Analisis de datos de accidentes de tránsito con R | Traffic accident data analysis with R
Mg. Christian Vaca ISO 31LRM, COSO ICC, Mg. Efrain Ramirez
cpvacab@gmail.com, eframirezpa@gmail.com
RESUMEN
Un accidente de tránsito es el resultado de una distorsión de la armonía en el sistema “usuario-vehículo-vía” del transporte automotor y que tiene como consecuencia daños materiales o pérdidas humanas.
Generalmente, los accidentes de tránsito son atribuidos al factor humano y se señala al conductor o al peatón como causante. Este enfoque tradicional es bastante subjetivo, ya que hay detalles que pueden contribuir para que, al transitar los vehículos por cualquier tramo o punto de una vía, el riesgo de siniestro sea mayor. Entre estos, se pueden mencionar irregularidades en la superficie de rodamiento, inadecuada rugosidad en ésta, mala iluminación de la vía, obstáculos en la calzada, ancho de los carriles, ausencia de espaldones, falta de una buena señalización, bombeo insuficiente, drenajes mal dispuestos, pendiente de la vía, condiciones climáticas de la zona, etc
Para tratar de determinar las causas reales de los accidentes, se debe estudiar el problema por medio de un registro que permita al investigador interpretar, de una forma cercana a la realidad, el modo en que sucede el siniestro.
Así será posible establecer las razones que los accidentes tienen en común, para tratar de corregir el problema, disminuir su incidencia y, si es posible, eliminarla.
Palabras Clave: Accidente, Transito, Causas, Análisis con R
ABSTRACT
A traffic accident is the result of a distortion of the harmony in the “user-vehicle via” system of motor transport and which results in material or personal damage.
Generally, traffic accidents are attributed to the human factor and the driver or pedestrian is pointed out as the cause. This traditional approach is quite subjective, since there are details that can contribute so that, when the vehicles travel on any section or point of a road, the risk of an accident is greater. Among these, we can mention irregularities in the running surface, inadequate roughness in it, poor road lighting, obstacles on the road, width of the lanes, absence of shoulders, lack of good signaling, insufficient pumping, poorly arranged drains , slope of the road, weather conditions in the area, etc.
To try to determine the real causes of accidents, the problem must be studied by means of a record that allows the investigator to interpret, in a way that is close to reality, the way in which the accident occurs.
Thus it will be possible to establish the reasons that accidents have in common, to try to correct the problem, reduce its incidence and, if possible, eliminate it.
Keywords: Accident, Transit, Cause, Analysis with R
INTRODUCCIÓN
Los accidentes de tránsito (AT) constituyen un problema relevante y prioritario para la salud pública, que dista mucho de estar resuelto, a pesar de la implementación de leyes y el establecimiento de planes de actuación en los diferentes países; es así que de acuerdo a los datos publicados por la Organización Mundial de la Salud (OMS) en el 2016, los accidentes de tránsito causan la muerte de aproximadamente 1,3 millones de personas en todo el mundo, anualmente y según pronósticos de la misma OMS, las cifras se incrementarán a un poco más del doble para el año 2020.
Los accidentes en su mayoría se pueden prevenir, ya que los factores condicionantes se asocian a malas condiciones del vehículo, a factores intrínsecos del conductor (habilidad, condición emocional y física, presencia de distractores), a la poca visibilidad en las carreteras, a la ingesta de alcohol, al exceso de velocidad y a las malas condiciones de la carreteras, en las que intervienen la mala iluminación, el ancho de los carriles, la ausencia de espaldones, la mala señalización, y las condiciones climáticas de la zona.
REFERENTES TEORICOS
Se ha probado que las señales de tránsito existentes, han perdido la calidad de reflexión que pueden tener en las noches.
El abuso del consumo del alcohol ha aumentado los índices de accidentes automovilísticos.
El exceso de velocidad es otra causa importante. Diversas investigaciones han revelado que el ángulo de visión, de quién conduce un vehículo es inversamente proporcional a la velocidad a la que se desplaza, con lo cual muchos de los posibles peligros quedan fuera del campo visual del conductor.
La presencia de distracciones, como el uso de teléfonos celulares, volumen del equipo de radio exageradamente alto, o realizar varias acciones a la vez, como conducir, fumar o maquillarse son también causas de accidentes.Las distracciones hacen que los conductores recorran varios metros, sin prestar la debida atención.
