Traducido del inglés al español - www.onlinedoctranslator.

com

Análisis y prevención de accidentes 119 (2018) 138–148

Listas de contenidos disponibles enCienciaDirecta

Análisis y Prevención de Accidentes

revista Página de inicio:www.elsevier.com/locate/aap

Desarrollo de un modelo global de consistencia inercial para evaluar la seguridad vial en las
carreteras rurales españolas de dos carriles

David Llopis-Castelló⁎, Francisco Javier Camacho-Torregrosa, Alfredo García

Grupo de Investigación en Ingeniería de Carreteras (HERG), Universitat Politècnica de València, Camino de Vera, s/n 46022, Valencia, España

INFORMACIÓN DEL ARTÍCULO RESUMEN

Palabras clave: Los factores más importantes para la ocurrencia de accidentes viales son la infraestructura, el vehículo y los factores humanos. De hecho, la
Coherencia en el diseño geométrico infraestructura y su interacción con el factor humano se han estudiado a fondo en los últimos años a través de la consistencia del diseño geométrico,
Seguridad vial que se puede definir como cómo se relacionan las expectativas de los conductores y el comportamiento de la carretera.
Velocidad de operacion
Los modelos de consistencia global se calibraron en la última década para evaluar la seguridad vial en todo un segmento de carretera
Velocidad de funcionamiento inercial
homogéneo. Sin embargo, ninguno de ellos incluye en su formulación el fenómeno de la consistencia subyacente.
Comportamiento del conductor
Recientemente, se desarrolló un nuevo modelo basado en la diferencia entre el perfil de velocidad operativa inercial, que representa
las expectativas de los conductores, y el perfil de velocidad operativa, que representa el comportamiento en carretera. Mientras que la
velocidad operativa representa la velocidad operativa estimada para cada ubicación a lo largo de la carretera, la velocidad operativa
inercial agrega para cada estación el efecto de la velocidad operativa a lo largo de alguna distancia ya cubierta por los conductores. Los
autores hipo el tamaño que este 'efecto de agregación' estaba relacionado con las expectativas de los conductores,
resultó ser cierto en base a la lo mejor cuyo modelo se ajustaba. Sin embargo, aún se desconoce la distancia (o el tiempo) exacta que
estimación de la inercia o perando debería considerarse velocidad. Este trabajo pretende completar este modelo, anali-
analizar cómo varía la velocidad de funcionamiento inercial en función de las diferentes distancias y períodos de tiempo. Este impacto se
mide considerando la confiabilidad del modelo de consistencia correspondiente. El documento también cubre cómo se debe determinar
la velocidad de operación inercial a lo largo de la distancia o tiempo final. Para ello se utilizaron un total de 184 tramos de carretera
homogéneos a lo largo de 650 km en España.

1. Introducción que se puede definir como cómo se relacionan las expectativas de los conductores y el comportamiento en la

carretera.

La seguridad vial es una de las grandes preocupaciones de nuestra sociedad. De hecho,
aproximadamente 1,2 millones de personas mueren y 50 millones resultan heridas en accidentes
de tráfico cada año. Esto hace que los accidentes de tráfico sean la principal causa de muerte
entre las personas de 15 a 29 años (OMS, 2015).
En España se produjeron 1291 víctimas mortales en vías rurales en 2016, de
las que más del 70% se produjeron en vías rurales de dos carriles. Si bien el
número de choques ha disminuido en las vías rurales desde principios de siglo, las
muertes han aumentado en los últimos años en las vías rurales de dos carriles.
Además, este tipo de vía representa aproximadamente el 90% de la red vial de
este país, por lo que las vías rurales de dos carriles juegan un papel fundamental
en la seguridad vial (Dirección General de Tráfico (DGT, 2017)).
Los factores más importantes para la ocurrencia de accidentes viales son la
infraestructura, el vehículo y los factores humanos. En particular, el factor infraestructura
es responsable de más del 30% de los accidentes de tráfico (Tratar et al., 1979). De hecho,
los choques tienden a concentrarse en ciertos elementos del camino. Para ello, la
infraestructura y su interacción con el factor humano han sido estudiadas a fondo en los
últimos años a través de la consistencia del diseño geométrico,
El comportamiento de la carretera se puede definir como el desempeño general de
su alineación (por ejemplo, nitidez, velocidad de diseño, etc.). Los conductores tienden a
comportarse de acuerdo con la geometría de la carretera, pero las expectativas basadas
en el tramo de carretera inmediatamente cubierto también juegan un papel importante.
Por lo tanto, un camino consistente proporciona una conducción armoniosa libre de
sorpresas, mientras que un diseño de camino inconsistente puede producir numerosos
eventos inesperados para los conductores, lo que lleva a un comportamiento anómalo y
aumenta la probabilidad de ocurrencia de accidentes.
Entre los diferentes métodos para evaluar la consistencia del diseño
geométrico, el más utilizado se basa en el análisis del perfil de velocidad de
operación (Gibreel et al., 1999). La velocidad de funcionamiento se define
con frecuencia como el 85elpercentil de la distribución de velocidades para
turismos en condiciones de flujo libre sin restricciones externas (V85). Una
ventaja importante de su uso es la posibilidad de estimarla utilizando
modelos de velocidad de operación.
Hay dos tipos de modelos de consistencia: local y global. Los modelos locales se
centran en problemas localizados, como reducciones repentinas de velocidad o

⁎Autor correspondiente.
Correos electrónicos:dallocas@doctor.upv.es (D. Llopis-Castelló),fracator@tra.upv.es (FJ Camacho-Torregrosa),agarciag@tra.upv.es (A. García).

https://doi.org/10.1016/j.aap.2018.07.018
Recibido el 11 de diciembre de 2017; Recibido en forma revisada el 10 de julio de 2018; Aceptado el 11 de julio de 2018
0001-4575/ © 2018 Elsevier Ltd. Todos los derechos reservados.
D. Llopis-Castelló et al.
grandes diferencias entre el diseño y las velocidades de funcionamiento. Esos modelos
son ideales para identificar dónde es más probable que ocurran accidentes de tránsito.
Por otro lado, los modelos de consistencia global examinan la variación general de la
velocidad a lo largo de todo un segmento de carretera. Aunque no indican dónde es
probable que se produzcan accidentes, se pueden introducir en una función de
rendimiento de seguridad (SPF) para predecir el número de accidentes en un segmento
de carretera completo.
En este sentido, varios investigadores han tratado de relacionar el
número de accidentes con diferentes variables relacionadas con la
exposición al riesgo (volumen de tráfico y longitud de la vía), geometría,
consistencia y entorno vial por medio de SPF. Entre aquellos estudios que
incorporan la consistencia como variable explicativa, todos concluyeron que
el nivel de consistencia tiene una gran influencia en la ocurrencia de
accidentes viales (Anderson et al., 1999;Ng y Sayed, 2004;Awatta et al., 2006;
Montella et al., 2008;Cafiso et al., 2010;de Oña et al., 2013;Quddus, 2013;Wu
et al., 2013;Garach et al., 2014;Camacho-Torregrosa et al., 2015;Montella e
Imbriani, 2015;Garach et al., 2016).
El primer modelo de consistencia global fue desarrollado porPolo y Mattar-Habib
(2004), que se basó en dos parámetros: área relativa (Real academia de bellas artes)y
dispersión de la velocidad de operación (σ). El primer parámetro se definió como el área
delimitada por el perfil de velocidad de operación y la velocidad de operación promedio,
dividida por la longitud del segmento de la carretera. Los mismos parámetros fueron
utilizados porGarach et al. (2014)para calibrar un nuevo modelo de consistencia en las
carreteras rurales españolas de dos carriles (tabla 1).
Luego,Camacho-Torregrosa (2015)desarrolló otro modelo de
consistencia global considerando dos parámetros operativos: la velocidad
promedio de operación (85)y la tasa de desaceleración promedio (85).El
primer parámetro es el valor medio de la velocidad de funcionamiento a lo
largo de todo el tramo de carretera, medido en m/s. El segundo es el valor
promedio de las desaceleraciones de un mismo perfil de velocidad de
operación, en m/s2. Además, esta investigación analizó la influencia de la
selección de tramos de carretera homogéneos en la estimación de los
accidentes de tráfico (tabla 1).
En este sentido, la selección del segmento vial es fundamental para la
aplicación de modelos de consistencia global. Los tramos de carretera
seleccionados deben ser homogéneos, ya que los resultados dependen de su
selección (Resende y Benekohal, 1997;Cafiso et al., 2010;García et al., 2013a;
Camacho Torregrosa, 2015).
Sin embargo, ninguno de estos modelos de consistencia incluye en su
formulación el fenómeno de consistencia subyacente, es decir, no contienen una
variable que represente y estime las expectativas de los conductores.
A este respecto,García et al. (2013b)definió un nuevo concepto de velocidad: la
velocidad de operación inercial (Vi). Esta velocidad se utiliza para representar las
expectativas de los conductores y se definió como la velocidad operativa promedio a lo
largo del segmento de carretera anterior de 1000 m. Por el contrario, el comportamiento
de la carretera se asoció con la velocidad de operación (V85). Un nuevo parámetro de
consistencia local, el Índice de Consistencia Inercial (ICI), se definió como la diferencia
entreViy V85. Por tanto, cuanto mayor sea este índice, mayor será la diferencia entre las
expectativas de los conductores y el comportamiento en la vía, siendo más probable que
se produzcan colisiones.
Sin embargo, esta definición de la velocidad de operación inercial no coincide con el proceso
de adquisición de expectativas de los conductores, que está estrechamente relacionado con la
memoria a corto plazo (STM). En este sentido, STM se está consolidando paulatinamente
tabla 1
Modelos de consistencia global anteriores.
Modelo de consistencia global Parámetro de consistencia (C)
Polo y Mattar-Habib (2004) 2.808∙mi−0,278∙Real academia de bellas artes∙
Garach et al. (2014)
⎛
σ
− 5.7933⎞·(4,1712 −Real academia de bellas artes) − 26.6047
⎝3.6 ⎠
Camacho-Torregrosa (2015) V
3 85 (s1/3)
d85
Análisis y prevención de accidentes 119 (2018) 138–148
en declive con el tiempo, perdiéndose la información en aproximadamente 18 s (
Revlin, 2012).
Los conductores no recuerdan con la misma intensidad todas las
localizaciones del tramo de carretera anterior. Por lo tanto, las partes primera y
final de la sección no deben considerarse por igual para determinar la velocidad
de operación inercial. Además, dados dos tramos de carretera homogéneos con
velocidades operativas medias diferentes, los períodos de tiempo necesarios para
cubrir la misma distancia difieren.
Se han utilizado estudios recientes para identificar cómo se debe calcular la
velocidad de funcionamiento inercial en las carreteras rurales italianas de dos carriles
(Llopis-Castelló et al., 2017 y 2018). Como conclusión, una velocidad de operación inercial
estimada como la velocidad de operación promedio ponderada basada en el tiempo
pudo representar mejor las expectativas de los conductores que unaVibasado en la
distancia y calculado como un promedio simple de la velocidad de operación. Además, se
desarrolló un modelo de consistencia global basado en la diferencia entre el perfil de
velocidad de operación inercial y el perfil de velocidad de operación. Como resultado,
este modelo de consistencia permitió una estimación más precisa de la cantidad de
accidentes que los modelos globales anteriores mencionados anteriormente.
Debido al desempeño exitoso de los modelos de consistencia inercial
calibrados en Italia, este estudio presenta un intento de mejorar la precisión de la
estimación de la velocidad de operación inercial al examinar un mayor número de
tramos de carretera y considerar más distribuciones de ponderación. Como
resultado, se presenta un nuevo modelo de consistencia global.
2. Objetivos e hipótesis
El objetivo principal de esta investigación es desarrollar un nuevo modelo de
consistencia global que compare la diferencia entre la velocidad de operación
inercial y la velocidad de operación con el número de accidentes en las carreteras
rurales españolas de dos carriles.
En este sentido, se estudió la velocidad de operación inercial considerando nuevas
distribuciones de ponderación para acercarse lo más posible al comportamiento de la
Memoria a Corto Plazo. Esto permitirá identificar cómo se debe calcular la velocidad de
operación inercial para estimar las expectativas de los conductores de una manera más
precisa.
La hipótesis subyacente es que un perfil de velocidad de operación inercial
basado en el tiempo permitirá una estimación más precisa del número de choques
que aquellos basados en la distancia. Asimismo, cuanto mayor sea la diferencia
entre el perfil de velocidad de operación inercial y el perfil de velocidad de
operación, peor será la consistencia.
3. Metodología y descripción de datos
3.1. Metodología
La metodología de este estudio fue similar a las utilizadas enLlopis-Castelló et
al. (2018a,b). Se seleccionaron tramos de camino rural de dos carriles. A
continuación, se recreó la geometría de cada tramo de vía mediante la
metodología propuesta porCamacho-Torregrosa et al. (2015), que utiliza un
algoritmo basado en la dirección del rumbo. Los perfiles de velocidad de
operación se estimaron considerando los modelos desarrollados porPérez-Zuriaga
(2012), que fueron calibrados para carreteras rurales españolas de dos carriles
nivel de consistencia
Bueno Justo Pobre
σ C>2 1 <C≤2 C≤1
3.6
195.073
+ 6.7826 C>2 1 <C≤2 C≤1
C≥3.25 2.55≤C <3,25 C < 2,55
139
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

volumen y sección transversal. Las intersecciones principales también influyen en

las expectativas de los conductores, por lo que también se consideraron para la
segmentación. Finalmente, cada tramo vial fue dividido de acuerdo a su
comportamiento geométrico utilizando la metodología alemana, la cual se basa en
el análisis de la Tasa de Cambio de Curvatura (CRCC).Este parámetro se define
como la relación entre la suma de los ángulos de deflexión absolutos y la longitud
del segmento de carretera.Figura 1muestra cómo se lleva a cabo este último paso:
se debe trazar un perfil del ángulo de deflexión absoluto acumulativo frente a la
estación de la carretera. De esta forma, se pueden distinguir tramos de carretera
homogéneos segúnRCCconducta.
Tabla 2muestra las principales características geométricas de los tramos
de carretera homogéneos estudiados. Además, la mayoría presenta
características transversales similares con anchos de carril entre 3,00 y 3,50
my anchos de arcén entre 0,5 y 1,50 m. Su pendiente longitudinal no
superaba el 5%.

3.3. Datos de tráfico y accidentes

Figura 1.Identificación de tramos de carretera homogéneos.

