Prueba

1. No. de papel preimpresión La duplicación de esta preimpresión
para su publicación o venta está estrictamente prohibida sin permiso previo por escrito de la
Junta de Investigación de Transporte.
identificación de "Sitios con pro-
mesa".
Ezra Hauer, Grupo de Estudios de Seguridad Departamento de
Ingeniería Civil Universidad de Toronto, Toronto, Ont., M5S 1A4,
Canadá Junta de Investigación de Transporte 75a Reunión Anual 7-11 de enero de 1996
Washington DC
Identificación de "Sitios con Promesa".
Ezra Hauer, Departamento de Ingeniería Civil Universidad de Toronto, Toronto, Ont., M5S 1A4,
Canadá Los procedimientos para la identificación de "puntos negros" o "lugares peligrosos" son
intentos de seleccionar algunos sitios de una gran multitud con la intención de mejorar la seguri-
dad. Estos son "sitios con promesa". En este trabajo se revisa el desarrollo histórico y conceptual
de dichos procedimientos. Con base en esta revisión, se intenta ordenar nuestro pensamiento al
vincular los criterios que sirven para la identificación a motivos ( como la eficiencia económica , la
equidad con los usuarios de la vía y la responsabilidad profesional ). Se hacen sugerencias sobre
cómo para mejorar la identificación.
Se destaca el estado subdesarrollado de esa etapa que sigue a la identificación, la etapa de
diagnóstico y remediación de la seguridad del sitio.
1. Hitos.
Esta sección es un esbozo histórico de las principales ideas y desarrollos conceptuales en lo que
suele llamarse la identificación de puntos negros o lugares peligrosos. Pedimos disculpas por
cualquier omisión importante o errores en la atribución. Para facilitar la lectura de esta revisión,
la notación de los autores se reemplazará por la siguiente: X recuento de accidentes observados
para un tramo de carretera y período.
m Recuento esperado de accidentes (E{X}) para el tramo de carretera y el período. E{m} la media
de m para tramos de carretera similares.
D longitud del tramo de carretera.
Q número de vehículos que transitan por el tramo de vía durante el período al que pertenece X.
R Tasa de accidentes observada (por ejemplo, accidentes/vehículo-kilómetro). Nótese que
R=X/(DQ).
REB _ Tasa de accidentabilidad estimada por el método Empirical Bayes.
R promedio del valor de R para tramos de carretera similares.
UCL X UCL R Límite superior de control para recuentos de accidentes observados (X). Límite su-
perior de control para tasa de accidentes observada (R).
t número de años de datos de accidentes que se utilizarán.
Automóvil club británico, parámetros Norden, Orlandsky y Jacobs (1956) sugieren utilizar mé-
todos de estadística industrial control de calidad para la seguridad vial. Lo que se está

2. monitoreando es la tasa de accidentes observada R. Asumen que si alguna sección de la carre-
tera sirviera DQ millas-vehículo en un cierto período de tiempo , sería se espera que tenga
-
DQ
accidentes en ese periodo. Por lo tanto,
-
DQ es la estimación de "m" para este camino R R
sección, si tuviera una siniestralidad media. Ahora se puede encontrar un conteo de accidentes,
llamado Límite de control superior (UCL X ), tal que la probabilidad de registrar X ;: UCL X es menor
que, digamos, 0.5 %.
De manera equivalente, UCL R =UCL X /(DQ) es el límite superior de la tasa de accidentes obser-
vada R. Usando una aproximación a la distribución de Poisson y el 0.5% probabilidad, 2
ellos _ _ Sugerencias _ _ _ UCL _ _ = R
-
+2.57 6 ✓ [ R
-
/(DQ)] +0.829/(DQ)+(DQ) /2. Se utilizaron
enfoques similares por Rudy (1962) y Morin (1967). Rudy (1962) refiriéndose a Dunlap and
Associates (1956) da UCL _ _ = R
-
+ z ✓ [ R
-
/ ( DQ)] +0,829/ ( DQ)+1/(2DQ ) . donde _ _ z yo s s
un yo d para _ ser 2 . 576 para _ _ 1% falso _ _ _ _ detección, 1.960 para 5% detección falsa,
etc. Morin (1967), en un apéndice atribuido a Dietz, Sugerencias _ _ _ _ eso en _ el término _ _
_ 0 _ 829/ ( DQ) y _ _ Sugerencias _ _ _ _ UCL _ _ = R
-
+ z ✓ [ R
-
/ ( DQ)] -DQ/2. LA CONFUSIÓN
_ _ _ _ _ _ _ _ _ _ debido a estos resultados discrepantes debería haber terminado cuando JS
Baker, en la edición de 1976 de la Manual de Ingeniería de Transporte y Tráfico (Baerwald, 1976,
p. 390), proporciona el correcto _ _ _ _ e x presi ó n . _ _ Es decir , _ _ _ UCL _ _ = R
-
+ z ✓ [ R
-
/ (
DQ)] +1/(2DQ).
-
-
Lo mismo se puede escribir de forma más sencilla en términos de frecuencias de accidentes
como UCL X =RDQ + z ✓ ( RDQ) +1/2. Tenga en cuenta que en _ _ R
-
DQ yo s el número medio
de _ _ _ _ _ _ _ _ accidentes _ _ _ _ _ _ de _ un tramo de carretera _ _ _ _ yo f R
-
_
estaba es un
accidente _ _ _ _ _ _ ra te ea n d DQ su expo sición . _ _ _ _ _ Por lo tanto , _ _ yo f uno asume _
_ _ _ _ _ eso en _ los accidentes son veneno _ _ _ _ _ _ _ _ _ _ distribuido , _ _ _ _ _ _ _ _ ✓ ( R
-
DQ) yo s el estándar _ _ _ _ _ desviación . _ _ _ _ _ _ _ Es entonces , _ UCL _ _ yo s la suma _
de _ qué en _ haría _ _ _ _ se esperaba normalmente _ _ _ _ _ _ _ _ _ _ _ para _ _ tal _ tramos
de carretera + z _ _ _ _ _ estándar _ _ _ _ desviaciones . _ _ _ _ _ _ _ _ La adición _ _ _ _ _ _ de
_ ½ a _ esto es _ _ soy un _ adorno sin importancia en vista de la mayor inexactitud que se debe
a la necesidad de encontrar una aproximación a la distribución de Poisson . Es importante recalcar
que el uso de la ecuación por UCL R es completamente idéntico al uso de la ecuación para UCL
X .
-
Para ilustrar, supongamos que R =1,077×10 -6
accidentes con heridos/vehículo-milla de viaje y
que un tramo de carretera registró 10 heridos-accidentes en 2.932.000 vehículos-milla de viaje.
Para este tramo de carretera el número normal de accidentes sería de 1.077×10 -6
×2,932,000=3.16 y por lo tanto la desviación estándar es ✓ 3.16=1.77. Claramente el conteo de
accidentes excede UCL X (no importa lo sensato se elige la probabilidad de excedencia). Tra-
zando la exposición como abscisas y el recuento de accidentes como ordenadas, esta sección
de carretera se muestra en la figura 1 como punto P. También se muestran en la figura 1 44
secciones de carretera adicionales basadas en datos Figura 1.
de Flowers y Griffin (1992) que pertenecen a tramos de carreteras de varios carriles en Carolina
del Norte. Es evidente qué tramos de carretera están por debajo de las curvas para una UCL X y
cuáles por encima.
R
R
R
R
X

3. May (1964) planteó la cuestión de cuántos años de datos de accidentes utilizar. Examinó cómo
cuenta la diferencia entre el promedio de accidentes cuando se promedia durante "t" años en
comparación con el promedio durante 13 años. Como era de esperar, las diferencias disminuyen
a medida que t aumenta y el beneficio marginal de aumentar "t" disminuye. Se dice que la "rodilla"
de la curva ocurre en t = 3 años. De esto 3
May concluye que "hay poco que ganar usando un período de estudio más largo que tres años..."
Esta observación parece haberse afianzado en la práctica. La motivación debe haber sido lograr
un equilibrio adecuado ; tener el promedio es lo suficientemente preciso sin usar datos antiguos
que ya no reflejan una situación actual. Sin embargo, una elección sensata de Debe depender
de la magnitud del promedio que se está estimando, así como de cierto conocimiento de lo que
vuelve obsoletos los recuentos de accidentes pasados . En nuestra opinión, esta guía influyente
es incorrecto y el problema necesita un nuevo examen.
Tamburri y Smith (1970) introdujeron la noción de "índice de seguridad ". Posteriormente, esto
se incorporó a la práctica de identificación de puntos negros basada en la idea de que los sitios
con accidentes severos pueden merecer atención previa. En principio, se decía que cada tipo de
carretera tenía una combinación característica de gravedad de accidentes. Así, por ejemplo, para
una carretera rural de dos carriles, la mezcla fue de 2,9 % de accidentes mortales, 43,0 heridos
y 54,1 daños materiales (PDO), mientras que para una carretera urbana de dos carriles las pro-
porciones correspondientes fueron 0,7 %, 31,7 % y 68,3 % También sugirieron utilizar 'costos
ponderados' por gravedad del accidente y tipo de carretera. Si a un accidente con daños mate-
riales en una vía rural se le diera el peso de uno, los accidentes mortales y heridos en dichas
vías tendrían un peso de 95 y 3. En las vías urbanas los pesos correspondientes serían entonces
76, 2,4 y 0,7. De ser así, un accidente de gravedad media en una vía rural de dos carriles podría
decirse que equivale a 95×0,029+3×0,430+1×0,541 con daños materiales mientras que en una
vía urbana de dos carriles equivaldría a 76×0,007+2,4×0,317+ 0,7× 0,683 =1,8 accidentes con
daños materiales. Por lo tanto, la idea principal es expresar todas las gravedades de los accidentes
como " PDO equivalente". accidentes-EPDO." Jorgensen (1972) introdujo dos nuevas ideas. Pri-
mero, que E{m} debe estimarse mediante un modelo multivariado para varias categorías
de caminos (ya que E{m} no es proporcional a Q sino a Q â
y â * 1 ) . Segundo, que la clasificación
debe ser por la diferencia entre la frecuencia de accidentes observada de un tramo de ca-
rretera y la frecuencia esperada para tales tramos de carretera según lo estimado por el
modelo multivariado. Para normalizar, sugiere dividir esta diferencia por la raíz cuadrada de
E{m}. La primera idea sí es nueva, ya que Norden et al. (1956) y sus sucesores asumen que el
número esperado de accidentes para un tramo de carretera es simplemente proporcional a la
tasa de accidentes. Esto es contrario a mucha evidencia empírica. Sin embargo, la segunda
sugerencia, aunque quizás motivada por una razón diferente, es en la práctica idéntica a la de
emular el control de calidad estadístico. Ambos métodos identifican tramos de carretera en los
que la diferencia entre la frecuencia de accidentes observada y la frecuencia esperada para di-
chos tramos de carretera cuando se divide por la desviación estándar es mayor que algún valor
de z.
Diácono et al. (1975) consideraron la diferencia entre " puntos " (segmentos cortos e intersec-
ciones) y " secciones " (tramos más largos de carretera) y reflexionaron sobre la longitud que
deberían tener los "puntos". También presentan un análisis de la duración óptima de "t", el
período durante el cual se deben acumular los accidentes. El resultado es un compromiso entre
el deseo de detectar de forma fiable (que requiere períodos t más largos) y la necesidad de
detectar cambios adversos rápidamente (que requiere períodos cortos). Se recomienda el uso

4. de un índice de seguridad (EPDO) con 9,5 como peso para accidentes fatales y con lesiones A,
3,5 para accidentes con lesiones B y C. El Transporte y el Tráfico 4
El Manual de ingeniería (1976) recomienda que los pesos de EPDO sean 12, 3 y 1 para acciden-
tes fatales, con lesiones y con PDO.
Laughland et al. (1975) también distinguieron entre tres tipos de ubicaciones peligrosas: puntos,
intersecciones y secciones de carreteras que tienen características geométricas consistentes.
También describen cuatro procedimientos de clasificación : por frecuencia de accidentes (el mé-
todo del "número" ), por tasa, por tasa de control de calidad (como en Norden et al., 1956) y por
número y tasa . Este último identifica como ubicaciones peligrosas para las que X excede un
valor predeterminado y R excede UCL R (o, de manera equivalente, X excede UCL X ). Al
hacerlo , se eliminan de la lista los tramos de carretera en los que R es grande porque la exposi-
ción es baja. Por lo tanto, por ejemplo, si en la figura 1 solo se tuvieran en cuenta los tramos de
carretera con más de 15 accidentes con heridos , el tramo de carretera marcado con P quedaría
excluido de más consideración.
Taylor y Thompson (1977) sugieren que para cada tramo de carretera se defina un "Índice de peli-
grosidad" que es una suma ponderada de una combinación de frecuencia de accidentes, tasa,
gravedad, relación volumen/capacidad , distancia visual , conflictos, maniobras erráticas . y la ex-
pectativa del conductor . Hay un reconocimiento aquí de que hay pistas a otro peligro que no
sea la ocurrencia de un accidente .
Renshaw y Carter (1980) reconocen que las preguntas sobre la longitud de las secciones (D), la
duración del historial de accidentes (t), la cantidad de tráfico (Q) y la precisión de la detección
deben considerarse todas juntas. Otro punto señalado es que la detección confiable a me-
nudo no es práctica . El ejemplo que dan es que si en una carretera con R=3 accidentes/10 6
vehículos-km se quieren discernir diferencias del 8% en la siniestralidad y si el tramo tiene 150m
de longitud, entonces hay que sumar los accidentes de casi 30 años . Aunque su análisis puede
ser estadísticamente ingenuo, los puntos principales son importantes.
McGuigan (1981) sugiere que, para cada tramo de carretera e intersección, se calcule la diferen-
cia entre el número real de accidentes y el número de accidentes esperado para tal clase de
carretera o intersección dado el mismo tráfico. Esta diferencia, en opinión de McGuigan, repre-
senta el tamaño de la reducción potencial de accidentes. Mientras que la idea detrás de los
métodos que emulan el control de calidad estadístico es identificar entidades cuyos recuentos
de accidentes son poco probables, la idea aquí es identificar mediante la promesa de mejora. En
su artículo de 1982, McGuigan elabora aún más la misma idea. Al igual que Jorgensen (1977),
sugiere que se estime una ecuación de regresión para cada categoría de vía o cruce, vinculando
así el número esperado de accidentes con el tránsito. La "reducción anual potencial de acciden-
tes - PAAR " es entonces la diferencia entre la frecuencia de accidentes observada y la esperada.
Mahalel et al. (mil novecientos ochenta y dos) también sugiera estimar un modelo multivariante
para E{m}. Se considera que un tramo de carretera es un punto negro si, con E{m} como media,
la probabilidad de observar X o más accidentes es menor que algún valor, digamos 0,05 o 0,005.
Esta es la misma idea que en Norden et al. excepto que E{m} ahora se estima mediante un
modelo multivariado (como en Jorgensen, 1972), no como una frecuencia promedio de acciden-
tes.
5
Flak y Barbaresso (1982) recomiendan que se cree una lista de accidentes por tipo (ángulo, parte
trasera, etc.), por condición climática (seco, húmedo, . . .), condiciones de luz y hora del día. Para
cada elemento de la lista, se puede comparar la frecuencia de accidentes para cada tipo de
accidente en un determinado tramo de carretera con una "frecuencia media" y una desviación

