Análisis de Base de datos comparendo 2010
Zharick Orjuela
2025-08-17
Análisis de comparendos año 2010 (Abril-Mayo)
Introducción
El análisis de los comparendos constituye una herramienta fundamental para comprender la dinámica de la movilidad y el cumplimiento de las normas de tránsito en una región determinada. En este caso, se examinan los registros correspondientes a los meses de abril y mayo del año 2010 en el departamento del Atlántico, Colombia, a partir de datos recopilados mediante sistemas de control vial y suministrados para fines académicos. A través de este análisis, se busca no solo identificar las infracciones más recurrentes y los actores más vinculados, sino también reconocer los patrones cotidianos y temporales de comisión de infracciones, esenciales para orientar políticas de prevención y regulación.
En el contexto nacional, esta revisión cobra aún mayor relevancia: durante el año 2010, en la ciudad de Bogotá se impusieron más de 6,6 millones de comparendos (energizados por el SIMIT), lo que refleja un escenario de exigencia creciente en la vigilancia del comportamiento vial . Asimismo, desde la perspectiva de la accidentalidad vial, se identificó que en ese mismo año fallecieron 2.029 personas en Colombia por siniestros de tránsito, entre ellas una significativa proporción joven (20–24 años) . De este modo, el análisis específico de abril y mayo en el Atlántico adquiere importancia como ventana a dinámicas regionales de infracción, que pueden contribuir a una visión más localizada y efectiva de la seguridad vial.
Ver columnas
colnames(df)## [1] "No. MANDAMIENTO DE PAGO" "FECHA MANDAMIENTO DE PAGO"
## [3] "EJECUTADO" "TIPO DE IDENTIFICACION"
## [5] "No. IDENTIFICACION" "GENERO"
## [7] "# GENERO" "COD. INFRACCION"
## [9] "COMPARENDO" "FECHA"
## [11] "DIA...11" "MES"
## [13] "AÑO" "DIA...14"
## [15] "NOMBRE DE MES" "PLACA DE VEHICULO"
## [17] "TIPO DE VEHICULO" "COSTO"
## [19] "NOMBRE_DE_INFRACCION" "...20"
## [21] "...21"Ver resumen
summary(df)## No. MANDAMIENTO DE PAGO FECHA MANDAMIENTO DE PAGO EJECUTADO
## Length:2120 Length:2120 Length:2120
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
## TIPO DE IDENTIFICACION No. IDENTIFICACION GENERO # GENERO
## Length:2120 Min. :2.358e+05 Length:2120 Min. :1
## Class :character 1st Qu.:3.273e+07 Class :character 1st Qu.:1
## Mode :character Median :7.214e+07 Mode :character Median :1
## Mean :6.264e+08 Mean :1
## 3rd Qu.:8.001e+08 3rd Qu.:1
## Max. :9.003e+09 Max. :1
## COD. INFRACCION COMPARENDO FECHA
## Min. :64.00 Length:2120 Min. :2010-04-12 00:00:00.00
## 1st Qu.:64.00 Class :character 1st Qu.:2010-04-27 00:00:00.00
## Median :64.00 Mode :character Median :2010-05-06 00:00:00.00
## Mean :66.53 Mean :2010-05-05 16:27:37.35
## 3rd Qu.:64.00 3rd Qu.:2010-05-16 00:00:00.00
## Max. :77.00 Max. :2010-05-27 00:00:00.00
## DIA...11 MES AÑO DIA...14
## Min. : 1.00 Min. :4.000 Min. :2010 Length:2120
## 1st Qu.: 9.00 1st Qu.:4.000 1st Qu.:2010 Class :character
## Median :16.00 Median :5.000 Median :2010 Mode :character
## Mean :15.76 Mean :4.664 Mean :2010
## 3rd Qu.:23.00 3rd Qu.:5.000 3rd Qu.:2010
## Max. :30.00 Max. :5.000 Max. :2010
## NOMBRE DE MES PLACA DE VEHICULO TIPO DE VEHICULO COSTO
## Length:2120 Length:2120 Length:2120 Min. :257500
## Class :character Class :character Class :character 1st Qu.:257500
## Mode :character Mode :character Mode :character Median :257500
## Mean :304749
## 3rd Qu.:257500
## Max. :515000
## NOMBRE_DE_INFRACCION ...20 ...21
## Length:2120 Mode:logical Length:2120
## Class :character NA's:2120 Class :character
## Mode :character Mode :character
##
##
## 1. Comparendos por días de la semana
El análisis de los comparendos revela un patrón marcado según el día de la semana. Entre lunes y viernes, las cifras se mantienen relativamente estables, con valores más bajos, siendo el jueves el día con menor número de comparendos. Sin embargo, durante el fin de semana se observa un incremento significativo, especialmente el domingo, que alcanza la cifra más alta. Esto indica que la conducta de los conductores varía de acuerdo con la dinámica social, ya que los fines de semana aumentan las actividades recreativas, el consumo de alcohol y la movilidad en general, lo que se traduce en un mayor número de infracciones.
