SlideShare una empresa de Scribd logo
1 de 40
Descargar para leer sin conexión
1/40
2/40
PREFACIO
Este informe documenta el algoritmo para predecir el rendimiento de seguridad de las carreteras
rurales de dos carriles que constituye la base del módulo de predicción de colisiones del modelo
interactivo de diseño de seguridad vial. El algoritmo estima el efecto sobre el rendimiento de
seguridad de los parámetros del segmento de la carretera, incluidos el ancho del carril, el ancho
del arcén, el tipo de arcén, las curvas horizontales, las pendientes, la densidad de la calzada, los
carriles para girar a la izquierda en dos sentidos, los carriles de adelantamiento y el diseño del
borde de la carretera, y de los parámetros de intersección, incluidos ángulo de sesgo, control de
tráfico, carriles exclusivos para girar a la izquierda y a la derecha, distancia visual y entradas de
vehículos. El algoritmo permite a las agencias de carreteras estimar el rendimiento de seguridad
de las carreteras existentes o propuestas y comparar el rendimiento de seguridad esperado de
las alternativas de diseño geométrico.
Michael F. Trentacoste Director, Oficina de Investigación y Desarrollo de Seguridad
AVISO
Este documento se difunde bajo el patrocinio del Departamento de Transporte en interés del
intercambio de información. El Gobierno de los Estados Unidos no asume ninguna responsabili-
dad por su contenido o uso del mismo. Este informe no constituye una norma, especificación o
regulación.
El gobierno de los Estados Unidos no respalda productos ni fabricantes. Los nombres comercia-
les y de fabricantes aparecen en este informe solo porque se consideran esenciales para el ob-
jeto de este documento.
PREDICCIÓN DE LA ESPERADO LA SEGURIDAD ACTUACIÓN DE RURAL DOS CARRI-
LES CARRETERAS
DW Harwood, Consejo FM, E. Hauer, WE Hughes y A. Vogt
16. Resumen
Este informe presenta un algoritmo para predecir el rendimiento de seguridad de una carre-
tera rural de dos carriles. La predicción del accidente algoritmo consiste de base modelos y
accidente modificación factores por ambas cosas calzada segmentos y intersecciones a nivel
en rural dos carriles carreteros los base modelos proveer un estimar de la la seguridad actua-
ción de a calzada o intersección para un conjunto de condiciones nominales o base asumi-
das. Los factores de modificación de accidentes ajustan las predicciones del modelo base
para tener en cuenta los efectos sobre la seguridad de los segmentos de carretera de ancho
de carril, ancho de arcén, tipo de arcén, curvas horizontales, pendientes, densidad de en-
trada, carriles de doble sentido para girar a la izquierda, carriles de adelantamiento, diseño
del borde de la carretera. y los efectos sobre la seguridad de las intersecciones a nivel del
ángulo de inclinación, el control del tráfico, los carriles exclusivos para girar a la izquierda y
a la derecha, la distancia visual y las entradas de vehículos.
los accidente predicción algoritmo es destinado por solicitud por carretera agencias a estimar
la la seguridad rendimiento de un existente o propuesto calzada. los algoritmos pueden ser
usó a comparar la anticipado la seguridad actuación de dos o más alternativas geométricas
para una carretera propuesta mejora.
los accidente predicción algoritmo incluye a calibración procedimiento que pueden ser usó a
adaptar la predicho resultados a las condiciones de seguridad encontradas por cualquier
agencia vial en particular en las carreteras rurales de dos carriles. El algoritmo también in-
cluye un procedimiento Empirical Bayes que se puede aplicar para utilizar las predicciones
de seguridad proporcionadas por el algoritmo junto con el historial real de accidentes espe-
cíficos del sitio. datos.
3/40
1. INTRODUCCIÓN.
Estimaciones a partir de datos históricos de accidentes.
Estimaciones a partir de Modelos Estadísticos.
Estimaciones de estudios de antes y después.
Estimaciones a partir del Juicio de Expertos.
Un nuevo enfoque.
Organización de este Informe.
Unidades de medida.
2. VISIÓN GENERAL DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES.7
Algoritmo de Predicción de Accidentes para Tramos Viales. 7
Algoritmo de predicción de accidentes para intersecciones a nivel. 9
Frecuencia prevista de accidentes para un proyecto completo. 9
Distribuciones estimadas de la gravedad del accidente y del tipo de accidente. 10
Fortalezas y debilidades de este enfoque. 10
Estructura del Algoritmo de Predicción de Accidentes. 14
3. MODELOS BÁSICOS.17
Modelo base para segmentos de carretera. 17
Modelos base para intersecciones a nivel. 19
Procedimiento de calibración. 24
4. FACTORES DE MODIFICACIÓN DEL ACCIDENTE. 27
Desarrollo de Factores de Modificación de Accidentes. 27
Segmentos de carretera. 29
Grados _. 40
Intersecciones a nivel. 43
5. RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD.51
Segmentos de carretera. 51
Intersecciones controladas por STOP de tres tramos. 60
Intersecciones señalizadas de cuatro tramos. 64
6. IMPLEMENTACIÓN DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES DENTRO DEL
IHSDM. Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio no
están disponibles.
Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio están dispo-
nibles . 77
Situaciones en las que se debe y no se debe aplicar el procedimiento EB.
Procedimiento empírico de Bayes.
Ejemplo de Aplicación del Procedimiento EB. 82
Metodología Paso a Paso para la Aplicación del Algoritmo de Predicción de Accidentes Inclu-
yendo el Procedimiento EB. 90
7. CONCLUSIONES, RECOMENDACIONES Y MEJORAS FUTURAS. 105
Conclusiones. 105
Mejora futura del algoritmo de predicción de accidentes . 106
8. REFERENCIAS . 111
9. BIBLIOGRAFÍA. 115
4/40
1. INTRODUCCIÓN
Una de las brechas más críticas en la gestión de la seguridad vial es la falta de un método con-
fiable para estimar el desempeño de seguridad de una carretera existente o planificada. Las
agencias de carreteras han desarrollado y mantenido sistemas de registro de accidentes para
monitorear el desempeño de seguridad de sus caminos, pero estos proporcionan datos históricos
o retrospectivos. La gestión eficaz requiere un punto de vista prospectivo. Los ingenieros de
caminos necesitan saber no cuál fue el desempeño de seguridad de una carretera en el pasado
reciente o lejano, sino cuál es ahora y cuál es probable que sea en el futuro si se toman las
acciones propuestas particulares.
En el pasado, cuando se necesitaban estimaciones de rendimiento de seguridad actuales o fu-
turas para una carretera, se desarrollaban mediante uno de cuatro enfoques: promedios de datos
históricos de accidentes, predicciones de modelos estadísticos basados en análisis de regresión,
resultados de estudios de antes y después y juicios de expertos hechos por ingenieros experi-
mentados. Cada uno de estos métodos, usado solo, tiene debilidades significativas que se des-
criben a continuación. A continuación, se describe un nuevo enfoque que combina elementos de
cada uno de estos métodos en un algoritmo de predicción de accidentes. Este nuevo algoritmo
de predicción de accidentes, desarrollado específicamente para su aplicación en carreteras ru-
rales de dos carriles, es el tema de este informe.
Estimaciones a partir de datos históricos de accidentes
Los datos históricos de accidentes son un indicador importante del desempeño de seguridad de
una carretera, pero tienen la debilidad de ser altamente variables. Dada esta alta variabilidad, es
difícil estimar la tasa de accidentes esperada a largo plazo utilizando una muestra de duración
relativamente corta de 1 a 3 años de datos de accidentes. Esto es especialmente cierto para las
secciones e intersecciones de caminos rurales donde los accidentes son eventos muy raros y
muchos lugares no experimentan accidentes, o como mucho un accidente, durante un período
de varios años. Si un lugar no ha experimentado accidentes en los últimos años, ciertamente no
es correcto pensar que nunca experimentará un accidente, sin embargo, los datos disponibles
para ese sitio por sí solos proporcionan una base insuficiente para estimar su rendimiento de
seguridad esperado a largo plazo.
Los programas de mejora de carreteras basados en la seguridad a menudo se gestionan con
sistemas de vigilancia de accidentes que utilizan registros de accidentes para identificar ubica-
ciones con un alto índice de accidentes.
A La ubicación de alto número de accidentes es una sección o intersección de la carretera iden-
tificada porque experimentó más de un número de umbral especificado de accidentes durante
un período reciente (normalmente de 1 a 3 años).
El personal de ingeniería de la agencia de carreteras responsable investiga cada lugar con un
alto índice de accidentes y, en los lugares donde un patrón particular de accidentes es claramente
evidente y es factible una contramedida adecuada, se puede programar y construir un proyecto
de mejora. La toma de decisiones con respecto a tales proyectos a menudo involucra un cálculo
de costo-beneficio o rentabilidad basado en la reducción porcentual esperada de accidentes a
partir del nivel de experiencia reciente de accidentes encontrado por el programa de vigilancia
de accidentes. Sin embargo, tanto la teoría estadística 1 la experiencia real muestra que, debido
a la naturaleza aleatoria de los accidentes, es probable que los lugares con una alta experiencia
de accidentes a corto plazo experimenten menos accidentes en el futuro, incluso si no se realizan
mejoras. Este fenómeno, conocido como regresión a la media, dificulta tanto la identificación de
posibles lugares problemáticos a través de la vigilancia de accidentes como la estimación de la
eficacia potencial (o real) de las mejoras realizadas en dichos lugares.
5/40
Estimaciones de modelos estadísticos
Los analistas de seguridad han aplicado, durante muchos años, técnicas estadísticas para desa-
rrollar modelos para predecir la experiencia de accidentes en carreteras e intersecciones. Dichos
modelos se desarrollan mediante la obtención de una base de datos de características de carre-
teras y accidentes (p. ej., volúmenes de tráfico, características de diseño geométrico y caracte-
rísticas de control de tráfico) datos de los registros de la agencia de carreteras, seleccionando
una forma funcional apropiada para el modelo y usando análisis de regresión para estimar la
valores de los coeficientes o parámetros en ese modelo. Históricamente, la mayoría de estos
modelos se desarrollaron con análisis de regresión múltiple. Recientemente, los investigadores
han comenzado a utilizar análisis de regresión binomial negativa y de Poisson que teóricamente
se adaptan mejor a los datos de accidentes basados en recuentos pequeños (es decir, cero o
casi cero accidentes en muchos sitios). Sin embargo, independientemente de la técnica estadís-
tica utilizada, los modelos de predicción de accidentes nunca parecen satisfacer las expectativas
de sus desarrolladores y usuarios potenciales.
Los modelos de regresión son herramientas muy precisas para predecir la experiencia total es-
perada de accidentes para un lugar o una clase de lugares, pero no han demostrado ser satis-
factorios para aislar los efectos de características geométricas o de control de tráfico individuales.
Existe una fuerte tentación de interpretar cada coeficiente en un modelo de regresión como una
representación del verdadero efecto de un cambio incremental en su característica vial asociada.
Esta es una suposición razonable en algunos casos, pero no en otros. Una desventaja clave de
los modelos de regresión es que se basan en correlaciones estadísticas entre las características
de las carreteras y los accidentes que no necesariamente representan relaciones de causa y
efecto. Además, si las variables independientes del modelo están fuertemente correlacionadas
entre sí, es difícil separar sus efectos individuales. Además, si una variable en el modelo está
fuertemente correlacionada con una variable importante que no está incluida en la base de datos
disponible, el coeficiente de la variable en el modelo puede representar el efecto de la variable
no disponible en lugar de su propio efecto. Por lo tanto, el valor del coeficiente de una caracte-
rística geométrica particular puede ser una buena estimación del efecto real de esa característica
en la seguridad, o puede ser simplemente un artefacto o un sustituto de su correlación con otras
variables.
Este modelo, en general, proporciona predicciones bastante confiables de la experiencia total de
accidentes de intersecciones urbanas de cuatro tramos controladas por STOP. Además, los coe-
ficientes de muchos de los términos parecen representar razonablemente los efectos esperados
de sus variables asociadas. Sin embargo, dos de las variables en el modelo tienen coeficientes
que están en una dirección opuesta a la que los ingenieros de seguridad suponen normalmente
para esas variables. Específicamente, el coeficiente negativo del factor de control de acceso (X
4 ) implica que se esperarían más accidentes en una intersección con aproximaciones de acceso
controlado que en una intersección sin aproximaciones de acceso controlado.
Además, el coeficiente negativo del factor de iluminación ( X 9 ), implica que las intersecciones iluminadas
tienen más accidentes que las intersecciones no iluminadas. Tales interpretaciones no son razonables.
Los signos negativos para las variables de control de acceso e iluminación en la ecuación (1) podrían
resultar simplemente de correlaciones de control de acceso e iluminación con las variables ya conside-
radas en el modelo, tales como volúmenes de tráfico, o con otras variables importantes que no están
incluidas en el modelo. el modelo porque no hay datos disponibles para esas variables. También es
posible que la iluminación se haya instalado como una contramedida de accidentes en lugares con
muchos accidentes, de modo que la iluminación parezca estar asociada con lugares que tienen más
accidentes. Así, mientras que las ecuaciones de regresión pueden p r o p o r c i o n a n modelos
6/40
predictivos útiles, sus coeficientes pueden ser indicadores poco fiables de los efectos incrementales de
las características individuales de las carreteras sobre la seguridad.
* El ancho de carril promedio en esta ecuación se especifica en unidades de medida convencio-
nales (pies).
Ver la explicación en la sección titulada Unidades de Medida en la página 5 de este informe.
3
Estimaciones de estudios de antes y después
Los estudios de antes y después se han utilizado durante muchos años para evaluar la eficacia
de las mejoras en las carreteras para reducir los accidentes. Sin embargo, la mayoría de los
estudios de antes y después informados en la literatura tienen defectos de diseño tales que el
diseño del estudio no puede tener en cuenta los efectos de la regresión a la media. Por lo tanto,
el usuario potencial de los resultados del estudio de antes y después no puede estar seguro de
si representan la verdadera eficacia de la mejora potencial en la reducción de accidentes o un
pronóstico demasiado optimista sesgado por la regresión a la media.
Los expertos en seguridad son generalmente de la opinión de que, si se puede superar el sesgo
potencial causado por la regresión a la media, un estudio de antes y después puede proporcionar
el mejor método para cuantificar los efectos de seguridad de las características geométricas y de
control de tránsito de la calzada. Hauer desarrolló un nuevo enfoque que soluciona el problema
de la regresión a la media que, en el pasado, ha provocado que los estudios de antes y después
proporcionen resultados poco fiables. Sin embargo, se han realizado muy pocos de estos estu-
dios de antes y después bien diseñados.
Estimaciones del juicio de expertos
El juicio de expertos, desarrollado a partir de muchos años de experiencia en el campo de la
seguridad vial, puede tener un papel importante en la realización de estimaciones de seguridad
confiables. Los expertos pueden tener dificultades para hacer estimaciones cuantitativas sin un
punto de referencia, pero los expertos suelen ser muy buenos para hacer juicios comparativos
