I
n
g
e
n
i
e
r
ía
C
i
v
i
l
Ingeniería. Revista de la Universidad de Costa Rica
Vol. 35, No. 1: 72-89, Enero-Junio, 2025. ISSN: 2215-2652. San José, Costa Rica
Esta obra está bajo una Licencia de Creative Commons. Reconocimiento - No Comercial - Compartir Igual 4.0 Internacional
Funciones de desempeño de seguridad vial para secciones
de control en Costa Rica
Safety performance functions for road control sections in Costa Rica
Rodolfo Fernández Garita 1 , Henry Hernández Vega 2 , Jonathan Agüero Valverde 3 , Diana Jiménez Romero 4
1 Universidad de Costa Rica, San José, Costa Rica. Escuela de Ingeniería Civil, San José, Costa Rica.
correo: rodolfo.fernandezgarita@gmail.com
2 Universidad de Costa Rica, San José, Costa Rica. Docente e investigador Escuela de Ingeniería Civil, San José, Costa Rica.
correo: henry.hernandezvega@ucr.ac.cr
3 Universidad de Costa Rica, San José, Costa Rica. Docente e investigador Escuela de Ingeniería Civil. Coordinador e investigador
Programa de Investigación en Desarrollo Urbano Sostenible (ProDUS), San José, Costa Rica.
correo: jonathan.aguero@ucr.ac.cr
4 Universidad de Costa Rica, San José, Costa Rica. Directora del Departamento de Ingeniería en Transportes y Urbanismo e investigadora
LabTrans, Escuela de Ingeniería Civil, San José, Costa Rica.
correo: diana.jimenez@ucr.ac.cr
Recibido: 19/07/2024
Aceptado: 20/01/2025
Resumen
Los choques viales representan un alto costo social y económico para el país. Por esta razón, se
estudia la Red Vial Nacional de Costa Rica para determinar aquellas secciones de control con potencial
de mejora, utilizando funciones de desempeño de seguridad vial.
El estudio se realiza aplicando el método de exceso de frecuencia de choques esperado, ajustado con
Bayes empírico. La metodología se toma del Manual de Seguridad de Carreteras de la AASHTO. El análisis
se aplica a todas las secciones de control con disponibilidad de datos requeridos para la investigación, por
lo que se estudian 911 secciones de control de la Red Vial Nacional.
Se realizaron los análisis para cuatro modelos de choques: totales, solo heridos leves, solo muertos
o heridos graves y colisión con motocicleta. Se determinaron las secciones de control con exceso de
frecuencia de choques esperado. Además, a partir de los estudios realizados, se determinó que la cantidad
de accidentes se ve inuenciada principalmente por tres variables: tipo de supercie, condición de
señalización y ancho de supercie.
Es recomendable que se generen planes para mejorar la seguridad vial en las secciones de control
con mayor exceso de frecuencia de choques esperado, debido a que representan un mayor potencial de
mejora en términos de seguridad vial. Por otro lado, se sugiere estudiar las secciones de control con menor
exceso de frecuencia de choques esperado para conocer las condiciones que tienen estos sitios.
Palabras Clave:
Análisis de sitios de
concentración de choques,
Bayes empírico, Red
Vial Nacional, regresión
binomial negativa,
seguridad vial.
Keywords:
Empirical Bayes,
National Road Network,
negative binomial
regression, network
screening, safety
performance functions.
DOI: 10.15517/ri.v35i1.61159
Abstract
Road crashes represent a high social and economic cost for the country. For this reason, the Costa
Rican National Road Network is studied to determine those control sections with potential for improvement
using road safety performance functions.
The study is performed by applying the method of expected excess frequency of crashes, adjusted
with empirical Bayes. The methodology is taken from the AASHTO Highway Safety Manual. The analysis
is applied to all control sections with availability of data required for the research, so 911 control sections
of the National Road Network are studied.
The analyses were performed for four crash models: total crashes, minor injuries only, fatalities
or serious injuries only, and collisions with motorcycles. The control sections with excess frequency of
expected crashes were determined. In addition, from the studies performed, it was determined that the
number of crashes is mainly inuenced by three variables: type of surface, sign condition, and surface width.
It is advisable to generate plans to improve road safety in the control sections with the highest excess
frequency of expected crashes, since they represent a greater potential for improvement in terms of road
safety. On the other hand, it is recommended to study the control sections with lower excess frequency
of expected crashes, in order to know the conditions that prevail at these sites.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 73
SIMBOLOGÍA O NOMENCLATURA
AASHTO .........American Association of State Highway and
Transportation Ocials.
COSEVI ...........Consejo de Seguridad Vial.
HSM .................Highway Safety Manual.
LANAMME .....Laboratorio Nacional de Materiales y Modelos
Estructurales.
MOPT ..............Ministerio de Obras Públicas y Transportes.
RVN .................Red Vial Nacional.
SIG ...................Sistema de Información Geográca.
SNIT .................Sistema Nacional de Información Territorial.
TPD ..................Tránsito Promedio Diario.
TPDA ...............Tránsito Promedio Diario Anual.
1. INTRODUCCIÓN
Los accidentes por choques viales representan un problema
grave en Costa Rica. Según el Instituto Nacional de Estadística
y Censos [1], en el año 2017, se presentaron 895 muertes por
accidentes de tránsito, lo que representa aproximadamente el
3,9 % del total de defunciones de ese año. Asimismo, en 2019,
hubo 817 muertes por dicha causa, es decir, el 3,4 % del total
[2]. Por último, en 2021, se presentaron 733 de este tipo de
defunciones, con lo que se alcanzó el 2,4 % ese año [3].
a problemática de los choques viales debe ser percibida por el
Estado y por los usuarios como un costo monetario y social, ya que
cada choque genera una variedad de pérdidas, tales como tiempo,
vidas humanas, recursos invertidos en reparaciones, entre otros.
Al realizar un estudio que identique las secciones de control más
críticas y permita hacer intervenciones que reduzcan los choques
viales, se generaría una disminución en los costos descritos.
El método de exceso de frecuencia promedio de choques
esperado con el ajuste de Bayes empírico se considera un
método aceptado en la comunidad de la seguridad vial, ya que
fue publicado en la primera edición, en el año 2010, del Highway
Safety Manual (HSM) de AASHTO (American Association of
State Highway and Transportation Ocials) [4].
Por un lado, las funciones de desempeño de seguridad vial
pueden aplicar a elementos puntuales de la red vial. Por ejemplo,
en [5], se evaluó el desempeño de seguridad vial en intersecciones
semaforizadas en Medellín, Colombia. Además, en el trabajo de
Guadamuz-Flores, y Agüero-Valverde [6], se analizó el caso de
cruces ferroviarios en Costa Rica. Asimismo, en el estudio que
realizaron García, Lizarazo, Mangones, Bulla-Cruz y Darghan
[7], se analizaron carriles preferenciales para autobuses. Por otro
lado, estas funciones también pueden ser analizadas a nivel de
toda la red vial nacional, tal como lo hizo Agüero Valverde [8].
La presente investigación adquiere relevancia debido a
la falta de herramientas que orienten la toma de decisiones
en materia de seguridad vial, ya que en el país existen pocos
modelos de desempeño que permitan identicar con sustento
cientíco aquellas zonas que requieran ser intervenidas de forma
prioritaria para mejorar la seguridad vial. Asimismo, el mayor
aporte generado radica en que es la primera investigación en
funciones de desempeño a un nivel de detalle alto utilizando
secciones de control, lo que corresponde a la unidad de agregación
más pequeña empleada por el MOPT para la toma de decisiones.
El estudio responde a dos preguntas principales. La primera
pregunta plantea si es posible generar funciones de desempeño
para toda la Red Vial Nacional con un alto nivel de detalle al
utilizar secciones de control como unidad de análisis, lo que
corresponde a la unidad de agregación mínima empleada por el
MOPT, como se comentó anteriormente. La segunda pregunta
se enfoca en la factibilidad de generar funciones de desempeño
de seguridad vial enfocadas en motociclistas en Costa Rica,
puesto que, en relación con la accidentabilidad de motocicletas,
los estudios sobre funciones de desempeño de seguridad vial son
mucho menos abundantes que las funciones de desempeño en
general. Por ejemplo, para el caso de motociclistas, en Colombia,
Ospina-Mateus, Quintana Jiménez, Lopez-Valdés y Sankar Sana
[9] determinaron que el volumen medio diario del tráco de
motociclistas, el número de accesos (intersecciones) por kilómetro,
las zonas comerciales y el tipo de camino afectan el desempeño de
una vía respecto a la seguridad de los motociclistas. Similarmente,
Manan, Jonsson y Várhelyi [10] desarrollaron funciones de
desempeño en vías primarias de Malasia y determinaron que las
fatalidades de motociclistas por kilómetro están afectadas por
la cantidad de intersecciones y el volumen de motociclistas. Sin
embargo, en este último estudio, se contaba con información
limitada respecto a las características de la vía y su entorno.