Los datos de volumen de tráfico y accidentes fueron proporcionados por el
Departamento de Vivienda, Obras Públicas y Ordenación del Territorio de la
Tabla 2 Generalitat Valenciana y la Dirección General de Tráfico (Dirección General de
Resumen estadístico de los tramos de carretera homogéneos. Tráfico, DGT) del Gobierno de España, respectivamente. Así, la Intensidad Media
Mínimo Máximo Promedio Desviación Estándar Diaria Anual (AADT)Se identificaron los volúmenes y el número de accidentes
fatales y lesionados para cada segmento de carretera homogéneo.
Longitud (m) 1,146 10,851 3,535 1,593 AADTse definió como el volumen de tránsito promedio de 2002 a 2011.
RCC (gon/km) 0 1,078 209 101.91
De esta forma, los tramos viales homogéneos presentaron unaAADTque van
AADT (vpd) 465 10,817 2,641 2,065
Choques 0 48 7.57 7.53 desde 465 a 10,817 vpd (Tabla 2). Adicionalmente, se analizó la variabilidad
del volumen de tránsito en el tiempo a través del coeficiente de variación (
CV)para cada segmento de carretera homogéneo. Como resultado, la media
CVy su desviación estándar fueron 21% y 10%, respectivamente. Por tanto, la
con las mismas características que los tramos de carretera considerados en esta variación del tráfico a lo largo de los años estudiados puede considerarse
investigación. A partir de esto, se calcularon diferentes perfiles de velocidad de operación baja.
inercial para cada segmento de carretera considerando diferentes distancias, períodos Solo se consideraron los accidentes fatales y con lesiones en el mismo período de
de tiempo y distribuciones de ponderación. También se obtuvieron datos de accidentes y tiempo. Se revisó la causa de cada choque para incluir solo aquellos relacionados con la
tráfico. Finalmente, se estudió la relación entre choques y consistencia calibrando varias geometría (p. ej., los choques causados por vehículos que ingresan a la carretera desde
Funciones de Desempeño de Seguridad. Como resultado, se identificó el perfil de caminos secundarios o caminos de entrada se eliminaron del análisis, ya que su causa no
velocidad de operación inercial que mejor representa las expectativas de los conductores es la geometría de la carretera per se). Como resultado, se consideraron un total de 1392
y se definieron umbrales de consistencia. accidentes reportados (Tabla 2).

3.2. Tramos de carretera 3.4. Perfiles de velocidad

Para el estudio se seleccionaron un total de 98 tramos de carreteras rurales de 3.4.1. Perfiles de velocidad de funcionamiento

dos carriles situados en la Comunidad Valenciana (España). Esto requirió la
recreación geométrica de más de 650 km de carretera dando como resultado 184
tramos viales homogéneos, los cuales fueron identificados mediante el siguiente
procedimiento.
Primero, los segmentos de carretera se dividieron en secciones con tráfico similar
El perfil de velocidad operativa para cada segmento de carretera se estimó utilizando
el modelo de perfil de velocidad operativa desarrollado porPérez-Zuriaga (2012), que se
calibró a partir de los datos de velocidad recogidos en carreteras rurales españolas de
dos carriles con las mismas características de los tramos de carretera considerados en
este estudio (Tabla 3). Como resultado, la velocidad de operación fue

Tabla 3
Modelos de velocidad desarrollados porPérez-Zuriaga (2012).

Tipo de elemento de carretera Ecuación

curva horizontal 85,C =106.863-60.1185/e0.00422596·R

Tangente L≥700 metros
85,T= −1.464,72 + 351.288· = L
L <700 metros yR1≤600 metros L < 85,T 0.362739·V85,C1 + 59.6982/mi− 0.0000472302·GM
700 metros yR1>600 metros 85,T= =7.399,27 + 3,03956·L
Tasa de aceleración 85= 1/(-1,49325+0,548458·ln(R))
Tasa de desaceleración 85= −0,0652071 + 201,174/R

dondeV85,Ces la velocidad de funcionamiento en curvas horizontales (km/h);V85,Tes la velocidad de operación en las tangentes
(km/h);a85es la tasa de aceleración (m/s2);d85es la tasa de desaceleración (m/s2);V85,C1es la velocidad de funcionamiento en la
curva horizontal anterior (km/h);Res el radio de la curva horizontal (m);R1es el radio de la curva horizontal anterior (m);R2es el
radio de la curva horizontal sucesiva (m);Les la longitud de la tangente (m); yGMes el siguiente índice geométrico (m2):
L·(R1·R2)0. 5
METRO=
100
.

140
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

Figura 2.Perfiles de velocidad.

obtenido metro a metro (Figura 2).

3.4.2. Perfiles de velocidad inercial

El perfil de velocidad de funcionamiento inercial se calculó para cada segmento de
carretera sobre la base de su perfil de velocidad de funcionamiento. Para ello, se calculó
la velocidad de funcionamiento inercial para cada estación como la velocidad de
funcionamiento media ponderada del tramo de carretera precedente mediante la
siguiente ecuación:

∑wj·V85,j
i,j=
∑wj (1)
dondeVyo kes la velocidad de funcionamiento inercial (km/h) en la estaciónk; V85, jes
la velocidad de operación en la estaciónj;ywjes el factor de ponderación en el
puntoj. Dependiendo del rango cubierto porj,el resultado de la velocidad de
operación variará.
Las velocidades de operación inercial se determinaron con los siguientes
parámetros de distancia y tiempo:

• Distancias (L)entre 300 m y 800 m con un desnivel de 100 m

• Períodos de tiempo (t)entre 10 s y 40 s, con un paso de 5 s
Además, se consideraron 11 distribuciones de ponderación. Las
distribuciones de ponderación se basaron en una forma funcional Figura 4.Variables de consistencia: (a) A, L y σ; (b) A(+), L(+) y σ(+); y (c) A(> x km/h).
parabólica. (hacha2+bx + c).Estas distribuciones pueden tomar valores de 0 a
1, aumentando a medida que la estaciónjse acerca a la sección críticak,con
estas restricciones:
umbral entre la zona que no se ha incluido en el cálculo (porque no
• j=0para la primera estaciónjconsiderado para el cálculo. Es el influye en el comportamiento del conductor) y la zona considerada.

• j=1porj=k. Significa que la estación en la que se encuentra el conductor en un

momento determinado tiene que ser la más importante para la formación de
expectativas.

Como resultado, la función parabólica solo puede tomar ciertasun, b,yC

parámetros Además, se puede reescribir en función de un solo parámetro,
que varía entre 0 y 10 (Fig. 3). En esta ecuación, es el número de intervalos
considerados en el cálculo. El número de los intervalos (norte)dependía de si
el cálculo se realizaba considerando una distancia (L),en metros; o un
período de tiempo (t),en segundos. En el primer caso,norteera igual aL (es
decir, el cálculo se realizó metro a metro), mientras que en el segundo caso,
norteera igual a 10 ·yo,por lo que la velocidad de operación inercial se
calculó considerando intervalos de 0.1 s.
Como resultado, se obtuvieron 143 ((6 distancias + 7 períodos de tiempo) x (11
distribuciones de ponderación)) perfiles de velocidad de operación inercial para cada
segmento de carretera homogéneo. Como ejemplo,Figura 2muestra el perfil de velocidad
de operación y su correspondiente perfil de velocidad de operación inercial considerando
15 s y una distribución ponderada lineal para uno de los tramos de carretera en estudio.
Fig. 3.Distribuciones de ponderación.

141
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

Tabla 4 dondeYI 10: accidentes mortales y con heridos en el segmento de carretera

Parámetros de consistencia. en 10 años; βi: coeficientes de regresión;L:longitud del tramo de carretera
Parámetro Ecuación
(km); AADT:Tráfico Promedio Diario Anual (vpd); yC:parámetro de
consistencia (km/h).
1 A(+)∙σ[kilómetros por hora] En esta expresión,AADTno se establece como una variable de compensación (es decir, la tasa de
L
choques disminuye con el volumen de tráfico, lo que generalmente se acepta y cumple con los SPF
2
A·σ[kilómetros por hora]
L desarrollados por otros investigadores). Sin embargo, la longitud tampoco se establece como una variable
3 A(+)[kilómetros por hora]
de compensación, lo que es bastante más controvertido. A primera vista, esta forma de expresión no es
L(+)
adecuada, ya que la cantidad estimada de accidentes depende de cómo se divida la red vial en segmentos
4 A(>10 km/h)[km/h]
L de carretera. Esta controvertida expresión también ha sido utilizada por otros investigadores (Mehta y Lou,
5 A(>15 km/h)[km/h]
2013;Srinivasan et al., 2016;Garach et al., 2016;Camacho-Torregrosa (2015);Llopis-Castelló et al., 2018a,b).
L
6 A(>20 km/h)[km/h] La clave es que los SPF que no muestran la longitud como una variable compensada también deben indicar
L
cómo se debe dividir la red de carreteras en segmentos de carreteras homogéneos; por lo tanto, solo hay
7 A(+)∙σ(+)[kilómetros/h]
L(+) un único resultado posible de los accidentes de tráfico. De hecho,Camacho-Torregrosa (2015)demostró que
8 A(+)∙σ[kilómetros por hora] se podían calibrar SPF más precisos considerando la longitud como un término de elasticidad. Además,
L(+)
clasificó los segmentos de carretera homogéneos en dos categorías: restringidos y libres. Los segmentos

de carretera restringidos son aquellos que comienzan, o terminan, en una zona urbana o en una

intersección importante. De lo contrario, el tramo de carretera es gratuito. Por lo tanto, en las

