Palabras clave
modelos logit ordenados
Costa Rica
Cómo citar
Resumen
En Costa Rica, los choques viales son la principal causa de muerte para los personas de 0 a 45 años y cobraron la vida de más de 700 personas en el 2009. Sin embargo, poco se sabe acerca de los factores que contribuyen a aumentar la gravedad de dichos choques. Este artículo investiga los factores que afectan la gravedad de las lesiones en los choques en Costa Rica. Se estimaron modelos logit ordenados para las personas involucradas en choques que se producen en los segmentos de carretera, controlando por características de las personas, de los choques y de la carretera. También se muestra el uso de modelos de respuesta ordenados para la estimación de la variación de las proporciones en cada nivel de gravedad de choque con los cambios en los atributos de infraestructura tales TPDA, ancho del carril, ancho de hombros y de límite de velocidad.
Los resultados de esta investigación indican que a medida que TPDA, número de carriles, ancho de los carriles y ancho del espaldón aumentan, la gravedad de los choques disminuye. Los resultados del modelo también sugieren que los aumentos en el límite de velocidad están asociados con el aumento de probabilidad de accidentes de alta gravedad. En cuanto al tipo de accidente, los vuelcos tienen la gravedad esperada más alta, seguido de atropello a ciclista y salida de la vía. Además, los pasajeros de motocicletas, peatones y pasajeros de vehículos tienen una mayor probabilidad de choques graves que los conductores de vehículos.
Citas
AASHTO. (2010) Highway Safety Manual. Washington D.C. USA: American
Association of State and Highway Transportation Officials.
Abdel-Aty, M. (2003). Analysis of driver injury severity levels at multiple locations using ordered probit models. J Safety Res., 34 (5), 597-603.
Aguero-Valverde J., Pujol, R. (2012) Análisis de choques viales en Costa Rica usando Funciones de Desempeño de Seguridad Vial (Proyecto 321-A9-255). San José: Universidad de Costa Rica, Programa de Investigación en Desarrollo Urbano Sostenible.
Akaike, H. (1974). A new look at the statistical model identification. IEEE Trans Automat Cont., 19 (6): 716–723.
Castro, M., Paleti, R., Bhat, C. R. (2013). A spatial generalized ordered response model to examine highway crash injury severity. Accid Anal Prev., 52: 188-203.
Duncan, C., Khattak, A., Council, F. (1998) Applying the ordered probit model to injury severity in truck-passenger car rear-end collisions. Transp Res Rec., 1635: 63-71.
Eluru, N., Bagherib, M., Miranda-Moreno, L. F., Fu, L. (2012). A latent class modeling approach for identifying vehicle driver injury severity factors at highway-railway crossings. Accid Anal Prev., 47: 119-127.
Evans, L. (2004). Traffic Safety. Michigan: Science Serving Society.
Geedipally, S. R., Bonneson, J. A., Pratt, M. P., Lord, D. (2013) Severity distribution function for freeway segments. Presented at 92th Annual Meeting of the Transportation Research Board, Washington, D.C.
Haleem K., Abdel-Aty, M. A. (2010). Examining traffic crash injury severity at
unsignalized intersections. J Safety Res., 41 (4): 347-357.
Khattak, A., Pawlovich, D., Souleyrette, R., Hallmark, S. (2002) Factors related to more severe older driver traffic crash injuries. J Transp Eng., 128 (3): 243-249.
Khattak, A. J. (2001). Injury severity in Multivehicle Rear-End Crashes. Transp Res Rec., 1746: 59-68.
Kockelman, K. M., Kweon, Y. (2002). Driver injury severity: an application of ordered probit models. Accid Anal Prev., 34 (3): 313-321.
Neyens, D. M., Boyle, L. N. (2008). The influence of driver distraction on severity of injuries sustained by teenage drivers and their passengers. Accid Anal Prev., 40 (1):254-259.
O'Donnell, C. J., Connor, D. H. (1996). Predicting the severity of motor vehicle accident injuries using models of ordered multiple choice. Accid Anal Prev., 28(6): 739-753.
Pai, C. W., Saleh, W. (2008). Modelling motorcyclist injury severity by various crash types at T-junctions in the UK. Saf Sci., 46 (8): 1234-1247.
R Developming Core Team. (2013) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria; 2013. Recuperado de: http://www.R-project.org/
Renski, H., Khattak, A., Council, F. (1999). Impact of speed limit increases on crash injury severity: Analysis of single-vehicle crashes on North Carolina interstate highways. Transp Res Rec., 1665: 100-108.
Savolainen, P. T., Mannering, F. L., Lord, D., Quddus, M. A. (2011) The statistical analysis of highway crash-injury severities: A review and assessment of methodological alternatives. Accid Anal Prev., 43 (5): 1666-1676.
Traynor, T. L. (2005). The impact of driver alcohol use on crash severity: A crash specific analysis. Transp Res Part E., 41 (5): 421-437.
Wang, X., Abdel-Aty, M. A. (2008). Analysis of left-turn crash injury severity by conflicting pattern using partial proportional odds models. Accid Anal Prev., 40 (5): 1674-1682.
Washington, S.P., Karlaftis, M.G., Mannering F. L. (2011). Statistical and econometric methods for transportation data analysis. Florida: CRC Press; 2011.
World Health Organization. (2013). Global status report on road safety 2013: supporting a Decade of Action. Suiza: World Health Organization.
Zajac, S. S., Ivan, J. N. (2003). Factors influencing injury severity of motor vehicle-crossing pedestrian crashes in rural Connecticut. Accid Anal Prev., 35, 369-379.