 242

-4,26 0,00 0,00 25,09 marcha tipo accidente 277
-8,00 0,00 0,00 58,24 salida tipo accidente 643
(1) número de unidades del total que pertenecen a la clase.
(2). %. de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) %. de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

49
 N" de unidades
Clasificación por variables de accidente pertenecientes, a %(2)
la clase (1)
Clase 6 de 6 291 26,36

Valor del Porcentajes N°. de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

29,38 93,5 89 25,09 marcha tipo accidente 277

28,47 77,87 97,94 33,15 >1 n° de. vehículos 366

7,50 28,87 100,00 91,30 0 n° de muertos 1008

5,25 40,08 33,33 21,92 sin datos factores atm. 242

5,25 40,08 33,33 21,92 sin datos luminosidad 242

5,25 40,08 33,33 21,92 sin datos visibilidad sen. 242

5,25 40,08 33,33 21,92 sin datos superficie 242

-2,60 9,30 1,37 3,89 vuelco tipo, accidente 43

-2,87 0,00 , 0,00 1,81 >1 n° de muertos 20

-3,06 0,00 0,00 1,99 atropello tipo, accidente 22

-3,11 17,79 12,71 18,84 deslizante superficie 208

-3,35 17,43 13,06 19,75 malos factores atm. 218

-4,48 0,00 0,00 3,62 obstáculo tipo accidente 40

-4,55 22,73 64,60 74,91 buena visibilidad sen. 827

-4,69 20,28 39,86 51,81 día luminosidad 572

-6,55 0,00 0,00 6,88 1 n" de muertos 76

-25,64 0,00 0,00 58,24 salida tipo accidente 643

-28,63 0,68 1,72 66,76 1 n° de vehículos 737

(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %. de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

50
 N° de unidades pertene-
Clasificación por variables de entorno %(2)
cientes a la clase (1)

Clase I de 5 428 38,77

Valor del Porcentajes N" de unida-

Modalidad Variable
test (3) (4) (5) des (6)

28,63 74,83 100,00 51,81 día luminosidad 572

23,16 64,22 98,13 59,24 limpia y seca superficie 654

23,03 64,75 97,43 58,33 buenos factores, atm. 644

12,93 48,97 94,63 74,91 buena visibilidad sen. 827

8,14 56,89 45,33 30,89 verano mes 341

7,22 52,84 50,00 36,68 mañana hora 405

3,23 44,42 48,36 42,21 tarde hora 466

3,17 42,77 64,25 58,24 salida tipo accidente 643

3,10 65,71 5,37 3,17 mala visibilidad sefi. 35

2,34 41,25 71,03 66,76 1 n" de vehículos 737

-2,42 33,61 28,74 33,15 >1 n" de vehículos 366

-4,05 17,72 3,27 7,16 otro tipo accidente 79

-4,32 27,09 15,89 22,74 otoño mes 251

-4,77 25,32 13,79 21,11 invierno mes 233

-6,22 0,00 0,00 3,99 crepúsculo luminosidad 44

-12,61 5,05 2,57 19,75 malos factores atm. 218

-12,83 3,85 1,87 18,84 deslizante superficie 208

-14,19 3,0 1,64 21,11 noche hora 233

-16,49 0,00 0,00 21,92 sin datos superficie 242

-16,49 0,00 0,00 21,92 sin datos luminosidad 242

-16,49 0,00 0,00 21,92 sin datos visibilidad sen. 242

-16,49 0,00 0,00 21,92 sin datos factores, attn. 242

-16,66 0,00 0,00 22,28 noche luminosidad 246

(1) número de unidades, del total que pertenecen a la clase.

(2) %. de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.

(4). % de unidades, de la clase, con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de iinidades del total con la modalidad considerada.

51
 N° de. unidades
Clasificación por. variables de. entorno pertenecientes a %.(2)
la clase (1)

Clase. 2 de 5 44 3,99

Valor, del Porcentajes N" de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

99,99 100,00 100,00 3,99 crepúsculo luminosidad 44

3,58 8,37 47,73 22,74 otoño mes 251

3,43 5,08 95,45 74,91 buena visibilidad sen. 827

2,73 5,35 79,55 59,24 limpia y. seca superficie 654

-4,18 0,00 0,00 21,92 sin datos factores atm. 242

-4,18 0,00 0,00 21,92 sin datos superficie 242

-4,18 0,00 0,00 21,92 sin datos visibilidad sen. 242

-4,18 0,00 0,00 21,92 sin datos luminosidad 242

-4,23 0,00 0,00 22,28 noche luminosidad 246

-7,76 0,00 0,00 51,81 día luminosidad 572

(1). número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %. de unidades de la clase con la modalidad considerada.
(5) %. de unidades del total con la modalidad considerada.

(6). número de unidades del total con la modalidad considerada.

52
 N" de unidades
Clasificación por variables de entorno pertenecientes a %(2)
la clase (1)

Clase 3. de 5 203 18,39

Valor, del Porcentajes N"* de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

28,55 82,52 100,00 22,28 noche luminosidad 246

15,15 55,79 64,04 21,11 noche hora 233

14,15 30,43 98,03 59,24 limpia y seca superficie 654

13,89 30,59 97,04 58,33 buenos factores, atm. 644

8,94 23,7 96,55 74,91 buena visibilidad sen. 827

4,63 40,79 15,27 6,88 1 n° de muertos 76

4,10 59,09 6,40 1,99 atropello tipo accidente 22

-3,21 13,95 32,02 42,21 tarde hora 466

-3,70 0,00 0,00 3,99 crepúsculo luminosidad 44

-3,79 3,80 1,48 7,16 otro tipo accidente 79

-4,31 16,67 82,76 91,30 0 D° de muertos 1008

-7,57 2,75 2,96 19,75 malos factores atm. 218

-7,89 1,92 1,97 18,84 deslizante superficie 208

-10,31 0,00 0,00 21,92 sin datos visibilidad sen. 242

-10,31 0,00 0,00 21,92 sin datos factores atm. 242

-10,31 0,00 0,00 21,92 sin datos luminosidad 242

-10,31 0,00 0,00 21,92 sin datos superficie 242

-12,02 1,98 3,94 36,68 mañana hora 405

-18,40 0,00 0,00 51,81 día luminosidad 572

(1) niimero de unidades, del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.
(3) % de. unidades del total con la modalidad considerada que pertenecen a la clase.

(4) % de unidades, de. la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de unidades del total con la modalidad considerada.

53
 N° de unidades
Clasificación por variables de entorno pertenecientes a %(2)
la clase (1)
Clase 4 de 5 187 16,94
Valor del Porcentajes N°. de uni-
Modalidad Variable
test (3) (4) (5) dades (6)

29,28 89,90 100,00 18,84 deslizante superficie 208

28,55 85,78 100,00 19,75 malos factores atm. 218
9,55 22,25 98,40 74,91 buena visibilidad sefi. 827
7,67 25,17 77,01 51,81 día luminosidad 572
4,16 26,61 33,16 21,11 invierno mes 233
3,90 20,68 71,12 58,24 salida tipo accidente 643
3,11 21,73 47,06 36,68 mañana hora 405
2,80 23,11 31,02 22,74 otoño mes 251
2,76 45,00 4,81 1,81 >1 n° de muertos 20

-3,49 0,00 0,00 3,99 crepúsculo luminosidad 44

-3,73 9,01 11,23 21,11 noche hora 233

-8,29 4,11 7,49 30,89 verano mes 341

-9,82 0,00 0,00 21,92 sin datos factores atm. 242

-9,82 0,00 0,00 21,92 sin datos visibilidad sen. 242

-9,82 0,00 0,00 21,92 sin datos superficie 242

-9,82 0,00 0,00 21,92 sin datos luminosidad 242

-19,36 0,00 0,00 58,33 buenos factores atm. 644

-19,63 0,00 0,00 59,24 limpia y seca superficie 654

(1) número de unidades del total que pertenecen a la clase,

(2). % de unidades, del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4). % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de unidades del total con la modalidad considerada.

