Análisis de viabilidad de construcción de modelos predictivos de accidentes viales en la ciudad de La Rioja
DOI:
https://doi.org/10.26507/paper.4242Palabras clave:
modelo estadistico predictivo, seguridad vial, tráfico, Artificial Intelligence (AI), Machine LearningResumen
Este proyecto, en desarrollo desde diciembre de 2024 hasta diciembre de 2025, tiene como objetivo evaluar la viabilidad de la elaboración de modelos predictivos orientados a fortalecer la seguridad vial preventiva. Para ello, se emplearán datos históricos y en tiempo real proporcionados por sistemas de monitoreo, considerando variables dinámicas como el clima, la temperatura, la fecha, el día de la semana, la hora y la ocurrencia de eventos relevantes, entre otros.
Se implementará una metodología exploratoria-descriptiva, iniciando con un análisis de los recursos actualmente en funcionamiento y aquellos planificados para ser incorporados en el período 2024-2025, según la planificación del Gobierno de la provincia de La Rioja. En particular, se analizará la infraestructura y operatividad del sistema 911, dependiente del Ministerio de Seguridad, Justicia y Recursos Humanos.
En la primera etapa del estudio, se examinará la distribución geográfica de las cámaras de vigilancia en funcionamiento, evaluando sus características tecnológicas y los datos que pueden generar (como resolución de imagen, visión infrarroja y captura de sonido), en relación con la red vial de la Ciudad. A partir de esta información, se determinará el modelo predictivo más adecuado a desarrollar, combinar o activar, en caso de que ya exista uno pertinente.
Con base en los resultados preliminares del análisis de datos y los modelos aplicados, se establecerán conclusiones preliminares. Posteriormente, se aplicarán métodos analíticos sobre casos de estudio para diseñar un tablero de control que identifique las zonas de mayor riesgo en la ciudad. Este tablero permitirá fortalecer la seguridad vial a nivel preventivo, proporcionando información clave para la toma de decisiones.
El análisis de datos se apoyará en herramientas estadísticas descriptivas univariadas y multivariadas, utilizando software especializado como InfoStat y R, así como cualquier otro recurso tecnológico necesario para validar o refutar la hipótesis del estudio. Además, las estadísticas en seguridad vial serán fundamentales para dimensionar la problemática, identificar los segmentos de mayor riesgo y analizar la evolución de las tendencias a lo largo del tiempo.
Citas
Luchemos por la vida. http://luchemos.org.ar/es/estadisticas?gclid=Cj0KCQjw1_SkBhDwARIsANbGpFsO9WGiuR0 a32VBpKoKI8QO7jhWrWm1BFakDB9O3uM8hh7OOEUXHEUaAjNiEALw_wcB
Herramientas de investigación aplicada en seguridad vial. Seguridad vial. Informes estadísticos. Presidencia de La Nación Argentina. https://www.argentina.gob.ar/seguridadvial/observatoriovialnacional/estadisticas-observatorio
What Is a Smart City? How AI Is Going Uptown Around the Globe. https://resources.nvidia.com/en-us-metropolis-smart-cities
ROCO - a real-world roundabout traffic conflict dataset. https://arxiv.org/pdf/2303.00563v2.pdf
Modelos predictivos de accidentes de tráfico en Madrid. Universidad Internacional de La Rioja. Escuela de Ingeniería. https://reunir.unir.net/bitstream/handle/123456789/6472/CRUZ%20BELLAS%2C%20LUIS.p df?sequence=1&isAllowed=y - Cruz Bellas, Luis 2017 "Modelos predictivos de accidentes de tráfico en Madrid"
Cruz Bellas Luis y Madariaga Merino, Sara. (2017). Modelos predictivos de accidentes de tráfico en Madrid. UNIR. Escuela de Ingeniería.
Área de Seguridad de los Motociclistas y Dirección de Investigación Accidentológica del Observatorio Vial – (2021) – Seguridad Vial – República Argentina. - Estudio Observacional del comportamiento de motociclistas en el municipio de Mercedes.
Juan G. Corvalán y Enzo María Le Fevre Cervini. (2021). Inteligencia artificial en accidentes de tránsito: primera aplicación predictiva en el mundo para la Justicia Civil
Metodología para el análisis accidentológico de áreas con concentración de siniestros viales con víctimas en ámbitos urbanos. (2023). Dirección de Investigación Accidentológica de la Dirección Nacional de Observatorio Vial. Ministerio de transporte. República Argentina.
Metodología basada en reportes de siniestros para la optimización de la gestión Municipal sobre seguridad vial. (2020). Perez, Angueira Luciana; Marcos, Carlos; Gasselle, Gonzalo; Martinez Micakoski, Fernanda; Enrietti, Adhemar Raul. Universidad Tecnológica Nacional Facultad Regional Trenque Lauquen.
Predicción de siniestros viales en C.A.B.A. (2022). Jennifer Mercy Novello. Universidad Torcuato Di Tella. Buenos Aires. Argentina y Universidad de Antioquia. Medellín. Colombia.
Modelo Predictivo de Siniestralidad - Equipo 22 -https://www.youtube.com/watch?v=w1RU9SBKJH8
Predicción de accidentes viales y análisis de datos. https://www.youtube.com/watch?v=ULrn5rvHNOE
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |



