logo

Artículos Científicos

Vol. 18 Núm. 32 (2016): Revista 32

Determinación de rutas con potencial de mejora utilizando funciones de desempeño de seguridad vial: caso de Costa Rica

DOI:
https://doi.org/10.15517/3k1k2p81
Enviado
noviembre 7, 2025
Publicado
2025-11-07

Resumen

Para lograr una disminución en la frecuencia y gravedad de los accidentes de tránsito es fundamental la identificación de sitios de concentración de choques. Para tal efecto es necesario contar con datos detallados de choques y un inventario de la infraestructura vial actualizado, los cuales no se encuentran disponibles en Costa Rica. Recientemente se han popularizado modelos de choques a nivel macro que se pueden utilizar para desarrollar funciones de desempeño de seguridad vial a nivel de ruta, dado que por su nivel de agregación tienen menores requerimientos de información. De esta forma se pueden identificar rutas donde el exceso de choques sea significativo para después realizar estudios micro o detallados de sitios de concentración choques en estas rutas. Este estudio busca identificar las rutas con mayor potencial de mejora en Costa Rica utilizando funciones de desempeño de seguridad vial y el método de Bayes Empírico.  Los resultados muestran que el modelo Binomial Negativo es apropiado para representar la Función de Desempeño de Seguridad Vial por ruta en Costa Rica al considerar la exposición y la sobre-dispersión.  Además, el modelo indica que la ruta más peligrosa de Costa Rica en términos de exceso de muertes en carretera es la Ruta 32, seguida de la Ruta 2,  la Ruta 4, la Ruta 1 y en quinto lugar Ruta 34. Las otras cinco rutas que completan las 10 más peligrosas son en orden la Ruta 35, la Ruta 21, la Ruta 36, la Ruta 27 y la Ruta 6.

Referencias

  1. AASHTO.(2010). Highway Safety Manual. American Association of State and Highway Transportation Officials, Washington D.C. USA.
  2. Aguero-Valverde, J. 2013. Multivariate spatial models of excess crash frequency at area level: Case of Costa Rica. Accident Analysis and Prevention, 59, 365-373.
  3. Aguero-Valverde, J., Jovanis, P.P. (2006). Spatial analysis of fatal and injury crashes in Pennsylvania. Accident Analysis and Prevention, 38 (3), 618-625.
  4. Barnett, A. G., van der Pols, J. C., & Dobson, A. J. (2005). Regression to the mean: what it is and how to deal with it. International Journal of Epidemiology, 34(1), 215-220.
  5. Castro, E.A., Agüero-Valverde, J. (2015). Aplicación del método Bayes empírico en análisis de seguridad vial: el caso de la ruta 32 en Costa Rica. Revista Ingeniería, 25 (1), pp 13-33.
  6. COSEVI (2015). Muertos en sitio por ruta. Área de Investigación y Estadística.
  7. Evans, L. (2004). Traffic safety.Science Serving Society.MI, USA
  8. Hadayeghi, A., Shalabyb, A.S., Persaud., B.N. (2010). Development of planning level transportation safety tools using Geographically Weighted Poisson Regression. Accident Analysis and Prevention, 42 (2), 676–688.
  9. Hakkert, A. S., Braimaister, L., & Van Schagen, I. (2002). The uses of exposure and risk in road safety studies (Vol. 2002, No. 12). SWOV Institute for Road Safety.
  10. Hauer, E. (1992). Empirical Bayes approach to the estimation of “unsafety”: the multivariate regression method. Accident Analysis & Prevention, 24(5), 457-477.
  11. Hauer, E. (1995). On exposure and accident rate. Traffic engineering & control, 36(3), 134-138.
  12. Hauer, E. (1997). Observational Before/After Studies in Road Safety.Estimating the Effect of Highway and Traffic Engineering Measures on Road Safety.Emeral, IWA, UK
  13. Hauer, E., Harwood, D., Council, F., & Griffith, M. (2002).Estimating safety by the empirical Bayes method: a tutorial. Transportation Research Record, 1784, 126-131.
  14. Huang H., Darwiche, A.L., Abdel-Aty, M.A. (2010). County-Level Crash Risk Analysis in Florida: Bayesian Spatial Modeling. TransportationResearch Record, 2148, 27-37.
  15. INEC (2014). Unidad de Estadísticas Demográficas - Defunciones (2000-2014) http://www.inec.go.cr/bincri/RpWebEngine.exe/Portal?BASE=VITDEF
  16. Jovanis, P. P., & Chang, H. L. (1986). Modeling the relationship of accidents to miles traveled. Transportation Research Record, 1068, 42-51.
  17. MacNab, Y.C. (2004). Bayesian spatial and ecological models for small-area accident and injury analysis.Accident Analysis and Prevention, 36 (6), 1019–1028.
  18. Miaou S-P., Lord, D. (2003). Modeling traffic crash-flow relationships for intersections: dispersion parameter, functional form and Bayes versus empirical Bayes.TransportationResearch Record 1840, 31- 40.
  19. MOPT (2012). Anuario de Información de Tránsito 2012, Departamento de Planificación Sectorial
  20. MOPT (2013). Anuario de Información de Tránsito 2013, Departamento de Planificación Sectorial
  21. MOPT (2014). Red Vial Cantonal Longitud Total - Longitud para la Distribución de Fondos Ley 8114 - Resumen Por Cantón 2014 http://mopt.go.cr/carreteras/RVC.pdf
  22. Qin, X., Ivan, J. N., & Ravishanker, N. (2004). Selecting exposure measures in crash rate prediction for two-lane highway segments. Accident Analysis & Prevention, 36(2), 183-191.
  23. Quddus M.A. (2008). Modeling area-wide count outcomes with spatial correlation and heterogeneity: an analysis of London crash data.Accident Analysis and Prevention, 40(4), 1486-1497.
  24. Shankar, V., Mannering, F., & Barfield, W. (1995).Effect of roadway geometrics and environmental factors on rural freeway accident frequencies. Accident Analysis & Prevention, 27(3), 371-389.
  25. Shinar, D. (1978). Psychology on the road.The human factor in traffic safety. John Wiley & Sons, NJ, USA.
  26. Siddiqui, C., Abdel-Aty, M.A., Choi.K., (2012). Macroscopic spatial analysis of pedestrian and bicycle crashes. Accident Analysis and Prevention, 45 (1), 382-391.
  27. Toroyan, T. (2013).Global status report on road safety 2015. Supporting a decade of action. Geneva: World Health Organization, Department of Violence and Injury Prevention and Disability.
  28. (PIARC) (2003).Road Safety Manual, World Road Association Paris, Francia.

Descargas

Los datos de descarga todavía no están disponibles.