54
 N° de unidades pertene-
Clasificación por variables de entorno % (2)
cientes ala clase (1)

Clase 5 de 5 242 21,92

Valor del Porcentajes N° de unida-

Modalidad Variable
test (3) (4) (5) des (6)

33,84 100,00 100,00 21,92 sin datos superficie 242

33,84 100,00 100,00 21,92 sin datos visibilidad sen. 242

33,84 100,00 100,00 21,92 sin datos factores atm. 242

33,84 100,00 100,00 21,92 sin datos luminosidad 242

9,39 69,62 22,73 7,16 otro tipo accidente 79

6,67 24,01 100,00 91,30 0 n° de muertos 1008

3,21 30,04 28,93 21,11 noche hora 233

2,80 27,05 40,91 33,15 >1 n° de vehículos 366

2,70 28,76 27,69 21,11 invierno mes 233

-2,47 0,00 0,00 1,81 >1 n° de muertos 20

-2,65 0,00 0,00 1,99 atropello tipo accidente 22

-2,76 19,4 59,09 66,76 1 n° de vehículos 737

-3,62 0,00 0,00 3,17 mala visibilidad sen. 35
-3,76 11,43 8,26 15,85 1993 año 175
-3,94 0,00 0,00 3,62 obstáculo tipo accidente 40

-4,18 0,00 0,00 3,99 crepúsculo luminosidad 44

-5,35 16,17 42,98 58,24 salida tipo accidente 643

-5,82 0,00 0,00 6,88 1 n° de muertos 76

-10,46 0,00 0,00 18,84 deslizante superficie 208

-10,76 0,00 0,00 19,75 malos factores atm. 218
-11,57 0,00 0,00 22,28 noche luminosidad 246

-20,49 0,00 0,00 51,81 día luminosidad 572

-22,72 0,00 0,00 58,33 buenos factores atm. 644

-23,05 0,00 0,00 59,24 limpia y seca superficie 654

-30,66 0,00 0,00 74,91 buena visibilidad sen. 827

(1). número. de.ianidades.deltolalquftperteneccn. a. la clase.

(2) % dcunidades. dcL total qucpertcnecen a la clase.

(3) % deunidadea dcL total con la modalidad considerada que pertenecen, a la clase.

(4). % deunidades. de. la clase; con. la modalidad considerada.

(5) % deunidades, del total con. la modalidad considerada,

(,6) número, dcunidadcs-deltotal con. ta. modalidad considerada.

55
 4.2.- Carreteras de calzada única.
N° de unidades, per-

Clasificación por variables, de accidente tenecientes a la cía- %(2)

se(l)
Clase 1 de 6 1383 49,69

Valor del Porcentajes N" de unida-

Modalidad Variable
test (3) (4) (5) des (6)

61,97 100,00 100,00 49,69 marcha tipo accidente 1383

49,42 89,37 96,67 53,75 >1 n° de vehículos 1496

7,13 61,30 31,38 25,44 sin datos visibilidad sen. 708

7,13 61,30 31,38 25,44 sin datos luminosidad 708

7,13 61,30 31,38 25,44 sin datos superficie 708

7,13 61,30 31,38 25,44 sin datos factores atm. 708

3,79 55,51 31,31 28,03 1993 año 780

3,59 53,82 44,32 40,93 tarde hora 1139

3,38 74,00 2,68 1,80 >1 n°. de muertos 50

-3,31 43,83 20,03 22,71 1996 año 632

-5,73 40,00 19,38 24,07 noche luminosidad 670

-6,39 38,01 16,27 21,27 noche hora 592

-6,62 43,76 46,64 52,96 buenos factores, atm. 1474

-6,95 0,00 0,00 1,40 obstáculo tipo accidente 39

-6,96 43,55 47,14 53,79 limpia y seca superficie 1497

-7,11 45,72 68,40 74,34 buena visibilidad sen. 2069

-9,80 0,00 0,00 2,62 vuelco tipa accidente 73

-12,55 0,00 0,00 4,17 atropello tipo, accidente 116

-14,51 0,00 0,00 5,46 otro tipo, accidente 152

-44,83 0,00 0,00 36„65 salida tipo accidente 1020

-49,44 3,36 3,11 45,99 1 n" de. vehículos 1280

(1) número de unidades del total que pertenecen a la clase.

(2). % de unidades del total que pertenecen a la clase.

(3) %. de unidades, del total con la modalidad considerada que pertenecen a la clase.
(4). % de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

56
 N° de unidades
Clasificación por. variables de accidente pertenecientes a %(2)
la clase (1)
Clase 2 de 6 39 1,40
Valor, del Porcentajes N° de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
99,99 100,00 100,00 1,40 obstáculo tipo accidente 39
4,39 2,31 87,18 52,96 buenos factores atm. 1474
4,30 1,88 100,00 74,34 buena visibilidad sen. 2069
3,91 2,20 84,62 53,79 limpia y seca superficie 1497
2,65 2,53 46,15 25,55 primavera mes 711
-4,27 0,00 0,00 25,44 sin datos factores atm. 708
-4,27 0,00 0,00 25,44 sin datos superficie 708
-4,27 0,00 0,00 25,44 sin datos visibilidad sen. 708
-4,27 0,00 0,00 25,44 sin datos luminosidad 708
-5,53 0,00 0,00 36,65 salida tipo accidente 1020
-6,95 0,00 0,00 49,69 marcha tipo accidente 1383
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %. de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

57
 N° de unidades per-
Clasificación por variables de accidente tenecientes a la %(2)
clase (1)
Clase 3 de. 6 152 5,46

Valordel Porcentajes N". de unida-

Modalidad Variable
test (3) (4) (5) des. (6)

34,09 100,00 100,00 5,46 otro tipo accidente 152

14,75 17,37 80,92 25,44 sin datos visibilidad sen. 708
14,75 17,37 80,92 25,44 sin datos factores atm. 708

14,75 17,37 80,92 25,44 sin datos superficie 708

14,75 17,37 80,92 25,44 sin datos luminosidad 708

4,62 7,66 64,47 45,99 1 n° de vehículos 1280

4,16 9,02 37,50 22,71 1996 año 632
2,95 5,88 96,05 89,18 0 n" de muertos 2482
-3,03 0,00 0,00 4,17 atropello tipo accidente 116
-3,11 3,33 17,11 28,03 1993 año 780
-3,12 0,00 0,00 4,35 crepúsculo luminosidad 121
-4,73 3,54 34,87 53,75 >1 n" de. vehículos 1496

-4,83 1,73 6,58 20,77 deslizante superficie 578

-5,60 1,33 5,26 21,60 malos factores atm. 601

-5,71 1,49 6,58 24,07 noche luminosidad 670

-9,03 1,48 12,50 46,14 día luminosidad 1284
-10,27 1,42 13,82 52,96 buenos factores atm. 1474
-10,87 1,27 12,50 53,79 limpia y seca superficie 1497
-11,71 0,00 0,00 36,65 salida tipo accidente 1020
-14,51 0,00 0,00 49,69 marcha tipo, accidente 1383
-14,68 1,40 19,08 74,34 buena visibilidad sen. 2069
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.

(4) %. de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.
(6) número de unidades, del total con la modalidad considerada.