A continuación algunos ejemplos; viajando a 60 km/hora:
- Marcar un número en el teléfono celular: 5 segundos en 140 metros.
- Mirar a un peatón: 4 segundos en 110 metros.
- Tomar anteojos de un bolso: 4 segundos en 110 metros.
- Beber de una botella: 4 segundos en 110 metros.
- Prender la radio del auto: 3 segundos en 80 metros.
- Encender un cigarrillo: 3 segundos en 80 metros.
Factores que influyen en los accidentes de tránsito
Existe una variedad de factores que, aparte de la habilidad, condición anímica y física de los conductores, desempeñan un papel importante en los accidentes de tránsito. Entre los más comunes se encuentran; el estado y condiciones de humedad del pavimento, estado general de la vía, ingestión de alcohol en los conductores, iluminación de la vía, hora, día de la semana,distancia de visibilidad, velocidad de diseño y velocidad de tránsito.
Estado del pavimento:
Las condiciones en que se encuentre la vía pueden tener mucha influencia en el problema de los accidentes de tránsito. El estado de la superficie de rodamiento repercute directamente sobre la “distancia de frenado”; esta es, el espacio que recorre el vehículo después de que el conductor aplica el freno.
Para el Area Metropolitana de nuestro país, las estadísticas meteorológicas indican que en promedio, durante un 6 % del tiempo del año se presentan aguaceros cuya duración es superior a 45 minutos y a la vez su intensidad sobrepasa o se aproxima a un milímetro en los primeros 10 minutos de precipitación. Estos aguaceros son los que dan la condición de pavimento húmedo a la calzada. Lo anterior implica que un promedio del 94 % del año se presenta la condición de pavimento seco.
De acuerdo con el registro de accidentes, un promedio del 18% de los mismos ocurre con la condición de pavimento húmedo y un 82% ocurre con el pavimento seco. Esto significa que durante los períodos de lluvia, la incidencia de percances se incrementa en más de un 250 %. Lo anterior refleja que realmente la disminución del coeficiente de rozamiento por acción de la lluvia conjuntamente con el fenómeno de hidroplaneo (el vehículo se desplaza sobre una película de agua y pierde contacto normal con el pavimento) afectan la normal actividad del manejo y los conductores necesitan mayor distancia para detener sus vehículos o mayores radios para girar.
Ingestión de alcohol en los conductores:
La presencia del alcohol en la sangre de los conductores es un aspecto de relevancia en el análisis delos accidentes de tránsito. Una persona que maneja un vehículo después de haber ingerido bebidas alcohólicas ve disminuidas sus capacidades para la conducción, lo cual la ubica en clara desventaja ante la presencia de una situación peligrosa.
Iluminación de las vías:
Hay varios criterios técnicos que son usados para evaluar la calidad del alumbrado, desde el punto de vista de la seguridad en el manejo. Entre los más importantes tenemos la eficiencia de la geometría de la instalación para la orientación visual, apariencia y rendimiento en color, nivel de luminancia y uniformidad del patrón de luminancia.
El criterio de nivel de luminancia consiste en proveer a la vía de luz suficiente para que los conductores tengan seguridad de percepción. La uniformidad del patrón de luminancia es la distribución de la luz, de tal manera que el contraste luz sombra sea lo más bajo posible. Esto es que no haya puntos muy bien iluminados y puntos muy oscuros en la vía, sino una adecuada distribución de la luz.
Causa de los accidentes
La OMS reconoce al accidente de transito como un “hecho fortuito” del que resultan lesiones considerables en las personas.
Se pueden agrupar las causas de los accidentes de tránsito en el denominado “Triángulo accidentológico”:
El Hombre: en esta categoría se incluyen tanto al conductor como al acompañante, pasajero y/o peatón.Son importantes, factores tales como: estado físico y psíquico, conocimiento, etc
El Vehículo: su incidencia directa en el accidente se manifiesta por la mala conservación del mismo ó bien por no contar con aquellos elementos que podrían haber disminuido ó prevenido la lesión.
El Medio Ambiente: incluye tanto las condiciones meteorológicas (lluvia, nieve, neblina, etc.) como las viales (condición de la calzada, señalización, etc.)