(por ejemplo, es probable que A sea menor que B, o que C sea aproximadamente un 10 por
ciento mayor que D). Por lo tanto, los expertos necesitan un marco de referencia basado en datos
históricos de accidentes, modelos estadísticos o resultados de estudios de antes y después para
hacer juicios útiles.
Un nuevo enfoque
Este informe presenta un nuevo enfoque para la predicción de accidentes que combina el uso
de datos históricos de accidentes, análisis de regresión, estudios de antes y después y juicio de
expertos para hacer predicciones de seguridad que son mejores que las que se podrían hacer
con cualquiera de estos tres enfoques. solo. El enfoque recomendado para la predicción de ac-
cidentes tiene su base en la literatura de seguridad publicada, incluidas las evaluaciones de antes
y después y los modelos de regresión, es sensible a las características geométricas que son de
mayor interés para los diseñadores de carreteras e incorpora juicios realizados por un grupo de
base amplia. de expertos en seguridad.
Este informe muestra cómo se puede implementar este nuevo enfoque en un algoritmo de pre-
dicción de accidentes para carreteras rurales de dos carriles. Este mismo enfoque puede adap-
tarse potencialmente en el futuro a carreteras rurales de varios carriles, calles arteriales urbanas
y autopistas rurales o urbanas.
La Administración Federal de Carreteras (FHWA) está desarrollando actualmente un Modelo In-
teractivo de Diseño de Seguridad Vial (IHSDM) para que lo utilicen los diseñadores de carreteras
para incorporar una consideración más explícita de la seguridad en el proceso de diseño de
carreteras. IHSDM consistirá en un conjunto de herramientas informáticas que pueden funcionar
7/40
de manera interactiva con los sistemas de diseño asistido por computadora (CAD) utilizados por
muchas agencias para diseñar mejoras en las carreteras. Los componentes del IHSDM incluirán
un módulo de predicción de choques (CPM), un módulo de seguridad vial (RSM), un módulo de
revisión de diagnóstico de intersecciones (DRM), un módulo de coherencia de diseño (DCM), un
módulo de revisión de políticas (PRM), un módulo de conductor/vehículo (D /VM) y Módulo de
análisis de tráfico (TAM). La prioridad inicial en el desarrollo de IHSDM se le está dando a la
evaluación de carreteras rurales de dos carriles.
El algoritmo de predicción de accidentes presentado en este informe ha sido desarrollado para
su incorporación en el IHSDM como el CPM para carreteras rurales de dos carriles, pero también
es adecuado para su uso como modelo independiente para predecir el desempeño de seguridad
de las carreteras rurales de dos carriles. Este informe documenta cómo se desarrolló el algoritmo
de predicción de accidentes y cómo funcionará dentro del IHSDM.
2. VISIÓN GENERAL DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES
Esta sección del informe presenta una descripción general del algoritmo de predicción de acci-
dentes para carreteras rurales de dos carriles. Se han desarrollado algoritmos de predicción de
accidentes separados para segmentos de carretera y para tres tipos de intersecciones a nivel.
Estos algoritmos separados se pueden usar juntos para predecir la experiencia total de acciden-
tes para una sección de carretera completa o un proyecto de mejora.
En el desarrollo de estos algoritmos, se decidió que el algoritmo de predicción de accidentes del tramo
de carretera predeciría todos los accidentes no relacionados con intersecciones para cada uno de los
tramos que componen un proyecto de carretera. Los accidentes no relacionados con intersecciones
incluyen accidentes que ocurren cerca de una intersección pero que no están relacionados con las
intersecciones. Por ejemplo, un accidente que se sale de la carretera o una colisión frontal que ocurre
dentro de los 15 m (50 pies) de una intersección, pero que el oficial investigador considera que no está
relacionado con la intersección, se clasificaría como no- accidente relacionado con la intersección. Los
algoritmos de predicción de accidentes en intersecciones predicen los accidentes adicionales relaciona-
dos con intersecciones que ocurren en o detrás la intersección y ocurren debido a la presencia de la
intersección. Para fines de modelado, solo los accidentes que ocurrieron dentro de los 76 m (250 pies)
de la intersección y que ocurrieron debido a la presencia de la intersección se consideraron como
accidentes relacionados con intersecciones. La frecuencia prevista total de accidentes para cual-
quier proyecto vial es la suma de la frecuencia prevista de accidentes no relacionados con interseccio-
nes para cada uno de los segmentos de carretera y la frecuencia prevista de accidentes relacionados
con intersecciones para cada una de las intersecciones a nivel que componen el proyecto.
Los algoritmos de predicción de accidentes para segmentos de carreteras e intersecciones a
nivel se componen cada uno de dos componentes: modelos básicos y factores de modificación
de accidentes. Estos componentes y la forma en que se combinan se describen a continuación.
Algoritmo de predicción de accidentes para segmentos de carretera
El modelo base para segmentos de carretera es el mejor modelo de regresión disponible para
predecir la frecuencia total de accidentes de un segmento de carretera en una carretera rural de
dos carriles. El modelo base, como todos los modelos de regresión, predice el valor de una va-
riable dependiente en función de un conjunto de variables independientes. Para el modelo de
segmento de carretera, la variable dependiente es la frecuencia total esperada de accidentes en
el segmento de carretera durante un período de tiempo específico. Las variables independientes
utilizadas para predecir la frecuencia de accidentes son descriptores de los volúmenes de tráfico,
características de diseño geométrico y características de control de tráfico del segmento de la
vía. El modelo de regresión específico que se usará como modelo base para los segmentos de
carreteras rurales de dos carriles se presenta en la sección 3 de este informe.
8/40
Como se discutió en la introducción de este informe, los modelos de regresión como el modelo
base son útiles para predecir la frecuencia general de accidentes, pero no necesariamente se
puede confiar en sus coeficientes.
para representar los efectos incrementales del diseño geométrico individual y las características
de control de tráfico. Por lo tanto, el modelo base se usará solo para estimar la frecuencia espe-
rada de accidentes para un conjunto específico de condiciones base nominales, como anchos
de carril de 3,6 m (12 pies) y anchos de arcén de 1,8 m (6 pies). Esta estimación base de la
frecuencia de accidentes se ajustará luego con factores de modificación de accidentes (CMF)
que representan los efectos de seguridad del diseño geométrico individual y los elementos de
tráfico.
Los CMF son factores multiplicativos que se utilizan para ajustar la frecuencia base de accidentes
por el efecto del diseño geométrico individual y las características de control de tráfico. Cada
CMF se formula de modo que la condición nominal o base esté representada por un CMF de
1,00. Las condiciones asociadas con una experiencia de accidentes más alta que la condición
nominal o básica tendrán CMF superiores a 1,00 y las condiciones asociadas con una experien-
cia de accidentes inferior a la condición nominal o básica tendrán CMF inferiores a 1,00. Por
ejemplo, si la frecuencia de accidentes pronosticada por el modelo base para los segmentos de
carretera ( N br ) se basa en carriles de 3,6 m (12 pies), pero una sección de carretera de interés
en particular tiene carriles de 3,3 m (11 pies), el CMF para el ancho del carril podría tener un
valor de 1,15. Este CMF implica que se espera que un segmento de carretera de dos carriles con
carriles de 3,3 m (11 pies) experimente un 15 por ciento más de accidentes que una sección de
carretera comparable con carriles de 3,6 m (12 pies).
El efecto del volumen de tráfico diario promedio (ADT) en la frecuencia de accidentes pronosti-
cada se incorpora a través de los modelos base, mientras que los efectos del diseño geométrico
y las características de control de tráfico se incorporan a través de los CMF.
La formulación que se muestra en la ecuación (2) permite que el CMF para cada diseño geomé-
trico y elemento de control de tránsito se base únicamente en la información más confiable sobre
los efectos de seguridad de ese elemento en particular. El mejor método para considerar los
efectos de seguridad del ancho del carril se puede seleccionar como base para el CMF sin estar
limitado por el tratamiento del ancho del carril en el modelo base o por la formulación de cualquier
otro CMF. Así, cada CMF en la predicción de accidentes algoritmo puede basarse en la mejor y
más aplicable investigación disponible, seleccionada e interpretada por expertos. De hecho, se
formaron dos paneles de expertos, identificados en el apéndice A, para establecer los CMF pre-
sentados en este informe. La sección 4 del informe presenta los CMF utilizados en la predicción
de accidentes en segmentos de carreteras y documenta su desarrollo.
Se han formulado modelos básicos separados para intersecciones de tres ramales con control
de ALTO, intersecciones de cuatro ramales con control de ALTO e intersecciones de cuatro ra-
males con semáforos. Los CMF utilizados en el algoritmo de predicción de accidentes para estos
tres tipos de intersecciones también difieren, pero los algoritmos para los tres tipos de intersec-
ciones están estructurados como se muestra en la ecuación (3). Los modelos base para las
intersecciones a nivel se presentan en la sección 3 de este informe, y los CMF para las intersec-
ciones a nivel se presentan en la sección 4.
El efecto del volumen de tránsito en la frecuencia de accidentes pronosticada para las intersec-
ciones a nivel se incorpora a través de los modelos básicos, mientras que el efecto de las carac-
terísticas geométricas y de control de tránsito se incorpora a través de los CMF. Cada uno de los
modelos base para intersecciones a nivel incorpora efectos separados para los ADT en los tra-
mos de carreteras principales y secundarias, respectivamente.
9/40
Frecuencia prevista de accidentes para un proyecto completo
El algoritmo de predicción de accidentes se aplicará en IHSDM para estimar el rendimiento de
seguridad de proyectos completos propuestos o tramos de carreteras extendidas.
Distribuciones estimadas de la gravedad del accidente y del tipo de accidente
Además de las predicciones de frecuencia de accidentes basadas en las ecuaciones (2) y (3), el
algoritmo de predicción de accidentes también proporcionará estimaciones de la gravedad de los
accidentes y las distribuciones de tipos de accidentes para segmentos de carreteras e intersec-
ciones a nivel. Las Tablas 1 y 2 presentan estimaciones predeterminadas de las distribuciones
de gravedad y tipo de accidente, respectivamente, que se utilizan en el algoritmo de predicción
de accidentes. Las distribuciones predeterminadas de gravedad y tipo de accidente en las tablas
1 y 2 se basan en datos del Sistema de información de seguridad vial (HSIS) de la FHWA para
Illinois, Michigan, Minnesota y Carolina del Norte. Estas distribuciones predeterminadas para la
gravedad y el tipo de accidentes se pueden reemplazar con datos adecuados para el sistema de
carreteras rurales de dos carriles de una agencia de carreteras en particular como parte del pro-
ceso de calibración descrito en la sección 3 y el apéndice D de este informe. El uso de distribu-
ciones aplicables a un estado o región geográfica específica es particularmente apropiado por-
que algunos porcentajes en las tablas, como el porcentaje de accidentes relacionados con ani-
males en los segmentos de la carretera en la tabla 2, claramente varían geográficamente.
Fortalezas y debilidades de este enfoque
Las fortalezas de los algoritmos de predicción de accidentes formulados como se muestra en las
ecuaciones (2) y
(3) son como sigue:
• Los algoritmos de predicción de accidentes realizan estimaciones cuantitativas de
accidentes frecuencia.
• los bases modelos atender como escala factores a asegurar que la magnitud de la
frecuencia prevista de accidentes es adecuada, mientras que la CMF asegurar que la frecuencia pre-
vista de accidentes es sensible a la geometría específica del sitio diseño y tráfico características de con-
trol.
• El uso de CMF que están separados de los modelos base asegura que los efectos
del diseño geométrico individual y las características de control de tráfico no dependan de coeficientes
de regresión inapropiados que sean demasiado grandes, demasiado pequeños o en la dirección inco-
rrecta. Cada CMF ha sido desarrollado por un panel de expertos para representar el
• Las frecuencias de accidentes son conocido a variar de agencia a agencia, incluso
entre caminos que son nominalmente similar, porque de diferencias en factores tal como umbrales de
notificación de accidentes, prácticas de notificación de accidentes, poblaciones de animales , población
de conductores y clima. Sin embargo, tales variaciones son no reflejado en la base modelos que fueron
cada uno desarrollado con datos por solamente una o dos estados Para esta razón, un procedimiento
de calibración tiene estado previsto en este reporte a permitir carretera agencias a adaptar el algoritmo
de predicción de accidentes a su propio local condiciones de seguridad. Este procedimiento de calibra-
ción implica la estimación de los factores de calibración apropiados para una carretera en particular
agencia que pueden incorporarse directamente en ecuaciones (2) y (3).
• los algoritmos de predicción de accidentes, tal como se formula en las ecuaciones
(2) y (3), es basado en datos por muchos lugares y en experto juicio, pero lo hace no aprovechar el
conocimiento del actual accidente historia de la ubicación siendo evaluado. accidente real historia datos
debería ser disponible por muchas existentes ubicaciones evaluado con el algoritmo de predicción de
accidentes. Para esta razón, un procedimiento basado en el bayes empírico (EB) Acercarse es previsto
10/40
en este reporte a combinar los resultados del algoritmo de predicción de accidentes con accidente es-
pecífico del sitio real datos de la historia.
• los usar de separado CMF por cada diseño geométrico y tráfico control elemento
trata el la seguridad efectos de estos elementos individuales como independiente y ignora las posibles
interacciones entre a ellos. Eso es probable que tales interacciones existen y, idealmente, deberían ser
contabilizado _ en la algoritmo de predicción de accidentes. Sin embargo, tales interacciones son mal
comprendido y ninguna pudo ser cuantificado por los paneles de expertos que participó en esta inves-
tigación. Eso es la evaluación de la experto paneles que los CMF presentaron en este informe repre-
sentan el Actual estado de conocimientos sobre la seguridad efectos de geométrico diseño y tráfico
control elementos y no poder ser mejorado sin más investigación. Si futuras líneas de investigación a a
una mejor comprensión de las interacciones entre la la seguridad efectos de varias características geo-
métricas, esos resultados de investigación pueden después ser incorporado en la algoritmo de predic-
ción de accidentes.
Estructura del Algoritmo de Predicción de Accidentes
La estructura del algoritmo de predicción de accidentes, incluidos los modelos base, los factores
de modificación de accidentes, los factores de calibración y el procedimiento EB, se ilustra en la
figura 1. El diagrama de flujo de la figura 1 aborda la aplicación del algoritmo de predicción de
accidentes a un solo segmento de carretera o en intersección de grados. La sección 6 del informe
ilustra la aplicación del algoritmo a un proyecto compuesto por numerosos segmentos de carre-
tera e intersecciones.
Seleccione un segmento de carretera o intersección
Aplicar modelo base
Aplicar factor de calibración
Aplicar CMF
Determinar la frecuencia prevista de accidentes, la distribución de la gravedad de los accidentes