58
 N° de unidades
Clasificación por variables de accidente pertenecientes a %(2)
la clase (1)
Clase 4 de 6 116 4,17
Valor del Porcentajes N° de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
30,77 100,00 100,00 4,17 atropello tipo accidente 116
11,00 8,44 93,10 45,99 1 n° de vehículos 1280
8,04 5,61 100,00 74,34 buena visibilidad sen. 2069
7,03 6,55 84,48 53,79 limpia y. seca superficie 1497
6,12 6,31 80,17 52,96 buenos factores attn. 1474
5,11 7,91 45,69 24,07 noche luminosidad 670
4,09 9,96 21,55 9,02 1 n° de muertos 251
-3,03 0,00 0,00 5,46 otro tipo accidente 152
-4,81 3,42 73,28 89,18 0 n° de muertos 2482
-7,99 0,00 0,00 25,44 sin datos luminosidad 708
-7,99 0,00 0,00 25,44 sin datos visibiüdad sen. 708
-7,99 0,00 0,00 25,44 sin datos superficie 708
-7,99 0,00 0,00 25,44 sin datos factores atm. 708
-10,12 0,00 0,00 36,65 salida tipo accidente 1020
-10,95 0,53 6,90 53,75 >1 n° de vehículos 1496
-12,55 0,00 0,00 49,69 marcha tipo accidente 1383
(1) número de unidades del total que pertenecen a la clase.
(2). % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modaüdad considerada.
(5) %. de unidades del total con la modaüdad considerada.
(6) número de unidades del total con la modalidad considerada.

59
 N° de unidades
Clasificación por. variables de. accidente pertenecientes, a %.(2)
la clase (1)
Clase 5. de 6 73 2,62

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

25,66 100,00 100,00 2,62 vuelco tipo accidente 73

8,00 5,16 90,41 45,99 1 n" de vehículos 1280

4,11 3,80 76,71 52,96 buenos factores atm. 1474

2,98 3,14 89,04 74,34 buena visibilidad sen. 2069

2,57 3,50 61,64 46,14 día luminosidad 1284

-2,94 1,13 10,96 25,44 sin datos factores atm. 708

-2,94 1,13 10,96 25,44 sin datos superficie 708

-2,94 1,13 10,96 25,44 sin datos luminosidad 708

-2,94 1,13 10,96 25,44 sin datos visibilidad sen. 708

-7,87 0,00 0,00 36,65 salida tipo accidente 1020

-7,96 0,47 9,59 53,75 >1 n° de vehículos 1496

-9,80 0,00 0,00 49,69 marcha tipo accidente 1383

(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

60
 N° de \fflidades pertene-
Clasificación por variables de accidente % (2)
cientes a la clase (1)

Clase 6 de 6 1020 36,65

Valor del Porcentajes N° de unida-

Modalidad Variable
test (3) (4) (5) des (6)

60,32 100,00 100,00 36,65 salida tipo accidente 1020

40,32 74,22 93,14 45,99 1 n° de vehículos 1280

10,70 42,24 85,69 74,34 buena visibilidad sen. 2069

7,75 43,22 63,43 53,79 limpia y seca superficie 1497

6,66 42,40 61,27 52,96 buenos factores atm. 1474

6,01 46,57 30,59 24,07 noche luminosidad 670

5,66 46,79 27,16 21,27 noche hora 592

3,54 40,19 50,59 46,14 día luminosidad 1284

2,97 41,93 24,71 21,60 malos factores atm. 601

2,80 37,55 91,37 89,18 0 n" de muertos 2482

2,52 38,94 54,22 51,02 final semana día semana 1420

-2,41 33,08 25,29 28,03 1993 año 780

-2,52 34,26 45,78 48,98 laborable día semana 1363

-3,41 14,00 0,69 1,80 >1 n" de muertos 50

-4,57 31,61 35,29 40,93 tarde hora 1139

-5,53 0,00 0,00 1,40 obstáculo tipo accidente 39

-7,87 0,00 0,00 2,62 vuelco tipo accidente 73

-10,12 0,00 0,00 4,17 atropello tipo accidente 116

-10,82 20,20 14,02 25,44 sin datos factores atm. 708

-10,82 20,20 14,02 25,44 sin datos superficie 708

-10,82 20,20 14,02 25,44 sin datos luminosidad 708

-10,82 20,20 14,02 25,44 sia datos visibilidad sen. 708

-11,71 0,00 0,00 5,46 otro tipo accidente 152

-40,40 4,48 6,57 53,75 >1 n° de vehículos 1496

-44,83 0,00 0,00 49,69 marcha tipo accidente 1383

(1) númcio. d:iunidades, det total que pertenecen, a la clase.

(2) % deunidades, dcLiolal quapcrtcnccena la clase.

(3). % dcunidades. dcLlotal con la modalidad considerada que pertenecen a la clase.

(4) % dcunidades, de la clasccon. la modalidad considerada

(5). % deunidades del tolal con. la. modalidad considerada.

(6). número, de unidades, del total con la modalidad considerada

61
 N" de unidades pertene-
Clasificación por variables, de. entorno %(2)
cientes a la clase ( 1 )

Clase 1. de 6 886 31,84

Valor del Porcentajes N" de unida-

Modalidad Variable
test (3) (4) (5) des (6)

43,39 69,00 100,00 46,14 día luminosidad 1284

38,6 60,11 100,00 52,96 buenos factores atm. 1474

38,06 59,19 100,00 53,79 limpia y seca superficie 1497

24,79 42,68 99,66 74,34 buena visibilidad sen. 2069

10,30 43,63 51,81 37,80 mañana hora 1052

9,02 44,58 40,41 28,85 verano mes 803

4,53 36,70 47,18 40,93 tarde hora 1139

3,43 41,83 11,85 9,02 1 n" de muertos 251

3,26 35,69 41,08 36,65 salida tipo accidente 1020

2,71 53,85 2,37 1,40 obstáculo tipo accidente 39

-3,31 30,78 86,23 89,18 0 n" de muertos 2482

-5,17 23,86 18,28 24,40 otoño mes 679

-6,68 9,21 1,58 5,46 otro tipo accidente 152

-7,33 19,66 13,09 21,20 invierno mes 590

-9,44 0,00 0,00 4,35 crepúsculo luminosidad 121

-20,87 1,52 1,02 21,27 noche hora 592

-22,43 0,00 0,00 20,77 deslizante superficie 578

-22,95 0,00 0,00 21,60 malo factores atm. 601

-24,50 0,00 0,00 24,07 noche luminosidad 670

-25,34 0,00 0,00 25,44 sin datos factores atm. 708

-25,34 0,00 0,00 25,44 sin datos superficie 708

-25,34 0,00 0,00 25,44 sin datos visibilidad sen. 708

-25,34 0,00 0,00 25,44 sin datos luminosidad 708

(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.

(4) % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de xmidades del total con la modalidad considerada.

62
 N° de unidades pertene-
Clasificación por variables de, entorno % (2)
cientes a la clase (1)

Clase. 2 de 6 459 16,49

Valor del Porcentajes N° de unida-

Modalidad Variable
test (3) (4) (5) des (6)

40,58 68,51 100,00 24,07 noche Inminosidad 670

25,60 31,14 100,00 52,96 buenos factores atm. 1474

25,27 30,66 100,00 53,79 limpia y seca superficie 1497

23,67 51,69 66,67 21,27 noche hora 592

17,17 22,18 100,00 74,34 buena visibilidad sen. 2069

5,65 30,28 16,56 9,02 1 n". de muertos 251

5,38 37,07 9,37 4,17 atropello tipo accidente 116

5,06 20,39 56,86 45,99 1 n° de vehículos 1280

4,23 20,49 45,53 36,65 salida tipo accidente 1020

-4,88 13,02 39,22 49,69 marcha tipo accidente 1383

-5,14 13,10 42,70 53,75 >1 n" de vehículos 1496

-5,45 2,63 0,87 5,46 otro tipo accidente 152

-5,68 14,99 81,05 89,18 0 n" de muertos 2482

-6,26 0,00 0,00 4,35 crepúsculo luminosidad 121

-6,28 11,24 27,89 40,93 tarde hora 1139

-15,14 0,00 0,00 20,77 deslizante superficie 578

-15,49 0,00 0,00 21,60 malos factores atm. 601

-17,08 0,00 0,00 25,44 sin datos factores atm. 708

-17,08 0,00 0,00 25,44 sin datos visibilidad sen. 708

-17,08 0,00 0,00 25,44 sin datos luminosidad 708

-17,08 0,00 0,00 25,44 sin datos superficie 708

-17,42 2,38 5,45 37,80 mañana hora 1052

-25,24 0,00 0,00 46,14 día luminosidad 1284

(1) número, de unidades, del total que pertenecen a la clase.