La Red Vial Nacional está compuesta por una longitud
aproximada de 7760 kilómetros, de los cuales 5927 kilómetros
se encuentran en zona rural y los restantes 1832 kilómetros en
zona urbana. Además, la longitud aproximada de la red vial
cantonal corresponde aproximadamente a 35 086 kilómetros
[11]. Lo que genera un total de 42 846 kilómetros de red vial
total. El correcto funcionamiento de este complejo sistema genera
benecios económicos y sociales al país, además de generar
impactos positivos sobre el desarrollo regional centroamericano.
En algunas rutas nacionales, se ha identicado una frecuencia
y severidad de los choques elevada, como lo es el caso de las rutas
nacionales número 32, 1, 34, entre otras [12], [13], [14], [15], [16],
[17], [18]. A pesar de la existencia de estudios detallados respecto
a los choques esperados en algunos de los tramos más críticos, es
recomendable realizar un estudio general y detallado para toda
la red vial nacional. Por ello, para realizar un estudio general
sobre la red vial nacional, se opta por ejecutar un estudio por
secciones de control, las cuales son establecidas por la Secretaría
de Planicación Sectorial del MOPT. De esto se desprende la
importancia de realizar un análisis que permita identicar las
secciones de control más críticas de concentración de choques
viales y, con ello, promover la generación de medidas que brinden
soluciones a la problemática actual y a futuro.
La escogencia de un método estadístico adecuado para la
estimación de choques depende de la disponibilidad de los datos
de ingreso requeridos, las limitaciones y fortalezas que presente
el método y las salidas que se espera que tenga el estudio. El
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 74
HSM presenta modelos estadísticos con análisis de regresión que
buscan resolver el sesgo de regresión a la media; de esta forma,
se tiene una mayor conabilidad en la estimación de la frecuencia
de choques promedio esperada para el sitio de estudio.
Algunas metodologías para generar modelos estadísticos
mediante la frecuencia de choques observada son Bayes empírico,
Bayes jerárquico y Bayes completo. El método de Bayes empírico
se clasica en el HSM como un método predictivo; además,
presenta la ventaja de que, una vez que se tiene un modelo
calibrado para un sitio con condiciones particulares, el método
se puede aplicar de forma sencilla [4].
Ahora, en (1), se muestra la forma de la tasa de choques
de la distribución, donde β0 corresponde al término constante, β1
corresponde al término asociado al TPDA y el término constante
β2, β 3, β 4, …, βn corresponde a los coecientes asociados a las
variables 1, 2, 3, …, n. Los coecientes se obtienen del modelo
generado y las variables son aquellas que resulten ser signicativas
para el modelo analizado [16].
f(choques)=β0+β1ϵ(TPDA)+β2∙variable2+…+βn∙variablen (1)
Luego, con los coecientes estimados, se procede a calcular
el número predicho de choques, esto por medio de (2), que
corresponde a la función de desempeño de seguridad vial.
Npred=eβ0∙TPDAβ1∙eβ2∙variable2∙eβ3∙variable3∙…∙eβn∙variablen (2)
Consecutivamente, se realiza un ajuste por peso para
vericar la conabilidad de la función de desempeño de seguridad
vial. El peso se calcula por medio de (3), donde w es el peso
de Bayes empírico y ϕ es el parámetro de sobredispersión de
la función de desempeño de seguridad. En este caso, un valor
de sobredispersión bajo se traduce en una mayor conabilidad
y un ajuste por peso grande, con lo que se tiene una función de
desempeño más conable [4].
(3)
Posteriormente, para el cálculo de la frecuencia de choques
esperados total, se emplea (4), en donde Nobs corresponde a la
cantidad de choques observados.
Nesp=w∙Npred+(1−w)∙Nobs (4)
Finalmente, para obtener el exceso de frecuencia de choques
esperado, se emplea (5).
Δ=Nesp−Npred (5)
2. METODOLOGÍA
El objetivo de la investigación es determinar las secciones de
control con potencial de mejora en la Red Vial Nacional de Costa
Rica, utilizando el método de exceso de frecuencia de choques
esperado con el ajuste de Bayes empírico, lo cual permita a la
administración generar planes especícos de seguridad vial que
busquen reducir la severidad y frecuencia de los choques viales.
Para el presente estudio, se utiliza una base de datos de
accidentes de tránsito georreferenciados en la Red Vial Nacional
suministrada por el Consejo de Seguridad Vial. Además, se utiliza
la información de inventario de la Red Vial Nacional que separa
los tramos de carretera en secciones de control. Aplicando un
sistema de información geográca, se asignó cada accidente a
una sección de control de la Red Vial Nacional.
Una vez que se tiene la base de datos para cada uno de los
modelos con todas las variables por analizar, esta se debe codicar
de tal forma que aquellas variables que sean descriptivas se
acomoden de manera que se coloque en primer lugar la descripción
con la condición óptima. Esto para facilitar la interpretación del
modelo. Para ello, se empleó el software Microsoft Excel.
Antes de modelar las regresiones binomiales negativas, se
realizan labores de limpieza a la base de datos; por ejemplo, se
eliminan o se recodican los datos vacíos como una categoría
adicional. Además, se recodicó nuevamente la base de datos
para algunas categorías de ciertas variables que tienen muy poca
frecuencia, o que responden a condiciones muy particulares
de un sector, debido a su poca representatividad dentro de las
características de la RVN. Esto se realiza agrupando clasicaciones
con condiciones similares en una sola clasicación, o bien,
indicando como “Otros” cuando se tienen clasicaciones con
muy pocas observaciones.
Una vez que se tiene la base de datos debidamente corregida,
se generan distintas modelaciones que se van renando de manera
sucesiva; para esto, se emplea el software de análisis estadístico
R-Studio. En cada nuevo modelo, se elimina la variable menos
signicativa. Este proceso se repite de forma iterativa hasta que
al menos una categoría de cada variable sea signicativa.
Se aclara que, en caso de que las variables del modelo nal
tengan una signicancia muy cercana al límite de aceptación, se
debe vericar mediante una prueba de máxima verosimilitud si
el aporte al modelo es signicante o no.
Finalmente, se obtiene como resultado el valor estimado
de cada coeciente con sus respectivos valores de desviación
estándar, error, valor de Z y su nivel de signicancia. El valor
estimado de cada coeciente es el que se emplea para denir la
función de desempeño.
En la Fig. 1, se aprecia de forma gráca la secuencia de
actividades seguidas en la investigación.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 75
Fig. 1. Diagrama de ujo de la metodología de la investigación.
3. DESCRIPCIÓN DE LOS DATOS
Los datos de la información de los choques viales ocurridos
en la Red Vial Nacional de Costa Rica fueron facilitados por el
Consejo de Seguridad Vial (COSEVI). Cada entrada de choques
incluye datos sobre gravedad del accidente, tipo de accidente,
año, mes, día, hora, provincia, cantón, distrito, número de ruta,
número de kilómetro, coordenada “X” y “Y” (ambas en sistema
CRTM05), tipo de zona, estado del tiempo y tipo de calzada.
Otras variables, como lo son el ancho de carril, ancho y tipo de
espaldón, alineamiento horizontal y vertical e iluminación, se
obtuvieron por medio de otra base de datos de inventario de la
Red Vial Nacional de la Secretaría de Planicación Sectorial
del Ministerio de Obras Públicas y Transportes (MOPT) y
de información pública en el portal del Sistema Nacional de
Información Territorial (SNIT).
A. Datos de choques viales
Esta sección representa de forma estadística descriptiva
las condiciones de los choques viales reportados en el periodo
de estudio (2017, 2018 y 2019) para la Red Vial Nacional de
Costa Rica. La nalidad de esta sección es identicar patrones
en la ocurrencia de los choques viales a partir de la base de datos
suministrada por el Consejo de Seguridad Vial.