2. Comparendos por género/empresa.
El análisis de la distribución de comparendos por género y empresa muestra que las mujeres presentan la mayor cantidad de infracciones con 970 casos, seguidas por los hombres con 682, mientras que las empresas registran 468. Este resultado evidencia que, a diferencia de lo que comúnmente se piensa, las mujeres no están exentas de cometer infracciones de tránsito e incluso superan a los hombres en número. Asimismo, aunque las empresas presentan una cifra menor, su impacto puede ser significativo debido a la responsabilidad que conlleva la movilización de pasajeros o mercancías.
df %>%count(GENERO) %>% # Cuenta comparendos por género/empresa
ggplot(aes(x = reorder(GENERO, -n), y = n, fill = GENERO)) +
geom_col() + # Barras
geom_text(aes(label = n), vjust = -0.3, size = 4) + # Etiquetas encima de cada barra
labs(
title = "Distribución de Comparendos por Género/Empresa",
x = "Género",
y = "Cantidad"
) +
theme(legend.position = "none") #ocultar la leyenda
3. Top 4 de infracciones con mayor recaudo.
El análisis del top de infracciones con mayor recaudo evidencia que la principal fuente de ingresos proviene de las multas por superar el límite de velocidad, con un valor de $418.695.000, representando una diferencia abismal frente al resto de las infracciones. En segundo lugar se ubica la falta por no respetar semáforos o señales de alto, con $198.275.000, lo cual refleja la importancia de los controles en intersecciones viales. En contraste, otras infracciones como omitir la prioridad en paso peatonal ($27.037.500) y transitar en sentido contrario ($2.060.000) muestran un impacto económico mucho menor. Esto indica que las infracciones relacionadas con velocidad y señales de tránsito no solo son las más frecuentes, sino también las que más aportan al recaudo económico de las autoridades de tránsito.
# Agrupamos y sumamos el costo
df_top10 <- df %>%
group_by(NOMBRE_DE_INFRACCION) %>%
summarise(Total_Recaudado = sum(COSTO, na.rm = TRUE)) %>%
arrange(desc(Total_Recaudado)) %>%
slice_head(n = 10) # tomar solo el top 10
ggplot(df_top10, aes(x = reorder(NOMBRE_DE_INFRACCION, Total_Recaudado),
y = Total_Recaudado)) +
geom_col(fill = "hotpink") +
geom_text(aes(label = scales::comma(Total_Recaudado)), # aquí se ponen las etiquetas
hjust = -0.1, # ajusta la posición horizontal (en gráfico horizontal)
size = 3) + # tamaño del texto
coord_flip() +
labs(title = "Top 4 Infracciones con mayor recaudo",
x = "Infracción",
y = "Total Recaudado") +
scale_y_continuous(labels = comma,
expand = expansion(mult = c(0, 0.25))) # deja espacio al final
4. Comparendos por tipos de vehículo.
El análisis de la cuarta consulta refleja una marcada diferencia en la cantidad de comparendos según el tipo de vehículo. Los automóviles concentran la gran mayoría de las infracciones con 1.839 casos, mientras que las motocicletas registran únicamente 181 comparendos. Esta disparidad evidencia que los autos representan el principal foco de infracciones en el periodo estudiado, lo que puede estar relacionado con su mayor presencia en la vía y con patrones de comportamiento de los conductores. Sin embargo, aunque los motociclistas representan una proporción mucho menor, siguen constituyendo un grupo relevante por el riesgo vial que implica este tipo de transporte.