y la distribución del tipo de accidente
Historial real de accidentes específicos del sitio (si está disponible)
Aplicar procedimiento EB
Presentar los valores predichos finales al usuario
Figura 1. Diagrama de Flujo del Algoritmo de Predicción de Accidentes para un Solo Tramo
de Carretera o Intersección.
15
dieciséis
Procedimiento de calibración
El algoritmo de predicción de accidentes está diseñado para que lo utilicen las agencias de ca-
rreteras de los Estados Unidos. Se sabe que las frecuencias de accidentes, incluso para seccio-
nes o intersecciones de carreteras nominalmente similares, varían ampliamente de una agencia
a otra. Estas variaciones son de dos tipos, las que pueden ser directamente contabilizadas por
el algoritmo de predicción de accidentes y las que no.
Los estados difieren notablemente tanto en el terreno como en la historia del desarrollo de su
sistema de carreteras, lo que resulta en diferencias de estado a estado en la alineación de las
carreteras, la sección transversal y el diseño de las intersecciones. Sin embargo, las CMF pue-
den tener en cuenta las diferencias de este tipo en el algoritmo de predicción de accidentes.
Los estados también difieren notablemente en el clima, la población animal, la población de con-
ductores, el umbral de notificación de accidentes y las prácticas de notificación de accidentes.
Estas variaciones pueden dar como resultado que algunos estados experimenten sustancial-
mente más accidentes de tráfico informados en carreteras rurales de dos carriles que otros. Tales
11/40
variaciones no pueden ser directamente explicadas por el algoritmo de predicción de accidentes.
Por lo tanto, se ha desarrollado un procedimiento de calibración para permitir que las agencias
de carreteras ajusten el algoritmo de predicción de accidentes para adaptarse a las condiciones
de seguridad presentes en su Estado.
El procedimiento de calibración lo implementa una agencia de carreteras al determinar el valor
de los factores de calibración para los segmentos de la carretera y las intersecciones a nivel a
partir de la comparación de sus propios datos con las estimaciones del algoritmo de predicción
de accidentes.
4. FACTORES DE MODIFICACIÓN DEL ACCIDENTE
Los efectos incrementales del diseño geométrico individual y los elementos de control del tráfico
se representan en el algoritmo de predicción de accidentes mediante CMF. Esta sección describe
el desarrollo de los CMF y documenta los CMF para cada diseño geométrico y factor de control
de tráfico considerado en el algoritmo.
Desarrollo de Factores de Modificación de Accidentes
Los CMF se utilizan en el algoritmo de predicción de accidentes para representar los efectos
sobre la seguridad del diseño geométrico específico y las características de control del tráfico. El
CMF para el valor nominal o base de cada elemento de control de tráfico de diseño geométrico
tiene un valor de 1,0. Cualquier característica asociada con una experiencia de accidentes supe-
rior a la condición nominal o base tiene un CMF con un valor superior a 1,0; cualquier caracte-
rística asociada con una experiencia de accidentes más baja que la condición base tiene un CMF
con un valor inferior a 1,0. La naturaleza multiplicativa de los CMF se ilustra en ecuaciones
(13) y (14).
Los CMF fueron desarrollados por dos paneles de expertos, uno para secciones de caminos y
otro para intersecciones a nivel. Estos paneles ejercieron el juicio de expertos al revisar los ha-
llazgos de investigación informados sobre cada diseño geométrico y característica de control de
tráfico de interés y seleccionar una base apropiada para un CMF. Los miembros de los dos pa-
neles de expertos que desarrollaron los CMF se identifican en el apéndice A.
Cada panel de expertos seleccionó un conjunto de elementos geométricos y de control de tráfico,
incluidos elementos de intersección a nivel y segmentos de carretera, como candidatos para el
desarrollo de CMF. Los candidatos fueron seleccionados en base a las evaluaciones iniciales del
panel de aquellas características del segmento de carretera y de la intersección que general-
mente se consideran relacionadas con la seguridad. Luego se realizó una revisión crítica de la
literatura de seguridad publicada y no publicada relacionada con cada diseño geométrico y ele-
mento de control de tráfico. Cada panel se reunió y utilizó los hallazgos de la revisión de la lite-
ratura como base para (1) seleccionar el conjunto final de elementos geométricos y de control de
tráfico para los cuales se podrían desarrollar CMF; y (2) cuantificar esos CMF. Para los segmen-
tos viales, los CMF finales incluyeron todas las variables en los modelos base de los segmentos
viales más variables adicionales. Para las intersecciones a nivel, los CMF finales no incluyeron
todas las variables en los modelos base de intersección porque el panel de expertos encontró
que faltaban estimaciones confiables de los efectos de seguridad de la literatura para algunas
variables en los modelos base y se consideró que otras eran de relativamente menor importancia.
Para algunos elementos de control de tráfico o diseño geométrico, el panel de expertos selec-
cionó los resultados de un estudio en particular que consideraron más creíble para que sirviera
como base para el CMF. En otros casos, el panel de expertos combinó los resultados de dos o
más estudios para desarrollar un CMF. En otros casos, cuando faltaban resultados de investiga-
ción fiables, el panel ejerció su derecho colectivo
12/40
27
juicio para estimar valores para un CMF apropiado; esto se hizo, por ejemplo, cuando el panel
se sintió cómodo al establecer un límite, como un valor máximo o mínimo apropiado, para un
CMF.
Los CMF se basaron en una variedad de fuentes, incluidos los resultados de evaluaciones de
accidentes antes y después, coeficientes o valores de parámetros de modelos de regresión y
juicio de expertos. El panel de expertos consideró que las evaluaciones de antes y después bien
diseñadas son la mejor fuente de CMF. Sin embargo, se encontraron relativamente pocos estu-
dios de antes y después de elementos de diseño geométrico bien diseñados en la literatura y,
por lo tanto, el panel de expertos tuvo que confiar en muchos casos en otros tipos de estudios.
Los coeficientes o los valores de los parámetros de los modelos de regresión se consideran
menos confiables, pero se usaron cuando no se disponía de resultados de estudios de antes y
después y el panel consideró que el valor del coeficiente en cuestión era creíble. Solo se ejerció
el juicio de expertos en casos limitados en los que no se disponía de mejores resultados; incluso
cuando un CMF se basó principalmente en el juicio de expertos, el panel utilizó todos los resul-
tados de investigación relevantes para hacer ese juicio. FHWA tiene muchas evaluaciones pro-
metedoras de antes y después en curso, y se espera que los CMF recomendados aquí se actua-
licen con los resultados de esos análisis cuando estén disponibles.
Los paneles de expertos enfrentaron muchos juicios difíciles para determinar los valores apro-
piados de los CMF. Se revisó una amplia gama de literatura y se evaluaron muchos estudios.
Muchos de los estudios revisados tenían una calidad similar, y la selección de un estudio sobre
otro puede haber dependido tanto de la coherencia con otros CMF seleccionados como de los
méritos relativos de los estudios. Por lo tanto, la omisión de cualquier estudio en particular de los
CMF finales no debe interpretarse necesariamente como un menosprecio de ese estudio en par-
ticular. Las fuentes en las que se basa cada CMF se documentan en la siguiente discusión. La
sección 8 de este informe no solo identifica las fuentes citadas en el texto, sino que también
incluye una bibliografía completa de todas las fuentes consultadas en el desarrollo de los CMF.
Si bien los CMF individuales se basaron en el mejor juicio del panel sobre los méritos relativos
de los hallazgos de investigación disponibles, la credibilidad del modelo está respaldada por un
análisis de sensibilidad cuyos resultados se presentan en la sección 5 de este informe.
Los CMF incorporados en el modelo incluyen:
Calzada Segmentos
• carril ancho _
• Hombro ancho _
• Tipo de hombro .
• Curvas horizontales:
! longitud;
! radio;
! presencia o ausencia de transiciones en espiral ;
28
! superelevation.
• Los grados.
• Entrada de coches densidad _
• Doble giro a la izquierda carriles
• Carriles de adelantamiento /cuatro carriles cortos secciones.
• Borde del camino diseño _
Intersecciones a nivel
13/40
• Ángulo de inclinación.
• de tránsito.
• a la izquierda exclusivo carriles _
• a la derecha exclusivo carriles _
• Intersección visión distancia _
A continuación, se presenta una explicación de cada CMF para las secciones de la calzada y
para las intersecciones a nivel.
Segmentos de carretera
Los CMF para el diseño geométrico y las características de control de tráfico de los segmentos
de carretera se presentan a continuación.
Ancho de carril
El valor nominal o base del ancho del carril es de 3,6 m (12 pies). Por lo tanto, a los carriles de
3,6 m (12 pies) se les asigna un CMF de 1,00. La Figura 2 ilustra los valores recomendados de
CMF para anchos de carril de 2,7 a 3,6 m (9 a 12 pies). El CMF para cualquier ancho de carril
dentro del rango de 2.7 a
Se interpolarían 3,6 m (9 a 12 pies) entre las líneas que se muestran en la figura 2. A los carriles
de menos de 2,7 m (9 pies) de ancho se les asignaría un CMF igual al de los carriles de 2,7 m (9
pies). A los carriles de más de 3,6 m (12 pies) de ancho se les asignaría un CMF igual al de los
carriles de 3,6 m (12 pies). Como se muestra en la figura, los CMF para carriles de menos de 3,6
m (12 pies) de ancho serían constantes para todos los ADT por encima de 2000 veh/ día, pero
disminuirían a un valor sustancialmente menor en el rango de volúmenes de tráfico entre 400 y
2000. vehículo/día. Los CMF tienen entonces valores constantes, pero más bajos, en el rango
de ADT por debajo de 400 veh/día.
Si los anchos de carril para las dos direcciones de viaje en un segmento de carretera difieren, el
CMF debe determinarse por separado para el ancho de carril en cada dirección de viaje y luego
deben promediarse los CMF resultantes.
29
Los CMF que se muestran en la figura 2 se aplican a accidentes de un solo vehículo que se
salen de la carretera y múltiples vehículos de frente, en dirección opuesta y en la misma direc-
ción. Los CMF expresados sobre esta base deben, por lo tanto, ajustarse a los accidentes totales
dentro del algoritmo de predicción de accidentes. Esto se puede lograr con la siguiente ecuación:
30
1.70
1.60
Este factor se aplica a accidentes de un solo vehículo que se salen de la carretera,
accidentes de múltiples vehículos en la misma dirección y accidentes de múltiples
vehículos en la dirección opuesta.
1.50 carriles de 9 pies
1.50
1.40
1.30
1.30
carriles de 10 pies
1.20
1.10
1.05
31
14/40
1.05 carriles de 11 pies
1.00
1.02
1.01
1.00
carriles de 12 pies
500 1000 1500 2000 2500
Volumen Promedio de Tráfico Diario (veh/día)
Figura 2. Factor de modificación de accidentes recomendado para el ancho de carril.
2000.424-2
CMF ' ( CMFra & 1.0) P ra % 1,0 (15)
dónde:
CMF = factor de modificación de accidentes para el total de accidentes;
CMF ra = factor de modificación de accidentes para accidentes relacionados (es decir, accidentes
de un solo vehículo que se sale de la carretera y múltiples vehículos de frente, choque lateral en
dirección opuesta y choque lateral en la misma dirección), como el factor de modificación de
accidente para ancho de carril mostrado en la figura 2;
P ra = proporción del total de accidentes constituida por accidentes relacionados.
La proporción de accidentes relacionados ( P ra ) se estima en 0,35 (es decir, 35 por ciento) con
base en la distribución predeterminada de los tipos de accidentes que se presenta en la tabla 2.
Esta distribución predeterminada de tipos de accidentes y, por lo tanto, el valor de P ra , puede
cambiarse por una agencia de carreteras como parte del proceso de calibración.
Los CMF para ancho de carril para carreteras con IMD superior a 2000 veh/día se basan en los
resultados de Zegeer et al. (6) Además, estos valores son razonablemente consistentes con los
resultados de Zegeer et al. (7,8) y Miaou . (9) El CMF de 1,05 para anchos de carril de 3,3 m (11
pies) en vías con ADT de más de 2000 veh/día se ha ajustado a un valor inferior al indicado por
Zegeer et al. (6) basado en la evaluación del panel de expertos de un conjunto más amplio de
estudios sobre el rendimiento de seguridad de las carreteras con carriles de 3,3 m (11 pies). Los
CMF para anchos de carril en carreteras con ADT de menos de 400 veh/día se basan en los
resultados de Griffin y Mak . ( 10) Las líneas de transición en el rango de ADT de 400 a 2.000
veh/día se basan en el juicio del panel de expertos.
Ancho y tipo de hombro
El valor nominal o base del ancho y tipo de arcén es un arcén pavimentado de 1,8 m (6 pies), al
que se le asigna un valor CMF de 1,00. La Figura 3 ilustra el CMF recomendado para anchos de
arcén que difieren de 1,8 m (6 pies). Otro CMF, que se presenta a continuación, ajusta las dife-
rencias entre los arcenes de grava, césped o compuestos y los arcenes pavimentados. Los fac-
tores de modificación en la figura 3 ilustran que, para ADT por encima de 2000 veh/día, el efecto
de un cambio de 0,6 m (2 pies) en el ancho del arcén es equivalente al efecto de un cambio de
0,3 m (1 pie) en ancho de carril Para ADT por debajo de 400 veh/día, el efecto de un cambio de
0,3 m (1 pie) en el ancho del arcén es equivalente al efecto de un cambio de 0,3 m (1 pie) en el
ancho del carril. Se produce una transición lineal entre estos efectos en el rango de ADT de 400
a 2000 veh/día. CMF para anchos de hombro entre 0 y
Accidentes de deslizamiento lateral de múltiples vehículos en la misma dirección y
accidentes de múltiples vehículos en dirección opuesta
1
Volumen Promedio de Tráfico Diario (veh/día)
15/40
Curvas horizontales
.
Superelevación
La condición nominal o base para el CMF para el peralte de una curva horizontal es la cantidad
de peralte requerida por el Libro Verde de AASHTO. ( 14) El peralte requerido por el Libro Verde
de AASHTO debe determinarse teniendo en cuenta el valor de la tasa máxima de peralte, e max ,
establecido por las políticas de la agencia de carreteras. Las políticas relacionadas con las tasas
máximas de peralte para curvas horizontales varían entre las agencias de carreteras según el
clima y otras consideraciones. Si no se ha incorporado ningún valor de e max especificado por la
agencia vial en particular en el IHSDM, entonces se asumirá e max = 0.06 por defecto. El CMF
para el peralte se basa en la deficiencia de peralte de una curva horizontal (es decir, la diferencia
entre el peralte real y el peralte requerido por la política AASHTO). Cuando el peralte real cumple
o supera lo requerido por la política AASHTO, el valor del peralte CMF es 1,00. El panel de
expertos dictaminó que no habría efecto de la deficiencia de peralte en la seguridad hasta que la
deficiencia de peralte exceda 0.01.
La forma funcional general de un CMF para peralte se muestra en la figura 4, basada en el trabajo
de Zegeer et al. ( 13,15) Para una curva horizontal con carriles de 12 pies y sin transiciones en
espiral, el trabajo de Zegeer sugiere un CMF de la forma:
37
Los grados
La condición nominal o base para la pendiente es una calzada nivelada (0% de pendiente). La
Tabla 4 presenta el factor de modificación de accidentes para pendientes basado en un análisis
de carreteras de dos carriles en Utah realizado por Miaou . ( 16) Este análisis consideró los datos
geométricos y de accidentes de aproximadamente 4000 km (2500 mi) de carreteras de dos ca-
rriles con límites de velocidad de 88,5 km/h (55 mi/h), carriles de 3,6 m (12 pies) y carriles tan-
gentes. alineación. Se utilizaron dos enfoques de análisis: análisis univariado utilizando técnicas
de suavizado y modelado de regresión binomial negativa. Ambos métodos estimaron el efecto