METODOLOGÍA
El proyecto se desarrolla con un enfoque cuantitativo que comprende las siguientes fases:
Selección de la base de datos a utilizar: Se utilizó la base de datos abierta de accidentes de tránsito de Reino Unido correspondiente a Accidentes de Transito del año 2019 que consta en la URL https://data.dft.gov.uk/road-accidents-safety-data/dft-road-casualty-statistics-accident-2019.csv
Determinación del análisis estadístico aplicable: por medio de una revision de las variables que contiene la base de datos seleccionada y teniendo presente la pregunta a la cual se le busca dar respuesta, se establece la metodología estadística que permita teóricamente manejar los datos y dar respuesta al problema.
Las respuestas que se busca solventar son:
- ¿A qué hora del día y día de la semana ocurren la mayoría de los incidentes importantes?
- ¿Qué características destacan en los incidentes mayores en comparación con otros accidentes?
- ¿En qué áreas recomendaría se deben concentrar esfuerzos para reducir los incidentes importantes?
- Creación del código e implementación: mediante código de programación el programa estadístico seleccionado, se realiza la descripción gráfica y algoritmos estadísticos seleccionados aplicados en los datos que se tienen.
RESULTADOS
La Base de datos sujeto de análisis esta compuesta de 117.536 datos, 36 columnas. Donde las variables que contiene la BDD a analizar es como se detalla a continuación:
colnames(BDDAccidentes)## [1] "ï..accident_index"
## [2] "accident_year"
## [3] "accident_reference"
## [4] "location_easting_osgr"
## [5] "location_northing_osgr"
## [6] "longitude"
## [7] "latitude"
## [8] "police_force"
## [9] "accident_severity"
## [10] "number_of_vehicles"
## [11] "number_of_casualties"
## [12] "date"
## [13] "day_of_week"
## [14] "time"
## [15] "local_authority_district"
## [16] "local_authority_ons_district"
## [17] "local_authority_highway"
## [18] "first_road_class"
## [19] "first_road_number"
## [20] "road_type"
## [21] "speed_limit"
## [22] "junction_detail"
## [23] "junction_control"
## [24] "second_road_class"
## [25] "second_road_number"
## [26] "pedestrian_crossing_human_control"
## [27] "pedestrian_crossing_physical_facilities"
## [28] "light_conditions"
## [29] "weather_conditions"
## [30] "road_surface_conditions"
## [31] "special_conditions_at_site"
## [32] "carriageway_hazards"
## [33] "urban_or_rural_area"
## [34] "did_police_officer_attend_scene_of_accident"
## [35] "trunk_road_flag"
## [36] "lsoa_of_accident_location"Con la finalidad de que exista alietoriedad en el análisis se definio la implementación de selección de muestra por con la opción set.seed de la libreria dplyr, así tenemos:
datos_representativos <- sample_n(BDDAccidentes, 2000)
N <- nrow(datos_representativos)
A<-(1+log(N) /log(2))
distStu <- fdt(datos_representativos,k=10,breaks="Sturges")
distStu## accident_year