La estadística descriptiva para las variables continuas
empleadas en el modelo se detalla en el CUADRO I y, a
continuación, se explican las columnas del cuadro:
1.
TPDA: volumen de tráco de la sección de control
correspondiente a la suma de los tres años de estudio.
2. Longitud: longitud de la sección de control expresada en
kilómetros de las secciones de control.
3. Número de carriles: cantidad de carriles en la sección de
control.
4.
Ancho de supercie: ancho en metros de la sección de
control correspondiente a la supercie de rodamiento.
5. Ancho de carril: ancho promedio en metros de la sección
de control correspondiente al ancho de un carril.
6.
Ancho de espaldón: ancho en metros de la sección de control
correspondiente al espacio de espaldón.
7. Velocidad: velocidad en kilómetros por hora indicada en el
inventario de la Red Vial Nacional.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 76
CUADRO I
ESTADÍSTICAS DESCRIPTIVAS DE LAS PRINCIPALES CARACTERÍSTICAS DE LAS SECCIONES
DE CONTROL INCLUIDAS EN EL ANÁLISIS
TPDA Longitud (km) Número de
carriles
Ancho de
supercie (m)
Ancho de carril
(m)
Ancho de
espaldón (m)
Velocidad
(km/h)
Mínimo 28 0,24 1,00 1,30 0,65 0,00 5,00
Primer cuartil 3119 2,74 2,00 5,70 2,95 0,00 35,00
Media 10975 5,17 2,00 6,30 3,25 0,00 40,00
Promedio 26096 6,64 2,14 7,09 3,37 0,15 45,03
Tercer cuartil 31321 9,15 2,00 7,25 3,65 0,00 50,00
Máximo 317303 32,28 7,00 24,90 7,20 5,50 90,00
Desviación
estándar 41184 5,29 0,81 2,81 0,67 0,45 15,59
Respecto al TPDA, se toma como base el Anuario de
información de tránsito 2020, ya que este reporta el valor de
TPDA levantado del año 2019 hacia atrás. Luego, se procede a
determinar el valor del porcentaje de crecimiento, por lo que se
revisa el anuario que reporte este valor más cercano al periodo
de estudio; por lo tanto, se emplean los valores del Anuario de
información de tránsito 2015.
Ahora, ya que se tienen secciones que no tienen valor de
porcentaje de crecimiento reportado, se procede a calcular un
porcentaje de crecimiento promedio por provincia. En caso de
que se tenga una sección de control que no reporte porcentaje de
crecimiento, se utiliza este valor calculado.
Para los tres años de estudio, se procede a obtener el valor
de TPDA, calculado por medio de (6):
TPDAAño nal=TPDAAño inicial∙(1+%crecimiento)Año nal−Añoinicial (6)
Finalmente, para determinar el valor de TPDA para la
sección de control, se suman los tres valores de TPDA calculados
para cada sección de control. Este valor será el que se utilice en
los modelos de análisis.
4. RESULTADOS
La base de datos suministrada por el Consejo de Seguridad
Vial (COSEVI) incluye 44 635 accidentes. De estos, 19 926
ocurrieron en rutas nacionales primarias; 10 784, en rutas de
la Red Nacional secundaria; y 13 925, en la Red Vial Nacional
terciaria. Del total de accidentes, 7478 corresponden a accidentes
con fallecidos o con heridos graves y 37 157, solo con heridos
leves. Para ambos casos, destaca la cantidad de colisiones con
motociclistas (ver CUADROS II y III).
CUADRO II
DISTRIBUCIÓN DE LOS ACCIDENTES CON MUERTOS O HERIDOS GRAVES POR
TIPO DE RUTA Y POR TIPO DE ACCIDENTE
Código de accidente Ruta primaria Ruta secundaria Ruta terciaria Total general
Atropello a persona 557 226 300 1083
Atropello animal 23 25 19 67
Caída de algún ocupante 39 45 43 127
Colisión con bicicleta 302 95 182 579
Colisión con motocicleta 1451 718 961 3130
Colisión con objeto jo 143 92 98 333
Colisión entre vehículos 781 189 168 1138
Desconocido 2 4 6
Objeto sobre vehículo 8 1 5 14
Otros 48 13 28 89
Salió de la vía 330 125 174 629
Vuelco 114 89 80 283
Total de accidentes con muertos o graves 3798 1618 2062 7478
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 77
CUADRO III
DISTRIBUCIÓN DE LOS ACCIDENTES SOLO CON
HERIDOS LEVES ANALIZADOS POR TIPO DE RUTA
Y POR TIPO DE ACCIDENTE
Código de accidente Ruta
primaria
Ruta
secundaria
Ruta
terciaria
Total
general
Atropello a persona 1161 1014 1241 3416
Atropello animal 118 63 123 304
Caída de algún
ocupante 665 350 610 1625
Colisión con bicicleta 963 575 900 2438
Colisión con
motocicleta 5843 4297 5000 15140
Colisión con objeto
jo 513 226 300 1039
Colisión entre
vehículos 4072 1601 1768 7441
Desconocido 12 9 13 34
Objeto sobre vehículo 43 11 14 68
Otros 229 94 159 482
Salió de la vía 1521 460 998 2979
Vuelco 988 466 737 2191
Total de accidentes
con muertos o graves 16128 9166 11863 37157
Los valores de salida del software empleado indican el
nombre de la variable, la estimación de esta, el error estándar, el
valor del estadístico Z, la probabilidad y la signicancia. El signo
del valor en la columna de estimación indica si la variable tiene una
afectación negativa o positiva en la ocurrencia de choques viales.
De esta forma, si la estimación corresponde a un valor negativo,
un cambio positivo de una unidad en la variable representa una
disminución en la ocurrencia de choques predicha por el modelo.
El proceso es iterativo, por lo cual se parte de un modelo
con todas las variables y, luego, las variables menos signicativas
se eliminan una a una hasta llegar a un modelo en el que todas
las variables contengan al menos una condición signicante. La
variable de Grip resultó ser la menos signicativa en prácticamente
todos los modelos. Se corrió un modelo solo con secciones de
control que reportaran algún valor de Grip, sin embargo, se obtuvo
el mismo resultado que los otros modelos, por lo que se identica
la variable como la de menor signicancia.
A continuación, se presentan los resultados para los
siguientes modelos generados:
A. choques totales;
B. choques con solo heridos leves;
C. choques con solo muertos o heridos graves;
D. choques con colisión con motocicleta.
A. Modelo para choques totales
De los resultados obtenidos para el modelo de choques
totales, se tiene que las variables con evidencia estadística de que
inciden en la ocurrencia de choques corresponden a TPDA, ancho
de supercie, condición de espaldón, condición de supercie,
tipo de terreno, tipo de supercie, número de carriles, velocidad,
condición del espaldón, condición de señalización, condición de
drenaje y condición de supercie (ver CUADRO IV).
Respecto al tipo de terreno, se identica que todos los
tipos de terreno distintos a la condición base tienen evidencia
estadística de que reducen la ocurrencia de choques. Los
resultados son contraintuitivos, lo que podría explicarse al
tomar en consideración que la velocidad de operación es menor
al encontrarse en terrenos más ondulados, por lo que se puede
justicar que la probabilidad de ocurrencia de choques sea
menor en estos casos.
El tipo de supercie base corresponde a la carpeta asfáltica,
mientras que el tipo de supercie 2, a tratamiento supercial y el
tipo de supercie 3, a lastre o grava. Los resultados presentan un
análisis similar al detallado para la variable de tipo de terreno,
ya que se explican al considerar que la velocidad de operación
tiende a reducirse en tipos de supercie de menor calidad.
El número de carriles, según los resultados del modelo,
disminuye la probabilidad de ocurrencia de choques conforme
aumenta su cantidad. Al tener una mayor cantidad de carriles,
los vehículos pueden circular a distintas velocidades sin exponer
a otros usuarios a realizar maniobras indebidas.