de la pendiente vertical sobre los accidentes en aproximadamente un 1,6 por ciento de aumento
en los accidentes por cada 1 por ciento de aumento en la pendiente. Sin embargo, ambos estu-
dios encontraron que este efecto no era estadísticamente significativo.
A pesar de la falta de significación estadística de los resultados, el panel de expertos tomó la
decisión de utilizar el efecto observado como base para un CMF porque el resultado parecía
razonable para el panel de expertos y porque no se dispone de resultados más confiables. La
Tabla 4 presenta los CMF para el grado en función del aumento observado del 1,6 por ciento en
accidentes por aumento del 1 por ciento en el porcentaje de grado. Los CMF en la tabla 4 se
aplican a cada sección de grado individual en el
calzada que se está evaluando sin respetar el signo de la pendiente. El signo de la pendiente es
irrelevante porque cada pendiente en una carretera de dos carriles es una mejora para una di-
rección de viaje y una reducción para la otra. Los factores de pendiente se aplican a toda la
pendiente desde un punto de intersección vertical (PVI) al siguiente (es decir, no se tienen en
cuenta especialmente las curvas verticales). Los CMF de la tabla 4 se aplican al total de acci-
dentes del segmento de carretera.
Tabla 4. Factores de Modificación de Accidentes para el Grado de las Secciones de Carre-
tera.
Densidad de calzada
16/40
La condición nominal o base para la densidad de accesos es de tres accesos por km.
( cinco entradas por milla).
El estudio de Muskaug se ocupa solo de los accidentes con lesiones, pero el panel de expertos
consideró que el CMF que se muestra en la ecuación (22) se puede aplicar al total de accidentes
viales de todos los niveles de gravedad.
El panel de expertos consideró que el estudio noruego de Muskaug es el mejor estudio disponible
sobre los efectos en la seguridad de la densidad de entradas de vehículos en carreteras rurales
de dos carriles. Sin embargo, al panel le preocupaba la dependencia de una fuente de datos
internacional y llevó a cabo una revisión adicional de la literatura estadounidense relevante. La
referencia estadounidense más aplicable parecía ser la Circular de investigación de transporte
456 , y un análisis concluyó que sus resultados eran consistentes con los hallazgos de Muskaug
. ( 18) Otra revisión más de los datos de HSIS de Minnesota concluyó que el efecto de la densidad
de entrada de vehículos en los accidentes es consistente con los resultados del estudio de Mus-
kaug . Por lo tanto, los resultados de Muskaug se mantuvieron como base para la CMF de den-
sidad de entrada.
Carriles de adelantamiento
La condición nominal o básica para adelantar carriles es la ausencia de un carril (es decir, la
sección transversal normal de dos carriles). El CMF para un carril de adelantamiento o ascenso
convencional agregado en una dirección de viaje en una carretera de dos carriles es de 0.75 para
el total de accidentes en ambas direcciones de viaje a lo largo del carril de adelantamiento desde
el extremo corriente arriba de la adición de carril que se estrecha hasta la corriente abajo. final
de la caída del carril de forma cónica. Este valor asume que el carril de adelantamiento está
justificado operativamente y que la longitud del carril de adelantamiento es adecuada para las
condiciones operativas en la calzada Se debe usar un procedimiento IHSDM que no sea el algo-
ritmo de predicción de accidentes para advertir a los usuarios si un carril de adelantamiento no
está justificado operativamente o si se utiliza una longitud de carril de adelantamiento inapro-
piada. Se sabe que los carriles de adelantamiento tienen efectos operativos de tráfico que se
extienden de 5 a 13 km (3 a 8 millas) aguas abajo del carril de adelantamiento; Si bien se puede
suponer que estos efectos operacionales brindan beneficios de seguridad análogos en una lon-
gitud similar de carretera, dicho efecto no se incluye en el algoritmo de predicción de accidentes
por falta de evidencia cuantitativa de tal beneficio.
El CMF para secciones cortas de cuatro carriles (es decir, carriles de adelantamiento uno al lado
del otro proporcionados en direcciones opuestas en la misma sección de la calzada) es 0,65 para
el total de accidentes en la longitud de la sección corta de cuatro carriles. Este CMF se aplica a
cualquier parte de la calzada donde la sección transversal tiene cuatro
carriles y donde ambos carriles adicionales se han proporcionado en una distancia limitada para
aumentar las oportunidades de adelantamiento. Este CMF no se aplica a tramos de carretera de
cuatro carriles extendidos.
El CMF para carriles de adelantamiento se basa principalmente en el trabajo de Harwood y St.
John, y también se tienen en cuenta los resultados de Rinde y Nettleblad . ( 19, 12, 20) El CMF
para secciones cortas de cuatro carriles se basa en el trabajo de Harwood y St. John. (19) Estos
CMF se aplican a los accidentes del segmento total de la carretera dentro del carril de adelanta-
miento y secciones cortas de cuatro carriles.
Carriles de doble sentido para girar a la izquierda
17/40
La instalación de un carril central de doble sentido para girar a la izquierda (TWLTL) en una
carretera de dos carriles para crear una sección transversal de tres carriles puede reducir los
accidentes relacionados con las maniobras de giro en las entradas de vehículos.
Diseño en carretera
A los efectos del algoritmo de predicción de accidentes, la calidad del diseño del borde de la
carretera está representada por la calificación de riesgo en el borde de la carretera (escala de 1
a 7) desarrollada por Zegeer et al. (6) No se encontraron estudios en la literatura que presentaran
relaciones satisfactorias entre la clasificación de peligrosidad en la vía y la experiencia de acci-
dentes en carreteras de dos carriles. Por lo tanto, el CMF para el diseño al costado del camino
se derivó directamente del modelo base para las secciones del camino presentado en la ecuación
(5). El valor nominal o base de la clasificación de peligrosidad al costado del camino empleada
en el modelo base para secciones de camino es 3. El CMF se basa en la relación entre la expe-
riencia de accidentes pronosticada por el modelo base usando la sección de camino real en
cuestión y la experiencia de accidentes pronosticada por el modelo base. modelo utilizando el
valor nominal de la calificación de peligro en la carretera igual a 3.
Este CMF se aplica al total de accidentes del segmento de carretera. En el apéndice D se pre-
sentan ejemplos fotográficos y definiciones cuantitativas para cada clasificación de riesgo al cos-
tado del camino (1 a 7) en función de las características del diseño del costado del camino, como
la pendiente lateral y el ancho de la zona despejada.
El panel de expertos alienta el desarrollo futuro de CMF para elementos de diseño de caminos
específicos con tanto detalle como los factores de diseño de caminos en este algoritmo de pre-
dicción de accidentes. Por ejemplo, el algoritmo podría hacerse sensible a la presencia o ausen-
cia de una barandilla en taludes específicos del camino y en obstáculos individuales al costado
del camino. El modelo del Programa de análisis de seguridad vial (RSAP, por sus siglas en inglés)
que se está desarrollando actualmente podría aplicarse para este propósito en lugar de solo
como una herramienta de costo/beneficio para comparar alternativas de diseño vial. ( 22) Sin
embargo, el modelo RSAP aún no está completo y el consenso del panel fue que la aplicación
del modelo RSAP estaría más allá del alcance de este esfuerzo inicial para desarrollar el algo-
ritmo de predicción de accidentes.
Intersecciones a nivel
Los CMF para el diseño geométrico y las características de control de tráfico de las interseccio-
nes a nivel se presentan a continuación. Como se explicó anteriormente, los CMF se han desa-
rrollado solo para aquellas formas geométricas
43características de diseño y control de tráfico para las cuales el panel de expertos encontró una
base adecuada para cuantificar un CMF.
Número de tramos de intersección
No existe un CMF separado para el número de tramos de intersección. En cambio, el efecto del
número de tramos de intersección se tendrá en cuenta mediante los modelos base separados
para intersecciones de tres y cuatro tramos como los que se presentan en la sección 3 de este
informe. Los modelos base se han desarrollado para intersecciones controladas por STOP de
tres y cuatro tramos, mientras que los modelos base para
Las intersecciones señalizadas se han desarrollado solo para intersecciones de cuatro tramos.
No se desarrollarán modelos base para intersecciones con más de cuatro patas. Por lo tanto, las
intersecciones de múltiples tramos y las intersecciones señalizadas de tres tramos no serán
abordadas por la versión inicial del algoritmo de predicción de accidentes.
Ángulo de inclinación de la intersección
18/40
La condición nominal o base para el ángulo de inclinación de la intersección es 0 grados de
inclinación (es decir, un ángulo de intersección de 90 grados). El ángulo de sesgo de una inter-
sección se definió como la desviación de un ángulo de intersección de 90 grados y tiene un signo
positivo o negativo que indica si la vía secundaria se cruza con la vía principal en un ángulo
agudo u obtuso. Esta señal se introdujo en el modelo base porque un estudio finlandés de Kul-
mala encontró que los ángulos de inclinación agudos y obtusos afectaban la seguridad de ma-
nera diferente. ( 23)
Intersecciones controladas por STOP
El ángulo de inclinación es un factor mucho menos importante en la operación de intersecciones
señalizadas que en la operación de intersecciones controladas por ALTO. Dado que el semáforo
separa la mayoría de los movimientos de las aproximaciones en conflicto, el riesgo de colisiones
relacionado con el ángulo de inclinación entre las aproximaciones que se cruzan se limita en una
intersección señalizada. Por lo tanto, el CMF para el ángulo de inclinación en las intersecciones
señalizadas de cuatro ramales es 1.00 para todos los casos.
Control de tráfico de intersecciones
Las diferencias de seguridad entre las intersecciones controladas por STOP y las señalizadas se
tienen en cuenta mediante el uso de modelos base separados en lugar de un CMF. Sin embargo,
se ha desarrollado un CMF para la diferencia entre intersecciones controladas por PARE en
todos los sentidos y de tramo menor, y se analiza a continuación. El caso base nominal para las
intersecciones controladas por ALTO tiene señales de ALTO en los tramos menores únicamente.
Se proporciona un CMF para la intersección con control de PARADA en todos los sentidos. Las
intersecciones controladas por YIELD de caminos secundarios se tratan de manera idéntica a
las intersecciones controladas por STOP de caminos secundarios en el algoritmo de predicción
de accidentes.
El control de PARE en todos los sentidos es más apropiado para caminos de baja velocidad con
volúmenes de tráfico relativamente iguales en todos los tramos de la intersección. El Manual
sobre Dispositivos Uniformes de Control de Tráfico (MUTCD) incluye órdenes específicas para
el control de ALTO en todos los sentidos. ( 24) No se debe considerar el control de PARE en
todos los sentidos para una intersección a menos que se cumplan estas órdenes. El CMF para
la conversión de camino secundario a control de PARADA en todos los sentidos es 0.53. Este
CMF se aplica al total de accidentes relacionados con intersecciones. El valor CMF de 0.53 im-
plica que una intersección controlada por STOP en todos los sentidos experimenta un 47 por
ciento menos de accidentes que una intersección controlada por STOP en dos sentidos. Este
CMF se basa en los hallazgos de Lovell y Hauer. ( 25) Recolectaron datos para tres agencias
locales (San Francisco, Filadelfia y Toronto) y una agencia estatal (Michigan). De estos, solo los
datos de Michigan pertenecen a caminos rurales de bajo volumen y alta velocidad.
Sin embargo, dado que el conjunto de datos de Michigan es pequeño y sus resultados son simi-
lares a los de las otras tres agencias, el CMF recomendado se basa en los datos combinados de
las cuatro agencias. El panel de expertos recomendó que algún otro módulo IHSDM, posible-
mente el módulo de revisión de diagnóstico para el diseño de intersecciones a nivel, debe dejar
en claro a los usuarios de IHSDM que el control de PARADA en todos los sentidos debe usarse
solo cuando se cumplan las garantías establecidas. Esto es necesario para desaliente el uso
indiscriminado del control de PARADA en todos los sentidos, porque es probable que los bene-
ficios sustanciales de seguridad del control de PARADA en todos los sentidos que se muestran
a continuación solo se puedan lograr cuando se cumplan las garantías.
Carriles de intersección para girar a la izquierda
19/40
La condición nominal o básica para los carriles de giro a la izquierda en las intersecciones es la
ausencia de carriles de giro a la izquierda en los accesos a las carreteras principales. Los CMF
para la presencia de carriles para girar a la izquierda en la carretera principal se presentan en la
tabla 5. Estos CMF se aplican al total de accidentes relacionados con intersecciones. El panel
de expertos no encontró ningún estudio de antes y después bien diseñado sobre la eficacia de
reducción de accidentes de los carriles para girar a la izquierda. Por lo tanto, los CMF en la tabla
representan un juicio del panel de expertos que combina resultados de varias fuentes. Los CMF
para la instalación de carriles para girar a la izquierda en las intersecciones controladas por STOP
se basan en estudios realizados por Agent, Bauer y Harwood, Departamento de Obras Públicas
de California, Creasy y Agent, Dale, Ermer , Glennon, McCoy et al., McCoy y Malone, y Smith et
al. Los CMF para la instalación de carriles para girar a la izquierda en intersecciones señalizadas
se basan en estudios realizados por Agent, Departamento de Obras Públicas de California, Datta,
Smith et al., y McCoy y Malone. (26, 1, 27, 29, 30, 31, 32, 33, 34, 35, 36, 37) Las CMF para la
instalación de carriles para girar a la izquierda en ambos accesos a una intersección de cuatro
ramales son iguales al cuadrado de la correspondiente CMF para la instalación de un carril de
giro a la izquierda en una única aproximación. No hay datos disponibles para cuantificar el efecto
sobre la seguridad de los carriles de giro a la izquierda en una carretera secundaria, por lo que
no se considerarán en el algoritmo de predicción de accidentes.
Tabla 5. Factores de modificación de accidentes para la instalación de carriles de giro a la
izquierda en los accesos de carreteras principales a la intersección en carreteras rurales
de dos carriles.
Tráfico de intersección
Control de tipo de intersección
Número de ruta principal enfoques en
cuáles son los carriles de giro a la iz-
quierda instalado
Una Acercarse Ambos enfoques
tres piernas inter-
sección
STOP firmar una se-
ñal de tráfico
0.78
0.85
!
!
cuatro patas inter-
sección
STOP firmar una se-
ñal de tráfico
0.76
0.82
0.58
0,67
a Señales de ALTO en accesos a caminos secundarios.
Intersección Carriles de giro a la derecha
La condición nominal o básica para los carriles de giro a la derecha en las intersecciones es la
ausencia de carriles de giro a la derecha en los accesos a las carreteras principales. El CMF para
la presencia de carriles para girar a la derecha en intersecciones controladas por STOP es de
0,95 para un carril para girar a la derecha en una vía principal y 0,90 para carriles para girar a la
derecha en ambas vías principales. Estos CMF se aplican al total relacionado con la intersección.
47
accidentes El panel de expertos no encontró ningún estudio de antes y después bien diseñado
sobre la eficacia de reducción de accidentes de los carriles para girar a la derecha. Por lo tanto,
los valores de los CMF se basan en un juicio del panel basado en el trabajo de Vogt y Bared,
Kulmala y Elvik . ( 3, 4, 5, 23,
38) No hay datos disponibles para cuantificar el efecto sobre la seguridad de los carriles de giro
a la derecha en una carretera secundaria, por lo que no se consideran en el algoritmo de predic-