## Class limits f rf rf(%) cf cf(%)
## [1998.81,2002.848) 0 0 0 0 0
## [2002.848,2006.886) 0 0 0 0 0
## [2006.886,2010.924) 0 0 0 0 0
## [2010.924,2014.962) 0 0 0 0 0
## [2014.962,2019) 0 0 0 0 0
## [2019,2023.038) 2000 1 100 2000 100
## [2023.038,2027.076) 0 0 0 2000 100
## [2027.076,2031.114) 0 0 0 2000 100
## [2031.114,2035.152) 0 0 0 2000 100
## [2035.152,2039.19) 0 0 0 2000 100
##
## police_force
## Class limits f rf rf(%) cf cf(%)
## [0.99,10.789) 652 0.33 32.60 652 32.60
## [10.789,20.588) 266 0.13 13.30 918 45.90
## [20.588,30.387) 97 0.05 4.85 1015 50.75
## [30.387,40.186) 243 0.12 12.15 1258 62.90
## [40.186,49.985) 417 0.21 20.85 1675 83.75
## [49.985,59.784) 168 0.08 8.40 1843 92.15
## [59.784,69.583) 60 0.03 3.00 1903 95.15
## [69.583,79.382) 0 0.00 0.00 1903 95.15
## [79.382,89.181) 0 0.00 0.00 1903 95.15
## [89.181,98.98) 97 0.05 4.85 2000 100.00
##
## accident_severity
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.194) 21 0.01 1.05 21 1.05
## [1.194,1.398) 0 0.00 0.00 21 1.05
## [1.398,1.602) 0 0.00 0.00 21 1.05
## [1.602,1.806) 0 0.00 0.00 21 1.05
## [1.806,2.01) 393 0.20 19.65 414 20.70
## [2.01,2.214) 0 0.00 0.00 414 20.70
## [2.214,2.418) 0 0.00 0.00 414 20.70
## [2.418,2.622) 0 0.00 0.00 414 20.70
## [2.622,2.826) 0 0.00 0.00 414 20.70
## [2.826,3.03) 1586 0.79 79.30 2000 100.00
##
## number_of_vehicles
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.699) 559 0.28 27.95 559 27.95
## [1.699,2.408) 1238 0.62 61.90 1797 89.85
## [2.408,3.117) 155 0.08 7.75 1952 97.60
## [3.117,3.826) 0 0.00 0.00 1952 97.60
## [3.826,4.535) 40 0.02 2.00 1992 99.60
## [4.535,5.244) 4 0.00 0.20 1996 99.80
## [5.244,5.953) 0 0.00 0.00 1996 99.80
## [5.953,6.662) 2 0.00 0.10 1998 99.90
## [6.662,7.371) 1 0.00 0.05 1999 99.95
## [7.371,8.08) 1 0.00 0.05 2000 100.00
##
## number_of_casualties
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.699) 1594 0.80 79.70 1594 79.70
## [1.699,2.408) 297 0.15 14.85 1891 94.55
## [2.408,3.117) 65 0.03 3.25 1956 97.80
## [3.117,3.826) 0 0.00 0.00 1956 97.80
## [3.826,4.535) 28 0.01 1.40 1984 99.20
## [4.535,5.244) 11 0.01 0.55 1995 99.75
## [5.244,5.953) 0 0.00 0.00 1995 99.75
## [5.953,6.662) 3 0.00 0.15 1998 99.90
## [6.662,7.371) 1 0.00 0.05 1999 99.95
## [7.371,8.08) 1 0.00 0.05 2000 100.00
##
## day_of_week
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.598) 233 0.12 11.65 233 11.65
## [1.598,2.206) 296 0.15 14.80 529 26.45
## [2.206,2.814) 0 0.00 0.00 529 26.45
## [2.814,3.422) 285 0.14 14.25 814 40.70
## [3.422,4.03) 294 0.15 14.70 1108 55.40
## [4.03,4.638) 0 0.00 0.00 1108 55.40
## [4.638,5.246) 309 0.15 15.45 1417 70.85
## [5.246,5.854) 0 0.00 0.00 1417 70.85
## [5.854,6.462) 321 0.16 16.05 1738 86.90
## [6.462,7.07) 262 0.13 13.10 2000 100.00
##
## local_authority_district
## Class limits f rf rf(%) cf cf(%)
## [0.99,95.831) 551 0.28 27.55 551 27.55
## [95.831,190.67) 147 0.07 7.35 698 34.90
## [190.67,285.51) 187 0.09 9.35 885 44.25
## [285.51,380.35) 243 0.12 12.15 1128 56.40
## [380.35,475.19) 258 0.13 12.90 1386 69.30
## [475.19,570.04) 289 0.14 14.45 1675 83.75
## [570.04,664.88) 168 0.08 8.40 1843 92.15
## [664.88,759.72) 60 0.03 3.00 1903 95.15
## [759.72,854.56) 0 0.00 0.00 1903 95.15
## [854.56,949.4) 97 0.05 4.85 2000 100.00
##
## first_road_class
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.497) 80 0.04 4.00 80 4.00
