Predicción de accidentes viales en Cartagena, Colombia, con árboles de decisión y reglas de asociación

Autor:	Leonardo Augusto Quintana Jiménez, Holman Ospina-Mateus
Rok vydání:	2019
Předmět:	Road accident Association rule learning Computer science Lift (data mining) Traffic accident Minería de datos Predicciones Decision tree Accidentes de transito Transport engineering C4.5 algorithm High severity Road user
Zdroj:	Economía & Región. Repositorio Institucional UTB Universidad Tecnológica de Bolívar instacron:Universidad Tecnológica de Bolívar
ISSN:	2539-2093 1692-8989
DOI:	10.32397/er.vol13.n2.3
Popis:	El objetivo principal de esta investigación es predecir los factores asociados con la severidad en los accidentes viales de Cartagena (Colombia), la metodología está basada en técnicas de minería de datos como arboles de decisión (J48) y reglas de asociación (soporte, confianza, Lift). La investigación fue desarrollada con 10.053 registros de accidentes de tráfico entre 2016 y 2017, por medio del uso del Software WEKA (Waikato Environment for Knowledge Analysis). En el análisis, la severidad fue definida de bajo riesgo (daños materiales), y alto riesgo (victimas heridas y fatales), y su validación consideró la técnica transversal 10-fold. Entre los resultados más significativos, se evidenció que los motociclistas y ciclistas son los actores viales más vulnerables, además los moto-usuarios entre los 20-39 años son propensos a accidentes viales con alta severidad. Finalmente, los factores de accidentalidad vial identificados ayudan a promover contramedidas para mejorar la seguridad vial de la ciudad. gráficos, tablas. Incluye referencias bibliográficas (páginas 109-113).
Databáze:	OpenAIRE
Externí odkaz:	https://explore.openaire.eu/search/publication?articleId=doi_dedup___::2fb08473dfe9afeb080cff715c19eadc https://doi.org/10.32397/er.vol13.n2.3 Zobrazit plný text záznamu