df %>%
count(`TIPO DE VEHICULO`) %>% # Cuenta comparendos por tipo de vehículo
ggplot(aes(x = reorder(`TIPO DE VEHICULO`, -n), y = n)) + # Ordena por frecuencia
geom_col(fill = "slateblue1") + # Color de barra
geom_text(aes(label = n), vjust = -0.3, size = 4) + # Etiquetas
labs(
title = "Comparendos por Tipo de Vehículo",
x = "Tipo de Vehículo",
y = "Cantidad")
5. Comparendos por mes.
El análisis muestra que en el mes de mayo se registraron 1.408 comparendos, mientras que en abril la cifra fue de 712. Esto evidencia un aumento significativo de casi el doble en mayo con respecto al mes anterior. El crecimiento puede estar asociado a factores como el incremento en la movilidad, operativos más estrictos o mayor reincidencia de conductores en infracciones durante ese mes. En conclusión, mayo representó el periodo con mayor concentración de comparendos, lo que resalta la necesidad de reforzar campañas de prevención vial y control en ese tiempo.
df %>%
count(`NOMBRE DE MES`) %>% # Cuenta comparendos por mes
ggplot(aes(x = reorder(`NOMBRE DE MES`, -n), y = n)) + # Ordena barras por cantidad
geom_col(fill = "#00CDCD") +
geom_text(aes(label = n), vjust = -0.3, size = 4) + # Etiquetas
labs(title = "Comparendos por mes", x = "Mes", y = "Cantidad")
6. Top 10 Personas con más comparendos.
El ranking evidencia que Liliana Rozo Pinzón encabeza la lista con 27 comparendos, una cifra que supera ampliamente al resto de infractores. Le siguen Luz Marina Bastidas Álvarez** con 11 y Elvira del Carmen Garrido Arévalo con 10, mientras que los demás oscilan entre 7 y 9 comparendos. Este resultado muestra una concentración de infracciones en unos pocos individuos, especialmente en el primer caso, que representa más del doble respecto al segundo lugar. Esto sugiere la existencia de conductores con un patrón de reincidencia elevado, lo cual es un aspecto crítico para las autoridades de tránsito, ya que requiere estrategias de control y sanción más estrictas para reducir la repetición de conductas infractoras.
df %>%
filter(GENERO != "Empresa") %>% # Excluir empresas
count(EJECUTADO, sort = TRUE) %>% # Contar comparendos por persona, ordenado descendente
top_n(10, n) %>% # Seleccionar top 10 personas con más comparendos
ggplot(aes(x = reorder(EJECUTADO, n), y = n)) + # Definir ejes y orden para el gráfico
geom_col(fill = "red") +
geom_text(aes(label = n), hjust = -0.3, size = 3) + # Etiquetas
coord_flip() + # Invierte ejes para mejor lectura
labs(title = "Top 10 personas con más comparendos", x = "Nombre", y = "Cantidad")
Conclusión.
El análisis de los comparendos en los meses de abril y mayo de 2010 en el departamento del Atlántico revela patrones claros en la conducta de los conductores y en la distribución de infracciones. Se observa un incremento notable de comparendos durante los fines de semana, especialmente los domingos, lo que refleja la relación entre la movilidad recreativa y la comisión de infracciones. Sorprendentemente, las mujeres presentan un número mayor de infracciones que los hombres, mientras que las empresas, aunque con menor cantidad de comparendos, mantienen un impacto relevante por la naturaleza de su actividad. Las infracciones relacionadas con exceso de velocidad y desobediencia a señales de tránsito destacan no solo por su frecuencia, sino también por su contribución al recaudo económico. En cuanto al tipo de vehículo, los automóviles concentran la mayoría de los comparendos, mientras que los motociclistas representan un grupo menor pero significativo. El mes de mayo muestra un aumento casi del doble en comparendos respecto a abril, lo que indica la necesidad de reforzar campañas de prevención y control. Finalmente, la concentración de infracciones en unas pocas personas evidencia la presencia de reincidencia, subrayando la importancia de implementar estrategias específicas para este tipo de conductores y así mejorar la seguridad vial en la región.