## [1.497,2.004) 6 0.00 0.30 86 4.30
## [2.004,2.511) 0 0.00 0.00 86 4.30
## [2.511,3.018) 915 0.46 45.75 1001 50.05
## [3.018,3.525) 0 0.00 0.00 1001 50.05
## [3.525,4.032) 252 0.13 12.60 1253 62.65
## [4.032,4.539) 0 0.00 0.00 1253 62.65
## [4.539,5.046) 96 0.05 4.80 1349 67.45
## [5.046,5.553) 0 0.00 0.00 1349 67.45
## [5.553,6.06) 651 0.33 32.55 2000 100.00
##
## first_road_number
## Class limits f rf rf(%) cf cf(%)
## [0,923.14) 1583 0.79 79.15 1583 79.15
## [923.14,1846.28) 113 0.06 5.65 1696 84.80
## [1846.28,2769.42) 41 0.02 2.05 1737 86.85
## [2769.42,3692.56) 54 0.03 2.70 1791 89.55
## [3692.56,4615.7) 98 0.05 4.90 1889 94.45
## [4615.7,5538.84) 49 0.02 2.45 1938 96.90
## [5538.84,6461.98) 50 0.03 2.50 1988 99.40
## [6461.98,7385.12) 5 0.00 0.25 1993 99.65
## [7385.12,8308.26) 2 0.00 0.10 1995 99.75
## [8308.26,9231.4) 5 0.00 0.25 2000 100.00
##
## road_type
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.8) 117 0.06 5.85 117 5.85
## [1.8,2.61) 45 0.02 2.25 162 8.10
## [2.61,3.42) 316 0.16 15.80 478 23.90
## [3.42,4.23) 0 0.00 0.00 478 23.90
## [4.23,5.04) 0 0.00 0.00 478 23.90
## [5.04,5.85) 0 0.00 0.00 478 23.90
## [5.85,6.66) 1452 0.73 72.60 1930 96.50
## [6.66,7.47) 27 0.01 1.35 1957 97.85
## [7.47,8.28) 0 0.00 0.00 1957 97.85
## [8.28,9.09) 43 0.02 2.15 2000 100.00
##
## speed_limit
## Class limits f rf rf(%) cf cf(%)
## [-1.01,6.161) 1 0.00 0.05 1 0.05
## [6.161,13.33) 0 0.00 0.00 1 0.05
## [13.33,20.5) 193 0.10 9.65 194 9.70
## [20.5,27.67) 0 0.00 0.00 194 9.70
## [27.67,34.85) 1187 0.59 59.35 1381 69.05
## [34.85,42.02) 150 0.07 7.50 1531 76.55
## [42.02,49.19) 0 0.00 0.00 1531 76.55
## [49.19,56.36) 95 0.05 4.75 1626 81.30
## [56.36,63.53) 253 0.13 12.65 1879 93.95
## [63.53,70.7) 121 0.06 6.05 2000 100.00
##
## junction_detail
## Class limits f rf rf(%) cf cf(%)
## [0,9.999) 1981 0.99 99.05 1981 99.05
## [9.999,19.998) 0 0.00 0.00 1981 99.05
## [19.998,29.997) 0 0.00 0.00 1981 99.05
## [29.997,39.996) 0 0.00 0.00 1981 99.05
## [39.996,49.995) 0 0.00 0.00 1981 99.05
## [49.995,59.994) 0 0.00 0.00 1981 99.05
## [59.994,69.993) 0 0.00 0.00 1981 99.05
## [69.993,79.992) 0 0.00 0.00 1981 99.05
## [79.992,89.991) 0 0.00 0.00 1981 99.05
## [89.991,99.99) 19 0.01 0.95 2000 100.00
##
## junction_control
## Class limits f rf rf(%) cf cf(%)
## [-1.01,0) 814 0.41 40.70 814 40.70
## [0,1.01) 9 0.00 0.45 823 41.15
## [1.01,2.02) 236 0.12 11.80 1059 52.95
## [2.02,3.03) 17 0.01 0.85 1076 53.80
## [3.03,4.04) 868 0.43 43.40 1944 97.20
## [4.04,5.05) 0 0.00 0.00 1944 97.20
## [5.05,6.06) 0 0.00 0.00 1944 97.20
## [6.06,7.07) 0 0.00 0.00 1944 97.20
## [7.07,8.08) 0 0.00 0.00 1944 97.20
## [8.08,9.09) 56 0.03 2.80 2000 100.00
##
## second_road_class
## Class limits f rf rf(%) cf cf(%)
## [-1.01,-0.303) 809 0.40 40.45 809 40.45
## [-0.303,0.404) 0 0.00 0.00 809 40.45
## [0.404,1.111) 12 0.01 