(2) % de unidades, del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.

(4). % de unidades, de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de unidades del total con la modalidad considerada.

63
 N° de unidades
Clasificación por variables de entorno pertenecientes a %.(2)
la clase (1)
Clase 3 de 6 121 4,35
Valor del Porcentajes N° de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
31,27 100,00 100,00 4,35 crepúsculo luminosidad 121
7,75 5,80 99,17 74,34 buena visibilidad sefi. 2069
4,36 7,96 38,02 20,77 deslizante superficie 578
4,12 7,65 38,02 21,60 malos factores atm. 601
-3,12 0,00 0,00 5,46 otro tipo accidente 152
-7,91 0,00 0,00 24,07 noche luminosidad 670
-8,18 0,00 0,00 25,44 sin datos factores atm. 708
-8,18 0,00 0,00 25,44 sin datos visibilidad sen. 708
-8,18 0,00 0,00 25,44 sin datos superficie 708
-8,18 0,00 0,00 25,44 sin datos luminosidad 708
-12,15 0,00 0,00 46,14 día luminosidad 1284
(1). número, de unidades del total que pertenecen a la clase.
(2). % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) %. de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

64
 N° de unidades perte-
Clasificación por variables de entorno necientes a la clase % (2)
(1)
Clase 4 de 6 211 7,58

Valor del Porcentajes N" de unida-

Modalidad Variable
test (3) (4) (5) des (6)

25,51 31,49 100,00 24,07 noche luminosidad 670

22,96 32,11 91,47 21,60 malos factores atm. 601

20,36 30,28 82,94 20,77 deslizante superficie 578

11,92 20,44 57,35 21,27 noche hora 592

10,40 10,10 99,05 74,34 buena visibilidad sen. 2069

7,12 15,08 42,18 21,20 invierno mes 590

4,02 9,58 64,45 51,02 fin semana día semana 1420

3,69 10,10 48,82 36,65 salida tipo accidente 1020

3,08 9,30 56,40 45,99 1 n° de vehículos 1280

2,43 9,97 29,86 22,71 1996 año 632

-2,35 6,36 41,71 49,69 marcha tipo accidente 1383

-2,77 5,18 17,06 24,97 1994 año 695

-3,00 6,15 43,60 53,75 >1 n° de vehículos 1496

-3,87 0,00 0,00 4,35 crepúsculo luminosidad 121

-4,02 5,50 35,55 48,98 laborable día semana 1363

-7,61 2,12 8,06 28,85 verano mes 803

-10,17 1,62 8,06 37,80 mañana hora 1052

-11,10 0,00 0,00 25,44 sin datos visibilidad sen. 708

-11,10 0,00 0,00 25,44 sin datos luminosidad 708

-11,10 0,00 0,00 25,44 sin datos superficie 708

-11,10 0,00 0,00 25,44 sin datos factores atm. 708

-11,38 2,40 17,06 53,79 limpia y seca superficie 1497

-14,21 1,22 8,53 52,96 buenos factores atm. 1474

-16,39 0,00 0,00 46,14 día luminosidad 4284

(1) numero de unidades de] total que pertenecen a la dase.

(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a

(4) % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de unidades del total con la modalidad considerada.

65
 N° de unidades
Clasificación por variables de entorno pertenecientes a %(2)
la clase (1)
Clase 5 de 6 398 14,30

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

33,24 60,23 90,95 21,60 malos factores atm. 601

33,21 61,76 89,70 20,77 deslizante superficie 578

26,19 31,00 100,00 46,14 día luminosidad 1284

15,84 19,24 100,00 74,34 buena visibilidad sen. 2069
9,13 22,24 58,79 37,80 mañana hora 1052
3,08 32,00 4,02 1,80 >1 n" de muertos 50
-2,46 11,71 23,62 28,85 verano mes 803
-4,45 3,29 1,26 5,46 otro tipo accidente 152
-5,74 0,00 0,00 4,35 crepúsculo luminosidad 121
-13,23 0,51 0,75 21,27 noche hora 592

-15,25 0,00 0,00 24,07 noche luminosidad 670

-15,76 0,00 0,00 25,44 sin datos factores atm. 708
-15,76 0,00 0,00 25,44 sin datos luminosidad 708
-15,76 0,00 0,00 25,44 sin datos visibilidad sefi. 708
-15,76 0,00 0,00 25,44 sin datos superficie 708
-19,66 2,74 10,30 53,79 limpia y seca superficie 1497
-19,98 2,44 9,05 52,96 buenos factores atm. 1474
(1). número de unidades del total que pertenecen a la clase.
(2) %. de. unidades, del total que pertenecen a la clase.
(3). % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4). %. de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6). número de unidades del total con la modalidad considerada.

66
 N° de unidades pertene-
Clasificación por variables de entorno % (2)
cientes a la clase (1)

Clase 6 de 6 708 25,44

Valor del Porcentajes N° de unida-

Modalidad Variable
test (3) (4) (5) des (6)

56,02 100,00 100,00 25,44 sin datos factores atm. 708

56,02 100,00 100,00 25,44 sin datos superficie 708
56,02 100,00 100,00 25,44 sin datos visibilidad sen. 708
56,02 100,00 100,00 25,44 sin datos luminosidad 708

14,75 80,92 17,37 5,46 otro tipo accidente 152

13,49 28,53 100,00 89,18 0 n° de muertos 2482

7,92 31,48 66,53 53,75 >1 n" de vehículos 1496

7,13 31,38 61,30 49,69 marcha tipo accidente 1383

2,76 27,81 53,53 48,98 laborable día semana 1363

-2,76 23,17 46,47 51,02 fm semana día semana 1420

-2,94 10,96 1,13 2,62 vuelco tipo accidente 73

-4,27 0,00 0,00 1,40 obstáculo tipo accidente 39

-4,97 0,00 0,00 1,80 >1 n° de muertos 50

-7,99 0,00 0,00 4,17 atropello tipo accidente 116

-8,18 0,00 0,00 4,35 crepúsculo luminosidad 121
-8,21 18,13 32,77 45,99 1 n" de vehículos 1280

-10,82 14,02 20,20 36,65 salida tipo accidente 1020

-12,21 0,00 0,00 9,02 1 n° de muertos 251

-19,52 0,00 0,00 20,77 deslizante superficie 578

-19,97 0,00 0,00 21,60 malos factores atm. 601

-21,3 0,00 0,00 24,07 noche luminosidad 670
-32,77 0,00 0,00 46,14 día luminosidad 1284

-36,62 0,00 0,00 52,96 buenos factores atm. 1474

-37,12 0,00 0,00 53,79 limpia y seca superficie 1497

-55,43 0,00 0,00 74,34 buena visibilidad sen. 2069

(1) numera deunidades, del toIaL quepcrtenecciia la clase.

(2) % dfeunidadcs deltotiL que pertenecen a la clase.

(3). %. deunidades, dellotat. coa la modalidad consiáeroda que pertenecen a la clase,

( 4 ) % de unidades, de. laclase con la modalidad considerada,

(5>%dft'umdadHidellotalcon. la modalidad considerada.

(6). número, deunidades, del total con. la modalidad considerada

67
5.- TABLAS DE CONTINGENCIA DE LAS CLASES.

69
 5.1.- Carreteras con calzadas separadas.