El ancho de supercie indica que un ancho mayor aumenta
la probabilidad de ocurrencia de choques. El resultado es
contraintuitivo, sin embargo, un ancho de supercie mayor
genera una sensación de seguridad mayor a los conductores, lo
cual puede incentivarlos a prestar menor atención a la carretera.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 78
CUADRO IV
RESULTADO DE LA REGRESIÓN BINOMIAL NEGATIVA PARA CHOQUES TOTALES
Parámetro Variable Estimación Error estándar Valor de Z Pr Signicancia
β0 Intercepto -4,277 0,344 -12,435 < 2,00E-16 ***
β1 TPDA 0,707 0,031 23,099 < 2,00E-16 ***
β2 Tipo de terreno condición 2 -0,086 0,065 -1,324 0,185
β3 Tipo de terreno condición 3 -0,347 0,072 -4,800 0,000 ***
β4 Tipo de terreno condición 4 -0,593 0,088 -6,737 1,62E-11 ***
β5 Tipo de supercie condición 2 -0,278 0,084 -3,314 9,20E-04 ***
β6 Tipo de supercie condición 3 -0,822 0,130 -6,300 2,98E-10 ***
β7 Tipo de supercie condición 4 -0,192 0,128 -1,500 1,34E-01
β8 Número de carriles -0,246 0,076 -3,253 0,001 **
β9 Ancho de supercie 0,136 0,024 5,550 2,86E-08 ***
β10 Velocidad -0,021 0,002 -8,609 < 2,00E-16 ***
β11 Condición de espaldón 2 0,154 0,134 1,156 2,48E-01
β12 Condición de espaldón 3 -0,128 0,263 -0,486 0,627
β13 Condición de espaldón 4 -0,769 0,354 -2,172 0,030 *
β14 Condición de espaldón 5 -0,025 0,101 -0,250 0,803
β15 Condición de señalización 2 -0,001 0,086 -0,017 0,986
β16 Condición de señalización 3 -0,048 0,075 -0,644 0,520
β17 Condición de señalización 4 -0,252 0,121 -2,085 0,037 *
β18 Condición de señalización 5 -0,563 0,182 -3,100 0,002 **
β19 Condición de drenaje 2 -0,161 0,072 -2,229 0,026 *
β20 Condición de drenaje 3 -0,227 0,100 -2,274 0,023 *
β21 Condición de drenaje 4 -1,096 0,319 -3,440 0,001 ***
β22 Condición de supercie 2 0,174 0,080 2,168 0,030 *
β23 Condición de supercie 3 0,003 0,081 0,043 0,966
β24 Condición de supercie 4 0,071 0,086 0,826 0,409
β25 Condición de supercie 5 -0,044 0,211 -0,210 0,833
Códigos de signicancia: 0 < “***” < 0,001 < “**” < 0,01 < “*” < 0,05 < “.” < 0,1 < “ ” < 1
(Para binomial negativo, el parámetro de dispersión [2,2051] se toma como 1)
Desviación nula: 4634,5 en 910 grados de libertad
Desviación residual: 1039,1 en 885 grados de libertad
AIC: 6666,5
Número de interacciones de Fisher: 1
Theta: 2,205
Error estándar: 0,128
2 x log-likelihood: -6612,546
El aumento de la velocidad, según el modelo, reduce la
probabilidad de ocurrencia de choques. Este resultado también
puede llegar a encontrarse contradictorio. Se podría entender
considerando que existen muchos accidentes que ocurren en
intersecciones, lugares donde la velocidad reglamentaria y
operativa es menor en comparación a zonas sin ellas, que suelen
presentar velocidades mayores.
Respecto a la condición del espaldón, se aplica un
razonamiento análogo al que se ha empleado cuando el resultado
es contradictorio: cuando hay condiciones peores a la condición
base, se presenta una reducción de la velocidad y una mayor
atención por parte de los conductores, lo que reduce probabilidad
de ocurrencia de choques. De forma similar al caso anterior, los
conductores toman una postura de conducción a la defensiva,
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 79
reduciendo la velocidad y prestando mayor atención a la vía, lo
que produce una reducción probabilidad de ocurrencia de choques.
La condición del drenaje, según el modelo, reduce la
probabilidad de ocurrencia de choques. La condición 2 aplica
para los casos en los que el agua se estanca en algunos sitios en
la entrada de alcantarillas; la condición 3, cuando se presenta con
erosión o socavación (no tiene capacidad hidráulica suciente);
y la condición 4, para “Otros”. Este resultado también puede
llegar a encontrarse contradictorio. No obstante, al tener malas
condiciones de drenaje, los conductores identican los riesgos
asociados, reducen la velocidad y prestan una atención mayor
a la vía, lo que produce una reducción en la probabilidad de
ocurrencia de choques.
Respecto a la supercie de ruedo, se tiene como una
condición signicante cuando se presenta una condición de
supercie de ruedo con pequeñas corrugaciones. En este caso,
se aplica un razonamiento análogo al que se ha empleado cuando
el resultado es contradictorio, ya que esta condición aumenta
la probabilidad de ocurrencia de choques en contraste a la
condición base. Al presentar una condición buena, se presenta
un aumento de la velocidad y una menor atención por parte de
los conductores, lo que aumenta la probabilidad de ocurrencia
de choques.
En cuanto a exceso de accidentes, en la Fig. 2, se encuentran
marcadas en rojo la Ruta Nacional 1 en Guanacaste, la Ruta
Nacional 2 en Pérez Zeledón y la Ruta Nacional 17 en Puntarenas.
En el Área Metropolitana, llaman la atención la Ruta Nacional
1 en Alajuela, al oeste del cruce con la radial de Alajuela, la
Ruta Nacional 3 entre el centro de Heredia y el cruce de La
Valencia, la Ruta Nacional 218 en los sectores de El Alto y el
centro de Guadalupe y la Ruta Nacional 206 en San Miguel de
Desamparados.
Fig. 2. Mapa de exceso de frecuencia de choques totales en las secciones de control de la RVN de Costa Rica del año 2017 al 2019.
B. Modelo para choques con solo heridos leves
Los resultados obtenidos para el modelo de choques
con solo heridos leves se muestran en el CUADRO V. Las
variables que tienen evidencia estadística de que inciden en
la ocurrencia de choques corresponden al TPDA, ancho de
supercie, condición de espaldón, condición de supercie, tipo
de terreno, tipo de supercie, número de carriles, velocidad,
condición del espaldón, condición de señalización y condición
de drenaje.
El análisis que se realiza para explicar el resultado del
modelo es prácticamente el mismo que el aplicado en el modelo
anterior, ya que se identica el mismo comportamiento en las
variables. Además, el resultado contiene las mimas variables
signicantes que el modelo anterior. Esto es esperable, puesto
que la cantidad de choques con solo heridos leves es muy alta
y esta ejerce un dominio sobre el modelo general.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 80
CUADRO V
RESULTADO DE LA REGRESIÓN BINOMIAL NEGATIVA PARA CHOQUES CON SOLO HERIDOS LEVES
Parámetro Variable Estimación Error estándar Valor de Z Pr Signicancia
β0 Intercepto -4,991 0,376 -13,268 < 2,0E-16 ***
β1 TPDA 0,787 0,034 23,407 < 2,0E-16 ***
β2 Tipo de terreno condición 2 -0,062 0,071 -0,876 0,381
β3 Tipo de terreno condición 3 -0,257 0,078 -3,269 0,001 **
β4 Tipo de terreno condición 4 -0,493 0,096 -5,142 0,000000271 ***
β5 Tipo de supercie condición 2 -0,268 0,091 -2,932 0,003 **
β6 Tipo de supercie condición 3 -0,862 0,144 -6,006 1,90E-09 ***
β7 Tipo de supercie condición 4 -0,156 0,139 -1,125 0,260
β8 Número de carriles -0,255 0,082 -3,108 0,002 **
β9 Ancho de supercie 0,142 0,027 5,360 8,34E-08 ***
β10 Velocidad -0,027 0,003 -10,393 < 2,0E-16 ***
β11 Condición de espaldón 2 0,054 0,144 0,378 0,706
β12 Condición de espaldón 3 -0,253 0,287 -0,883 0,377
β13 Condición de espaldón 4 -0,801 0,385 -2,080 0,038 *
β14 Condición de espaldón 5 -0,081 0,109 -0,737 0,461
β15 Condición de señalización 2 -0,016 0,093 -0,173 0,862
β16 Condición de señalización 3 -0,051 0,081 -0,628 0,530
β17 Condición de señalización 4 -0,286 0,133 -2,152 0,031 *
β18 Condición de señalización 5 -0,528 0,202 -2,618 0,009 **
β19 Condición de drenaje 2 -0,141 0,078 -1,815 0,070 .