0.60 821 41.05
## [1.111,1.818) 0 0.00 0.00 821 41.05
## [1.818,2.525) 0 0.00 0.00 821 41.05
## [2.525,3.232) 214 0.11 10.70 1035 51.75
## [3.232,3.939) 0 0.00 0.00 1035 51.75
## [3.939,4.646) 85 0.04 4.25 1120 56.00
## [4.646,5.353) 62 0.03 3.10 1182 59.10
## [5.353,6.06) 818 0.41 40.90 2000 100.00
##
## second_road_number
## Class limits f rf rf(%) cf cf(%)
## [-1.01,924.352) 1866 0.93 93.30 1866 93.30
## [924.352,1849.714) 28 0.01 1.40 1894 94.70
## [1849.714,2775.076) 8 0.00 0.40 1902 95.10
## [2775.076,3700.438) 22 0.01 1.10 1924 96.20
## [3700.438,4625.8) 35 0.02 1.75 1959 97.95
## [4625.8,5551.162) 15 0.01 0.75 1974 98.70
## [5551.162,6476.524) 23 0.01 1.15 1997 99.85
## [6476.524,7401.886) 0 0.00 0.00 1997 99.85
## [7401.886,8327.248) 2 0.00 0.10 1999 99.95
## [8327.248,9252.61) 1 0.00 0.05 2000 100.00
##
## pedestrian_crossing_human_control
## Class limits f rf rf(%) cf cf(%)
## [0,0.909) 1921 0.96 96.05 1921 96.05
## [0.909,1.818) 5 0.00 0.25 1926 96.30
## [1.818,2.727) 24 0.01 1.20 1950 97.50
## [2.727,3.636) 0 0.00 0.00 1950 97.50
## [3.636,4.545) 0 0.00 0.00 1950 97.50
## [4.545,5.454) 0 0.00 0.00 1950 97.50
## [5.454,6.363) 0 0.00 0.00 1950 97.50
## [6.363,7.272) 0 0.00 0.00 1950 97.50
## [7.272,8.181) 0 0.00 0.00 1950 97.50
## [8.181,9.09) 50 0.03 2.50 2000 100.00
##
## pedestrian_crossing_physical_facilities
## Class limits f rf rf(%) cf cf(%)
## [0,0.909) 1558 0.78 77.90 1558 77.90
## [0.909,1.818) 71 0.04 3.55 1629 81.45
## [1.818,2.727) 0 0.00 0.00 1629 81.45
## [2.727,3.636) 0 0.00 0.00 1629 81.45
## [3.636,4.545) 105 0.05 5.25 1734 86.70
## [4.545,5.454) 163 0.08 8.15 1897 94.85
## [5.454,6.363) 0 0.00 0.00 1897 94.85
## [6.363,7.272) 5 0.00 0.25 1902 95.10
## [7.272,8.181) 37 0.02 1.85 1939 96.95
## [8.181,9.09) 61 0.03 3.05 2000 100.00
##
## light_conditions
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.598) 1429 0.71 71.45 1429 71.45
## [1.598,2.206) 0 0.00 0.00 1429 71.45
## [2.206,2.814) 0 0.00 0.00 1429 71.45
## [2.814,3.422) 0 0.00 0.00 1429 71.45
## [3.422,4.03) 414 0.21 20.70 1843 92.15
## [4.03,4.638) 0 0.00 0.00 1843 92.15
## [4.638,5.246) 10 0.00 0.50 1853 92.65
## [5.246,5.854) 0 0.00 0.00 1853 92.65
## [5.854,6.462) 109 0.05 5.45 1962 98.10
## [6.462,7.07) 38 0.02 1.90 2000 100.00
##
## weather_conditions
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.8) 1593 0.80 79.65 1593 79.65
## [1.8,2.61) 254 0.13 12.70 1847 92.35
## [2.61,3.42) 9 0.00 0.45 1856 92.80
## [3.42,4.23) 16 0.01 0.80 1872 93.60
## [4.23,5.04) 26 0.01 1.30 1898 94.90
## [5.04,5.85) 0 0.00 0.00 1898 94.90
## [5.85,6.66) 1 0.00 0.05 1899 94.95
## [6.66,7.47) 7 0.00 0.35 1906 95.30
## [7.47,8.28) 46 0.02 2.30 1952 97.60
## [8.28,9.09) 48 0.02 2.40 2000 100.00
##
## road_surface_conditions
## Class limits f rf rf(%) cf cf(%)
## [-1.01,0) 3 0.00 0.15 3 0.15
## [0,1.01) 1394 0.70 69.70 1397 69.85
## [1.01,2.02) 560 0.28 28.00 1957 97.85
## [2.02,3.03) 8 0.00 0.40 1965 98.25
## [3.03,4.04) 9 0.00 0.45 1974 98.70
## [4.04,5.05) 5 0.00 0.25 1979 98.95
## [5.05,6.06) 0 