5. estándar en tramos de carretera similares. Una desviación de unas pocas desviaciones estándar
es un signo de un problema y tal vez una indicación de qué remedio podría aplicarse. La nueva
idea aquí es que la desviación de lo normal no se busca en los totales de accidentes sino en
los accidentes que ocurren bajo condiciones específicas.
Hauer y Persaud (1984) examinaron cómo funciona un procedimiento de identificación en térmi-
nos de las proporciones de tramos de carretera desviados correctamente identificados , la
proporción de tramos de carretera identificados falsamente y la proporción de tramos de
carretera desviados no identificados . El método Empirical Bayes (EB) se utiliza para calcular
estas proporciones cuando las secciones de carretera se seleccionan sobre la base de su fre-
cuencia de accidentes observada.
Higle y Witkowski (1988) utilizan el enfoque EB y se centran en la identificación de tramos de
carretera con tasas de accidentes inusualmente altas en lugar de frecuencias . Se cree que
las tasas de accidentes para tramos de carretera de cierta clase están distribuidas por Gamma.
Se indica cómo estimar los parámetros de tal distribución. Utilizando estos, se muestra cómo se
puede obtener la función de distribución de probabilidad de la tasa de accidentes en un tramo de
carretera específico. Se dice entonces que un tramo de carretera es "peligroso" si la probabilidad
de que su tasa de accidentes exceda un cierto valor es suficientemente grande.
Hauer (1990, 1992) ilustra cómo se puede utilizar el enfoque EB para la tarea de identificación.
La clave es la capacidad de producir dos distribuciones de probabilidad de m; una distribución
para el tramo de carretera bajo escrutinio y la otra para una población de referencia de tramos
de carretera que tienen las mismas características medidas (incluido el flujo de tráfico). El primer
paso es ajustar un modelo multivariado a tramos de carretera de un tipo determinado. Este pro-
porciona estimaciones de la media y la varianza de m para la población de referencia (véase, por
ejemplo, Hauer y Persaud, 1987). A continuación, asumiendo que las m están distribuidas en
Gamma , se obtiene la distribución de m en la población de referencia de tramos de carretera
con las mismas características que el tramo de carretera bajo escrutinio. En él, se selecciona
una m* tal que las secciones de carretera con m>m* pueden considerarse desviadas y, por
lo tanto, merecedoras de más información . atención _ Figura 2.
6
Para ilustrar, en la figura 2 (que se basa en un modelo multivariante para carreteras rurales de
dos carriles en el estado de Nueva York) m* se establece en 1,2 accidentes/milla-año para una
sección de carretera con AADT=1200 vehículos. Esta frecuencia de accidentes es superada en
un 5% de dichas vías. A continuación, utilizando el historial de accidentes de este tramo de ca-
rretera, se obtiene la función de densidad de probabilidad para su m. Cómo se hace esto se
muestra, por ejemplo, en Hauer et al. (1989). El último paso es leer la probabilidad de que el
m del tramo de carretera bajo escrutinio exceda el m* seleccionado en la población de
referencia . Si esta probabilidad es grande (la figura 13 es de alrededor del 52%), se dice que la
sección de la carretera merece un examen más detallado.
Persaud (1990), reconociendo que cuando se utiliza un historial breve de accidentes, la frecuen-
cia de accidentes observada es una estimación poco fiable de la frecuencia de accidentes m,
sugiere utilizar la estimación EB de m de secciones de carretera y clasificarlas en conse-
cuencia .
Hauer y Quaye (1990) y Hauer et al. (1993) definen como "tiempo para activar" el tiempo
hasta que un tramo de carretera o intersección cumple con algún "criterio de detección" especi-
ficado. El tiempo de activación es una variable aleatoria que depende de cuál sea el criterio de
detección y de m, D o t. Se deriva la distribución del tiempo hasta el disparo. Sobre esta base,
es posible encontrar qué proporción de los tramos de carretera identificados son correctos y

6. falsos positivos. Además, se brinda orientación sobre cómo elegir mejor D,t y el "criterio de de-
tección". También se analizan las dificultades de detectar saltos en m.
Heydecker y Wu (1991) persiguen ideas que son similares a Barbaresso y Flak (1982). Se debe
marcar un sitio para llamar la atención si la proporción de accidentes de algún tipo (clima
húmedo, durante la noche, colisiones traseras, fatales, etc.) es inusual. La idea es que “Esto
proporciona información a los ingenieros para evaluar la naturaleza de cualquier problema que
pudiera haber surgido en el sitio y , por lo tanto, en el diseño de medidas correctivas apropiadas
para accidentes ”. El enfoque EB se utiliza para este propósito.
Flowers y Griffin (1992) consideran el método de control de calidad estadístico y el método Em-
pirical Bayes. Para los primeros , con un 5% de probabilidad de superación , se recomendar
para _ usa UCL _ _ = R
-
DQ+1.65 ✓ [ R
-
DQ)] . A diferencia de Norden _ _ _ et un l _ (1956) aquí _
el _ _ arriba por _ lo hago _ _ se declara en términos de recuentos de accidentes, en lugar
de tasa de accidentes. Los autores señalan que bruto producirían imprecisiones si se utilizara
la gravedad del accidente observada para un tramo de carretera para la priorización. Esto se
debe a la aleatoriedad en el recuento de accidentes mortales y al gran peso que se les atribuye.
En resumen, sugieren que EPDO no debe usarse para clasificar. Para obviar este problema
se recomienda el procedimiento Empirical Bayes (EB) de Flowers (1982) . La esencia del enfoque
sugerido es la siguiente. Se supone que en una población de camino tramos la siniestralidad
tiene una distribución Gamma . Se proporciona un procedimiento para estimar los parámetros
de esta distribución. Utilizando estos parámetros, X y DQ para un tramo de carretera específico,
se estima su tasa de accidentes empírica bayesiana R EB . Con esto, R EB DQ es la estimación de
m para este tramo de carretera. Para priorizar los tramos de carretera, los autores sugieren que
para cada tramo de carretera se calculen tres R EB : índices de accidentes mortales, heridos
y PDO . Estos deben ser multiplicados por el DQ del tramo de carretera y por el costo de un
accidente fatal, lesionado y PDO. El resultado es un esperado 7
coste de los accidentes para este tramo de carretera en el período al que se aplica Q. Luego, las
secciones de la carretera deben clasificarse según este costo esperado estimado.
Bell (1992) propone centrarse en las "manchas". La idea es comprobar si la disposición espa-
cial de los accidentes en una carretera indica agrupación. Para cada punto de una carretera
se calcula una " estadística de filtro lineal " definida de la siguiente manera: un accidente a la
distancia d del punto de interés suma e - 1 d 1 /á
a la estadística. Estas contribuciones a la estadística
del filtro lineal se suman en todas las distancias. Por lo tanto, es posible trazar un perfil de esta
estadística para un camino e identificar grupos.
Se han elaborado tablas para contrastar la hipótesis de que la tasa de ocurrencia de accidentes
es la misma en todos los puntos de la vía.
Recientemente parece haber una tendencia a diferenciar entre puntos negros, secciones negras
y zonas negras (PIARC, C13, 1994) o hablar de "situaciones peligrosas" que engloban puntos
negros y también zonas o rutas (Talens, 1994). Nociones similares fueron introducidas anterior-
mente por Deacon et al. (1975). Para el presente contexto, la idea principal es que una ruta es
más que una colección de lugares independientes y, por lo tanto, puede considerarse ventajosa-
mente como un todo. Es difícil decir si esto contiene una idea seminal o es simplemente una
nueva terminología.
2. La etapa de identificación.
Habiendo revisado la evolución de pensamiento en la etapa de 'identificación' , puede ser útil crear
cierto orden en este ensamblaje cronológico de estas ideas aparentemente diversas. En términos
generales, se puede afirmar que el propósito general es identificar algunos sitios con la intención
X