ción de accidentes. Además, no se considera ningún efecto para la provisión de un arcén
20/40
pavimentado en una aproximación a una intersección, a menos que ese arcén pavimentado esté
marcado como un carril de giro a la derecha.
No se encontraron estudios que el panel de expertos considerara apropiados con respecto a la
efectividad de reducción de accidentes de los carriles para girar a la derecha en las interseccio-
nes señalizadas. Por lo tanto, el panel decidió que la eficacia de los carriles para girar a la dere-
cha en las intersecciones con semáforos debe estimarse como la mitad de la que se encuentra
en las intersecciones controladas por ALTO. Por lo tanto, el CMF para la presencia de carriles
para girar a la derecha en intersecciones con semáforos es 0,975 para un carril para girar a la
derecha en un acceso a una vía principal y 0,95 para carriles para girar a la derecha en ambos
accesos a vías principales. Estos CMF también se aplican al total de accidentes relacionados
con intersecciones.
Distancia visual de intersección
La condición nominal o básica para la distancia visual de la intersección es la disponibilidad de
una distancia visual de la intersección adecuada a lo largo de la carretera principal en todos los
cuadrantes de la intersección. Los CMF para la distancia visual de la intersección en interseccio-
nes con control de ALTO en los tramos menores son:
• 1.05 si la distancia visual está limitada en un cuadrante de laintersección.
• 1.10 si la distancia visual está limitada en dos cuadrantes de laintersección.
• 1.15 si la distancia visual está limitada en tres cuadrantes de laintersección.
• 1.20 si la distancia visual está limitada en cuatro cuadrantes de laintersección.
Estos CMF se aplican al total de accidentes relacionados con intersecciones.
La distancia visual en un cuadrante se considera limitada si la distancia visual disponible es me-
nor que la distancia visual especificada por la política de AASHTO para una velocidad de diseño
de 20 km/h menor que la velocidad de diseño de la carretera principal. El algoritmo de predicción
de accidentes solo considera las restricciones de distancia visual debido a la alineación de la
carretera y el terreno. Las restricciones de distancia visual debidas a obstrucciones específicas
(p. ej., árboles, arbustos, postes y edificios) no están disponibles en el sistema CAD y, por lo
tanto, no deben ser consideradas por el algoritmo de predicción de accidentes.
Los CMF para la distancia visual de la intersección se aplican solo a las intersecciones de dos
vías controladas por STOP o YIELD. Un CMF de 1.00 es aplicable a intersecciones controladas
por semáforos y STOP en todos los sentidos.
48
No hubo una evaluación única de los efectos de la distancia visual de la intersección en los
accidentes que el panel consideró más creíble. Por lo tanto, el CMF recomendado se determinó
a partir del mejor juicio del panel basado en los resultados de Kulmala , Brüde y Larsson, y Elvik
. Se asumió que estos resultados representan mejoras en la distancia visual en todos los cua-
drantes de una intersección. Por lo tanto, este efecto fue proporcionado por cuadrante para su
aplicación en el algoritmo de predicción de accidentes.
5. RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD
Se realizó un análisis de sensibilidad para ilustrar el efecto estimado sobre la seguridad de los
diversos parámetros y factores en el algoritmo de predicción de accidentes. Los resultados de
este análisis de sensibilidad están presentes en esta sección.
Todos los análisis de sensibilidad presentados aquí se realizaron con los factores de calibración
para los segmentos de carretera (C r ) y las intersecciones (C i ) fijados en 1,00. Por lo tanto, estos
resultados no representan las condiciones de seguridad experimentadas por ninguna agencia
vial en particular y deben interpretarse principalmente en un sentido relativo.
Segmentos de carretera
21/40
El análisis de sensibilidad para los tramos viales primero estableció la variación de la frecuencia
de accidentes y la tasa de accidentes con ADT para la condición base o nominal. Luego, se
variaron los CMF específicos en el algoritmo de predicción para los segmentos de carretera de
uno en uno. Finalmente, se determinaron las frecuencias de accidentes pronosticadas y las tasas
de accidentes para combinaciones de CMF con experiencia de accidentes extremadamente alta
y extremadamente baja.
Condición nominal o base
La condición nominal o base para evaluar los segmentos de la vía consiste en la siguiente com-
binación de condiciones:
• Carriles de 3,6 m (12 pies).
• arcenes pavimentados de 1,8 m (6 pies).
• Tangente calzada _
• Grado de nivel (0 por ciento ).
• Tres accesos por km (5 accesos por mi).
• Clasificación de peligro en la carretera = 3.
• Sin carriles de adelantamiento o cuatro carriles cortos secciones.
La Tabla 6 ilustra la variación de la frecuencia de accidentes y la tasa de accidentes con el ADT
del segmento de carretera para la condición nominal o base. La tabla muestra que para la con-
dición nominal o base, la frecuencia de accidentes por milla por año aumenta linealmente con el
aumento de ADT, mientras que la tasa de accidentes por millón de veh-mi permanece constante.
La Tabla 6 y las demás tablas de esta sección del informe se presentan en unidades convencio-
nales porque todas las ecuaciones y CMF en las que se basan están en unidades convencionales
(véanse las secciones 3 y 4).
51
Tabla 6. Sensibilidad de seguridad a ADT para condiciones nominales para segmentos de
carretera.
ADT
(veh/ dia ) Accidentes por
mi
po
r
año Acciden-
tes
por mi-
llón
veh-mi
400 0.09 0,61
1,000 0.22 0,61
3,000 0,67 0,61
5,000 1.12 0,61
10,000 2.24 0,61
Conversión : 1 mi = 1,61 km
Ancho de carril
La Tabla 7 presenta la sensibilidad de la seguridad al ancho del carril, mientras que todos los
demás factores se mantienen en sus condiciones nominales o base. La tabla muestra que, en
condiciones de bajo volumen, la sensibilidad de la seguridad al ancho del carril es muy limitada,
mientras que la sensibilidad es mayor a niveles de volumen más altos. Para ADT por encima de
2000 veh/día, la frecuencia de accidentes es un 16,5 por ciento más alta para carriles de 2,7 m
(9 pies) que para carriles de 3,6 m (12 pies).
Tipo de hombro y ancho
La Tabla 8 presenta la sensibilidad de la seguridad al tipo y ancho del arcén, mientras que todos
los demás factores se mantienen en su condición nominal o base. Al igual que el efecto del ancho
del carril, existe una sensibilidad muy limitada de seguridad al tipo y ancho del arcén a niveles
de volumen bajos. Para ADT superiores a 2.000
22/40
52
veh/día, la frecuencia de accidentes puede diferir en un máximo de 25 por ciento entre varias
combinaciones de tipo de arcén y ancho.
Curvatura Horizontal
Las tablas 9 y 10 presentan la sensibilidad de la seguridad a factores relacionados con la curva-
tura horizontal. La Tabla 9 compara el rendimiento de seguridad de una carretera tangente con
varias combinaciones de longitud y radio de curva horizontal con y sin transiciones en espiral.
Los valores de la tabla se calculan con todos los factores distintos de la curvatura horizontal
ajustados a sus condiciones nominales o base. La tabla muestra que el rendimiento de seguridad
de las curvas largas y planas es solo un poco peor que el rendimiento de seguridad de una
carretera tangente. Sin embargo, las curvas cerradas cortas pueden tener índices de accidentes
mucho más altos. Se espera que una curva horizontal con una longitud de 31 m (100 pies) y un
radio de 31 m (100 pies) en un segmento de carretera tenga una tasa de accidentes 28 veces
mayor que una sección tangente en la misma carretera. La adición de curvas de transición en
espiral puede reducir la frecuencia de accidentes hasta un máximo de 6,6 por ciento para las
curvas seleccionadas para la tabla 9.
La Tabla 10 muestra el efecto esperado sobre la seguridad de las deficiencias de peralte para
curvas horizontales. la tabla muestra, como se indica en la ecuación (21) que una deficiencia de
peralte de 0.02
53
aumenta los accidentes en la curva en un 6 por ciento y una deficiencia de 0,04 aumenta los
accidentes en un 12 por ciento.
Entrada de coches Densidad
La Tabla 12 presenta la sensibilidad de la seguridad a la densidad de la calzada para segmentos
de calzada mientras todos los demás factores permanecen en sus condiciones nominales o base.
La tabla muestra que un segmento de carretera con 19 accesos por km (30 accesos por milla)
puede experimentar hasta cuatro veces más accidentes que un segmento de carretera similar
sin accesos. La sensibilidad de la seguridad a la densidad de la calzada es mayor con ADT más
bajas que con ADT más altas, aunque las magnitudes absolutas de las frecuencias de accidentes
pronosticadas con ADT bajas son muy bajas. No obstante, podría ser más razonable esperar
una mayor sensibilidad de los accidentes en las entradas de vehículos con ADT más altos que
con ADT más bajos. Sería deseable una mayor investigación sobre este tema.
Carriles de adelantamiento
La Tabla 13 presenta la sensibilidad de la seguridad a los carriles de adelantamiento y secciones
cortas de cuatro carriles en segmentos de carretera. La tabla muestra que, como se explica en
la sección 4 de este informe, la instalación de carriles de adelantamiento para aumentar las opor-
tunidades de adelantamiento reduce los accidentes en un 25 por ciento y la instalación de sec-
ciones cortas de cuatro carriles para aumentar las oportunidades de adelantamiento reduce los
accidentes en un 35 por ciento.
Diseño en carretera
La Tabla 14 presenta la sensibilidad de la seguridad a la clasificación de peligrosidad en los
costados de la carretera en los segmentos de la carretera, mientras que todos los demás factores
se mantienen en sus condiciones nominales o de base. La tabla muestra que la clasificación de
peligrosidad al costado del camino puede aumentar la frecuencia total de accidentes hasta en un
50 por ciento sobre el rango completo de clasificaciones de peligrosidad al costado del camino.
Combinaciones de diseño geométrico y funciones de control de tráfico
23/40
La Tabla 15 presenta la sensibilidad de la seguridad a combinaciones extremas de diseño geo-
métrico y características de control de tráfico. La combinación de baja frecuencia de accidentes
representa la "mejor" combinación de características consideradas en los análisis de sensibilidad
anteriores. Específicamente , este bajo accidente frecuencia combinación incluye :
• Carriles de 3,6 m (12 pies).
• arcenes pavimentados de 2,4 m (8 pies).
• Tangente calzada _
• Grado de nivel (0 por ciento ).
• No calzadas _
• Clasificación de peligro en la carretera = 1.
• cortas de cuatro carriles utilizadas para aumentar el paso oportunidades.
Las frecuencias y tasas de accidentes que se muestran en la tabla representan niveles que es
poco probable que se mejoren aún más a través del diseño geométrico o modificaciones del
control del tráfico.
Por el contrario, la combinación de alta frecuencia de accidentes representa la "peor" combina-
ción de características consideradas en los análisis de sensibilidad anteriores. En concreto , el
alto accidente frecuencia combinación incluye :
• Carriles de 2,7 m (9 pies).
• No hombros _
• curva horizontalcon longitud de 31 metro (100 pie), radio de 31 metro (100 pie), no curva
de transición espiral , y una deficiencia de peralte de 0,04.
• un 8 por ciento calificación.
• Diecinueve accesos por km (30 accesos por mi).
• Clasificación de peligro en la carretera = 7.
• Sin carriles de adelantamiento o cuatro carriles cortos secciones.
Las frecuencias y tasas de accidentes que se muestran en la tabla son extremadamente altas,
pero la combinación de características geométricas y de control de tráfico que representan es
tan extrema que es poco probable que exista en el mundo real.
Intersecciones controladas por STOP de cuatro tramos
Se realizó un análisis de sensibilidad con el algoritmo de predicción de accidentes para intersec-
ciones controladas por STOP de cuatro tramos. La condición nominal o base para este análisis
consistió en las siguientes condiciones de diseño geométrico:
• Sin giro a la izquierda o a la derecha en carreteras principales carriles
• Sin ángulo de inclinación (intersección de 90 grados) ángulo).
• Sin intersección visión distancia deficiencias _
Las frecuencias de accidentes por año para esta condición para varias combinaciones de ADT
de carreteras principales y secundarias se muestran en la tabla 19. La Tabla 19 también muestra
las frecuencias de accidentes pronosticadas para varias combinaciones de carriles de giro a la
izquierda y a la derecha de carreteras principales. Como se indica en la Tabla 5, se espera que
un solo carril de giro a la izquierda en una carretera principal en una intersección controlada por
STOP de cuatro ramales reduzca la frecuencia de accidentes en un 24 por ciento y se espera
que dos carriles para girar a la izquierda en una carretera principal reduzcan la frecuencia de
accidentes en un 42 por ciento . Un solo carril de giro a la derecha en una carretera principal
reduciría la frecuencia de accidentes en un 5 por ciento y dos carriles de giro a la derecha en
una carretera principal reducirían la frecuencia de accidentes en un 10 por ciento.
La Tabla 20 presenta la sensibilidad de la seguridad al ángulo de inclinación de la intersección
para intersecciones controladas por STOP de cuatro tramos. Un ángulo de sesgo de 10 grados
24/40
da como resultado una frecuencia de accidentes un 6 por ciento más alta que una intersección
de 90 grados, mientras que un ángulo de sesgo de 45 grados da como resultado una frecuencia
de accidentes un 28 por ciento más alta que una intersección de 90 grados.
La Tabla 21 presenta la sensibilidad de la seguridad a las deficiencias de la distancia visual de
la intersección en intersecciones controladas por STOP de cuatro tramos. Como se indica en la
sección 4 de este informe, las deficiencias en la distancia visual de las intersecciones pueden
aumentar la frecuencia de accidentes en un 5 por ciento por cuadrante.
Intersecciones señalizadas de cuatro tramos
Se realizó una sensibilidad con el algoritmo de predicción de accidentes para intersecciones se-
ñalizadas de cuatro tramos. La condición nominal o base para este análisis consistía en una
intersección señalizada de cuatro tramos sin carriles de giro a la izquierda oa la derecha en las
carreteras principales. Las frecuencias de accidentes por año para esta condición para varias
combinaciones de ADT de carreteras principales y secundarias se muestran en la tabla 22. La
Tabla 22 también muestra las frecuencias de accidentes pronosticadas para varias combinacio-
nes de carriles de giro a la izquierda y a la derecha de carreteras principales. Como se indica en
la tabla 5, se espera que un solo carril de giro a la izquierda en una carretera principal en una
intersección señalizada de cuatro tramos reduzca la frecuencia de accidentes en un 18 por ciento
y se espera que dos carriles de giro a la izquierda en una carretera principal reduzcan la frecuen-
cia de accidentes en un 33 por ciento. Por el contrario, un solo carril de giro a la derecha en una
carretera principal reduciría la frecuencia de accidentes en un 2,5 por ciento y dos carriles de giro
a la derecha en una carretera principal reducirían la frecuencia de accidentes en un 5 por ciento.
La frecuencia de accidentes pronosticada en una intersección señalizada de cuatro tramos no es
sensible al ángulo de inclinación de la intersección ni a las limitaciones de la distancia visual de
la intersección.
6. IMPLEMENTACIÓN DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES DENTRO DEL
IHSDM
El algoritmo de predicción de accidentes está destinado a ayudar al usuario a realizar estimacio-
nes imparciales del rendimiento de seguridad esperado para cualquier alternativa de diseño geo-
métrico dada para un proyecto de mejora de carretera específico. La evaluación completa de una