β20 Condición de drenaje 3 -0,237 0,108 -2,190 0,028 *
β21 Condición de drenaje 4 -1,260 0,374 -3,368 0,001 ***
β22 Condición de supercie 2 0,189 0,087 2,182 0,029 *
β23 Condición de supercie 3 0,005 0,088 0,052 0,958
β24 Condición de supercie 4 0,078 0,093 0,841 0,400
β25 Condición de supercie 5 0,014 0,227 0,063 0,950
Códigos de signicancia: 0 < “***” < 0,001 < “**” < 0,01 < “*” < 0,05 < “.” < 0,1 < “ ” < 1
(Para binomial negativo, el parámetro de dispersión [1,912] se toma como 1)
Desviación nula: 4468,2 en 910 grados de libertad
Desviación residual: 1042,1 en 885 grados de libertad
AIC: 6328,2
Número de interacciones de Fisher: 1
Theta: 1,912
Error estándar: 0,113
2 x log-likelihood: -6274,185
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 81
Fig. 3. Mapa de exceso de frecuencia de choques con solo heridos leves en las secciones de control de la RVN de Costa Rica
del año 2017 al 2019.
De la Fig. 3, se resaltan de manera visual la Ruta Nacional
2, de San Isidro del General hasta Palmares, la Ruta Nacional
218, del cruce de Coronado hasta el cruce de Moravia, la Ruta
Nacional 1, de Río Segundo hasta Bajo Las Iguanas y la Ruta
Nacional 3, del Puente Yolanda Oreamuno sobre el río Virilla
hasta el centro de Heredia, el cruce entre Ruta Nacional 3 y la
calle Rubén Darío.
C. Modelo para choques con solo muertos o heridos graves
El CUADRO VI presenta los resultados de la regresión
binomial negativa para choques con solo muertos o graves. De los
resultados obtenidos para este modelo, las variables que cuentan
con evidencia estadística de que inciden en la ocurrencia de
choques corresponden al TPDA, ancho de supercie, alineamiento
horizontal, alineamiento vertical, condición de espaldón y
condición de señalización, tipo de terreno, tipo de supercie,
alineamiento horizontal, alineamiento vertical, condición del
espaldón, condición de señalización y estructura de pavimento.
En este modelo, se presenta una diferencia mayor en
comparación con las variables signicativas de los dos modelos
anteriores, especialmente para las variables de alineamiento
horizontal, alineamiento vertical y condición de la estructura de
pavimento, las cuales no se presentaban como signicativas en
modelos previos.
Se señala que el análisis para las variables de tipo de terreno,
tipo de supercie, ancho de supercie, condición de espaldón y
señalización plantean un análisis muy similar a los dos modelos
anteriores. Esto, pues el comportamiento de aumentar o reducir
la probabilidad de ocurrencia de choques es el mismo, con la
diferencia de que el valor de la estimación varía ligeramente.
Ahora, respecto a las variables que no se identicaron
como signicativas en modelos previos, se tiene el alineamiento
horizontal que, cuando presenta algunas curvas que exigen una
reducción signicativa en la velocidad promedio de circulación,
este aumenta la probabilidad de ocurrencia de choques. Por otro
lado, cuando presenta una condición muy sinuosa en todo el tramo,
condición que admite solamente una velocidad de circulación
muy baja, ocurre un efecto contrario. Nuevamente, el análisis
que se le puede dar a este resultado es bajo el concepto de que la
primera condición citada genera en los conductores una sensación
de seguridad mayor en comparación a la última condición
mencionada. Estos pueden verse incentivados a aumentar la
velocidad en carretera y, con ello, incrementa la probabilidad de
ocurrencia de choques.
Para el alineamiento vertical, se tiene que, para condiciones
que presentan pendientes menores del 3 % con algunas cuestas del
5 %, se identica una disminución en la probabilidad de ocurrencia
de choques. Por otro lado, para condiciones de carretera que
poseen pendientes de entre 3 y 6 %, se observa un aumento en
la probabilidad de ocurrencia de choques. En este caso, se resalta
el hecho de que existen valores de pendiente iguales en ambos
casos, sin embargo, debido a que la Secretaría de Planicación
Sectorial agrupa de esta forma las pendientes, se clasica un sitio
en una categoría o en otra. Debido a esta incertidumbre a la hora de
clasicar el alineamiento vertical de un sitio, no se puede realizar
un análisis que explique adecuadamente el comportamiento del
alineamiento vertical en el modelo presentado.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 82
En cuanto a la condición de la estructura de pavimento, se
recuerda que la condición base corresponde cuando no se presenta
fallas y que la condición signicativa es cuando se cataloga como
“Otros”. Dicha clasicación acoge condiciones cuando “existen
corrugaciones o huellas profundas sobre casi toda la faja de ruedo
del tramo, hasta tal grado que no sería factible corregir la falla de la
estructura, sino que se tendría que reconstruirla completamente”,
“existen deformaciones u otras fallas de consideración sobre la
mayor parte del tramo” y “existen deformaciones u otras fallas de
consideración sobre una buena parte de la subsección y, aunque
no son extensas todavía, parece que siguen extendiéndose” (estas
categorías corresponden a las incluidas en el inventario de vías a
nivel nacional [19]). Así, el efecto que tiene en el modelo es de
reducción sobre la probabilidad de ocurrencia de choques y se
podría explicar mediante una reducción de la velocidad por el
mal estado de la carretera.
CUADRO VI
RESULTADO DE LA REGRESIÓN BINOMIAL NEGATIVA PARA CHOQUES CON SOLO MUERTOS O GRAVES
Parámetro Variable Estimación Error estándar Valor de Z Pr Signicancia
β0 Intercepto -4,431 0,357 -12,428 < 2,00E-16 ***
β1 TPDA 0,442 0,038 11,782 < 2,00E-16 ***
β2 Tipo de terreno condición 2 -0,129 0,132 -0,981 0,326
β3 Tipo de terreno condición 3 -0,567 0,176 -3,217 0,001 **
β4 Tipo de terreno condición 4 -0,850 0,203 -4,186 0,000 ***
β5 Tipo de supercie condición 2 -0,243 0,100 -2,437 0,015 *
β6 Tipo de supercie condición 3 -0,589 0,150 -3,926 0,000 ***
β7 Tipo de supercie condición 4 -0,365 0,160 -2,284 0,022 *
β8 Ancho de supercie 0,043 0,014 3,107 0,002 **
β9 Alineamiento horizontal condición 2 0,640 0,254 2,522 0,012 *
β10 Alineamiento horizontal condición 3 -0,142 0,173 -0,821 0,412
β11 Alineamiento horizontal condición 4 -0,061 0,087 -0,707 0,480
β12 Alineamiento horizontal condición 5 -0,362 0,120 -3,008 0,003 **
β13 Alineamiento vertical condición 2 -0,273 0,186 -1,470 0,142
β14 Alineamiento vertical condición 3 -0,751 0,456 -1,647 0,099 ,
β15 Alineamiento vertical condición 4 0,245 0,105 2,332 0,020 *
β16 Alineamiento vertical condición 5 0,084 0,133 0,631 0,528
β17 Condición de espaldón 2 0,232 0,170 1,365 0,172
β18 Condición de espaldón 3 0,307 0,202 1,516 0,129
β19 Condición de espaldón 4 0,339 0,142 2,382 0,017 *
β20 Condición de espaldón 5 -0,059 0,340 -0,173 0,863
β21 Condición de señalización 2 -0,898 0,396 -2,269 0,023 *
β22 Condición de señalización 3 0,147 0,185 0,792 0,428
β23 Condición de señalización 4 0,099 0,091 1,092 0,275
β24 Condición de señalización 5 0,008 0,076 0,110 0,912
β25 Condición de estructura de pavimento 2 -0,136 0,146 -0,931 0,352
β26 Condición de estructura de pavimento 3 -0,741 0,267 -2,778 0,005 **
Códigos de signicancia: 0 < “***” < 0,001 < “**” < 0,01 < “*” < 0,05 < “.” < 0,1 < “ ” < 1
(Para binomial negativo, el parámetro de dispersión [2,5151] se toma como 1)
Desviación nula: 2498,37 en 910 grados de libertad
Desviación residual: 963,84 en 884 grados de libertad
AIC: 3975,6
Número de interacciones de Fisher: 1
Theta: 2,515
Error estándar: 0,215
2 x log-likelihood: -3919,566
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 83
Fig. 4. Mapa de exceso de frecuencia de choques con solo muertos o graves en las secciones de control de la RVN de Costa
Rica del año 2017 al 2019.