7. de mejorar la seguridad vial . Específicamente, la tarea es tamizar a través de una multitud de sitios
para identificar un subconjunto relativamente pequeño, y para los sitios así "identificados" para ave-
riguar si su seguridad podría y debería mejorarse y cómo. Pensamos en un proceso secuencial
de dos etapas. La primera etapa es la de "identificación". Su papel es producir el material enrique-
cido para la segunda etapa. La segunda etapa es la del " análisis de seguridad detallado". Aquí la
tarea es determinar qué está mal, qué se puede mejorar , a qué costo y con qué efecto. Respec-
tivamente, el objetivo de la etapa de identificación es seleccionar sitios que tengan una
buena probabilidad de necesitar realmente una acción correctiva y que también puedan
mejorarse de manera rentable.
Estos sitios suelen denominarse "lugares peligrosos" o "puntos negros". Pero son palabras car-
gadas de significado que no reflejan bien el objetivo planteado. No es necesario que un sitio sea
excesivamente peligroso para que exista la oportunidad de reducir los accidentes a bajo costo.
Tampoco es necesario que haya accidentes en un conglomerado (lo que lo convierte en un punto
negro) para que haya una necesidad genuina de tomar medidas correctivas. Por lo tanto, es
importante utilizar un término que no limite o desvíe la discusión ni la encauce de manera dema-
siado estrecha. Un término más neutral podría ser "Sitios prometedores" (SWiP). La discusión a
continuación es sobre cómo identificar los SWiP.
8
Los métodos para la identificación de SWiP se han utilizado durante varias décadas. Por lo ge-
neral, los sitios se clasifican según su frecuencia de accidentes (accidentes/año o milla-año) y
exposición (ya sea como vehículos-kilómetros de viaje o número de vehículos por año) y su
proporción (la tasa de accidentes). Tenemos la intención de discutir varios aspectos importantes
de tales métodos.
Antes de proceder a discutir los criterios para clasificar los SwiP, es necesario hacer un comen-
tario general.
Parece que uno podría identificar mejor los SWiP si: hizo uso conjunto de todas las pistas impor-
tantes , no solo del accidente . historia; Si dedicáramos más atención a la tarea de detectar raci-
mos; Si la información se extrajo de todo el historial de accidentes de un sitio, no solo de los
últimos años.
Hacer todo esto parece totalmente factible. El desarrollo de métodos de identificación que elimi-
nen las dos primeras deficiencias es una tarea futura. Se han desarrollado y se están implemen-
tando métodos que identifican mejor usando un largo historial de accidentes (Hauer, 1995). En
lo que sigue, la atención se centra en los métodos que identifican sitios (secciones de carretera
o intersecciones) únicamente sobre la base de su historial de accidentes.
En lo que sigue, la pregunta es cómo 'identificar' para encontrar sitios que "tengan una buena
posibilidad de necesitar genuinamente una acción correctiva y que también puedan mejorarse".
Una respuesta clara no es fácil de dar. Para ilustrar, considere 10 sitios imaginarios (por ejemplo,
intersecciones o tramos de carretera de igual longitud). En la Tabla 1 se proporciona información
sobre estos. La tarea es seleccionar, digamos, tres sitios para una mayor atención en la etapa
de análisis de seguridad detallado. Se pueden plantear varias preguntas retóricas y se intentará
abordarlas.
La columna 2 muestra la " F frecuencia de accidentes observada, F O ": el número de acciden-
tes/año en el pasado reciente ( digamos, el último 2 o 3 años). Si F O fuera el criterio de clasificación
(como es bastante común), se seleccionarían los sitios 1, 2 y 3 . Esto se indica mediante el som-
breado. Una gran frecuencia de accidentes es a menudo la consecuencia de un gran volumen de
tráfico. Si el volumen de tráfico no se puede cambiar, ¿hay alguna razón para pensar que dicho
sitio "realmente necesita una acción correctiva y también se puede mejorar de manera rentable"?

8. La columna 3 da la " Tasa de accidentes observada, R O " . Se obtiene dividiendo la frecuencia
de accidentes observada por la "exposición anual promedio", como millones de vehículos-millas
para tramos de carretera o millones de vehículos que ingresan para intersecciones. Si se utilizara
la tasa de accidentes observada para la clasificación, se seleccionarían los sitios 4, 8 y 9. Tenga
en cuenta que los sitios 8, 9 registraron relativamente pocos accidentes. Su tasa de accidentes
observada es alta porque solo se usan ligeramente. ¿Siguen mereciendo una atención deta-
llada? 9
Tabla 1 . Diez sitios para ser clasificados.
1 2 3 4 5 6 7 8 9 10 11
Sitio Obs .
ácido _
frecuencia
_
Obs .
ácido _
Velocidad
Ácido
normal .
frecuen-
cia _
Están-
dar _
desa-
rrollo
Ácido
normal .
Veloci-
dad
Es-
tán-
dar _
desa-
rrollo
Dif . en
fre-
cuen-
cia _
Esca-
moso
diferen-
cia _
Dif . en
Tarifas
Esca-
moso
Dif .
yo FO _ RO _ FN _ o F RN _ o R ÄF ÄF/ ó F AR-
KAN-
SAS
ÄR/ ó R
1 20.5 3.9 26.5 9.4 5.1 1.8 -6.0 -0.6 -1.2 -0.7
2 16.3 5.1 16.3 4.8 5.1 1.5 +0.0 +0.0 +0.0 +0.0
3 15.5 7.4 9.0 2.5 4.3 1.2 +6.5 +2.6 +3.1 +2.6
4 9.7 8.8 7.6 2.1 6.9 1.9 +2.1 +1.0 +1.9 +1.0
5 7.5 5.0 3.8 1.4 2.5 0.9 +3.7 +2.6 +2.5 +2.8
6 5.5 2.1 12.0 5.5 4.6 2.1 -6.5 -1.2 -2.5 +1.2
7 4.7 2.3 3.0 0.6 1.5 0.3 +1.7 +2.8 +0.8 +2.7
8 1.3 7.5 0.6 0.2 3.1 0.9 +0.7 +3.5 +4.4 +4.9
9 1.0 10.0 0.5 0.2 5.0 2.1 +0.5 +2.5 +5.0 +2.4
10 0.5 0.7 3.8 1.7 5.5 2.4 -3.3 -1.9 -4.8 -2.0
Para evitar seleccionar sitios tan intrascendentes como el 8 y el 9, se podrían considerar solo
los sitios con la tasa de accidentes más alta que tienen una frecuencia de accidentes de, diga-
mos, al menos 3 accidentes por año. En este caso, nuestra elección en la columna 3 debería ser
los sitios 2, 3 y 4. Este tipo de elección es la base del popular método de "tasa y número". Si bien
es un compromiso sensato, deja intacto un aspecto importante de la "identificación". Para ilustrar,
considere sitios similares al sitio 2 en volumen de tráfico, geometría, control de tráfico, etc. Lo
que es normal en tales sitios se enumera en las columnas 4 y 6. Por lo tanto, F N y R N representan
la frecuencia y tasa de accidentes normales . Aunque el sitio 2 ha sido "identificado" por F O como
un SWiP, es un sitio normal. ¿Podría tener más sentido centrarse en el sitio 5, ya que la frecuen-
cia y la tasa de accidentes observadas son el doble de lo normal? Este aspecto de la identifica-
ción se revela solo en el contexto de sitios similares y en comparación con lo que es normal en
una "población de referencia". La diferencia entre la frecuencia de accidentes observada y la
normal se enumera en la columna 8, la de las tasas de accidentes en la columna 10. Por "dife-
rencia en la frecuencia de accidentes" se deben considerar los sitios 3, 4 y 5; por la "diferencia
de siniestralidad", los sitios 3,8 y 9 merecen atención.
Es necesario introducir una faceta más importante de ser un SWiP. Para el sitio 4, la diferencia
de 2,1 en la frecuencia de accidentes observada le ha asegurado un lugar entre los 3 primeros.