3.5. Parámetros de consistencia
intersecciones de carreteras restringidas, los conductores son conscientes de que están entrando en un

nuevo segmento de carretera, con nuevas características. Como resultado, subconscientemente prestan
Los parámetros de consistencia dependen de varias variables definidas a
más atención al comportamiento de la carretera (para crear sus nuevas expectativas), lo que lleva a tasas
partir de la diferencia entreViyV85(Llopis-Castelló et al., 2018a y 2018b). Como
de accidentes más bajas. Después de cierta distancia, este proceso de adquisición de expectativas se
ejemplo,Figura 4muestra las diferencias de velocidad entre ambos perfiles de
desvanece, por lo que aumentan las tasas de accidentes. Esto conduce a un SPF en el que el exponente que
velocidad considerando solo la dirección de avance. De acuerdo con esta
afecta a la longitud es superior a 1. Por otro lado, al comienzo de los tramos de carretera libres, Los
definición, una diferencia positiva significa que es posible que no se alcancen las
conductores no son conscientes del cambio del tramo de carretera, por lo que comparan el nuevo
expectativas de los conductores, porque la velocidad de los conductores es
comportamiento de la carretera con las expectativas ad hoc formadas a lo largo del tramo de carretera
inferior a la velocidad que mantenían en el último tramo. Por lo tanto, la
anterior. Por lo tanto, se esperan más choques al comienzo de este tipo de tramos de carretera. Después
probabilidad de accidentes aumenta con la magnitud de estas diferencias.
de recorrer cierta distancia, readaptan sus expectativas al nuevo comportamiento de la vía, por lo que las
Los parámetros de consistencia se basaron en la combinación de los
tasas de accidentes tienden a disminuir. Por lo tanto, se encontró que el exponente que afectaba la
siguientes parámetros más simples para cada segmento de carretera (Figura 4):
longitud era menor que 1. De hecho, para los tramos de carretera largos, se encontró que el resultado de

• A (m·km/h): área delimitada por la diferencia entreV yV , y el eje x

la tasa de accidentes era casi el mismo para los tramos de carretera libres y restringidos. readaptan sus
i 85
expectativas al nuevo comportamiento vial, por lo que las tasas de accidentes tienden a disminuir. Por lo
(área sombreada enFigura 4a).
• L (m): longitud del tramo de carretera.
tanto, se encontró que el exponente que afectaba la longitud era menor que 1. De hecho, para los tramos

• σ (km/h): desviación estándar de la diferencia entreV yV

de carretera largos, se encontró que el resultado de la tasa de accidentes era casi el mismo para los tramos
i 85
de carretera libres y restringidos. readaptan sus expectativas al nuevo comportamiento vial, por lo que las
(desviación estándar del perfil enFigura 4a).
• A(+) (m·km/h): área delimitada por la diferencia entreV yV
tasas de accidentes tienden a disminuir. Por lo tanto, se encontró que el exponente que afectaba la
i 85
longitud era menor que 1. De hecho, para los tramos de carretera largos, se encontró que el resultado de
considerando sólo las diferencias positivas (área sombreada enFigura 4b).
• L(+) (m): longitud del tramo de carretera considerando sólo las
la tasa de accidentes era casi el mismo para los tramos de carretera libres y restringidos.

diferencias positivas entreViyV85(longitud del tramo de carretera
resaltado enFigura 4b).
•
σ(+) (km/h): desviación estándar de la diferencia entreViy V85
considerando sólo las diferencias positivas (desviación estándar del
perfil enFigura 4b).
• A(> x km/h) (metro∙km/h): área delimitada cuando la diferencia entre V yV
85es superior a x km/h (área sombreada enFigura 4C).
Tabla 4resume los parámetros de consistencia (Llopis-Castelló et al.,
2017 y 2018). Todos ellos están expresados en términos de velocidad (km/
h), lo que facilita su interpretación frente a otros modelos de consistencia.
En todos los casos, un valor más alto del parámetro indica un nivel de
consistencia más bajo.
4. Análisis
Se calibraron un total de 1144 funciones de rendimiento de seguridad (SPF)
para identificar cómo se debe calcular la velocidad de operación inercial. Este fue
el resultado de la combinación de los 143 perfiles de velocidad de operación
inercial y 8 parámetros de consistencia.
Un SPF es una expresión que relaciona la exposición al riesgo y la consistencia
con el número de choques. Siguiendo la práctica común, se utilizaron técnicas de
modelado lineal generalizado para ajustar estas funciones (Eq.(2)), y se asumió
una distribución binomial negativa, ya que es una solución apropiada con datos de
conteo sobredispersos (Señor y Mannering, 2010).
i,10=e LA
β0·ADT
β 1· β2·miβ3·C
ÉlAIC (Se obtuvo el índice de Akaike Information Criterion) para todas las
regresiones como una medida de bondad de ajuste. Cuanto más pequeño es
AICvalor, mejor es el modelo. Además, el error cuadrático medio (RMSE) y el
error absoluto medio (MAE)se calcularon para los modelos más precisos (
Tabla 5).
Sin embargo, es bien sabido que los choques se ven muy afectados por la
i
exposición. Por lo tanto, se calibró previamente un SPF de exposición única para
determinar qué tan importante es la inclusión del término de consistencia para la
predicción de choques:
L
yi,10 =mi−5.05097∙0.84111·AADT 0.76993AIC=998.97 (3)
En este sentido, la mayoría de los SPF calibrados que consideraron conjuntamente la
exposición al riesgo y la consistencia arrojaron un menorAICvalor que el SPF de
exposición única, por lo que el nivel de consistencia tuvo una gran influencia en la
ocurrencia de accidentes de tránsito.
Los parámetros de consistencia que mejores resultados mostraron fueron los
parámetros 7 y 8. Estos parámetros se obtuvieron principalmente por medio de
las diferencias positivas entre el perfil de velocidad de operación inercial y el perfil
de velocidad de operación. La única diferencia entre ambos parámetros fue que el
parámetro 7 se calculó considerando σ(+), mientras que el parámetro 8 dependía
de σ (Tabla 4). Esto significó que la diferencia positiva entre ambos perfiles de
velocidad pudo representar dónde no se alcanzaron las expectativas de los
conductores. Aunque el parámetro 8 mostró menor AICvalores que el parámetro
7, el parámetro 7 presentó los valores más bajos deRMSEyMAE (Tabla 5).
En cuanto al cálculo de la velocidad de operación inercial, diferentes
(2) las longitudes de los segmentos dieron resultados razonables. para analizar esto

142
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

Tabla 5
Mejores modelos de consistencia.

(a) Todos los tramos de carretera

Modeloa Parámetro de consistencia β0 β1 β2 β3 sobredispersión AIC RMSE MAE

– enL enAADT C θ

L500,5 7 Estimar − 13,4366 1.01182 0.83972 0.1322 6.07 974.02 4.27 3.03
Pr(> |z|) < 2,10−16 < 2·10−16 < 2·10−16 4.58·10−8
t15,10 7 Estimar − 13.7030 1.02146 0.85711 0.18027 6.04 976.06 4.21 3.04
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 1.99·10−7
L500,5 8 Estimar − 14.0447 1.04579 0.88047 0.11514 6.08 972.64 4.32 3.07
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 2.3·10−8
t15,10 8 Estimar − 14.1939 1.04805 0.89429 0.15059 6.00 974.49 4.30 3.11
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 6.85·10−8
Exposición única – Estimar − 10.8612 0.8411 0.76993 – 4.57 998.97 4.78 3.45
Pr(> |z|) < 2·10−16 6.77·10−14 < 2·10−16 –
(b) Tramos de carretera restringidos
L500,5 7 Estimar − 13.7677 1.04793 0.84720 0.12926 5.22 771.64 4.71 3.41
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 4.71·10−6
t15,10 7 Estimar − 14.0603 1.06023 0.86447 0.17752 5.17 773.41 4.66 3.43
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 1.37·10−5
L500,5 8 Estimar − 14.2337 1.07095 0.88229 0.11156 5.21 770.95 4.78 3.45
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 2.72·10−6
t15,10 8 Estimar − 14.4481 1.07935 0.89706 0.14725 5.14 772.48 4.76 3.50
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 6.96·10−6
Exposición única – Estimar − 10.9108 0.85442 0.76618 – 4.12 788.96 4.85 3.48
Pr(> |z|) < 2·10−16 2.26·10−11 < 2·10−16 –
(c) Tramos de carretera libres

L400,0 7 Estimar − 11,5246 0.83835 0.72643 0.18064 116 204.86 2.16 1.76
Pr(> |z|) 8.96·10−8 2.43·10−5 7.62·10−7 6.67·10−4
t15,6 7 Estimar − 11.6067 0.83255 0.74202 0.22636 168 203.79 2.14 1.72
Pr(> |z|) 4.75·10−8 2.12·10−5 3.86·10−7 3.93·10−4
L400,0 8 Estimar − 12.5705 0.91496 0.79753 0.14399 69 204.93 2.19 1.82
Pr(> |z|) 8.86·10−8 1.15·10−5 4.44·10−7 8.45·10−4
t15,6 8 Estimar − 12,6155 0.90608 0.80286 0.17887 80 204.02 2.18 1.77
Pr(> |z|) 4.79·10−8 1.02·10−5 2.29·10−7 5.10·10−4
Exposición única – Estimar − 8.3791 0.7015 0.5710 – 11.18 212.49 2.24 1.80
Pr(> |z|) 2,98·10−4 2.33·10−3 7.22·10−4 –

La variable es significativa cuando Pr(> |z|) < 0,05.

aEl modelo está definido porXyo, j, dondeXesLcuando el modelo se basa en la distancia ytcuando el modelo se basa en el tiempo;irepresenta la distancia (m) o el tiempo (s) utilizados
para el cálculo de la velocidad de operación inercial; yjes el valor de α considerado en la distribución de ponderaciones.

Figura 5.Parcelas CURE: (a)AADT; (b) Longitud; (c) Consistencia.

143
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

fenómeno más a fondo, los segmentos de carretera homogéneos se dividieron en

segmentos libres y restringidos de acuerdo conCamacho-Torregrosa (2015). De
esta forma, los tramos de carretera restringidos mostraron mejores resultados
utilizando 500 m, mientras que los tramos libres se comportaron mejor con 400 m
(Tabla 5).
Sin embargo, los mejores resultados en cuanto a tiempo no dependieron del
tipo de tramo de vía. Al respecto, se calculó el perfil de velocidad de operación
inercial considerando 15 s.
Por lo tanto, un perfil de velocidad de operación inercial basado en el tiempo
arrojó resultados más consistentes que el cálculo de este perfil basado en la
distancia. Esto podría deberse a la velocidad media de operación, que era
diferente para cada tipo de tramo de carretera. Luego, se logran diferentes
distancias para el mismo período de tiempo.
Finalmente, se estudiaron las distribuciones de ponderación. Como
conclusión, los mejores modelos de consistencia utilizaron distribuciones de
ponderación con valores del parámetro α entre 5 y 10.

5. Modelo de consistencia global

Figura 7.Tasa promedio de accidentes vs. Nivel de consistencia.
Se propuso un nuevo modelo de consistencia global basado en los resultados
anteriores. De esta manera, se prefirió el parámetro de consistencia 7 como
no se desvió más allá de los límites de ± 2σ* (Figura 5). Por tanto, el SPF propuesto
parámetro de consistencia global en comparación con el parámetro 8. Esto se
es una herramienta útil para estimar el número de accidentes en las carreteras
debió a que todas las variables utilizadas por el parámetro 7 se basaron en las
rurales de dos carriles españolas.
diferencias positivas entreViyV85, que representan dónde no se cumplieron las
Figura 6muestra la relación entre el parámetro de consistencia global (C)y las tasas
expectativas de los conductores. Por lo tanto, este parámetro es más consistente
de accidentes, que se calcularon teniendo en cuenta los accidentes observados. En este
que el parámetro 8 y representa mejor el fenómeno estudiado.
sentido, la tasa de accidentes aumenta con el parámetro de consistencia. Estos
Asimismo, se propuso un perfil de velocidad de operación inercial basado en
resultados son consistentes con el fenómeno estudiado, ya que cuanto mayor es la
el tiempo. Por lo tanto, la velocidad de operación inercial debe calcularse en cada
diferencia entre las expectativas de los conductores y el comportamiento en la carretera,
punto de la alineación como la velocidad de operación promedio ponderada de los
mayor es la probabilidad de ocurrencia de accidentes.
15 s anteriores considerando una distribución de ponderación lineal. Se seleccionó
Se definieron tres niveles de consistencia mediante un análisis de conglomerados. Al
esta distribución por su sencillez.
respecto, los tramos viales estudiados se clasificaron en tres grupos considerando los
Por lo tanto, la ecuación.(4)muestra la función de rendimiento de seguridad
valores de los parámetros de consistencia a través de un agrupamiento k-means, que
que permite estimar el número de choques en un segmento de carretera
utilizó la distancia euclidiana al cuadrado como medida de dispersión del agrupamiento.
homogéneo completo. Cabe destacar que este SPF también mostró valores
Como resultado, un segmento de carretera homogéneo tiene un buen nivel de
favorables de bondad de ajuste (AIC =978;RMSE =4,39;MAE =3.11).
consistencia cuando el parámetro de consistenciaCes bajo
Y=−6.6479mi
1.02645
·L · AADT 0.86684·0.14774·
mi C (4) de 2,75 km/h, un nivel de consistencia pobre cuandoCes superior a 4,5 km/h, y un
i,10
nivel de consistencia aceptable en todos los demás casos (higos. 6 y 7). Además, se
También se estudió la calidad del ajuste a partir de las gráficas de residuos
analizó la tasa de accidentes promedio considerando los umbrales de
acumulativos (CURE) (Hauer y Bamfo, 1997;Señor y Persaud, 2000). Este método
consistencia definidos (Figura 7). Una prueba estadística mostró diferencias
consiste en graficar los residuos acumulados para cada variable independiente. El
significativas entre estos niveles de coherencia con un nivel de confianza del 90 %,
objetivo es observar gráficamente qué tan bien se ajusta la función al conjunto de
por lo que el modelo de coherencia global propuesto puede evaluar
datos. El método CURE tiene la ventaja de no depender del número de
correctamente la seguridad vial en un segmento de carretera completo y
observaciones, como lo son muchos otros procedimientos estadísticos
distinguir entre los umbrales de coherencia propuestos.
tradicionales. En general, una buena gráfica de CURE es aquella que oscila
alrededor de 0. Por lo tanto, se obtiene un buen ajuste cuando los residuos no se
6. Discusión
desvían más allá de los límites de ± 2σ*.
Se puede observar que las gráficas frente a cada variable explicativa
6.1. Proceso de adquisición de expectativas de los conductores