Fig. 5. Mapa de exceso de frecuencia de choques con solo colisión con motocicleta en las secciones de control de la RVN de
Costa Rica del año 2017 al 2019.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 84
CUADRO VII
RESULTADO DE LA REGRESIÓN BINOMIAL NEGATIVA PARA CHOQUES CON SOLO
COLISIÓN CON MOTOCICLETA
Parámetro Variable Estimación Error estándar Valor de Z Pr Signicancia
β0 Intercepto -5,622 0,382 -14,734 < 2,00E-16 ***
β1 TPDA 0,796 0,038 21,073 < 2,00E-16 ***
β2 Tipo de terreno condición 2 -0,045 0,076 -0,596 0,551
β3 Tipo de terreno condición 3 -0,420 0,085 -4,919 8,69E-07 ***
β4 Tipo de terreno condición 4 -0,955 0,109 -8,785 < 2,00E-16 ***
β5 Tipo de supercie condición 2 -0,304 0,101 -3,004 2,66E-03 **
β6 Tipo de supercie condición 3 -0,917 0,163 -5,622 1,89E-08 ***
β7 Tipo de supercie condición 4 -0,204 0,153 -1,332 1,83E-01
β8 Número de carriles -0,256 0,089 -2,887 0,004 **
β9 Ancho de supercie 0,135 0,029 4,683 2,83E-06 ***
β10 Velocidad -0,028 0,002 -11,635 < 2,00E-16 ***
β11 Condición de señalización 2 0,057 0,093 0,619 5,36E-01
β12 Condición de señalización 3 0,002 0,078 0,025 0,980
β13 Condición de señalización 4 -0,160 0,146 -1,095 0,273
β14 Condición de señalización 5 -0,495 0,246 -2,014 0,044 *
β15 Condición de drenaje 2 -0,178 0,083 -2,156 0,031 *
β16 Condición de drenaje 3 -0,350 0,117 -2,989 0,003 **
β17 Condición de drenaje 4 -1,030 0,435 -2,370 0,018 *
Códigos de signicancia: 0 < “***” < 0,001 < “**” < 0,01 < “*” < 0,05 < “.” < 0,1 < “ ” < 1
(Para binomial negativo, el parámetro de dispersión [1,7948] se toma como 1)
Desviación nula: 4137,1 en 910 grados de libertad
Desviación residual: 1013,5 en 893 grados de libertad
AIC: 5199,6
Número de interacciones de Fisher: 1
Theta: 1,795
Error estándar: 0,118
2 x log-likelihood: -5161,606
De la Fig. 4, se identica visualmente la Ruta Nacional 1,
en la provincia de Guanacaste, desde La Sombra hasta Pelón de
la Altura, la Ruta Nacional 17, del cruce de Barranca hasta la
entrada a Chacarita, la Ruta Nacional 150, de Belén de Nosarita
hasta el cruce con la Ruta Nacional 157.
D. Modelo para choques con colisión con motocicleta
De los resultados obtenidos para el modelo de choques
con solo colisión con motocicleta, las variables con evidencia
estadística de que inciden en la ocurrencia de choques
corresponden al TPDA, ancho de supercie y condición de
señalización, tipo de terreno, tipo de supercie, número de
carriles, velocidad, condición de señalización y condición de
drenaje (ver CUADRO VII).
El análisis que se realiza para explicar el resultado del
modelo es muy similar al realizado para los modelos de choques
totales y de choques con solo heridos leves, ya que se identica
el mismo comportamiento en las variables que resultan ser
signicativas. Sin embargo, se destaca que este modelo cuenta
con una cantidad de variables signicativas menor que los dos
modelos citados. Esto es esperable, pues la cantidad de choques
con motocicleta es muy alta, por lo que está muy ligada al
modelo general y al modelo de solo choques con heridos leves.
De la Fig. 5, se señala de forma particular la Ruta Nacional
2, de San Isidro del General hasta Palmares, la Ruta Nacional
218, del cruce de Coronado hasta el cruce de Moravia, la Ruta
Nacional 3, del Puente Yolanda Oreamuno sobre el río Virilla
hasta el centro de Heredia, el cruce entre Ruta Nacional 3 y la
calle Rubén Darío.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 85
E. Método de exceso de frecuencia de choques esperado con
ajuste de Bayes empírico
El conjunto de las diez secciones de control con mayor
cantidad de exceso de choques totales presenta un exceso de 1143
accidentes de tránsito totales. De manera similar, se identica
en diez secciones de control un exceso de 778 colisiones con
heridos leves, 330 colisiones con heridos graves o fallecidos
y un exceso de 572 colisiones con motociclistas involucrados
(ver CUADRO VIII).
CUADRO VIII
DIEZ SECCIONES DE CONTROL CON EXCESO DE FRECUENCIA DE CHOQUES ESPERADO PARA LAS
CONDICIONES ANALIZADAS
Choques totales Heridos leves Solo muertos o graves Solo choques con motocicletas
Sección
de control
Exceso de frecuencia
de choques (Δ)
Sección
de control
Exceso de frecuencia
de choques (Δ)
Sección
de control
Exceso de frecuencia
de choques (Δ)
Sección
de control
Exceso de frecuencia
de choques (Δ)
10003 186,48 10003 157,19 50040 57,70 10003 96,99
60190 127,69 20010 87,76 60621 46,43 19065 79,00
19065 118,46 40000 86,56 70090 37,82 40000 71,00
40000 111,82 19065 86,23 70141 34,87 10241 57,97
10241 111,48 10241 80,34 60190 32,26 60190 51,75
50040 109,67 60190 64,37 50651 28,99 10450 51,31
20010 109,11 10491 56,52 70070 25,05 10212 49,39
60621 105,65 60621 54,90 50171 23,77 70440 43,91
40460 81,80 40460 52,67 10003 21,92 20131 35,90
10491 80,89 19059 51,57 70130 21,39 70390 34,40
Total 1143,05 Total 778,11 Total 330,2 Total 571,62
A continuación (ver CUADRO IX), se observan las
secciones de control identificadas con exceso de frecuencia
de choques esperado en al menos tres de los cuatro modelos
analizados. La cantidad de veces que se identifica una
sección de control en los modelos analizados es un indicativo
de que la sección de control presenta un alto grado de
exceso de frecuencia de choques esperado para diversas
condiciones.
CUADRO IX
CLASIFICACIÓN DE LAS SECCIONES DE CONTROL IDENTIFICADAS CON EXCESO DE FRECUENCIA DE
CHOQUES ESPERADO EN LOS CUATRO MODELOS ANALIZADOS
Sección de control
Clasicación de exceso de frecuencia de choques esperado
Clasicación promedio
Totales Heridos leves Heridos graves y
fallecidos Motocicleta
10003 1 1 9 1 3,0
60190 2 6 5 5 4,5
40000 4 3 16 3 6,5
19065 3 4 19 2 7,0
60621 8 8 2 18 9,0
50040 6 11 1 50 17,0
19064 14 23 11 21 17,3
60210 11 19 32 11 18,3
40522 15 18 35 16 21,0
60610 23 25 14 32 23,5
70141 16 38 4 48 26,5
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 86
Sección de control
Clasicación de exceso de frecuencia de choques esperado
Clasicación promedio
Totales Heridos leves Heridos graves y
fallecidos Motocicleta
70390 43 37 27 10 29,3
10001 34 39 18 34 31,3
11180 19 30 47 36 33,0
60081 41 46 26 26 34,8
30090 48 49 34 35 41,5
La clasicación promedio se realiza ordenando las
secciones de control en orden decreciente, tomando como base
el exceso de frecuencia de choques esperado para cada uno de
los escenarios de análisis. Luego, se realiza un promedio de
estos valores y se muestra en orden decreciente la clasicación
promedio de las secciones de control que aparecen en los cuatro
modelos analizados.
El resultado de este cuadro muestra cuáles son las secciones
de control más críticas considerando los cuatro escenarios de
análisis, por lo que se muestran las secciones de control a
manera de lista de priorización de intervención en materia de
seguridad vial.
Debido a que en cada modelo se realiza un análisis
estadístico que verica la signicancia de cada variable, es
esperable que existan cambios según cada modelo; sin embargo,
no se presentan grandes cambios en la clasicación de las
secciones de control críticas. Esto es apreciable en el CUADRO
X, donde se observa un orden de clasicación muy similar en
las secciones de control.