9. Sin embargo, la desviación estándar de las frecuencias de accidentes en la población de refe-
rencia del sitio 4 también es 2,1.
Por lo tanto, las diferencias de 2,1 o mayores no son tan inusuales en una población de sitios
similares. En cambio, 10
la diferencia correspondiente para el sitio 8 es 0,7, lo que equivale a 3,5 desviaciones estándar
(ya que aquí la desviación estándar es 0,2). Tal diferencia o mayor es muy rara en una población
de sitios similares. Parece legítimo creer que lo inusual, y no simplemente la gran desviación de
lo normal, es una buena indicación de que hay algo mal en un sitio. Por lo tanto, ¿no debería
examinarse el sitio 8 antes que el sitio 4? Por lo tanto, hay cuatro características sobresalientes
del problema que nos ocupa. En primer lugar, se utilizan diferentes interpretaciones de las frases
"sitios prometedores", "ubicación peligrosa" y "punto negro". En segundo lugar, los conjuntos de
sitios identificados por los diversos criterios de clasificación no son congruentes. Tercero, incluso
un ejemplo ilustrativo es suficiente para demostrar que muchas de las definiciones actualmente
en uso tienen defectos. Cuarto, dado que todos los diferentes criterios utilizados tienen mérito y
todos tienen deficiencias, no está muy claro qué camino elegir dentro de esta multitud.
Para crear cierto orden en nuestro pensamiento, parece útil reconocer explícitamente tres moti-
vos que parecen estar detrás de lo que ahora se hace. Los tres son hasta cierto punto interde-
pendientes.
Motivo 1. Eficiencia Económica : Identificar los sitios en los que la acción de remediación resul-
taría rentable.
Motivo 2. Responsabilidad profesional e institucional : Reconocer y subsanar los sitios defi-
cientes, ya sea porque así fueron construidos o porque se hayan deteriorado con el uso.
Motivo 3. Imparcialidad : Identificar los sitios que presentan un riesgo inaceptablemente alto
para el usuario.
El motivo de la eficiencia económica está firmemente arraigado en la práctica de la ingeniería.
Dado que nuestro objetivo es identificar un subconjunto de sitios en los que la acción correctiva
promete ser más rentable, la pregunta es: ¿qué aspecto del historial de accidentes de un sitio es
una clave para la rentabilidad? Tres circunstancias mantienen la promesa de rentabilidad:.
c1. Considere medidas como "iluminación" o "aplanamiento de taludes laterales". Ambos podrían
aplicarse a tramos cortos (spots) o tramos de carretera más largos (secciones). Estas medidas
prometen reducir la probabilidad de que ocurra un accidente objetivo en un X%. Los accidentes
nocturnos son el objetivo de la iluminación, los accidentes de un solo vehículo fuera de la carre-
tera son el objetivo del aplanamiento de taludes laterales. el beneficio alcanzable en el sitio 1
será el doble que en el sitio 2. Además, si en esta etapa no hay razón para pensar que mejorar
el sitio 1 es más costoso que el sitio 2, la eficiencia económica requiere que nos concentremos
en el sitio 1 antes que en el sitio 2. En términos generales, la reducción anticipada en la frecuen-
cia objetivo de accidentes debido a alguna mejora es proporcional a la frecuencia esperada de
accidentes objetivo. Esta es la razón por la cual la eficiencia económica requiere que los sitios
se clasifiquen según la frecuencia esperada de accidentes objetivo (o la frecuencia espe-
rada de costos de accidentes objetivo).
c2. Considere los sitios donde ha habido alguna deficiencia desde el momento en que se pusie-
ron en funcionamiento por primera vez; tal vez una caída repentina de velocidad, una entrada
inesperada, una zanja profunda 11
etc. Las dos primeras deficiencias pueden aplicarse a "manchas", la última a "secciones". Puede
ser que la deficiencia sea relativamente fácil de remediar. Aquí también el motivo es la eficiencia
económica. Para reconocer las deficiencias que son relativamente baratas de reparar, uno tiene
que buscar sitios que tengan una frecuencia de accidentes inusualmente grande en

10. comparación con lo que sería normal con el mismo tráfico. Por lo tanto, en este caso, parece
mejor clasificar por la "diferencia escalada en frecuencias de accidentes", Ä F/ ó . En "c1"
teníamos en mente ciertas medidas de remediación y por lo tanto era posible pensar en lo que
son los accidentes "objetivo". En "c2" estamos buscando deficiencias inespecíficas. Por lo tanto,
puede no ser importante (al menos inicialmente) distinguir entre varios accidentes objetivo.
c3. El atractivo de un remedio barato existe no solo para sitios que se construyeron de manera
deficiente sino también para sitios que se deterioraron con el tiempo; los árboles pueden haber
crecido hasta oscurecer las señales de control de tráfico , la fricción puede haberse perdido al pulir
los agregados , un pub puede haberse abierto haciendo peligrosa una curva que antes era ade-
cuada. A diferencia de los sitios que se han construido con una deficiencia, ahora se debe verificar
si ha habido un cambio en la frecuencia de accidentes a lo largo del tiempo. Tenga en cuenta que
la verificación de cambios a lo largo del tiempo no es parte de la práctica actual, aunque el hábito
de observar solo los últimos años de accidentes puede estar motivado por el deseo de hacerlo.
Para identificar el deterioro en el tiempo, se debe buscar si ha habido un aumento en F que no se
deba a un cambio en el tráfico. Por lo tanto , en este caso parece mejor clasificar por el tamaño
del aumento (salto) en F después de que se haya tenido en cuenta el efecto de los cambios
en el tráfico . Solo si F es proporcional al flujo de tráfico , se puede buscar el aumento en los
cambios de R a lo largo del tiempo.
Las circunstancias c1, c2 y c3 tienen un motivo común (eficiencia económica) pero conducen a
tres criterios de clasificación diferentes. Así , diferentes criterios de clasificación pueden tener
el mismo motivo .
Cuando se presenta una deficiencia, el motivo de la acción no es sólo la eficiencia económica
sino también la responsabilidad institucional, profesional y personal. El comportamiento respon-
sable requiere que se identifiquen los sitios que probablemente sean deficientes de alguna ma-
nera. Si se requiere, se justifica y se puede financiar una acción correctiva, se determina más
adelante, en la etapa de análisis de seguridad detallado. Así, mientras que los criterios de clasi-
ficación en c2 y c3 fueron motivados primero por la eficiencia económica, también están motiva-
dos por la responsabilidad profesional y personal. Así, un mismo criterio de clasificación
puede tener diferentes motivaciones.
Nótese que ni la eficiencia económica ni la responsabilidad profesional nos llevaron a considerar
la siniestralidad R como criterio de clasificación. Sin embargo, la creencia común de que una
tasa de accidentes superior a la media puede indicar una deficiencia. Es importante señalar por
qué tal creencia no es apropiada. Es bien sabido que la tasa de accidentes depende de la canti-
dad de tráfico. Por lo tanto, la desviación de alguna tasa promedio de accidentes para un grupo
de caminos puede indicar no más que la desviación de algún flujo de tránsito promedio para ese
grupo de caminos. De ello se deduce que no se pueden comparar las tasas de accidentalidad de
dos sitios cuando atienden flujos diferentes. Para tener una comparación válida para dos sitios
que atienden diferentes flujos, primero se debe "corregir" su frecuencia de accidentes para que
se pueda suponer que atienden al mismo tráfico. Pero una vez hecha la comparación es como
si ambos sitios sirvieran 12
el mismo tráfico, no se gana nada dividiendo las dos frecuencias de accidentes por la misma
exposición. Uno podría simplemente comparar las dos frecuencias de accidentes. Si es así, no
parece haber ninguna ventaja en utilizar la tasa de accidentes.
Si bien el uso de la tasa de accidentes para la clasificación no puede estar motivado ni por la
eficiencia económica ni por la responsabilidad profesional, sí tiene un papel en la etapa de "iden-
tificación". La tasa de accidentes es una medida del riesgo al que se enfrentan los usuarios
de la vía. Incluso si las mejoras no pueden justificarse por consideraciones de eficiencia