Un perfil de velocidad de funcionamiento inercial basado en el tiempo mostró

resultados más sólidos que los basados en la distancia. Esto es consistente con los
resultados obtenidos en las carreteras italianas (Llopis-Castelló et al. 2018) y valida la
hipótesis de que el proceso de adquisición de expectativas de los conductores está
estrechamente relacionado con la Memoria a Corto Plazo (STM). Además, los mejores
resultados se lograron considerando 15 s, muy cercano a los 18 s referidos por Revlin,
(2012)para la memoria a corto plazo.
Por otro lado, este periodo de tiempo es inferior a los 25 s que se obtiene en
las carreteras rurales italianas de dos carriles (Llopis-Castelló et al., 2018). Esto
podría estar asociado con la carga de trabajo del controlador. A este respecto, la
tasa de cambio de curvatura promedio (RCC)de los tramos de carretera
homogéneos utilizados en esta investigación (209 gon/km) fue superior a los
observados en las autopistas italianas (91 gon/km), por lo que exigió una mayor
carga de trabajo del conductor.
Sin embargo, el SPF propuesto en este estudio se aplicó a las carreteras
rurales italianas de dos carriles consideradas porLlopis-Castelló et al. (2018a,
Figura 6.Modelo de consistencia global vs. Tasas de accidentes.
b). Así, cabe destacar que los índices de bondad de ajuste obtenidos

144
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

(RMSE =22,5;MAE =15.45) fueron similares a los obtenidos aplicando el

SPF desarrollado con datos italianos (RMSE =21,64;MAE =13.75).
Además, se analizó la relación entre el parámetro de consistencia propuesto y
las tasas de accidentes (Figura 8). Los resultados obtenidos fueron consistentes
con los observados en esta investigación, es decir, cuanto mayor es el parámetro
de consistencia, mayor es la tasa de accidentes. Como conclusión, el nuevo
modelo mostró un desempeño favorable en las carreteras rurales italianas de dos
carriles.

6.2. Parámetro de consistencia

El parámetro de consistenciaCse basa en la combinación de los

siguientes parámetros más simples:
A(+)·σ(+).un(+)es el área delimitada
L(+)
dentro deViyV85perfiles considerando sólo las diferencias positivas, L(+)
es la longitud del tramo de carretera por el cualVies más alto queV85, y
σ(+) es la desviación estándar de la diferencia entreViyV85
Figura 8.Modelo de consistencia global vs. Índices de accidentes en las carreteras italianas.
perfil considerando sólo las diferencias positivas.
Figura 9muestra la relación entre estos parámetros, donde cada punto es un
segmento de carretera homogéneo (el tamaño está relacionado con la tasa de
accidentes). De esta forma, los mayores puntos se concentraron para grandes
valores deun(+) y bajos valores deL(+) (Figura 9a). Esto es consistente con la
definición del parámetro de consistencia, ya que una granCse asocia con un
menor nivel de consistencia y, en consecuencia, la probabilidad de ocurrencia de
accidentes es mayor.
Así mismo, cuanto mayor seaun(+)o σ(+), cuanto mayor sea la tasa de accidentes (Figura 9b).
En este sentido, ambas variables son directamente proporcionales aC, por lo que un aumento de
cualquiera de ellos conduce a una mayor probabilidad de ocurrencia de accidentes, es decir, a un
menor nivel de consistencia.
Finalmente, la relación entreL(+)y también se estudió σ(+) (Figura 9C).
Esto no es tan intuitivo como los anteriores debido aun(+)es la variable
principal, es decir,L(+)y σ(+) ayudan a comprender mejor el fenómeno
estudiado. Por ejemplo, dados dos tramos de carretera homogéneos con
similarun(+),el segmento que muestra σ más bajo (+) o más grandeL(+)será
más consistente. Relacionado con esto, los tramos de carretera con mayores
índices de accidentes se concentran para mayor σ(+) y menorL(+).
Como conclusión, las variables que definen el nuevo parámetro de consistencia global
pueden cuantificar adecuadamente cómo se relacionan las expectativas de los conductores y el
comportamiento en la carretera. Por lo tanto, el parámetro propuestoCes una buena medida
sustituta de la consistencia del diseño geométrico.

6.3. Validación del modelo de consistencia global propuesto

El nuevo modelo de consistencia global fue validado considerando 26 tramos

de carretera homogéneos diferentes a los tramos de carretera utilizados para la
calibración del modelo. Estos fueron seleccionados al azar entre un total de 105
segmentos de carretera homogéneos.Tabla 6muestra un resumen de las
principales características de estos tramos de carretera.
La geometría de estos tramos viales fue recreada mediante la metodología
propuesta porCamacho-Torregrosa et al. (2015), mientras que el perfil de
velocidad de operación de cada uno de ellos se estimó considerando los modelos
de velocidad de operación desarrollados porPérez-Zuriaga (2012). De acuerdo con
los resultados obtenidos anteriormente, los perfiles de velocidad de operación
inercial se calcularon a través de la velocidad de operación promedio ponderada
de los 15 s anteriores considerando una distribución de ponderación lineal.
Finalmente, el parámetro de consistenciaCse obtuvo para cada
segmento de carretera homogéneo. La correlación entre este parámetro y

Tabla 6
Resumen estadístico de los tramos de carretera homogéneos utilizados para la validación.

Mínimo Máximo Promedio Desviación Estándar

Longitud (m) 1,054 5,472 2,803 1,237

RCC (gon/km) 8.69 697.07 164.76 160.06
Figura 9.Análisis de parámetros de consistencia.
AADT (vpd) 518 7,022 2,411 1,754
Choques 0 31 6.69 7.66

145
D. Llopis-Castelló et al.
Figura 10.Validación del modelo de consistencia: Crash Rate vs. Consistencia.
Figura 11.Validación del modelo de consistencia: Accidentes observados vs. Choques
previstos.
Se analizó la tasa de accidentes (Figura 10). Las tasas de falla promedio para los
niveles de consistencia regular y pobre obtenidos en el proceso de validación
fueron similares a las obtenidas en la calibración del modelo, mientras que la tasa
de falla promedio para un nivel de consistencia buena en la validación fue mayor
que la obtenida en la calibración. Esto se debe a los pocos tramos de carretera
homogéneos con un buen nivel de consistencia.
Además, se analizó la relación entre los choques observados y
pronosticados comparando los parámetros de bondad de ajuste
Figura 12.Tasa promedio de accidentes vs. Nivel de consistencia de modelos anteriores.
146
Análisis y prevención de accidentes 119 (2018) 138–148
(MAEyRMSE)obtenidos en el proceso de validación y calibración (Figura 11).
En este sentido, los accidentes fatales y con lesiones pronosticados se
estimaron considerando el SPF definido para el nuevo modelo de
consistencia (Eq.(4)). Ambas cosasMAEyRMSEfueron menores en el proceso
de validación, que verifica la solidez del nuevo modelo de consistencia.
Como conclusión, el modelo de consistencia global propuesto evalúa correctamente
el nivel de consistencia y se puede utilizar para estimar el número de accidentes fatales y
lesionados en un segmento de carretera homogéneo completo.
6.4. Comparación con modelos de consistencia anteriores
El nuevo modelo de consistencia global se comparó con los modelos
desarrollados porPolo y Mattar-Habib (2004),Garach et al. (2014), y Camacho-
Torregrosa (2015). Todos los parámetros de consistencia se obtuvieron para cada
segmento de carretera homogéneo y se calculó la tasa de accidentes promedio
para cada nivel de consistencia (Figura 12). Para ello, solo se consideraron los
tramos de carretera homogéneos utilizados para la validación del modelo.
Como se mencionó anteriormente, solo dos segmentos de carretera
homogéneos mostraron buena consistencia, por lo que este nivel de consistencia
no se consideró en el análisis. Así, los modelos de consistencia que mejor pueden
representar el fenómeno estudiado son los modelos desarrollados porCamacho-
Torregrosa (2015)y el modelo propuesto en esta investigación, ya que se
identificaron diferencias estadísticas significativas entre la tasa de accidentes
promedio para un nivel de consistencia regular y pobre a un nivel de confianza del
95%. Sin embargo, los modelos propuestos porPolo y Mattar-Habib (2004)yGarach
et al. (2014)resultó en índices promedio de fallas muy similares para estos niveles
de consistencia. Además, la tasa de accidentes promedio observada para una
consistencia regular fue mayor que para una consistencia pobre considerando el
modelo desarrollado porPolo y Mattar-Habib (2004), lo cual no es consistente con
el fenómeno estudiado.
Para comprender mejor estos resultados, se analizó la relación entre el
parámetro de consistencia propuesto y los parámetros de consistencia
desarrollados por los otros autores. EnFigura 13, cada punto es un segmento de
carretera homogéneo y su tamaño representa su tasa de accidentes. Cuanto
mayor sea el tamaño, mayor será la tasa de accidentes. Asimismo, las líneas
punteadas representan los umbrales de consistencia de los diferentes modelos de
consistencia.
Así, se identificó que los modelos de consistencia desarrollados por Polo y Mattar-
Habib (2004)yGarach et al. (2014)presentó puntos con tamaños muy diferentes dentro del
mismo nivel de consistencia. En particular, algunos segmentos de carretera homogéneos
con altas tasas de accidentes fueron etiquetados con un nivel de consistencia aceptable.
Esto explicaba que las tasas de accidentes promedio para este nivel de consistencia
fueran mayores que las obtenidas
D. Llopis-Castelló et al. Análisis y prevención de accidentes 119 (2018) 138–148