0.00 0.00 1979 98.95
## [6.06,7.07) 0 0.00 0.00 1979 98.95
## [7.07,8.08) 0 0.00 0.00 1979 98.95
## [8.08,9.09) 21 0.01 1.05 2000 100.00
##
## special_conditions_at_site
## Class limits f rf rf(%) cf cf(%)
## [-1.01,0) 2 0.00 0.10 2 0.10
## [0,1.01) 1925 0.96 96.25 1927 96.35
## [1.01,2.02) 0 0.00 0.00 1927 96.35
## [2.02,3.03) 7 0.00 0.35 1934 96.70
## [3.03,4.04) 22 0.01 1.10 1956 97.80
## [4.04,5.05) 3 0.00 0.15 1959 97.95
## [5.05,6.06) 3 0.00 0.15 1962 98.10
## [6.06,7.07) 6 0.00 0.30 1968 98.40
## [7.07,8.08) 0 0.00 0.00 1968 98.40
## [8.08,9.09) 32 0.02 1.60 2000 100.00
##
## carriageway_hazards
## Class limits f rf rf(%) cf cf(%)
## [-1.01,0) 3 0.00 0.15 3 0.15
## [0,1.01) 1940 0.97 97.00 1943 97.15
## [1.01,2.02) 19 0.01 0.95 1962 98.10
## [2.02,3.03) 3 0.00 0.15 1965 98.25
## [3.03,4.04) 0 0.00 0.00 1965 98.25
## [4.04,5.05) 0 0.00 0.00 1965 98.25
## [5.05,6.06) 6 0.00 0.30 1971 98.55
## [6.06,7.07) 6 0.00 0.30 1977 98.85
## [7.07,8.08) 0 0.00 0.00 1977 98.85
## [8.08,9.09) 23 0.01 1.15 2000 100.00
##
## urban_or_rural_area
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.093) 1342 0.67 67.1 1342 67.1
## [1.093,1.196) 0 0.00 0.0 1342 67.1
## [1.196,1.299) 0 0.00 0.0 1342 67.1
## [1.299,1.402) 0 0.00 0.0 1342 67.1
## [1.402,1.505) 0 0.00 0.0 1342 67.1
## [1.505,1.608) 0 0.00 0.0 1342 67.1
## [1.608,1.711) 0 0.00 0.0 1342 67.1
## [1.711,1.814) 0 0.00 0.0 1342 67.1
## [1.814,1.917) 0 0.00 0.0 1342 67.1
## [1.917,2.02) 658 0.33 32.9 2000 100.0
##
## did_police_officer_attend_scene_of_accident
## Class limits f rf rf(%) cf cf(%)
## [0.99,1.194) 1364 0.68 68.20 1364 68.20
## [1.194,1.398) 0 0.00 0.00 1364 68.20
## [1.398,1.602) 0 0.00 0.00 1364 68.20
## [1.602,1.806) 0 0.00 0.00 1364 68.20
## [1.806,2.01) 453 0.23 22.65 1817 90.85
## [2.01,2.214) 0 0.00 0.00 1817 90.85
## [2.214,2.418) 0 0.00 0.00 1817 90.85
## [2.418,2.622) 0 0.00 0.00 1817 90.85
## [2.622,2.826) 0 0.00 0.00 1817 90.85
## [2.826,3.03) 183 0.09 9.15 2000 100.00
##
## trunk_road_flag
## Class limits f rf rf(%) cf cf(%)
## [-1.01,-0.707) 157 0.08 7.85 157 7.85
## [-0.707,-0.404) 0 0.00 0.00 157 7.85
## [-0.404,-0.101) 0 0.00 0.00 157 7.85
## [-0.101,0.202) 0 0.00 0.00 157 7.85
## [0.202,0.505) 0 0.00 0.00 157 7.85
## [0.505,0.808) 0 0.00 0.00 157 7.85
## [0.808,1.111) 135 0.07 6.75 292 14.60
## [1.111,1.414) 0 0.00 0.00 292 14.60
## [1.414,1.717) 0 0.00 0.00 292 14.60
## [1.717,2.02) 1708 0.85 85.40 2000 100.00Con la finalidad de mejorar el análisis se procede a depurar el número de columnas con las que se definieron para nuestro análisis que se detallan a continuación:
number_of_casualties
day_of_week: 1 Sunday ,2 Monday ,3 Tuesday,4 Wednesday,5 Thursday,6 Friday,7 Saturday
speed_limit
light_conditions: 1 Daylight, 4 Darkness - lights lit, 5 Darkness - lights unlit, 6 Darkness - no lighting, 7 Darkness - lighting unknown, -1 Data missing or out of range
weather_conditions: 1 Fine no high winds, 2 Raining no high winds, 3 Snowing no high winds, 4 Fine + high winds, 5 Raining + high winds, 6 Snowing + high winds, 7 Fog or mist, 8 Other,9 Unknown, -1 Data missing or out of range