11. económica, e incluso cuando no se sospecha una deficiencia, aún puede ser injusto exponer a
los usuarios de la vía a un riesgo mayor que el aceptable. Así, la tasa de accidentes entra en
escena a través del "motivo 3".
La tabla 2 es un intento de resumir. Enumera las motivaciones, las consideraciones que vinculan
las motivaciones con los criterios de clasificación y proporciona algunos comentarios sobre
cuándo y cómo podría funcionar un esquema de identificación. La clasificación por frecuencia de
accidentes, por ejemplo, tiene sentido en la circunstancia especificada en la fila "A" bajo "consi-
deraciones". Hay medidas de seguridad específicas que justifican F (por accidentes objetivo)
como criterio de clasificación. La implementación de tales medidas podría estar bajo el título de
un "programa planificado de mejora de la seguridad", no un programa para detectar ubicaciones
peligrosas. La noción de que los sitios sin iluminación o con pendientes pronunciadas requieren
"detección", y que tienen que ser probados como "detectados" por una alta frecuencia de acci-
dentes en lugar de mirar el inventario de caminos es quizás peculiar. En cualquier caso, no de-
berían pasar muchos años antes de que se enumeren los sitios que tienen una alta frecuencia
objetivo de accidentes, se examinen los costos y beneficios de la iluminación, el aplanamiento
de pendientes, etc., y se cree un programa de trabajo ordenado. El programa de trabajo puede
requerir un nuevo examen periódico. Sin embargo, no existe una necesidad genuina de monito-
reo anual, ni se puede pretender que estos sitios de alta frecuencia de accidentes sean anónimos
y ocultos y deban ser detectados e identificados nuevamente cada año.
Se pueden aplicar consideraciones similares a la fila "D" si se sabe que existen características
que generan un riesgo inaceptablemente alto para el usuario de la vía y si se sabe que existen
medidas correctivas. Si es así, no existe una verdadera necesidad de "detectar" los sitios demos-
trando que tienen una alta tasa de accidentes. Para los sitios sin características que se sabe que
están asociadas con un riesgo inaceptablemente alto, la equidad requiere que se estime R. Sin
embargo, a diferencia de la circunstancia de la fila "A", donde se pueden obtener estimaciones
razonablemente precisas de F en unos pocos años, la estimación confiable de R en sitios de baja
exposición puede llevar mucho tiempo. Por eso, en este caso, es importante el uso del historial
acumulado de accidentes.
13
Tabla 2.
1 2 CONSIDERACIONES 3 Clasifi-
car por
4 COMENTARIOS 5
EFI-
CIE
NCI
A _
_
Medidas que reducen la proba-
bilidad y/o gravedad de los acci-
dentes. ( por ejemplo , ilumina-
ción , reducción de pendiente )
F (mejor
hecho por
target ac-
cid.)
general , estos son sitios de alta exposición y tien-
den a estar cerca de la parte superior de la lista
año tras año. Una vez que se "identifican" y exa-
minan, se puede decidir si es adecuada una me-
jora de la seguridad. Es posible que los sitios de
este tipo no necesiten ser monitoreados e identi-
ficados repetidamente
B Deficiencia desde que el sitio se
abrió al tráfico (o desde la re-
construcción) que tal vez pueda
corregirse a bajo costo
ÄF/ ó F (
Acid . total)
Dichos sitios deben identificarse lo antes posible.
Todo el historial de accidentes (desde la apertura
o la reconstrucción) parece relevante para la iden-
tificación. Sin embargo, una vez que se demuestra
que un sitio es normal, el monitoreo continuo pa-
rece inútil.
RE-
SP
ON-
SA

12. C Deterioro de la seguridad du-
rante el uso que quizás pueda
corregirse fácilmente
Tamaño
del salto en
F
En este caso, se requiere un control periódico de
todos los sitios . Puede resultar que los saltos en
F sean estadísticamente difíciles de detectar. Pa-
rece sensato monitorear el deterioro por medios
distintos a la ocurrencia de accidentes .
BI-
LID
AD
D FE-
RIA
S S
A
USU
ARI
O
No es aceptable tener sitios
donde el riesgo para los usua-
rios de la vía sea demasiado
grande
R Estos son a menudo sitios de baja exposición .
En dichos sitios, una R alta puede ser una conse-
cuencia natural de los estándares de diseño más
bajos . Tomará mucho tiempo tener suficientes
accidentes para estimar R de manera confiable.
El uso del historial acumulado de accidentes es
importante , pero puede ser necesario el uso de
pistas distintas de los accidentes . Una vez que
dichos sitios se etiquetan como "normales" , es po-
sible que no se requiera un seguimiento adicional
.
mi No es aceptable tener sitios
donde el riesgo para un usuario
de la vía sea considerablemente
mayor que en sitios de similar
clase.
ÄR/ ó R Por las razones enumeradas anteriormente, ÄR
también es difícil de estimar de manera confiable y
el uso del historial de accidentes acumulado y las
pistas distintas de los accidentes son importan-
tes. Una vez que dichos sitios se etiquetan como
"normales" , es posible que no se requiera un se-
guimiento adicional .
14
Si la Tabla 2 no contiene errores importantes de juicio u omisiones, las siguientes acciones pueden
constituir un programa sensato para la identificación de SWiP: Clasifique los sitios por F (frecuen-
cia esperada de accidentes o frecuencia esperada de costo objetivo de accidentes ). A medida que
se acumula el historial de accidentes y la estimación de F para un sitio se vuelve lo suficientemente
precisa, considere qué mejoras rentables se pueden realizar. Sobre esta base diseñar un programa
de inversión y trabajo de mejora de la seguridad . No es necesario repetir esto todos los años ,
solo periódicamente volver a visitar.
Cuando un sitio se abre al tráfico, se reconstruye o cuando su control de tráfico ha cambiado,
comience a monitorear su desviación escalada ÄF/ó F . Cuando se pueda estimar con suficiente
precisión , decida si el sitio parece normal o si la desviación escalada es lo suficientemente grande
como para justificar un análisis detallado . Una vez que un sitio se clasifica como normal, no se
necesita un seguimiento anual . Si parece desviado y la estimación de ÄF /ó F es lo suficientemente
precisa, se puede realizar un estudio de diagnóstico. estar justificado.
Todos los sitios deben ser monitoreados anualmente con el objetivo de detectar el deterioro. No
se sabe si esto se puede hacer suficientemente bien. Pero, si se va a intentar , uno ciertamente
tiene que usar el historial de accidentes a largo plazo de un sitio, no solo los últimos años. Sólo en
el contexto de una historia a largo plazo puede uno detectar si en su curso se produce algún
deterioro. perceptible.
Clasifique los sitios por R y, tan pronto como la estimación de R para un sitio sea lo suficiente-
mente precisa, considere qué mejoras rentables se pueden realizar. Sobre esta base, diseñar un
programa de trabajo de inversión para mejorar la seguridad . No es necesario repetir esto todos
los años . Por lo tanto, "D" es similar a "A", excepto que será más largo antes de obtener estima-
ciones confiables de R para sitios de baja exposición. surgirá _ Cuando un sitio está abierto a
tráfico, reconstruido, o cuando su control de tráfico posee cambiado, comience a monitorear es
ÄR/ó R. Cuando eso pueden ser suficientemente precisamente estimado, decidir si eso es normal