En el CUADRO X, se especica el número de la Ruta
Nacional, provincia y descripción del tramo en el que se ubica
la sección de control, según la clasicación establecida en el
cuadro anterior.
CUADRO X
DESCRIPCIÓN DE LAS SECCIONES DE CONTROL IDENTIFICADAS CON EXCESO DE FRECUENCIA DE
CHOQUES ESPERADO EN LOS CUATRO MODELOS ANALIZADOS
Clasicación
promedio
Sección
de control
Ruta
Nacional Provincia Descripción del tramo
3 10003 2 San José San Isidro, Pérez Zeledón (R.243)-Palmares (Final Cinco Carriles)
4,5 60190 17 Puntarenas Barranca (R.1)-El Roble (Paso Inferior R.23)
6,5 40000 3 Heredia Vuelta del Virilla (río Virilla) (lte. provincial) - Heredia (R 126)(Ave/C 2)
7 19065 218 San José Guadalupe (Ruta 200) (cruce San Vicente, Moravia) - Ipis (R. 216) (cruce San Isidro,
Coronado)
9 60621 17 Puntarenas El Roble (paso inferior R.23)-Chacarita (nal a carriles) (plantel del MOPT crece línea
férrea)
17 50040 1 Guanacaste Liberia (R.21) (R.918)- Potrerillo (quebrada Puercos) (Lte. cantonal)
17,3 19064 218 San José Santa Teresita (río Torres) (límite cantonal)-Guadalupe (R.200) (cruce Vigente de
Moravia)
18,3 60210 1 Puntarenas Esparza (R.131) - Esparza (río Barranca) (límite cantonal)
21 40522 4 Heredia Las Vueltas de Horquetas (R.229)-Puerto Viejo, Sarapiquí (R.505)
23,5 60610 23 Puntarenas Barranca (R.1)-Boca río Barranca (río Barranca) (límite cantonal)
26,5 70141 32 Limón Guácimo (R.248)- Pocora (río Destierro) (límite cantonal)
29,3 70390 247 Limón Guápiles (R.32) (calle Emilia)-Pueblo Nuevo (cruce Roxana) (R.248)
31,3 10001 2 San José Juntas de Pacuar (R.244)-Convento (río Convento) (límite provincial)
33 11180 239 San José Barrio Naranjito (límite cantonal)-Santiago, Puriscal (costado este de iglesia vieja)
34,8 60081 34 Puntarenas La Palma (R.239)-La Julieta (río Parrita)
41,5 30090 2 Cartago Barrio Nuevo (límite cantonal) (cruce Purires)-Casamata (R 406) (límite cantonal)
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 87
5. CONCLUSIONES
Se aplicaron las metodologías publicadas en el HSM 2010 de
la AASHTO. El método aplicado se adapta a la información de la
que disponen las autoridades costarricenses y a las características
de la RVN de Costa Rica, por lo que los resultados generados
son conables.
La primera contribución del estudio radica en que es la
primera investigación en funciones de desempeño para toda
la Red Vial Nacional realizada con un nivel de detalle alto, el
cual se genera por secciones de control. Esto corresponde a
la unidad de agregación mínima empleada por el MOPT para
la toma de decisiones. La segunda contribución del estudio se
enfoca en la elaboración de funciones de desempeño de seguridad
vial enfocadas en motociclistas, ya que, en relación con la
accidentabilidad de motocicletas, los estudios sobre funciones
de desempeño de seguridad vial son mucho menos abundantes
que las funciones de desempeño en general.
El COSEVI facilitó información de choques viales
ocurridos del 2017 al 2021; sin embargo, únicamente se utiliza
la información de los años 2017 al 2019, puesto que en el 2020
ocurrió la pandemia y se optó por no utilizar los datos después de
dicho año. La cantidad de choques viales reportados dentro de la
RVN en el periodo de estudio (2017, 2018 y 2019) corresponde
a 27 319 choques.
La Secretaría de Planicación Sectorial también facilitó
la información de las secciones de control de la RVN de Costa
Rica. La base de datos incluía caracterización para un total de
1219 secciones de control.
No cuentan con valor de TPDA el 10,78 % de las rutas
nacionales primarias, el 15,05 % de las rutas nacionales
secundarias y un 42,95 % de las rutas nacionales terciarias. Se
excluyeron del estudio aquellas secciones que no tuviesen un
valor de TPDA registrado.
El tipo de supercie, condición de señalización y ancho de
supercie fueron las características que resultaron ser signicativas
en los cuatro modelos analizados. Asimismo, la velocidad, tipo de
terreno, número de carriles y condición del espaldón son variables
signicativas en tres de los cuatro modelos, por lo que también
se deben de tener en consideración.
La sección de control 10003 es la que se posiciona en
primer lugar dentro de la clasicación de las secciones de control
identicadas con exceso de frecuencia de choques esperado, tanto
en los modelos de choques totales, heridos leves, así como heridos
graves y fallecidos. Se señala que las condiciones de la sección de
control 10003 corresponden en gran medida a la condición base.
A partir de los análisis realizados, es de esperar que vías con
un ancho de supercie mayor presenten una cantidad esperada
de la clase de accidentes totales superior respecto a vías con un
ancho de supercie menor.
En los modelos generados, la velocidad se presenta como
una variable que, a medida que aumenta, disminuye el exceso
de frecuencia de choques esperado. Este resultado es consistente
con los resultados de Rodríguez Shum [15]. Se aclara que en
investigaciones previas en Costa Rica [16], la velocidad no fue
una variable signicativa, por ello, no es posible contrastar los
resultados. La velocidad no se presenta en categorías de ocurrencia
natural, por lo que el proceso de agrupación y asignación a los
tramos afecta el resultado de la modelación [20], [21].
El tipo de choque de mayor ocurrencia es colisión con
motocicleta con un 41,1 % del total de choques registrados.
Por esta razón, se realizó un análisis particular para este tipo de
choque.
La variable Grip resultó ser una variable no signicativa en
la mayoría de los modelos analizados.
A partir de los resultados obtenidos, se logra concluir que
es posible generar funciones de desempeño de seguridad vial
utilizando a la sección de control como unidad de análisis. Esta
corresponde a la unidad de agregación mínima empleada por el
MOPT para la gestión de la Red Vial Nacional. En este caso en
particular, con este proyecto, se logra desagregar los hallazgos de
[8]. Adicionalmente, en este trabajo, se consideraron características
físicas y operativas de las vías en la generación de los modelos.
Se recomienda en estudios posteriores evaluar las relaciones
que pueden existir dentro de las diferentes variables físicas y
operativas utilizadas en el modelo. Se sugiere la aplicación de
análisis de componentes principales u otra técnica estadística
multivariada, lo cual podría permitir simplicar el análisis de
variables que pueden intervenir en la ocurrencia de choques viales.
Sería recomendable que la Secretaría de Planicación
Sectorial del Ministerio de Obras Públicas y Transportes comience
a recopilar y reportar dentro de las estadísticas de tráco la
cantidad de motociclistas con el n de incorporar esta variable en
futuros estudios. Esto especialmente porque dicha variable resultó
signicativa en los estudios de Ospina-Mateus, Quintana Jiménez,
Lopez-Valdés y Sankar Sana [9], así como en Manan, Jonsson y
Várhelyi [10].
De igual forma, sería interesante explorar otro tipo de
agregaciones de la información, tal como lo realizaron Yuan, Abdel-
Aty, Fu, Wu, Yue y Eluru [22], ya que las condiciones operativas
de la vía varían también de manera temporal, por ejemplo. O bien,
desagregar la información de acuerdo con las condiciones del
tiempo, tal como lo hicieron Das, Geedipally y Fitzpatrick [23].
Además, es recomendable realizar futuros estudios enfocados
en otros usuarios vulnerables, como los ciclistas [24] o peatones
[25]. Por tanto, se recomienda realizar un estudio para determinar
ubicaciones con potencial de mejora utilizando funciones de
desempeño de seguridad vial, aplicado a las intersecciones de la
Red Vial Nacional de Costa Rica, a usuarios vulnerables como
peatones o ciclistas, o bien, un análisis con un nivel de segregación
por kilómetro de la RVN, por condición del tiempo o utilizando
diferentes periodos temporales. Asimismo, estos estudios pueden
considerar el tipo de vía y el contexto de la vialidad en la cual se
enmarcan, según las limitaciones de los futuros estudios.