6.5. SPF basado en consistencia vs. SPF basado en índices de alineación

Finalmente, el nuevo SPF basado en la consistencia se comparó con un SPF

basado en el parámetro geométrico Curvature Change Rate (cc),que representa
cuán sinuoso es un segmento de carretera homogéneo. En este sentido, un gran
RCCestá relacionado con tramos de carretera homogéneos con tangentes más
cortas y curvas más pronunciadas, lo que suele dar lugar a mayores variaciones de
velocidad.
Tabla 7muestra el ajuste estadístico para el SPF basado enRCC y
consistencia. Como resultado, el SPF basado en la consistencia puede
estimar con mayor precisión el número de choques, ya que los parámetros
de bondad de ajuste para el SPF basado enRCCson significativamente
mayores que los obtenidos para el nuevo modelo de consistencia global.
Además, RCCresultó una variable no significativa porque el parámetro Pr (>
|z|) fue mayor a 0.05.

7. Conclusiones y futuras investigaciones

Este artículo presenta un nuevo modelo de consistencia global basado en la

Figura 13.Parámetro de consistencia propuesto vs. Parámetros de consistencia
anteriores: (a)Polo y Mattar-Habib (2004); (b)Garach et al. (2014); (C)Camacho-
Torregrosa et al. (2015).
con el modelo de consistencia propuesto en esta investigación y el
desarrollado porCamacho-Torregrosa (2015). Además, el modelo propuesto
por Polus yPolo y Mattar-Habib (2004)) definieron unos tramos de carretera
homogéneos con bajos índices de siniestralidad con un bajo nivel de
consistencia, lo que explica que el promedio de siniestralidad asociado a
este nivel de consistencia sea muy inferior al obtenido con los otros
modelos.
diferencia entre el perfil de velocidad de operación inercial y el perfil de velocidad de
operación para la evaluación de la seguridad vial en las carreteras rurales españolas de
dos carriles.
El objetivo principal de este estudio fue identificar cómo se debe calcular la
velocidad de operación inercial, que es una medida sustituta de las expectativas
de los conductores. Al respecto, se analizaron distancias entre 300 my 800 m con
un paso de 100 m, períodos de tiempo entre 10 s y 40 s con un paso de 5 s y 11
distribuciones de ponderación. Así, se calcularon 143 perfiles de velocidad de
operación inercial para cada segmento de carretera homogéneo. Asimismo, se
estudiaron 8 parámetros de consistencia, por lo que se calibraron un total de 1144
Funciones de Desempeño de Seguridad.
El nuevo modelo de consistencia se definió comoA(+)·σ(+)(parámetro 7),
L(+)
serun(+)el área delimitada dentro de laViyV85perfiles, σ(+) la desviación
estándar de la diferencia entreViyV85perfil, yL (+)la longitud del tramo de
carretera por el queVies más alto queV85. Relacionado con esto, el perfil de
velocidad de operación inercial se definió como la velocidad de operación
promedio ponderada de los 15 s anteriores considerando una distribución
de ponderación lineal, que es consistente con el proceso de adquisición de
expectativas de los conductores.
Adicionalmente, se identificó que los SPF calibrados mediante un perfil de velocidad
de operación inercial basado en el tiempo mostraron resultados más consistentes que
los obtenidos a través de perfiles de velocidad basados en la distancia. Esto permitió
validar los resultados obtenidos para las carreteras rurales italianas de dos carriles (
Llopis-Castelló et al., 2018b).
Se propuso una función de rendimiento de seguridad para estimar el número
de accidentes en un segmento de carretera homogéneo completo y se definieron
umbrales de consistencia. De esta forma, un segmento de carretera homogéneo
tiene un buen nivel de consistencia cuando el parámetro de consistencia
(C)es inferior a 2,75 km/h, un nivel de consistencia pobre cuandoCes superior a 4,5
km/h, y un nivel de consistencia justo por lo demás.
Finalmente, se comparó el modelo propuesto con los desarrollados
previamente por otros autores. Como conclusión, los modelos desarrollados
por Polo y Mattar-Habib (2004)yGarach et al. (2014)no pudieron estimar
adecuadamente el nivel de consistencia de los tramos de carretera incluidos
en este estudio. Por el contrario, el modelo propuesto presentó una alta

Tabla 7
Ajuste estadístico – Modelos de consistencia global.

β0 β1 β2 β3 sobredispersión AIC RMSE MAE

– enL enAADT RCC θ

FPS basado enRCC Estimar − 5,1064 0.85071 0.77578 3.069·10−6 4.52 993.85 4.7789 3.4499
Pr(> |z|) < 2·10−16 7.15·10−14 < 2·10−16 0.99
Llopis-Castelló et al. Estimar − 6.6479 1.02645 0.86684 0.14774 5.83 978.00 4.3937 3.1078
Pr(> |z|) < 2·10−16 < 2·10−16 < 2·10−16 5.47·10−7

La variable es significativa cuando Pr(> |z|) < 0,05.