13. o ya sea una deficiencia puede que existir. Si eso es normal, no anual vigilancia se necesita; si es
parece desviado un estudio de diagnostico mayo estar justificado. el unico diferencia de "B" es eso
la estimación de. ÄR/ ó R mayo ser difícil a baja - exposición sitios La práctica actual se concentra
en la clasificación por F O y R O , los dos criterios de clasificación que parecen más útiles para la
creación de programas de inversión en seguridad a más largo plazo que para el monitoreo y la
detección anuales de ubicaciones peligrosas. No se enfoca en clasificar por ÄF o ÄR o sus ver-
siones escaladas ÄF/ó F y ÄR/ó R. . Sin embargo, son éstas las que parecen estar más genuina-
mente vinculadas a la detección de deficiencias. Quizás la razón sea que ÄF y ÄR requieren una
estimación de lo que es "normal" (y ÄF/ó F , ÄR/ó R requieren, además, una estimación de las
desviaciones estándar alrededor de lo que es normal). Tales estimaciones no se producen de
manera rutinaria. En resumen, hay una debilidad en la práctica actual. Además, si bien existe
una necesidad genuina de monitorear los sitios para detectar deterioros en F.
15
La metodología para hacerlo parece faltar por completo. Ahora está en desarrollo (Hauer, 1995b).
En resumen, hay varios (quizás cinco) criterios de clasificación. Cada uno es útil en algunas
circunstancias y para algunos propósitos y parece importante usarlos de la manera en que mejor
se cumpla el propósito. Es fácil producir listas ordenadas según algunos criterios (F para la no-
che, F para un solo vehículo, F para pavimento mojado, . . . etc., R para conductores mayores,
R para camiones, . . . etc.). Otras clasificaciones requieren estimaciones de lo que es promedio
(normal) para la población de referencia y también la desviación estándar dentro de la población
de referencia. Las estimaciones del promedio y la desviación estándar para las poblaciones de
referencia no están disponibles de forma rutinaria, pero parecen esenciales si uno se toma en
serio la identificación de las deficiencias. Finalmente, los métodos para la detección de sitios
donde la seguridad se ha deteriorado no han sido suficientemente explorados.
La práctica actual es producir una o dos listas de sitios que indiquen la prioridad en la que deben
ser investigados. Por lo general, la clasificación es por el método de 'tasa y número'. El espectro
de producir una multitud de listas en las que la clasificación se realiza según cinco criterios dife-
rentes, para muchos tipos de sitios (rural de dos carriles, rural de varios carriles,..., intersección
controlada por parada,...), tal vez para varios condiciones (nocturnas, húmedas, etc.) y tipos de
accidentes (un solo vehículo, objeto fijo,...) es bastante desconcertante ¿Cómo decidir qué sitios
investigar primero? Esta pregunta exige una respuesta bien investigada. Aquí solo se pueden
proporcionar pensamientos iniciales.
Hasta ahora nos hemos ceñido al esquema de una secuencia de dos etapas: identificación de
unos pocos sitios de un número muy grande seguido de un diagnóstico detallado de los sitios
seleccionados. Tal como se concibió aquí, la información sobre las condiciones en que ocurren
los accidentes (noche, mojado,) y el tipo de accidente (un solo vehículo, objeto fijo...) no entró en
la etapa de identificación. Más bien, se cree que informar la etapa de diagnóstico posterior. Mien-
tras este sea el caso, las listas separadas solo necesitan ser producidas por los criterios de clasi-
ficación elegidos y por 'tipo de sitio'. La pregunta entonces es qué criterio de clasificación y qué
tipo de sitio producen los proyectos más rentables. Esta cuestión puede resolverse inicialmente
sobre la base del mejor juicio y, finalmente, sobre la base de la acumulación experiencia.
3. Discusión.
Se dijo que la tarea de mejorar la seguridad de los sitios constaba de dos etapas. La discusión
en las secciones 1 y 2 giró en torno a la etapa de "identificación", cuyo papel es producir el
material enriquecido para la segunda etapa, la del "análisis de seguridad detallado".
Sobre la base de distinciones anteriores, merecen mención dos circunstancias de análisis de
seguridad detallado. Si se ha identificado un sitio debido a una frecuencia alta pero normal de