Variables de entorno es Variables de accidente

!=l tí
••O -o
"o "o
cd
tí tí
Visibilidad
-1—1

•i
O
Luminosidad
Factores
atmosféricos
déla Superficie 1 Tipo de
accidente
N^de
muertos
Wde
vehículos
señalización o
o o7
15 1 1 1 1 1 1
16 1 1 2 8 1 1 2
17 1 2 1 9 1 2 1

18 1 2 2 10 1 2 2
19 2 1 1 11 2 1 1
20 2 1 2 12 2 1 2
21 2 2 1 13 2 2 1
22 2 2 2 14 2 2 2
23 2 1 1 1 15 3 1 1
25 2 1 2 1 16 3 1 2

27 2 2 1 1 17 3 2 1
28 2 2 1 2 18 3 2 2
29 2 2 2 1 19 4 1 1
31 3 1 1 1 20 4 1 2
32 3 1 1 2 21 4 2 1
33 3 1 2 1 23 5 1 1
35 3 2 1 1 24 5 1 2
36 3 2 1 2 25 5 2 1
26 5 2 2
27 6 1 1

28 6 1 2
32 6 2 2

71
 m o x r- oo oo ^ m r-í - ••ir O - oo '^ r-- ^o SO
00
^
r-1 - i-H

00
ro m - 1^

rn
- \D 1—1 VO n Os

- t—1 - - 'd-

\o
- r~ ^ H Tf
OÍ 1—I CSI

(^ - rf} M - n - S
en
-* es
- \o os
oo (S Cl • *
- - ^O
- C<l \o w^

<N " T—<

O
C^ T—1 c^

«-1
M ^^ - - o

tí oo
O
C<1 - fO

ce

1 r- c^ to t^

\o T-^ T-H

n - O VO 2

•* ca T—1
- - >o

m
- -

r—< ^n - ^o C^

1—i
Os - T—< r-<
- fn

O -* - - ^^ »/^ M

o - -

oo - - en
r^ " 00 t—< 1—(
VI r—( .—1 os oo

t-~ M M

X UOTOBUiquiOQ >J-> •O r-- oo o o r- oo

o
ts O) íN m en
H

72
 Casos
Válidos Perdidos Total
N° % N'* % N" %

Combinación 1
861 78,0 243 22,0 1104 100,0
Combinación 2

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrada de Pearson 270,000 357 1,000
Razón de verosimilitud 189,697 357 1,000
N° casos válidos 861

73
 5.2.- Carreteras de calzada única.

r—1 Variables de entorno Variables de accidente

tí
-O tí
• I—(
o
'2
'o
ca cd
tí Visibilidad tí
a
o
Luminosidad
Factores
atmosféricos
déla Superficie 1
O
Tipo de
accidente
N°de
muertos
N»de
vehícxilos
señalización
U u
15 1 1 7 1 1 1
16 1 2 8 1 1 2
17 1 2 1 10 1 2 2
19 2 1 11 2 1 1
20 2 2 12 2 1 2
23 2 1 1 13 2 2 1
24 2 1 2 14 2 2 2
27 2 2 1 15 3 1 1
28 2 2 2 16 3 1 2
30 2 2 2 2 17 3 2 1
31 3 1 1 18 3 2 2
32 3 1 2 19 4 1 1
35 3 2 1 20 4 1 2
36 3 2 2 21 4 2 1
37 3 2 2 1 22 4 2 2
38 3 2 2 2 23 5 1 1
24 5 1 2
25 5 2 1
26 5 2 2
27 6 1 1
28 6 1 2
29 6 2 1
30 6 2 2

74
 es
\no± oo
oo
C^ ^ 1—1
1— • * ^i- ^¡í- - oo
^ - - o
<s

m c> - -
Tf - v\

- - o
"í - <N -

o
00 r-i - (S T—1 es • *
es

N o ^^ lO

00 ^H
<s - - r<1 <s - es
es

<N -* t^ -

C-l
C5 <N r^ r-> oo
<s - - ro es
r^ ^£3
s - es

es 7—t
- es

c3 ro - •*

o ro - • *

tí
"o o^ <s
es
O
- »ri - - OO es - \o
.s
-i oo
- - es
o
O
t~-
>n - - es ^^ es - <s

VO \o
m eO

m
- o «n (<1
es - \o

-* - - es

m 1—1
- es

(S o oo
<s - i-H T-H <s es
'Ti

- r^ - - • *
e»1

o o 00
d C^ 'I- <s - iri - <Tv es

oo OO - ro
s m ON
-
O
<3v o t; - ve

^a-
t~ t-~ - 1—1
- e<) -

1 u9pBraqxuo3 r- c^ O
<s
^o Si 00 o C<1
e^ í^ oo 2
o
es e<^
H

75
 Casos
Válidos Perdidos Total
N° % N" % NO %

Combinación 1
2072 74,5 711 25,5 2783 100,0
Combinación 2

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrada de Pearson 360,500 330 0,119
Razón de verosimilitud 271,186 330 0,992
N°. casos válidos 2072

76
6.- TABLAS DE CONTINGENCIA DE LAS CLASES Y
LAS INTENSIDADES HORARIAS.

77
 Carreteras con calzadas, separadas
Clases por
Intensidad horaraia
variables
Total
de acci-
1 2 3 4 5
dente

1 146 172 226 90 38 672

2 16 9 23 8 4 60
3 4 5 3 5 5 22
4 4 7 4 2 3 20
5 3 8 17 6 5 39
6 53 70 98 35 35 291
Total 226 271 371 146 90 1104

Grados de Sig. asintótica

Valor
libertad (bilateral)

Chi-cuadrado de Pearson 35,259 20 0,019

Razón de verosimilitud 34,682 20 0,022

N° casos válidos 1104

79
 Carreteras, con calzadas, separadas
Clases por Intensidad horaria
variables Total
de. entorno 1 2 3 4 5

1 30 89 187 70 52 428
2 5 14 11 6 8 44
3 93 48 31 19 12 203
4 37 55 74 17 4 187
5 61 65 68 34 14 242
Total 226 271 371 146 90 1104

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrada de Pearson 183,284 16 0,000
Razón de verosimilitud 185,512 16 0,000
N°. casos válidos 1104

80
 Carreteras de calzada única
Clases por
Intensidad horaria
variables
Total
de. acci-
1 2 3 4 5
dente
1 178 319 347 427 112 1383
2 8 10 9 9 3 39
3 50 35 33 33 1 152
4 12 25 24 43 12 116
5 11 21 21 18 2 73
6 269 280 211 234 26 1020
Total 528 690 645 764 156 2783

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 154,043 20 0,000
Razón de verosimilitud 158,282 20 0,000
N" casos válidos 2783

81
 Carreteras de calzada única

Clases por Intensidad horaria

variables Total
de entorno 1 2 3 4 5

1 62 205 214 338 67 886

2 172 132 78 60 17 459

3 25 30 30 30 6 121

4 86 64 29 26 6 211

5 38 90 117 130 23 398

6 145 169 177 180 37 708

Total 528 690 645 764 156 2783

Grados de Sig. asintótica

Valor
libertad (bilateral)
Chi-cuadrado de Pearson 360,142 20 0,000
Razón de verosimilitud 364,739 20 0,000
N". casos válidos 2783

82
7.- TABLAS DE CONTINGENCIA MÚLTIPLE DE LA
INTENSIDAD HORARIA.

83
 7 . 1 . - Clasificación p o r t i p o de accidente.

7.1.1.- Carreteras con calzadas separadas.

N° de unidades
Clasificación por variable tipo de accidente pertenecientes a %(2)
la clase (1)

Clase por, accidente, de vehículos en marcha 277 25,09

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

27,16 73,77 97,47 33,15 >1 n°. de. vehículos 366

2,68 37,78 12,27 8,15 1200-3400 intensidad 90
-2,40 19,93 22,02 27,72 1996 año 306
-2,67 17,79 13,36 18,84 deslizante superficie 208

-2,71 17,89 14,08 19,75 malos factores atm. 218

-3,20 20,98 43,32 51,81 día luminosidad 572
-27,32 0,81 2,17 66,76 1 n" de vehículos 737
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) %. de unidades del total con la modalidad considerada que pertenecen a la clase.