147
D. Llopis-Castelló et al.
correlación con el modelo desarrollado porCamacho-Torregrosa (2015). Sin
embargo, el nuevo modelo mostró un mejor ajuste. Por lo tanto, el modelo
de consistencia global propuesto describe mejor el fenómeno que los
modelos anteriores.
Se desarrollaron nuevas herramientas que pueden ser utilizadas por los ingenieros de
caminos para incorporar la seguridad vial al diseño geométrico tanto de las nuevas carreteras
rurales españolas de dos carriles como de las mejoras de las carreteras existentes.
A pesar de la importante mejora con respecto a los enfoques de coherencia
anteriores, quedan algunas limitaciones. La longitud relativamente corta de los
tramos de carretera homogéneos, combinada con la eliminación de los accidentes
de PDO, hizo necesario considerar un período de tiempo tan largo (10 años). De lo
contrario, los bloqueos no tendrían una distribución binomial negativa. Se
preferirían períodos de tiempo más cortos, pero en su lugar se deberían aplicar
otras distribuciones más complejas y/o menos precisas. Además, este modelo de
consistencia se aplica a un rango limitado de secciones transversales y
características longitudinales de los caminos rurales de dos carriles. Se podrían
calibrar diferentes modelos para otros tipos de caminos, incluidos, por ejemplo,
caminos de bajo volumen. Aunque podría aplicarse la misma metodología,
podrían esperarse cambios en la distribución de probabilidad y formas
funcionales,
Expresiones de gratitud
El estudio que se presenta en este artículo forma parte del proyecto de
investigación “CASEFU - Estudio experimental de la funcionalidad y
seguridad de las carreteras convencionales” (TRA2013-42578-P),
subvencionado por el Ministerio de Economía, Industria y Competitividad de
España y la Unión Europea. Fondo Social. Además, los autores desean
agradecer al Departamento de Vivienda, Obras Públicas y Ordenación del
Territorio de la Generalitat Valenciana y al Departamento de Tráfico del
Gobierno de España, que proporcionaron datos de tráfico y accidentes,
respectivamente.
Referencias
Anderson, I., Bauer, K., Harwood, D., 1999. Relación con la seguridad del diseño geométrico
medidas de consistencia para carreteras rurales de dos carriles. transporte Res. Rec.: J. Transp. Res.
Junta 1658, 43–51.
Awatta, M., Hassan, Y., Sayed, T., 2006. Evaluación cuantitativa de la seguridad vial por
Rendimiento basado en la consistencia del diseño. Adv. transporte Semental. 9.
Cafiso, S., Graziano, A.Di, Di Silvestro, G., Cava, G.La, Persaud, B., 2010. Desarrollo de
Modelos integrales de accidentes para carreteras rurales de dos carriles utilizando
variables de exposición, geometría, consistencia y contexto. Ácido. Anal. Anterior 42 (4),
1072–1079. Camacho-Torregrosa, FJ, 2015. Desarrollo y Calibración de un Geométrico Global
Modelo de Consistencia de Diseño para Carreteras Rurales de Dos Carriles, Basado en el Uso de
Perfiles de Velocidad de Operación Continua. Universitat Politècnica de València, Valencia (España).
Camacho-Torregrosa, FJ, Pérez-Zuriaga, AM, Campoy-Ungría, JM, García, A., Tarko,
AP, 2015. Uso de la dirección de rumbo para recrear la alineación horizontal de una carretera
existente. Civ. Asistida por Computador. Infraestructura Ing. 30 (4), 282–299.
de Oña, J., Garach, L., Calvo, F., García-Muñoz, T., 2013. Relación entre la predicción
reducción de velocidad en curvas horizontales y seguridad en carreteras rurales de dos carriles en
España. J.Transp. Ing. 140 (3), 04013015.
148
Análisis y prevención de accidentes 119 (2018) 138–148
Dirección General de Tráfico (DGT), 2017.http://www.dgt.es/es/seguridad-vial/
estadisticas-e-indicadores/.
Garach, L., Calvo, F., Pasadas, M., de Oña, J., 2014. Propuesta de un nuevo modelo global de
consistencia: aplicación en carreteras rurales de dos carriles en España. J.Transp. Ing. 140 (8),
04014030.
Garach, L., de Oña, J., López, G., Baena, L., 2016. Evolución del desempeño en seguridad
funciones para las carreteras rurales españolas de dos carriles en terreno llano. Ácido. Anal. Anterior 95, 250–265.
García, A., Llopis-Castello, D., Pérez-Zuriaga, AM, Camacho-Torregrosa, FJ, 2013a.
Identificación homogénea de tramos de carretera basada en la velocidad de funcionamiento inercial.
Reunión Anual 92 de la Junta de Investigación de Transporte. 13-3545.
García, A., Llopis-Castelló, D., Camacho-Torregrosa, FJ, Pérez-Zuriaga, AM, 2013b.
Nuevo índice de consistencia basado en la velocidad de operación inercial. transporte Res. Rec.: J.
Transp. Res. Junta 2391, 105–112.
Gibreel, GM, Easa, SM, Hassan, Y., El-Dimeery, IA, 1999. Estado del arte de la carretera
consistencia del diseño geométrico. J.Transp. Ing. 125 (4), 305–313.
Hauer, E., Bamfo, J., 1997. Dos herramientas para encontrar qué función vincula el dependiente
variable a las variables explicativas Lund, Suecia. Actas de la Conferencia ICTCT 1997.
Llopis-Castelló, D., Bella, F., Camacho-Torregrosa, FJ, García, A., 2018a. nuevo con-
modelo de resistencia basado en perfiles de velocidad de operación inercial para la evaluación de la seguridad
vial. J.Transp. Ing. 144 (4), 04018006.
Llopis-Castelló, D., Bella, F., Camacho-Torregrosa, FJ, García, A., 2018b. basado en el tiempo
calibración de la velocidad de operación inercial para mejorar la evaluación de la
consistencia del diseño geométrico. transporte Res. Rec.: J. Transp. Res. Tablero https://
doi.org/10.1177/ 0361198118782009.
Lord, D., Mannering, F., 2010. El análisis estadístico de los datos de frecuencia de accidentes: una revisión
y evaluación de alternativas metodológicas. transporte Res. Parte A: Práctica de políticas. 44
(5), 291–305.
Lord, D., Persaud, BN, 2000. Modelos de predicción de accidentes con y sin tendencia: ap-
plicación del procedimiento de estimación generalizada de ecuaciones. transporte Res.
Rec.: J. Transp. Res. Junta 1717, 102–108.
Mehta, G., Lou, Y., 2013. Calibración y desarrollo de funciones de desempeño de seguridad
para Alabama. transporte Res. Rec.: J. Transp. Res. Junta 2398, 75–82. Montella, A.,
Imbriani, LL, 2015. Funciones de desempeño de seguridad incorporando diseño
variables de consistencia. Ácido. Anal. Anterior 74, 133–144.
Montella, A., Colantuoni, L., Lamberti, R., 2008. Modelos de predicción de choques para vehículos rurales.
autopistas transporte Res. Rec.: J. Transp. Res. Junta 2083, 180–189.
Ng, J., Sayed, T., 2004. Efecto de la consistencia del diseño geométrico en la seguridad vial. Poder. J. Civ.
Ing. 31 (2), 218–227.
Pérez-Zuriaga, AM, 2012. Caracterización y modelización de la velocidad de operación
en carreteras convencionales a partir de la observación naturalística de la evolución de
vehículos ligeros. Universitat Politècnica de València, Valencia (España). Polus, A., Mattar-
Habib, C., 2004. Nuevo modelo de consistencia para carreteras rurales y su
relación con la seguridad. J.Transp. Ing. 130 (nº 3), 286–293.
Quddus, M., 2013. Explorando la relación entre velocidad promedio, variación de velocidad,
y accidentalidad utilizando modelos estadísticos espaciales y SIG. J.Transp. seguro Seguro 5 (1), 27–45.
Resende, P., Benekohal, R., 1997. Efecto de la longitud de la sección de la carretera en el modelado de accidentes
congestión del tráfico y seguridad del tráfico ASCE, Chicago, IL. La Conferencia del Siglo XXI.
Revlin, R., 2012. Cognición: teoría y práctica. Palgrave Macmillan.
Srinivasan, R., Colety, M., Bahar, G., Crowther, B., Farmen, M., 2016. Estimación de ca-
funciones de libración para predecir choques en caminos rurales de dos carriles en Arizona.
transporte Res. Rec.: J. Transp. Res. Junta 2583, 17–24.
Treat, JR, Tumbas, NS, McDonald, ST, Shinar, D., Hume, RD, 1979. Estudio de tres niveles
de las Causas de los Accidentes de Tránsito: Resumen Ejecutivo (Informe Técnico del Servicio
Nacional de Información Técnica No. DOT HS-805 099). Universidad de Indiana, Bloomington
.
OMS, 2015. Global Status Report on Road Safety 2015. Organización Mundial de la
Salud. Wu, K.-F., Donnell, ET, Himes, SC, Sasidharan, L., 2013. Explorando la asociación
entre la seguridad del tráfico y la coherencia del diseño geométrico en función de las métricas de velocidad
del vehículo. J.Transp. Ing. 139 (7), 738–748.