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 88
ROLES DE LAS PERSONAS AUTORAS
Rodolfo Fernández Garita: Conceptualización, Curación
de datos, Análisis formal, Adquisición de fondos, Investigación,
Metodología, Administración del proyecto, Recursos, Software,
Validación, Visualización, Redacción – borrador original,
Redacción – revisión y edición.
Henry Hernández Vega: Conceptualización, Curación de
datos, Análisis formal, Investigación, Metodología, Administración
del proyecto, Recursos, Software, Supervisión, Validación,
Redacción – borrador original, Redacción – revisión y edición.
Jonathan Agüero Valverde: Conceptualización, Curación
de datos, Análisis formal, Investigación, Metodología, Software,
Supervisión, Redacción – borrador original.
Diana Jiménez Romero: Conceptualización, Análisis formal,
Investigación, Metodología, Supervisión, Redacción – borrador
original.
REFERENCIAS
[1] Unidad de Estadísticas Demográcas, Estadísticas Vitales
2017 POBLACIÓN, NACIMIENTOS DEFUNCIONES Y
MATRIMONIOS. San José, Costa Rica: INEC, 2018.
[2] Unidad de Estadísticas Demográcas, Estadísticas Vitales
2019 POBLACIÓN, NACIMIENTOS DEFUNCIONES Y
MATRIMONIOS. San José, Costa Rica: INEC, 2020.
[3] Unidad de Estadísticas Demográcas, Estadísticas Vitales
2021 POBLACIÓN, NACIMIENTOS DEFUNCIONES Y
MATRIMONIOS. San José, Costa Rica: INEC, 2022.
[4] AASHTO, Highway Safety Manual, 1 ed. Washington D.C.,
Estados Unidos: AASHTO, 2010.
[5] V. G. Valencia-Alaix, B. Restrepo Betancur, C. Lizarazo
Jimenez y R. A. Pineda Mendez, “Estimation of Safety
Performance Functions (SPF) at signalized intersections in
Medellín Colombia”, Dyna, vol. 87, no. 214, pp. 215–220,
jul. 2020, doi: 10.15446/dyna.v87n214.83880.
[6] R. Guadamuz-Flores y J. Agüero-Valverde, “Cruces ferro-
viarios con promesa de mejora en seguridad vial en Costa
Rica”, Infraestructura Vial, vol. 21, no. 38, pp. 1–8, 2019,
doi: 10.15517/iv.v21i38.38280.
[7] J. A. García, C. G. Lizarazo, S. C. Mangones, L. A. Bul-
la-Cruz y E. Darghan, “Safety performance of dedicated and
preferential bus lanes using multivariate negative binomial
models for Bogotá, Colombia”, Accid. Anal. Prev., vol. 202,
p. 107595, jul. 2024, doi: 10.1016/j.aap.2024.107595.
[8] J. Agüero-Valverde, “Determinación de rutas con potencial
de mejora utilizando funciones de desempeño de seguridad
vial: caso de Costa Rica”, Infraestructura Vial, vol. 18, no.
32, pp. 39–52, dic. 2016, doi: 10.15517/iv.v18i32.29783.
[9] H. Ospina-Mateus, L. A. Quintana Jiménez, F. J. Lopez-Val-
dez y S. Sankar Sana, “Prediction of motorcyclist trac
crashes in Cartagena (Colombia): development of a safe-
ty performance function”, RAIRO-Operations Research,
vol. 55, no. 3, pp. 1257–1278, abr. 2021, doi: 10.1051/
ro/2021055.
[10] M. M. A. Manan, T. Jonsson y A. Várhelyi, “Development
of a safety performance function for motorcycle accident
fatalities on Malaysian primary roads”, Saf. Sci., vol. 60,
pp. 13–20, dic. 2013, doi: 10.1016/j.ssci.2013.06.005.
[11] COSEVI, “Costa Rica: Longitud de la red vial”. https://
datosabiertos.csv.go.cr/dataviews/234872/costa-rica-longi
-
tud-de-la-red-vial/ (accesado en 25 may., 2023).
[12] V. Varela Araya y J. Agüero-Valverde, “Modelos de frecuen-
cia de choques para segmentos de intersecciones: ruta 34 en
Costa Rica”, Ingeniería, vol. 28, no. 1, pp. 41–59, oct. 2018,
doi: 10.15517/ri.v28i1.31071.
[13] E. A. Castro Estrada y J. Agüero-Valverde, “Aplicación del
método Bayes Empírico en análisis de seguridad vial: el
caso de la Ruta 32 en Costa Rica”, Ingeniería, vol. 25, no.
1, pp. 33–46, feb. 2015, doi: 10.15517/ri.v25i1.17304.
[14] L. M. Moya Fernández, “Análisis de choques en la ruta 27
usando modelos multivariados”, Tesis de Maestría, Univer-
sidad de Costa Rica, San Pedro, Costa Rica, 2019.
[15] S. Rodríguez Shum, “Análisis de sitios de concentración de
choques viales mediante la utilización de sistemas móviles
para el inventario de carreteras en la Ruta Nacional 1”, Tesis
de Maestría, Universidad de Costa Rica, San Pedro, Costa
Rica, 2019.
[16] V. Varela Araya, “Análisis de sitios de concentración de
choques viales en la Ruta Nacional 34 utilizando el método
de exceso de frecuencia de choques esperado con el ajuste
de Bayes empírico”, Tesis de Licenciatura, Universidad de
Costa Rica, San Pedro, Costa Rica, 2016.
[17] M. A. Leiva López, “Análisis de sitios de concentración de
choques viales en la Ruta Nacional 2, mediante el método
de exceso de frecuencia de choques esperado”, Tesis de Li-
cenciatura, Universidad de Costa Rica, San Pedro, Costa
Rica, 2016.
[18] E. A. Castro Estrada, “Análisis de tramos de concentración
de choques viales en la Ruta Nacional 32, utilizando el Mét-
odo de exceso de frecuencia de choques esperado con el
ajuste de Bayes empírico”, Tesis de Licenciatura, Universi-
dad de Costa Rica, San Pedro, Costa Rica, 2013.
[19] Secretaría de Planicación Sectorial, “Trazado Red Vial
Nacional”. Sistema Nacional de Información Territorial.
https://www.snitcr.go.cr/ico_servicios_ogc_info?k=bm9k-
bzo6MTIx&nombre=MOPT%20-%20Secretar%C3%A-
Da%20de%20Planicaci%C3%B3n%20Sectorial (accesa-
do en 25 may., 2023).
FERNÁNDEZ, HERNÁNDEZ, AGÜERO, JIMÉNEZ: Funciones de desempeño de seguridad vial… 89
[20] E. Hauer, “Even correctly specied and well-estimated re-
gression models can mislead”, Accid. Anal. Prev., vol. 194,
p. 107239, ene. 2024, doi: 10.1016/j.aap.2023.107239.
[21] R. Elvik, P. Christensen y A. Helene Amundsen, Speed and
road accidents an evaluation of the power model. Oslo,
Noruega: Transportøkonomisk Institutt, 2004.
[22] J. Yuan, M. Abdel-Aty, J. Fu, Y. Wu, L. Yue y N. Eluru, “De-
veloping safety performance functions for freeways at dif-
ferent aggregation levels using multi-state microscopic traf-
c detector data”, Accid. Anal. Prev., vol. 151, p. 105984,
mar. 2021, doi: 10.1016/j.aap.2021.105984.
[23] S. Das, S. R. Geedipally y K. Fitzpatrick, “Inclusion of
speed and weather measures in safety performance func-
tions for rural roadways”, IATSS research, vol. 45, no. 1,
pp. 60–69, abr. 2021, doi: 10.1016/j.iatssr.2020.05.001.
[24] N. Shirani-Bidabadi, M. Anderson, N. Mallipaddi y K. Hal-
eem, “Developing Bicycle-Vehicle Crash-Specic Safety
Performance Functions in Alabama Using Dierent Tech-
niques”, Accid. Anal. Prev., vol. 146, p. 105735, oct. 2020,
doi: 10.1016/j.aap.2020.105735.
[25] G. Zhai, K. Xie, D. Yang y H. Yang, “Developing equi-
ty-aware safety performance functions for identifying
hotspots of pedestrian-involved crashes”, Accid. Anal.
Prev., vol. 207, p. 107759, nov. 2024, doi: 10.1016/j.
aap.2024.107759.