(4) % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6). número de unidades del total con la modalidad considerada.

85
 N° de unidades
Clasificación por variable tipo de. accidente pertenecientes a %.(2)
la clase (1)
Clase por accidente con obstáculos 40 3,62
Valor del Porcentajes N° de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
4,04 7,10 65,00 33,15 >1 n° de vehículos 366
3,69 4,72 97,50 74,91 buena visibilidad sefl. 827
-3,94 0,00 0,00 21,92 sin datos superficie 242
-3,94 0,00 0,00 21,92 sin datos luminosidad 242
-3,94 0,00 0,00 21,92 sin datos visibilidad sefi. 242
-3,94 0,00 0,00 21,92 sin datos factores atm. 242
-4,03 1,90 35,00 66,76 1 n° de vehículos 737
(1) número, de unidades del total que pertenecen a la clase.
(2). %. de unidades del total que pertenecen a la clase.
(3) % de unidades, del total con la modalidad considerada que pertenecen a la clase.
(4). % de unidades de la clase con la modalidad considerada.
(5) %. de unidades del total con la modalidad considerada.
(6). número de unidades del total con la modalidad considerada.

86
 N° de unidades
Clasificación por variable tipo de accidente pertenecientes, a %(2)
la clase (1)
Clase por accidente con atropello 22 1,99

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

4,86 13,16 45,45 6,88 1 n° de muertos 76

4,01 5,69 63,64 22,28 noche luminosidad 246
3,13 3,11 90,91 58,33 buenos factores atm. 644

3,05 3,06 90,91 59,24 limpia y seca superficie 654

2,94 2,66 100,00 74,91 buena visibilidad sen. 827
-2,65 0,00 0,00 21,92 sin datos visibilidad sen. 242
-2,65 0,00 0,00 21,92 sin datos superficie 242
-2,65 0,00 0,00 21,92 sin datos factores atm. 242

-2,65 0,00 0,00 21,92 sin datos luminosidad 242

-4,43 1,19 54,55 91,30 0 n° de muertos 1008
(1) número de unidades del. total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de xanidades de la clase con la modalidad considerada.
(5). % de unidades del total con la modalidad considerada.

(6). número de unidades del total con la modalidad considerada.

87
 N° de unidades
Clasifícación por variable, tipo de accidente pertenecientes a %(2)
la clase (1)

Clase por accidente con vuelco 43 3,89

Valor del Porcentajes N'' de uni-

Modalidad Variable
test (3) (4) (5) dades. (6)

3,53 5,29 90,70 66,76 1 n" de vehículos 737

-3,51 1,09 9,30 33,15 >1 n° de vehículos 366

(1) número de unidades del total que pertenecen a la clase.

(2). %. de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5). % de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

88
 N° de unidades
Clasificación por variable de tipo de accidente pertenecientes a %(2)
la clase (1)
Clase por accidente con salida 643 58,24

Valor del Porcentajes N" de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

24,28 82,63 94,71 66,76 1 n° de vehículos 737

5,67 66,43 59,10 51,81 día luminosidad 572
4,76 72,48 24,57 19,75 malos factores atm. 218
4,18 61,91 79,63 74,91 buena visibilidad sen. 827
4,18 71,15 23,05 18,84 deslizante superficie 208
3,13 64,44 40,59 36,68 mañana hora 405
-3,52 40,00 5,60 8,15 1200-3400 intensidad 90
-5,35 42,98 16,17 21,92 sin datos factores atm. 242
-5,35 42,98 16,17 21,92 sin datos visibilidad sen. 242
-5,35 42,98 16,17 21,92 sin datos superficie 242
-5,35 42,98 16,17 21,92 sin datos luminosidad 242
-24,21 9,29 5,29 33,15 >1 n°. de vehículos 366
(1) número, de unidades del total que pertenecen a la clase,
(2). % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

89
 N° de. unidades
Clasificación por variable tipo de accidente pertenecientes a %(2)
la clase (1)
Clase por otro, tipo de accidente 79 7,16
Valor del Porcentajes N° de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
9,39 22,73 69,62 21,92 sin datos superficie 242
9,39 22,73 69,62 21,92 sin datos visibilidad sen. 242
9,39 22,73 69,62 21,92 sin datos factores atm. 242
9,39 22,73 69,62 21,92 sin datos luminosidad 242
2,57 7,74 98,73 91,30 0 n°. de muertos 1008
2,43 11,16 32,91 21,11 invierno mes 233
-2,43 2,86 6,33 15,85 1993 año 175
-2,71 2,88 7,59 18,84 deslizante superficie 208
-2,78 0,00 0,00 6,88 1 n° de muertos 76
-2,9 2,75 7,59 19,75 malos factores atm. 218
-4,55 1,22 3,80 22,28 noche luminosidad 246
-4,85 3,50 25,32 51,81 día luminosidad 572
-6,55 2,80 22,78 58,33 buenos factores atm. 644
-6,72 2,75 22,78 59,24 limpia y seca superficie 654
-8,82 2,78 29,11 74,91 buena visibilidad sen. 827
(1). número de unidades, del total que pertenecen a la clase.
(2) % de unidades, del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades, de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

90
 7.1.2.- Carreteras de calzada única.

N° de unidades
Clasificación por variable tipo de. accidente pertenecientes a %(2)
la clase (1)
Clase por. accidente de vehículos en marcha 1383 49,69

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)
49,42 89,37 97,67 53,75 >1 n° de vehículos 1496
7,13 61,30 31,38 25,44 sin datos factores atm. 708
7,13 61,30 31,38 25,44 sin datos visibilidad sen. 708
7,13 61,30 31,38 25,44 sin datos superficie 708
7,13 61,30 31,38 25,44 sin datos luminosidad 708
5,73 69,84 9,54 6,79 950-3100 intensidad 189
4,47 59,23 19,96 16,74 600-950 intensidad 466
3,79 55,51 31,31 28,03 1993 año 780
3,59 53,82 44,32 40,93 tarde hora 1139
2,40 54,36 21,62 19,76 400-600 intensidad 550
-3,31 43,83 20,03 22,71 1996 año 632
-5,73 40,00 19,38 24,07 noche luminosidad 670
-6,39 38,01 16,27 21,27 noche hora 592
-6,62 43,76 46,64 52,96 buenos factores atm. 1474
-6,96 43,55 47,14 53,79 limpia y. seca superficie 1497

-7,11 45,72 68,40 74,34 buena visibilidad sen. 2069

-9,21 36,12 21,26 29,25 0-200 intensidad 814
-49,44 3,36 3,11 45,99 1 n". de vehículos 1280
. ,_ _
(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.