BDDAccidentes <- subset( BDDAccidentes, select = -c(1:10,12,14:20,22:27,30:36 ) )Con la finalidad de mejorar la presentación de resultados se cambia el código de la variable day_of_week por su equivalencia en días de la semana
datos_representativos$day_of_week=ifelse(datos_representativos$day_of_week=="1", "Domingo",
ifelse(datos_representativos$day_of_week=="2", "Lunes",
ifelse(datos_representativos$day_of_week=="3", "Martes",
ifelse(datos_representativos$day_of_week=="4", "Miércoles"
,ifelse(datos_representativos$day_of_week=="5", "Jueves",
ifelse(datos_representativos$day_of_week=="6", "Viernes"
,ifelse(datos_representativos$day_of_week=="7", "Sábado","sin data")))))))A fin de conocer en que día de la semana de la muestra generada se dan la mayor cantidad de accidentes se corrio una agrupación:
table(datos_representativos$day_of_week)##
## Domingo Jueves Lunes Martes Miércoles Sábado Viernes
## 233 309 296 285 294 262 321p <- ggplot(data = datos_representativos,aes(x = day_of_week, number_of_casualties)) + geom_point(colour = "red") + ggtitle("Diagrama de disperción") + xlab("Día de la semana") + ylab("Descesos") + theme_bw() + theme(plot.title = element_text(hjust = 0.5))
p + labs(x = "Día de la semana", y = "Fatalidades")
hist(datos_representativos$number_of_casualties)
hist(datos_representativos$speed_limit)
summary(datos_representativos$speed_limit)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -1.00 30.00 30.00 36.93 40.00 70.00summary(datos_representativos$number_of_casualties)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.000 1.000 1.000 1.292 1.000 8.000boxplot(datos_representativos$speed_limit, horizontal = FALSE)
boxplot(datos_representativos$number_of_casualties, horizontal = FALSE)
shapiro.test(datos_representativos$number_of_casualties)##
## Shapiro-Wilk normality test
##
## data: datos_representativos$number_of_casualties
## W = 0.47321, p-value < 2.2e-16shapiro.test(datos_representativos$speed_limit)##
## Shapiro-Wilk normality test
##
## data: datos_representativos$speed_limit
## W = 0.75148, p-value < 2.2e-16cor.test(x=datos_representativos$number_of_casualties, y=datos_representativos$speed_limit, method = "pearson")##
## Pearson's product-moment correlation
##
## data: datos_representativos$number_of_casualties and datos_representativos$speed_limit
## t = 8.6084, df = 1998, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.1464932 0.2310259
## sample estimates:
## cor
## 0.1891099CONCLUSIONES
- Los días en los que exiten mayores descesos es en los días Viernes y Jueves.
REFERENCIAS BIBLIOGRÁFICA
Accidentes de tránsito, Villalobos Parra L y Hernández Gómez R, 2008, https://www.scielo.sa.cr/pdf/apc/v20n1/a01v20n1.pdf
Elementos que participan en la incidencia de accidentes de Transito, Matamoros Hidalgo Guillermo , http://creandoconciencia.org.ar/enciclopedia/accidentologia/relevamiento-de-rastros/ELEMENTOS-QUE-PARTICIPAN-EN-LA-INCIDENCIA-DE-ACCIDENTES-DE-TRANSITO.pdf