o más alternativas de diseño geométrico propuestas para un proyecto en particular requerirá que
el usuario determine, con fines comparativos, tanto el desempeño de seguridad del diseño actual
como el desempeño de seguridad futuro esperado de ese diseño actual si no se hace nada para
cambiar el calzada (la alternativa de "no hacer nada" o "línea de base").
Esta sección del informe describe la implementación del algoritmo de predicción de accidentes
dentro del IHSDM. Se presentan procedimientos mediante los cuales se puede utilizar el algo-
ritmo para realizar estimaciones imparciales de:
• Desempeño de seguridad esperado de una o más alternativas de diseño geométrico
para un camino planificado que aún no ha sidoconstruido.
• Desempeño de seguridad reciente o actual de un camino existente considerando ambos
la
desempeño de seguridad previsto de la carretera y su historial de accidentes observado.
• Esperado rendimiento de seguridad de la existente calzada en la futuro si los geométricos
quedan sin alterar (la ADT mayo cambio, por supuesto).
• Desempeño de seguridad esperado de una o más alternativas de diseño geométrico
propuestas por
mejora de la calzada existente.
25/40
Esta sección describe dos métodos para producir estas estimaciones: uno sin y otro con la con-
sideración de datos de historial de accidentes específicos del sitio para el proyecto de interés. El
primer procedimiento descrito se utiliza cuando no se dispone de datos del historial de accidentes
específicos del sitio. Este primer procedimiento es aplicable a los caminos planificados que aún
no se han construido y a los caminos existentes donde, por cualquier razón, los datos del historial
de accidentes específicos del sitio no están disponibles para el analista. El segundo procedi-
miento descrito se usa cuando el historial de accidentes específico del sitio está disponible. Este
procedimiento incorpora un enfoque Empirical Bayes (EB) para combinar estimaciones del algo-
ritmo de predicción de accidentes y datos de historial de accidentes específicos del sitio. Más
adelante en esta sección se presentan ejemplos del procedimiento EB .
Los datos del historial de accidentes específicos del sitio hacen una contribución importante para
aumentar la precisión de las predicciones del desempeño de seguridad esperado de las instala-
ciones viales. Por lo tanto, el analista debe tratar de obtener y utilizar datos del historial de acci-
dentes específicos del sitio y aplicar el procedimiento EB siempre que sea posible.
Los procedimientos presentados aquí se pueden aplicar a cualquier carretera de dos carriles
existente o a cualquier proyecto de mejora de carreteras de dos carriles que retenga el carácter
básico de dos carriles de la instalación.
69
Las mejoras en carreteras de dos carriles evaluadas con estos procedimientos pueden incluir la
adición de un tercer o cuarto carril en una distancia corta para mejorar las oportunidades de
adelantamiento en la carretera. Por lo tanto, los procedimientos pueden evaluar los carriles de
adelantamiento que crean una sección transversal de tres carriles y secciones cortas de cuatro
carriles que son operativamente equivalentes a los carriles de adelantamiento de lado a lado.
Dichos carriles adicionales normalmente no superan los 3,2 km (2 millas) de longitud. Los proce-
dimientos no abordan la ampliación de una carretera de dos carriles a una sección transversal
de cuatro carriles para una longitud extendida. Se espera que en el futuro se desarrollen proce-
dimientos apropiados para carreteras de cuatro carriles, de modo que el análisis de proyectos de
ampliación de dos carriles a cuatro carriles sea posible dentro del IHSDM.
Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio
no están disponibles
El algoritmo de predicción de accidentes pretende estimar la frecuencia esperada de accidentes
para cualquier alternativa de diseño geométrico especificada y para cualquier período de evalua-
ción especificado. La alternativa de diseño geométrico especificada a la que se aplica el algoritmo
puede ser la carretera existente (es decir, la alternativa de "no hacer nada"), una mejora de di-
seño geométrico propuesta para la carretera existente o una carretera propuesta que aún no se
ha construido. Este primer procedimiento es aplicable solo a un proyecto para el cual no se dis-
pone de datos de historial de accidentes específicos del sitio. El algoritmo se puede utilizar para
comparar el rendimiento de seguridad esperado de varias alternativas geométricas aplicando el
algoritmo por separado a cada alternativa durante el mismo período de evaluación y comparando
los resultados. Cuando no se dispone de datos del historial de accidentes específicos del sitio,
la duración del período de evaluación puede ser de un año o cualquier múltiplo de un año. El
algoritmo de predicción de accidentes se aplica en IHSDM a cualquier alternativa de diseño geo-
métrico específico en una serie de pasos directos, de la siguiente manera:
• Paso 1: defina los límites del proyecto y determine la geometría del proyecto para El
procedimiento EB proporciona una metodología para combinar las frecuencias de accidentes
pronosticadas por el algoritmo de predicción de accidentes (N p ) con la frecuencia de accidentes
de los datos del historial de accidentes específicos del sitio (O). El procedimiento EB utiliza un
26/40
promedio ponderado de N p y O. Este procedimiento constituye el Paso 9 de la metodología paso
a paso que se presenta a continuación. Griffith presenta una aplicación previa de la metodología
EB en evaluaciones de seguridad antes y después de intersecciones convertidas de STOP a
control semaforizado . ( 40)
La frecuencia de accidentes esperada considerando tanto las frecuencias de accidentes pronos-
ticadas como las observadas se calcula como:
E p ' w (N p ) % (1 & w) O (32)
dónde:
E p = frecuencia esperada de accidentes basada en un promedio ponderado de N p y N o ;
N p = número de accidentes pronosticados por el algoritmo de predicción de accidentes durante
un período de tiempo específico (igual a N rs para un segmento de carretera o N int para una
intersección );
w = peso a colocar en la frecuencia de accidentes predicha por el accidente
algoritmo de predicción; y
O = número de accidentes observados durante un período de tiempo específico .
El peso asignado a la frecuencia de accidentes pronosticada se determina en el procedimiento
EB como:
w '
1
1 % k(N p )
(33)
79
dónde:
k = parámetro de sobredispersión del modelo base pertinente del algoritmo de predicción de
accidentes.
La formulación de la Ecuación (33) muestra una relación inversa entre la magnitud de la frecuen-
cia de accidentes predicha por el algoritmo, N p y el peso, w. Por lo tanto, a medida que aumenta
el valor de N p predicho por el algoritmo, disminuye el peso asignado a N p . Esta relación implica
que cuanto mayor sea la frecuencia esperada de accidentes predicha por el algoritmo para una
ubicación en particular, mayor será la confianza que se debe depositar en el historial de acciden-
tes observado específico del sitio y menor la confianza que se debe depositar en la predicción
del modelo en sí. Por el contrario, cuando la predicción del modelo es más pequeña, se debe
confiar menos en el historial de accidentes observado específico del sitio y se debe confiar más
en la predicción del modelo. *
La Tabla 23 muestra los valores de los parámetros de sobredispersión (k) para los cuatro mode-
los base utilizados en el algoritmo de predicción de accidentes.
El procedimiento EB funciona mejor si los segmentos de carretera y las intersecciones a las que
se aplica contienen al menos un número mínimo especificado de accidentes pronosticados. La
frecuencia mínima de accidentes necesaria para la aplicación del procedimiento EB es general-
mente 1/k, donde k es el parámetro de sobredispersión del modelo base relevante. En el algo-
ritmo de predicción de accidentes, este criterio l/k normalmente se aplica a la frecuencia de ac-
cidentes fatales y con lesiones debido a que la frecuencia de accidentes fatales y con lesiones
suele ser menor que la frecuencia de accidentes con daños a la propiedad solamente y siempre
es menor que o igual a la frecuencia total de accidentes. Cuando la frecuencia de accidentes
fatales y con lesiones de segmentos de carretera o intersecciones particulares sea menor que
1/k, dichos segmentos e intersecciones pueden agregarse en unidades de análisis más grandes
para la aplicación del procedimiento EB.
27/40
En el algoritmo de predicción de accidentes, el procedimiento EB se aplica por separado a las
frecuencias de accidentes totales pronosticadas y observadas y a las frecuencias pronosticadas
y observadas para dos niveles de gravedad de accidentes: accidentes fatales y con lesiones y
accidentes con daños a la propiedad solamente.
Debido a que el procedimiento EB se aplica por separado, es posible que las frecuencias previs-
tas de accidentes fatales y con lesiones y de accidentes con daños a la propiedad solamente no
coincidan con las frecuencias totales previstas de accidentes. Se realiza un ajuste proporcional
a las frecuencias de accidentes pronosticadas para los niveles de gravedad individuales para
corregir esta discrepancia.
* La ecuación (33) se deriva del desarrollo teórico del enfoque EB de Hauer . ( 2) Hauer define el peso
en el procedimiento EB como (1+Var{ê}/E{ê}) ! 1 , donde E{ê} es la frecuencia media esperada de
accidentes y Var{ê} es la varianza de la frecuencia de accidentes . La frecuencia media esperada de
accidentes se estima mejor mediante la predicción del modelo , N p . E l modelo de regresión binomial
negativa se basa en la suposición que Var{ê}=k(E{ê}) 2 . Por lo tanto, se deduce que la relación
Var{ê}/E{ê} se puede estimar mediante k/N p , lo que conduce a la Ecuación (33).
80
7. CONCLUSIONES, RECOMENDACIONES Y MEJORAS FUTURAS
Esta sección presenta las conclusiones sobre el algoritmo de predicción de accidentes desarro-
llado en este informe y presenta recomendaciones para posibles mejoras futuras del algoritmo.
Conclusiones
La principal conclusión de este informe es que se ha desarrollado un algoritmo de predicción de
accidentes y que este algoritmo parece ser una herramienta útil para predecir el rendimiento de
seguridad de las carreteras rurales de dos carriles. el primario Los puntos fuertes del algoritmo
son los siguientes :
• El algoritmo realiza estimaciones cuantitativas de la frecuencia de accidentes y de la gravedad
de los accidentes y las distribuciones de tipos de accidentes para cualquier tramo de carretera de dos
carriles oproyecto.
• El algoritmo ha sido desarrollado con una estructura modular que combina modelos base y
CMFs. Los modelos base sirven como factores de escala para asegurar que la magnitud de la fre-
cuencia de accidentes pronosticada sea adecuada, mientras que los CMF aseguran que la frecuencia
de accidentes pronosticada sea sensible a las características geométricas y de control de tráfico espe-
cíficas del sitio .
• los usar de CMF que están separados de la base modelos asegura que la efectos del diseño
geométrico individual y tráfico control caracteristicas son no depende de coeficientes de regresión
inapropiados que son también largo, también pequeña, o en la dirección equivocada . Cada CMF po-
see sido desarrollado por a panel de expertos para representar la mejor información actualmente dis-
ponible en la la seguridad efectos de que especial diseño geométrico o tráfico característica de control
• La estructura modular hace que el algoritmo sea fácil de actualizar a medida que se obtiene
mejor información, incluidos nuevos resultados de investigación.disponible.
• Se proporciona un procedimiento de calibración para permitir que las agencias de carreteras
individuales adapten el algoritmo a las condiciones de seguridad presentes en su sistema de carreteras
rurales de dos carriles. El procedimiento de calibración permite a los usuarios de IHSDM ajustar las
frecuencias de accidentes pronosticadas para las diferencias de agencia a agencia y de estado a es-
tado en factores como los umbrales de notificación de accidentes , las prácticas de notificación de ac-
cidentes, las poblaciones de animales , las poblaciones de conductores y los climas.
28/40
• Un procedimiento basado en el método EB permite a los usuarios combinar las predicciones
de accidentes obtenidas del algoritmo con el historial de accidentes observado en un sitio específico
datos.
105
La mayor debilidad del algoritmo es que incorpora los efectos sobre la seguridad de la mayoría,
pero no de todas, las características geométricas y de control de tráfico de interés para las agen-
cias de carreteras. El algoritmo incorpora solo aquellas características cuyos efectos fueron con-
siderados por un panel de expertos como bien establecidos en términos cuantitativos. Las carac-
terísticas geométricas y de control de tráfico que no se comprenden bien o no se comprenden
en absoluto, necesariamente se han omitido. El modelo generalmente trata los efectos del diseño
geométrico individual y las características de control de tráfico como independientes entre sí e
ignora las posibles interacciones entre ellos. Es probable que tales interacciones existan e, ideal-
mente, deberían tenerse en cuenta en el algoritmo de predicción de accidentes. Sin embargo,
tales interacciones son poco conocidas y los paneles de expertos que participaron en el desarro-
llo del algoritmo no pudieron cuantificar ninguna. La evaluación de los paneles de expertos es
que los modelos básicos y los CMF presentados en este informe representan el estado actual
del conocimiento sobre la seguridad en carreteras rurales de dos carriles y no pueden mejorarse
sin más investigación. La siguiente sección del informe analiza las áreas potenciales a las que
podría dirigirse la investigación futura para mejorar el modelo.
FHWA planea incorporar el algoritmo de predicción de accidentes para carreteras rurales de dos
carriles presentado en este informe en software para su implementación como parte del IHSDM.
También puede estar disponible una versión independiente del software para su uso indepen-
diente de un sistema CAD.
Mejora futura del algoritmo de predicción de accidentes
Se recomienda que se realicen mejoras futuras en el algoritmo de predicción de accidentes a medida
que se completen más investigaciones y que la próxima investigación sobre carreteras rurales de dos
carriles se estructure de manera que los resultados se obtengan en una forma que pueda implemen-
tarse directamente en el algoritmo de predicción de accidentes. También se recomienda que se lleve a
cabo un programa de investigación adicional con el objetivo específico de llenar los vacíos en el algo-
ritmo de predicción de accidentes y ampliar su alcance. A continuación se analizan áreas específicas
para la mejora futura del algoritmo de predicción de accidentes .
Modelos básicos
Los modelos base para secciones de caminos y para intersecciones controladas por STOP de
tres y cuatro tramos parecen estar bien establecidos y no hay necesidad inmediata de trabajo
para mejorarlos. Por el contrario, el modelo base para intersecciones señalizadas de cuatro tra-
mos se basa en un tamaño de muestra pequeño (solo 49 intersecciones divididas entre dos
estados diferentes). Los modelos resultantes no fueron tan satisfactorios como se deseaba y fue
difícil elegir entre los candidatos disponibles. Las intersecciones señalizadas son relativamente
raras en las carreteras rurales de dos carriles, por lo que las limitaciones del modelo base para
las intersecciones señalizadas no limitan demasiado la utilidad del algoritmo, pero sería deseable
ensamblar una base de datos más grande sobre las intersecciones señalizadas en las carreteras
rurales de dos carriles. carreteras con el propósito de desarrollar un modelo base mejorado.
También sería deseable desarrollar un modelo base para intersecciones señalizadas de tres tra-
mos en carreteras rurales de dos carriles, que están fuera del alcance del actual algoritmo de
predicción de accidentes.
106
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf

Más contenido relacionado

Similar a 10. PrediccionComportamientoCR2C Resumen.pdf

10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
Sierra Francisco Justo
 
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador119.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
Sierra Francisco Justo
 
CISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdf
CISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdfCISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdf
CISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdf
FRANCISCOJUSTOSIERRA
 
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
Sierra Francisco Justo
 
5 weather based-safety_analysis_for_the_ef babylon
5   weather based-safety_analysis_for_the_ef babylon5   weather based-safety_analysis_for_the_ef babylon
5 weather based-safety_analysis_for_the_ef babylon
Sierra Francisco Justo
 

Similar a 10. PrediccionComportamientoCR2C Resumen.pdf (20)

11 ap r&ap-t 05-10
11 ap r&ap-t 05-1011 ap r&ap-t 05-10
11 ap r&ap-t 05-10
 
Empirical assessment of_the_impact_of_hi baby
Empirical assessment of_the_impact_of_hi babyEmpirical assessment of_the_impact_of_hi baby
Empirical assessment of_the_impact_of_hi baby
 
10 summary - resumen google traductor
10   summary - resumen google traductor10   summary - resumen google traductor
10 summary - resumen google traductor
 
03 ptc velocidad operacioncoherenciaseguridadvial2011 ra
03   ptc velocidad operacioncoherenciaseguridadvial2011 ra03   ptc velocidad operacioncoherenciaseguridadvial2011 ra
03 ptc velocidad operacioncoherenciaseguridadvial2011 ra
 
Borrador HSM 2009 Cap.123.pdf
Borrador HSM 2009 Cap.123.pdfBorrador HSM 2009 Cap.123.pdf
Borrador HSM 2009 Cap.123.pdf
 
0 HSMP-1 (2).pdf
0 HSMP-1 (2).pdf0 HSMP-1 (2).pdf
0 HSMP-1 (2).pdf
 
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
 
10 ap r498-15 austroads 2015 mejor seguridadvial
10 ap r498-15 austroads 2015 mejor seguridadvial10 ap r498-15 austroads 2015 mejor seguridadvial
10 ap r498-15 austroads 2015 mejor seguridadvial
 
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador119.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
 
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador119.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
19.1 trb sr323 2017 evaluación rendimientoextremobaranda borrador1
 
6 evaluacion seguridadcr2c - lamm
6   evaluacion seguridadcr2c - lamm6   evaluacion seguridadcr2c - lamm
6 evaluacion seguridadcr2c - lamm
 
Prueba 1
Prueba 1Prueba 1
Prueba 1
 
CISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdf
CISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdfCISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdf
CISEV III 12.3 Vista general Manual Seguriad Vial AASHTO.pdf
 
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p10.35   koorey nz 2009 incorporacion seguridadcr2c borrador 152p
10.35 koorey nz 2009 incorporacion seguridadcr2c borrador 152p
 
0 Introduccion HSM AASHTO 2010.pdf
0 Introduccion HSM AASHTO 2010.pdf0 Introduccion HSM AASHTO 2010.pdf
0 Introduccion HSM AASHTO 2010.pdf
 
MSV Introducción AASHTO 2010 TRAD 17p.pdf
MSV Introducción AASHTO 2010 TRAD 17p.pdfMSV Introducción AASHTO 2010 TRAD 17p.pdf
MSV Introducción AASHTO 2010 TRAD 17p.pdf
 
MSV Introducción AASHTO 2010 TRAD 17p.pdf
MSV Introducción AASHTO 2010 TRAD 17p.pdfMSV Introducción AASHTO 2010 TRAD 17p.pdf
MSV Introducción AASHTO 2010 TRAD 17p.pdf
 
MSV Introducción AASHTO 2010 TRAD 17p.pdf
MSV Introducción AASHTO 2010 TRAD 17p.pdfMSV Introducción AASHTO 2010 TRAD 17p.pdf
MSV Introducción AASHTO 2010 TRAD 17p.pdf
 
03 ptc velocidad operacioncoherenciaseguridadvial2011 ra
03   ptc velocidad operacioncoherenciaseguridadvial2011 ra03   ptc velocidad operacioncoherenciaseguridadvial2011 ra
03 ptc velocidad operacioncoherenciaseguridadvial2011 ra
 
5 weather based-safety_analysis_for_the_ef babylon
5   weather based-safety_analysis_for_the_ef babylon5   weather based-safety_analysis_for_the_ef babylon
5 weather based-safety_analysis_for_the_ef babylon
 

Más de Sierra Francisco Justo

14 AdministracionSV SegunConocimiento EH&otros.pdf
14 AdministracionSV SegunConocimiento EH&otros.pdf14 AdministracionSV SegunConocimiento EH&otros.pdf
14 AdministracionSV SegunConocimiento EH&otros.pdf
Sierra Francisco Justo
 
8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf
8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf
8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf
Sierra Francisco Justo
 
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
Sierra Francisco Justo
 
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
Sierra Francisco Justo
 
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
Sierra Francisco Justo
 
11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf
11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf
11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf
Sierra Francisco Justo
 

Más de Sierra Francisco Justo (20)

15 Causa y prevencion de choques.pdf
15 Causa y prevencion de choques.pdf15 Causa y prevencion de choques.pdf
15 Causa y prevencion de choques.pdf
 
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
 
10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf10. PrediccionComportamientoCR2C Resumen.pdf
10. PrediccionComportamientoCR2C Resumen.pdf
 
9. Ancho Carril y Seguridad.pdf
9. Ancho Carril y Seguridad.pdf9. Ancho Carril y Seguridad.pdf
9. Ancho Carril y Seguridad.pdf
 
14 AdministracionSV SegunConocimiento EH&otros.pdf
14 AdministracionSV SegunConocimiento EH&otros.pdf14 AdministracionSV SegunConocimiento EH&otros.pdf
14 AdministracionSV SegunConocimiento EH&otros.pdf
 
9 Ancho Carril y Seguridad Borrador.pdf
9 Ancho Carril y Seguridad Borrador.pdf9 Ancho Carril y Seguridad Borrador.pdf
9 Ancho Carril y Seguridad Borrador.pdf
 
12. SeguridadNormasDisenoGeometrico 21p.pdf
12. SeguridadNormasDisenoGeometrico 21p.pdf12. SeguridadNormasDisenoGeometrico 21p.pdf
12. SeguridadNormasDisenoGeometrico 21p.pdf
 
8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf
8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf
8 Causa&EfectoSeccionTransversal&SeguridadVial DRAFT.pdf
 
13. CAMJ 2012 Defensa Conductores Ancianos.pdf
13. CAMJ 2012 Defensa Conductores Ancianos.pdf13. CAMJ 2012 Defensa Conductores Ancianos.pdf
13. CAMJ 2012 Defensa Conductores Ancianos.pdf
 
7. Seguridad&Evidencia.pdf
7. Seguridad&Evidencia.pdf7. Seguridad&Evidencia.pdf
7. Seguridad&Evidencia.pdf
 
6. IngenieriaSeguridad&SeguridadIngenieria.pdf
6. IngenieriaSeguridad&SeguridadIngenieria.pdf6. IngenieriaSeguridad&SeguridadIngenieria.pdf
6. IngenieriaSeguridad&SeguridadIngenieria.pdf
 
5 . Camino Por Recorrer.pdf
5 . Camino Por Recorrer.pdf5 . Camino Por Recorrer.pdf
5 . Camino Por Recorrer.pdf
 
4. HAUER Hwy 407 PEO Canada'97.pdf
4. HAUER Hwy 407 PEO Canada'97.pdf4. HAUER Hwy 407 PEO Canada'97.pdf
4. HAUER Hwy 407 PEO Canada'97.pdf
 
3. Revision Seguridad Autopista 407 Toronto.pdf
3. Revision Seguridad Autopista 407 Toronto.pdf3. Revision Seguridad Autopista 407 Toronto.pdf
3. Revision Seguridad Autopista 407 Toronto.pdf
 
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
 
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
 
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
1516Resumenes Ingenieria Seguridad Vial x16 3p.pdf
 
11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf
11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf
11121314Resumenes Ingenieria Seguridad Vial x16 4p.pdf
 
78Resumenes Ingenieria Seguridad Vial x16 3p.pdf
78Resumenes Ingenieria Seguridad Vial x16 3p.pdf78Resumenes Ingenieria Seguridad Vial x16 3p.pdf
78Resumenes Ingenieria Seguridad Vial x16 3p.pdf
 
78Resumenes Ingenieria Seguridad Vial x16 3p.pdf
78Resumenes Ingenieria Seguridad Vial x16 3p.pdf78Resumenes Ingenieria Seguridad Vial x16 3p.pdf
78Resumenes Ingenieria Seguridad Vial x16 3p.pdf
 

Último

707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf
707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf
707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf
ErnestoCano12
 
TIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZ
TIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZTIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZ
TIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZ
varichard
 

Último (20)

ESFUERZO EN VIGAS SESIÓN 5 PROBLEMA RESUELTOS.pdf
ESFUERZO EN VIGAS SESIÓN 5 PROBLEMA RESUELTOS.pdfESFUERZO EN VIGAS SESIÓN 5 PROBLEMA RESUELTOS.pdf
ESFUERZO EN VIGAS SESIÓN 5 PROBLEMA RESUELTOS.pdf
 
Cuestionario 20222222222222222222222224.pdf
Cuestionario 20222222222222222222222224.pdfCuestionario 20222222222222222222222224.pdf
Cuestionario 20222222222222222222222224.pdf
 
Trabajo de cristalografia. año 2024 mes de mayo
Trabajo de cristalografia. año 2024 mes de mayoTrabajo de cristalografia. año 2024 mes de mayo
Trabajo de cristalografia. año 2024 mes de mayo
 
subestaciones electricas, distribucion de energia
subestaciones electricas, distribucion de energiasubestaciones electricas, distribucion de energia
subestaciones electricas, distribucion de energia
 
707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf
707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf
707555966-El-Libro-de-La-Inteligencia-Artificial-Version-11-Alfredovela.pdf
 
REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...
REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...
REAJUSTE DE PRECIOS EN LOS CONTRATOS ADMINISTRATIVOS DE OBRA PUBLICA PACTADOS...
 