(4) % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

91
 N° de unidades
Clasificación por variable, tipo. de. accidente pertenecientes a %(2)
la clase (1)
Clase por accidente, con obstáculos 39 1,40

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

4,39 2,31 87,18 52,96 buenos factores atm. 1474

4,30 1,88 100,00 74,34 buena visibilidad sen. 2069
3,91 2,20 84,62 53,79 limpia y seca superficie 1497
2,65 2,53 46,15 25,55 primavera mes 711

-4,27 0,00 0,00 25,44 sin datos factores atm. 708

-4,27 0,00 0,00 25,44 sin datos luminosidad 708

-4,27 0,00 0,00 25,44 sin datos visibilidad sen. 708

-4,27 0,00 0,00 25,44 sin datos superficie 708

(1) número de unidades del total que pertenecen a la clase.
(2) % de. unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5). %. de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

92
 N° de unidades
Clasificación por variable tipo de accidente pertenecientes a %(2)
la clase (1)
Clase por accidente con atropello 116 4,17

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)
11,00 8,44 93,10 45,99 1 n° de vehículos 1280
8,04 5,61 100,00 74,34 buena visibilidad sen. 2069
7,03 6,55 84,48 53,79 limpia y seca superficie 1497
6,12 6,31 80,17 52,96 buenos factores atm. 1474
5,11 7,91 45,69 24,07 noche luminosidad 670
4,09 9,96 21,55 9,02 1 n° de muertos 251
-4,81 3,42 73,28 89,18 0 n° de muerto 2482
-7,99 0,00 0,00 25,44 sin datos visibilidad sen. 708
-7,99 0,00 0,00 25,44 sin datos superficie 708
-7,99 0,00 0,00 25,44 sin datos luminosidad 708
-7,99 0,00 0,00 25,44 sin datos factores atm. 708
-10,95 0,53 6,90 53,75 >1 rf. de vehículos 1496
(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.

(3). %. de unidades del total con la modalidad considerada que pertenecen a la clase.

(4) % de unidades de la clase con la modalidad considerada.

(5). %. de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

93
 N° de. unidades
Clasificación por variable, tipo, de accidente pertenecientes a %(2)
la clase (1)
Clasejpor. accidente con vuelco 73 2,62
Valor del Porcentajes N° de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
8,00 5,16 90,41 45,99 1 n" de vehículos 1280
4,11 3,80 76,71 52,96 buenos factores atm. 1474
2,98 3,14 89,04 74,34 buena visibilidad sen. 2069
2,57 3,50 61,64 A6M día luminosidad 1284
-2,94 1,13 10,96 25,44 sin datos factores atm. 708
-2,94 1,13 10,96 25,44 sin datos visibilidad sen. 708
-2,94 1,13 10,96 25,44 sin datos luminosidad 708
-2,94 1,13 10,96 25,44 sin datos superficie 708
-7,96 0,47 9,59 53,75 >1 rf. de vehículos 1496
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5). %. de imidades del total con la modalidad considerada.
(6) número de \midades del total con la modalidad considerada.

94
 N" de unidades per-
Clasificación por variable de tipo de accidente tenecientes a la %(2)
clase (1)

Clase por accidente con salida 1020 36,65

Valor del Porcentajes N° de unida-

Modalidad Variable
test (3) (4) (5) des (6)

40,32 74,22 93,14 45,99 1 n° de vehículos 1280

10,70 42,24 85,69 74,34 buena visibilidad sen. 2069

7,90 48,03 38,33 29,25 0-200 intensidad 814

7,75 43,22 63,43 53,79 limpia y seca superficie 1497

6,66 42,40 61,27 52,96 buenos factores atm. 1474

6,01 46,57 30,59 24,07 noche luminosidad 670

5,66 46,79 27,16 21,27 noche hora 592

3,54 40,19 50,59 46,14 día luminosidad 1284

2,97 41,93 24,71 21,60 malos factores atm. 601

2,80 37,55 91,37 89,18 0 n° de muertos 2482

2,52 38,94 54,22 51,02 fin semana día semana 1420

-2,41 33,08 25,29 28,03 1993 año 780

-2,52 34,26 45,78 48,98 laborable día semana 1363

-2,69 31,64 17,06 19,76 400-600 intensidad 550

-4,53 27,47 12,55 16,74 600-950 intensidad 466

-4,57 31,61 35,29 40,93 tarde hora 1139

-5,71 17,99 3,33 6,79 950-3100 intensidad 189

-10,82 20,20 14,02 25,44 sin datos luminosidad 708

-10,82 20,20 14,02 25,44 sin datos superficie 708

-10,82 20,20 14,02 25,44 sin datos visibilidad sen. 708

-10,82 20,20 14,02 25,44 sin datos factores atm. 708

-40,40 4,48 6,57 53,75 >1 n" de vehículos 1496

(1) número de unidades del total que pertenecen a la clase.

(2) % de umdades del total que pertenecen a la clase.

(3) % de unidades del total con la modaHdad considerada que pertenecen a la clase.

(4) % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número de unidades del total con la modalidad considerada.

95
 N°. de unidades
Clasificación por variable, tipo de. accidente pertenecientes a %.(2)
la clase (1)

Clase por. otro, tipo de accidente 152 5,46

Valor del Porcentajes N°. de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

14,75 17,37 80,92 25,44 sin datos visibilidad sen. 708

14,75 17,37 80,92 25,44 sin datos factores atm. 708

14,75 17,37 80,92 25,44 sin datos luminosidad 708

14,75 17,37 80,92 25,44 sin datos superficie 708

4,62 7,66 64,47 45,99 1 n° de vehúculos 1280

4,16 9,02 37,50 22,71 1996 año 632

3,39 7,86 42,11 29,25 0-200 intensidad 814

2,95 5,88 96,05 89,18 0 n". de muertos 2482

-2,53 1,59 1,97 6,79 950-3100 intensidad 189

-3,11 3,33 17,11 28,03 1993 año 780

-3,12 0,00 0,00 4,35 crepúsculo luminosidad 121

-4,73 3,54 34,87 53,75 >1 n° de vehículos 1496
-4,83 1,73 6,58 20,77 deslizante superficie 578
-5,60 1,33 5,26 21,60 malos factores atm. 601

-5,71 1,49 6,58 24,07 noche luminosidad 670

-9,03 1,48 12,50 46,14 día luminosidad 1284

-10,27 1,42 13,82 52,96 buenos factores atm. 1474

-10,87 1,27 12,50 53,79 limpia y seca superficie 1497
-14,68 1,40 19,08 74,34 buena visibilidad sen. 2069
(1). número, de vmídades. del total que pertenecen, a la clase.

(2). %. de unidades, del total que. pertenecen a la clase.

(3). % de imidades. del total con. la modalidad considerada que. pertenecen a la clase.

(4). %. de. unidades de. la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada,

(6) número, de unidades del total con la modalidad considerada.

96
 7.2.- Clasificación por intensidad horaria.

7.2.1.- Carreteras con calzadas separadas.

N° de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)
Clase por intensidad inferior a 250 vehículos 323 29,26

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

36,31 100,00 100,00 29,26 0-250 intensidad 323

19,25 81,97 59,13 21,11 noche hora 233
10,82 58,13 44,27 22,28 noche luminosidad 246

4,03 40,34 29,10 21,11 invierno mes 233

2,64 36,36 27,24 21,92 sin datos superficie 242

2,64 36,36 27,24 21,92 sin datos factores atm. 242

2,64 36,36 27,24 21,92 sin datos luminosidad 242

2,64 36,36 27,24 21,92 sin datos visibilidad sen. 242
-2,64 27,09 69,35 74,91 buena visibilidad sen. 827
-2,94 23,17 24,46 30,89 verano mes 341

-3,18 23,46 29,41 36,68 mañana hora 405

-11,40 14,34 25,39 51,81 día luminosidad 572

-14,01 7,94 11,46 46,21 tarde hora 466
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3). % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

97
 N" de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)

Clase por intensidad entre 250 y 450 vehículos 350 31,70

Valor del Porcentajes N° de uni-

Modahdad Variable
test (3) (4) (5) dades (6)

36,92 100,00 100,00 31,70 250-450 intensidad 350

5,35 38,99 63,71 51,81 día luminosidad 572

4,15 39,51 45,71 36,68 mañana hora 405

2,54 39,42 23,43 18,84 deslizante superficie 208

2,47 38,99 24,29 19,75 malos factores atm. 218

2,45 35,19 56,00 50,45 laborable día semana 557
-2,45 28,15 44,00 49,55 fin semana día semana 547
-4,56 19,92 14,00 22,28 noche luminosidad 246