14. accidentes, se debe examinar qué medidas rentables mejorarán su seguridad; si el sitio ha sido
identificado porque su registro de accidentes es inusual, también hay que averiguar por qué es
así. Por lo tanto, la etapa de análisis detallado de seguridad es similar a un proceso de diagnós-
tico médico, quizás con una mayor conciencia de costos y presupuestos; un proceso que requiere
conocimiento de causas, efectos y economía.
dieciséis
Por lo tanto, cabría esperar que esta tarea sea realizada por especialistas cuya formación en la
materia sea amplia y se base en un respetable conocimiento de los hechos. Desafortunadamente
, esto es no es así Por alguna razón, tal vez por una fascinación con los asuntos estadísticos, tal
vez por ser una función de 'cuartel general', se ha dedicado mucho pensamiento a la etapa de
identificación. Mucho menos se ha escrito o enseñado a los ingenieros sobre cómo realizar un
análisis de seguridad detallado de un sitio. Sin embargo, en mi opinión, ni el sentido común, ni la
experiencia práctica, ni el juicio de ingeniería, ni la sabiduría habitual de la ingeniería vial y de
tráfico son guías suficientes. Para ser efectivo, no es suficiente producir listas razonables de
sitios candidatos para ser investigados en orden de prioridad. También es necesario dotar al
ingeniero de la formación y las herramientas para realizar un diagnóstico de seguridad sobre la
base de los tipos específicos de accidentes ocurridos, las condiciones en las que se produjeron
y las características del lugar. Además, es necesario dar al ingeniero estimaciones realistas de
las mejoras de seguridad que se pueden esperar. Esto, en la actualidad, parece ser una tarea
muy difícil.
En resumen, se pueden mejorar los procedimientos para la identificación de sitios prometedores.
Se puede lograr alguna mejora si se utilizan todas las pistas importantes, no sólo el registro de
accidentes; si se prestara más atención a los cúmulos en el espacio; y si no solo se usaron los
últimos años, sino todo el registro de accidentes de un sitio. Después de revisar la literatura,
parece que detrás de los procedimientos usados ahora, hay varias esperanzas, suposiciones y
motivos. Como resultado, hay muchas clasificaciones posibles y sensatas. A partir de estos he-
mos ensamblado lo que ahora parece ser un programa sensato de acciones para constituir la
etapa de 'identificación'. Parece que se ha prestado mucha menos atención a la etapa de "análi-
sis de seguridad", que sigue a la identificación. La mejora en la capacidad de hacer un sitio
seguro requiere tanto investigación como capacitación.
Referencias _ Baerwald, J. (ed), Manual de Ingeniería de Transporte y Tránsito, Instituto de
Ingenieros de Tránsito, Prentice Hall Inc., 1976.
Bell, RC, A linear filter statistic for roadway accident research, US.DOT NHTSA, proyecto #MTR-
86-006A, abril de 1986, revisado en enero de 1992.
Box, EP, Hunter, GW, Hunter, JS, Estadísticas para experimentadores, John Wiley & Sons, 1971.
Deacon, JA, Zegeer, CV, Deen, RC, Identificación de ubicaciones de carreteras rurales peligro-
sas. Registro de Investigación de Transporte 543 , Junta de Investigación de Transporte, págs.
16-33, 1975 Dunlap and Associates, Manual para la aplicación de técnicas de control estadístico
al análisis de datos de accidentes de carretera, 1956.
17
Flak, MA y Barbaresso, JC, Uso de un sistema computarizado de información vial en análisis de
seguridad. Documento presentado en la 61 Reunión Anual de TRB, 1982.
Flowers, RJ, Un procedimiento para predecir los costos de accidentes en lugares específicos.
(Una nota técnica). College Station: TTI, Sistema Universitario Texas A&M, 1982.
Flowers, RJ y Griffin, LI, III, Desarrollo de un plan para identificar ubicaciones de carreteras que
pueden estar sobrerrepresentadas en frecuencia y/o gravedad de accidentes. Para la Sección
de Ingeniería de Tránsito del Departamento de Transporte de Texas, septiembre de 1992.

15. Hauer, E. y Persaud, BN, Problema de identificación de lugares peligrosos utilizando datos de
accidentes. Registro de Investigación de Transporte 975 , Junta de Investigación de Transporte,
1984, págs. 36-43.
Hauer, E. y BN Persaud, "Cómo estimar la seguridad de los cruces de vías y carreteras y el
efecto de seguridad de los dispositivos de advertencia". Registro de Investigación de Transporte
1114, 1987, pp.131-140.
Hauer, E, Ng, JCN y Lovell, J., "Estimación de seguridad en intersecciones señalizadas"., Regis-
tro de investigación de transporte 1185 , 1989, págs. 48-61.
Hauer, E., Método empírico de Bayes para la estimación de la "inseguridad"; el enfoque multiva-
riante. Informe FHWA-RD-90-006, marzo de 1990a.
Hauer, E. y K. Quaye, Sobre el uso de accidentes y condenas para desencadenar la acción, en
M. Koshi (ed.), Teoría del transporte y el tráfico , Elsevier, 1990b, págs. 153-172.
Hauer, E., Empirical Bayes approach to the estimation of unsafety: The multivariable regression
approach. ácido _ Anal. y anterior _ , vol. 24, No. 5, octubre de 1992, págs. 456-478.
Hauer, E., K. Quaye y Z. Liu, Sobre el uso de accidentes o condenas para desencadenar la
acción. Registro de Investigación de Transporte 1401 , Junta de Investigación de Transporte,
Washington, DC, pp.17-25, 1993.
Hauer, E., Identificación de ubicaciones de investigación prioritarias en el estado de Nueva York.
Reclutar. marzo de 1995a.
Hauer, E., Detección de deterioro. Borrador, 1995b.
Heydecker, BG and Wu, J., Uso de la información en los registros de accidentes de tráfico. 19ª
Reunión Anual de Verano de PRTC, Universidad de Sussex, septiembre de 1991.
Higle, JL y Witkowski, JM, Identificación bayesiana de ubicaciones peligrosas. Transportación
Research Record 1185 , Junta de Investigación del Transporte, Washington, DC, págs. 24-36,
1988.
18
Jorgensen, NO, Detección estadística de puntos negros de accidentes. OTA-PIARC 11ª Semana
Internacional de Estudios en Transporte y Seguridad. Bruselas, 1972.
Laughland, JC, Haefner, LE, Hall, JW, Clough, D.,R., Métodos para evaluar las mejoras en la
seguridad vial, Apéndice Q, NCHRP 162, Junta de Investigación del Transporte, Washington,
1975.
Mahalel, D., Hakkert, AS, Phrasker, JN, Un sistema para la asignación de recursos de seguridad
en una red vial. Acid.Anal. & Prev., 14(1), págs. 45-56, 1982.
Mahalel, D., Un procedimiento básico para la evaluación de las mejoras de seguridad vial en una
red vial. Registro de Investigación de Transporte 905, Junta de Investigación de Transporte,
1983.
May, JF, Determinación de un lugar propenso a accidentes. Ingeniería de tráfico , vol. 34, No. 5,
febrero de 1964.
McGuigan, DRD, El uso de las relaciones entre los accidentes de tráfico y el flujo de tráfico en la
identificación de 'puntos negros'. Ingeniería y Control de Tránsito, Ago.-Sept. 1981, págs. 448-
453, McGuigan, DRD, Tasas de accidentes fuera de los cruces y su uso en la identificación de
'puntos negros' . Tráfico Ingeniería y Control, febrero de 1982, págs. 60-65.
Morin, DA, Aplicación de conceptos estadísticos a datos de accidentes. Highway Research Re-
cord 188 , Junta de Investigación de Carreteras, 1967.
Norden, N., Orlansky J. y Jacobs H., Aplicación de técnicas estadísticas de control de calidad al
análisis de datos de accidentes de carretera. Highway Research Board Bulletin 117, 1956. págs.
17-31.

16. Persaud, BN, Identificación de puntos negros y evaluación del tratamiento. Ministerio de Trans-
porte de Ontario, TDS-90-04, noviembre de 1990.
Persaud, BN, Estimación del potencial de accidentes de los tramos de carretera de Ontario. Re-
gistro de investigación de transporte 1327, 1991, págs. 47-53.
PIARC, Comité C13, Actas de la reunión celebrada en Amsterdam en abril de 1994.
Renshaw, DL y Carter, EC, Identificación de ubicaciones de alto riesgo en el proyecto de clasifi-
cación de carreteras del condado de Baltimore. Registro de Investigación de Transporte 753 ,
Junta de Investigación de Transporte, Washington, págs. 1-8, 1980.
Rudy, BM, Análisis de rutas operativas. Boletín 341, Junta de Investigación de Carreteras, pp.1-
29, 1962.
19
Talens, H., Nuevo enfoque de las situaciones de riesgo. En: A. Hakkert (ed.), Proceedings of the
Third Conferencia Internacional sobre Seguridad y Medio Ambiente en el Siglo XXI, Tel Aviv,
noviembre de 1994, págs. 427-438.
Tamburri, TN y Smith, RN, El índice de seguridad: un método para evaluar y calificar los benefi-
cios de seguridad. Highway Research Record 332, 1970, págs. 28-39.
Manual de Ingeniería de Transporte y Tránsito, Instituto de Ingenieros de Tránsito, 1976.
Taylor, JI y Thompson, HT, Identificación de ubicaciones peligrosas, Informe No. FHWA-RD- 77-
81, Washington, diciembre 1977.
20