-8,43 10,30 6,86 21,11 noche hora 233

(1). número de unidades del total que pertenecen a la clase.
(2) %. de unidades del total que pertenecen a la clase.
(3). %. de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %. de unidades de la clase con la modalidad considerada.
(5). %. de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

98
 N° de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)
Clase por intensidad entre 450 y. 650 vehículos 220 19,93
Valor del Porcentajes N" de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
32,96 100,00 100,00 19,93 450-650 intensidad 220
4,48 25,17 65,45 51,81 día luminosidad 572
4,19 25,97 55,00 42,21 tarde hora 466
3,14 25,81 40,00 30,89 verano mes 341
-2,45 14,16 15,00 21,11 invierno mes 233
-5,55 8,13 9,09 22,28 noche luminosidad 246
-7,22 4,72 5,00 21,11 noche hora 233
(1). número, de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4). % de unidades de la clase con la modahdad considerada.
(5). %. de unidades, del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

99
 N". de unidades
Clasificación por variable intensidad horaria pertenecientes a %.(2)
la clase. (1)
Clase, por intensidad entre 650 y. 1200 vehículos 121 10,96
Valor del Porcentajes N" de uni-
Modalidad Variable
test (3) (4) (5) dades. (6)
27,33 100,00 100,00 10,96 650-1200 intensidad 121
5,32 16,95 65,29 42,21 tarde hora 466
-5,08 2,58 4,96 21,11 noche hora 233
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) %. de. imidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

100
 N° de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)
Clase por intensidad entre 1200 y. 3400 vehículos 90 8,15

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades. (6)
24,65 100,00 100,00 8,15 1200-3400 intensidad 90
5,44 13,52 70,00 42,21 tarde hora 466
3,50 10,55 76,67 59,24 limpia y seca superficie 654
3,34 12,3 50,00 33,15 >1 n° de vehículos 366
2,96 10,25 73,33 58,33 buenos factores atm. 644
2,68 12,27 37,78 25,09 marcha tipo accidente 277
-2,87 3,37 7,78 18,84 deslizante superficie 208
-3,32 6,11 50,00 66,76 1 n° de vehículos 737
-3,52 5,60 40,00 58,24 salida tipo accidente 643
-5,72 0,43 1,11 21,11 noche hora 233
(1) número de unidades del total que pertenecen a la clase.
(2) %. de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5). % de unidades del total con la modalidad considerada.
(6) número, de unidades del total con la modalidad considerada.

101
 7.2.2.- Carreteras de calzada única.

N°. de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)
Clase por. intensidad inferior, a 200 vehículos 814 29,25

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

57,84 100,00 100,00 29,25 0-200 intensidad 814

24,75 71,96 52,33 21,27 noche hora 592
14,88 52,84 43,49 24,07 noche luminosidad 670
9,71 38,36 60,32 45,99 1 n" de vehículos 1280
7,90 38,33 48,03 36,65 salida tipo accidente 1020
3,39 42,11 7,86 5,46 otro tipo accidente 152
2,82 34,07 24,69 21,20 invierno mes 590
2,77 31,62 55,16 51,02 fin semana día semana 1420
-2,77 26,78 44,84 48,98 laborable día semana 1363
-5,22 23,48 30,34 37,80 mañana hora 1052
-5,36 22,04 21,74 28,85 verano mes 803
-9,21 21,26 36,12 49,69 marcha tipo accidente 1383
-9,79 21,39 39,31 53,75 >1 íf. de vehículos 1496
-14,05 16,36 25,80 46,14 día luminosidad 1284
-16,87 12,38 17,32 40,93 tarde hora 1139
(1). número de imidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) %. de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5) % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

102
 N° de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)
Clase por intensidad entre 200 y. 400 vehículos 764 27,45
Valor del Porcentajes N°. de uni-
Modalidad Variable
test (3) (4) (5) dades (6)
57,03 100,00 100,00 27,45 200-400 intensidad 764
2,95 31,54 32,20 28,03 1993 año 780
-2,65 23,43 20,55 24,07 noche luminosidad 670
-2,83 23,66 24,87 28,85 verano mes 803
-4,46 20,27 15,71 21,27 noche hora 592
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.
(5). % de unidades del total con la modalidad considerada.
(6) número de unidades del total con la modalidad considerada.

103
 N° de. unidades
Clasificación por. variable, intensidad horaria pertenecientes, a %.(2)
la clase (1)
Clase por. intensidad entre 400. y 600 vehículos 550 19,76

Valor del Porcentajes N°. de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

52,43 100,00 100,00 19,76 400-600 intensidad 550

5,43 24,76 51,27 40,93 tarde hora 1139

5,03 23,91 55,82 46,14 día Iximinosidad 1284

3,18 22,91 43,82 37,80 mañana hora 1052

2,76 21,72 59,09 53,75 >1 n" de vehículos 1496

2,40 21,62 54,36 49,69 marcha tipo accidente 1383

-2,69 17,06 31,64 36,65 salida tipo, accidente 1020

-2,73 17,50 40,73 45,99 1 n° de vehículos 1280

-6,52 11,34 13,82 24,07 noche luminosidad 670

-11,71 4,56 4,91 21,27 noche hora 592

(1) número de unidades del total que pertenecen a la clase.

(2) % de unidades del total que pertenecen a la clase.
(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) % de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número, de unidades del total con la modalidad considerada.

104
 N" de unidades
Clasificación por. variable intensidad horaria pertenecientes a %(2)
la clase (1)

Clase, por intensidad entre. 600 y 950 vehículos 466 16,74

Valor del Porcentajes N° de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

49,97 100,00 100,00 16,74 600-950 intensidad 466

7,66 23,35 57,08 40,93 tarde hora 1139
7,08 22,20 61,16 46,14 día Iviminosidad 1284

4,82 19,92 63,95 53,75 >1 n° de vehículos 1496

4,47 19,96 59,23 49,69 marcha tipo accidente 1383

4,08 21,42 36,91 28,85 verano mes 803
-2,44 13,39 16,95 21,20 invierno mes 590
-4,53 12,55 27,47 36,65 salida tipo accidente 1020
-4,70 13,12 36,05 45,99 1 n° de vehículos 1280
-7,02 8,36 12,02 24,07 noche luminosidad 670
-12,02 2,53 3,22 21,27 noche hora 592
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.
(3). % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %. de unidades de la clase con la modalidad considerada.
(5). % de unidades del total con la modalidad considerada.
(6). número de unidades del total con la modalidad considerada.

105
 N° de unidades
Clasificación por variable intensidad horaria pertenecientes a %(2)
la clase (1)
Clase, por. intensidad entre 950. y. 3100 vehículos 189 6,79

Valor del Porcentajes N" de uni-

Modalidad Variable
test (3) (4) (5) dades (6)

36,93 100,00 100,00 6,79 950-3100 intensidad 189

5,94 10,27 61,90 40,93 tarde hora 1139
5,86 9,36 74,07 53,75 >1 n" de vehículos 1496
5,73 9,54 69,84 49,69 marcha tipo accidente 1383
4,81 10,59 44,97 28,85 verano mes 803
2,91 8,33 56,61 46,14 día luminosidad 1284
-2,50 4,59 15,34 22,71 1996 afio 632
-2,53 1,97 1,59 5,46 otro tipo accidente 152
-3,32 4,03 14,29 24,07 noche luminosidad 670
-5,71 3,33 17,99 36,65 salida tipo accidente 1020
-5,79 3,83 25,93 45,99 1 n". de. vehículos 1280
-7,89 0,68 2,12 21,27 noche hora 592
(1) número de unidades del total que pertenecen a la clase.
(2) % de unidades del total que pertenecen a la clase.

(3) % de unidades del total con la modalidad considerada que pertenecen a la clase.
(4) %, de unidades de la clase con la modalidad considerada.

(5) % de unidades del total con la modalidad considerada.

(6) número, de unidades del total con la modalidad considerada.

106