TEST ESPACIAL CONTEO DE CUBOS y TEST DE MOSAICOS
TEST ESPACIAL CONTEO DE CUBOS y TEST DE MOSAICOSTEST ESPACIAL CONTEO DE CUBOS y TEST DE MOSAICOS
TEST ESPACIAL CONTEO DE CUBOS y TEST DE MOSAICOS
 
Convocatoria de Becas Caja de Ingenieros_UOC 2024-25
Convocatoria de Becas Caja de Ingenieros_UOC 2024-25Convocatoria de Becas Caja de Ingenieros_UOC 2024-25
Convocatoria de Becas Caja de Ingenieros_UOC 2024-25
 
DIFERENCIA DE COMPRESION Y TENSION EN UN CUERPO
DIFERENCIA DE COMPRESION Y TENSION EN UN CUERPODIFERENCIA DE COMPRESION Y TENSION EN UN CUERPO
DIFERENCIA DE COMPRESION Y TENSION EN UN CUERPO
 
Ciclo de Refrigeracion aplicado a ToniCorp.pptx
Ciclo de Refrigeracion aplicado a ToniCorp.pptxCiclo de Refrigeracion aplicado a ToniCorp.pptx
Ciclo de Refrigeracion aplicado a ToniCorp.pptx
 
REGLA DE PROBABILIDADES Y REGLA DE BAYES.pptx
REGLA DE PROBABILIDADES  Y REGLA DE BAYES.pptxREGLA DE PROBABILIDADES  Y REGLA DE BAYES.pptx
REGLA DE PROBABILIDADES Y REGLA DE BAYES.pptx
 
CONCEPTOS BASICOS DE ROBOTICA, CLASES DE ROBOTS
CONCEPTOS BASICOS DE ROBOTICA, CLASES DE ROBOTSCONCEPTOS BASICOS DE ROBOTICA, CLASES DE ROBOTS
CONCEPTOS BASICOS DE ROBOTICA, CLASES DE ROBOTS
 
DIAGRAMAS PID automatizacion y control.ppt
DIAGRAMAS PID automatizacion y control.pptDIAGRAMAS PID automatizacion y control.ppt
DIAGRAMAS PID automatizacion y control.ppt
 
subestaciones electricas , elementos y caracteristicas
subestaciones electricas , elementos y caracteristicassubestaciones electricas , elementos y caracteristicas
subestaciones electricas , elementos y caracteristicas
 
Responsabilidad de padres con sus hijos (1).pptx
Responsabilidad de padres con sus hijos (1).pptxResponsabilidad de padres con sus hijos (1).pptx
Responsabilidad de padres con sus hijos (1).pptx
 
TIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZ
TIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZTIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZ
TIPOS DE BASTIDORES Y CARROCERIA EN LA INDUSTRIA AUTOMOTRIZ
 
herrramientas de resistividad para registro de pozos.pptx
herrramientas de resistividad para registro de pozos.pptxherrramientas de resistividad para registro de pozos.pptx
herrramientas de resistividad para registro de pozos.pptx
 
Diseno de Estructuras de Acero - 5ta Ed - McCormac.pdf
Diseno de Estructuras de Acero - 5ta Ed - McCormac.pdfDiseno de Estructuras de Acero - 5ta Ed - McCormac.pdf
Diseno de Estructuras de Acero - 5ta Ed - McCormac.pdf
 
expo unidad5 metodologia de los sistemas blandos .pptx
expo unidad5 metodologia de los sistemas blandos .pptxexpo unidad5 metodologia de los sistemas blandos .pptx
expo unidad5 metodologia de los sistemas blandos .pptx
 
Diagramas de Tiempo.pptpara electronica aplicada
Diagramas de Tiempo.pptpara electronica aplicadaDiagramas de Tiempo.pptpara electronica aplicada
Diagramas de Tiempo.pptpara electronica aplicada
 

10. PrediccionComportamientoCR2C Resumen.pdf

  • 2. 2/40 PREFACIO Este informe documenta el algoritmo para predecir el rendimiento de seguridad de las carreteras rurales de dos carriles que constituye la base del módulo de predicción de colisiones del modelo interactivo de diseño de seguridad vial. El algoritmo estima el efecto sobre el rendimiento de seguridad de los parámetros del segmento de la carretera, incluidos el ancho del carril, el ancho del arcén, el tipo de arcén, las curvas horizontales, las pendientes, la densidad de la calzada, los carriles para girar a la izquierda en dos sentidos, los carriles de adelantamiento y el diseño del borde de la carretera, y de los parámetros de intersección, incluidos ángulo de sesgo, control de tráfico, carriles exclusivos para girar a la izquierda y a la derecha, distancia visual y entradas de vehículos. El algoritmo permite a las agencias de carreteras estimar el rendimiento de seguridad de las carreteras existentes o propuestas y comparar el rendimiento de seguridad esperado de las alternativas de diseño geométrico. Michael F. Trentacoste Director, Oficina de Investigación y Desarrollo de Seguridad AVISO Este documento se difunde bajo el patrocinio del Departamento de Transporte en interés del intercambio de información. El Gobierno de los Estados Unidos no asume ninguna responsabili- dad por su contenido o uso del mismo. Este informe no constituye una norma, especificación o regulación. El gobierno de los Estados Unidos no respalda productos ni fabricantes. Los nombres comercia- les y de fabricantes aparecen en este informe solo porque se consideran esenciales para el ob- jeto de este documento. PREDICCIÓN DE LA ESPERADO LA SEGURIDAD ACTUACIÓN DE RURAL DOS CARRI- LES CARRETERAS DW Harwood, Consejo FM, E. Hauer, WE Hughes y A. Vogt 16. Resumen Este informe presenta un algoritmo para predecir el rendimiento de seguridad de una carre- tera rural de dos carriles. La predicción del accidente algoritmo consiste de base modelos y accidente modificación factores por ambas cosas calzada segmentos y intersecciones a nivel en rural dos carriles carreteros los base modelos proveer un estimar de la la seguridad actua- ción de a calzada o intersección para un conjunto de condiciones nominales o base asumi- das. Los factores de modificación de accidentes ajustan las predicciones del modelo base para tener en cuenta los efectos sobre la seguridad de los segmentos de carretera de ancho de carril, ancho de arcén, tipo de arcén, curvas horizontales, pendientes, densidad de en- trada, carriles de doble sentido para girar a la izquierda, carriles de adelantamiento, diseño del borde de la carretera. y los efectos sobre la seguridad de las intersecciones a nivel del ángulo de inclinación, el control del tráfico, los carriles exclusivos para girar a la izquierda y a la derecha, la distancia visual y las entradas de vehículos. los accidente predicción algoritmo es destinado por solicitud por carretera agencias a estimar la la seguridad rendimiento de un existente o propuesto calzada. los algoritmos pueden ser usó a comparar la anticipado la seguridad actuación de dos o más alternativas geométricas para una carretera propuesta mejora. los accidente predicción algoritmo incluye a calibración procedimiento que pueden ser usó a adaptar la predicho resultados a las condiciones de seguridad encontradas por cualquier agencia vial en particular en las carreteras rurales de dos carriles. El algoritmo también in- cluye un procedimiento Empirical Bayes que se puede aplicar para utilizar las predicciones de seguridad proporcionadas por el algoritmo junto con el historial real de accidentes espe- cíficos del sitio. datos.
  • 3. 3/40 1. INTRODUCCIÓN. Estimaciones a partir de datos históricos de accidentes. Estimaciones a partir de Modelos Estadísticos. Estimaciones de estudios de antes y después. Estimaciones a partir del Juicio de Expertos. Un nuevo enfoque. Organización de este Informe. Unidades de medida. 2. VISIÓN GENERAL DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES.7 Algoritmo de Predicción de Accidentes para Tramos Viales. 7 Algoritmo de predicción de accidentes para intersecciones a nivel. 9 Frecuencia prevista de accidentes para un proyecto completo. 9 Distribuciones estimadas de la gravedad del accidente y del tipo de accidente. 10 Fortalezas y debilidades de este enfoque. 10 Estructura del Algoritmo de Predicción de Accidentes. 14 3. MODELOS BÁSICOS.17 Modelo base para segmentos de carretera. 17 Modelos base para intersecciones a nivel. 19 Procedimiento de calibración. 24 4. FACTORES DE MODIFICACIÓN DEL ACCIDENTE. 27 Desarrollo de Factores de Modificación de Accidentes. 27 Segmentos de carretera. 29 Grados _. 40 Intersecciones a nivel. 43 5. RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD.51 Segmentos de carretera. 51 Intersecciones controladas por STOP de tres tramos. 60 Intersecciones señalizadas de cuatro tramos. 64 6. IMPLEMENTACIÓN DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES DENTRO DEL IHSDM. Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio no están disponibles. Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio están dispo- nibles . 77 Situaciones en las que se debe y no se debe aplicar el procedimiento EB. Procedimiento empírico de Bayes. Ejemplo de Aplicación del Procedimiento EB. 82 Metodología Paso a Paso para la Aplicación del Algoritmo de Predicción de Accidentes Inclu- yendo el Procedimiento EB. 90 7. CONCLUSIONES, RECOMENDACIONES Y MEJORAS FUTURAS. 105 Conclusiones. 105 Mejora futura del algoritmo de predicción de accidentes . 106 8. REFERENCIAS . 111 9. BIBLIOGRAFÍA. 115
  • 4. 4/40 1. INTRODUCCIÓN Una de las brechas más críticas en la gestión de la seguridad vial es la falta de un método con- fiable para estimar el desempeño de seguridad de una carretera existente o planificada. Las agencias de carreteras han desarrollado y mantenido sistemas de registro de accidentes para monitorear el desempeño de seguridad de sus caminos, pero estos proporcionan datos históricos o retrospectivos. La gestión eficaz requiere un punto de vista prospectivo. Los ingenieros de caminos necesitan saber no cuál fue el desempeño de seguridad de una carretera en el pasado reciente o lejano, sino cuál es ahora y cuál es probable que sea en el futuro si se toman las acciones propuestas particulares. En el pasado, cuando se necesitaban estimaciones de rendimiento de seguridad actuales o fu- turas para una carretera, se desarrollaban mediante uno de cuatro enfoques: promedios de datos históricos de accidentes, predicciones de modelos estadísticos basados en análisis de regresión, resultados de estudios de antes y después y juicios de expertos hechos por ingenieros experi- mentados. Cada uno de estos métodos, usado solo, tiene debilidades significativas que se des- criben a continuación. A continuación, se describe un nuevo enfoque que combina elementos de cada uno de estos métodos en un algoritmo de predicción de accidentes. Este nuevo algoritmo de predicción de accidentes, desarrollado específicamente para su aplicación en carreteras ru- rales de dos carriles, es el tema de este informe. Estimaciones a partir de datos históricos de accidentes Los datos históricos de accidentes son un indicador importante del desempeño de seguridad de una carretera, pero tienen la debilidad de ser altamente variables. Dada esta alta variabilidad, es difícil estimar la tasa de accidentes esperada a largo plazo utilizando una muestra de duración relativamente corta de 1 a 3 años de datos de accidentes. Esto es especialmente cierto para las secciones e intersecciones de caminos rurales donde los accidentes son eventos muy raros y muchos lugares no experimentan accidentes, o como mucho un accidente, durante un período de varios años. Si un lugar no ha experimentado accidentes en los últimos años, ciertamente no es correcto pensar que nunca experimentará un accidente, sin embargo, los datos disponibles para ese sitio por sí solos proporcionan una base insuficiente para estimar su rendimiento de seguridad esperado a largo plazo. Los programas de mejora de carreteras basados en la seguridad a menudo se gestionan con sistemas de vigilancia de accidentes que utilizan registros de accidentes para identificar ubica- ciones con un alto índice de accidentes. A La ubicación de alto número de accidentes es una sección o intersección de la carretera iden- tificada porque experimentó más de un número de umbral especificado de accidentes durante un período reciente (normalmente de 1 a 3 años). El personal de ingeniería de la agencia de carreteras responsable investiga cada lugar con un alto índice de accidentes y, en los lugares donde un patrón particular de accidentes es claramente evidente y es factible una contramedida adecuada, se puede programar y construir un proyecto de mejora. La toma de decisiones con respecto a tales proyectos a menudo involucra un cálculo de costo-beneficio o rentabilidad basado en la reducción porcentual esperada de accidentes a partir del nivel de experiencia reciente de accidentes encontrado por el programa de vigilancia de accidentes. Sin embargo, tanto la teoría estadística 1 la experiencia real muestra que, debido a la naturaleza aleatoria de los accidentes, es probable que los lugares con una alta experiencia de accidentes a corto plazo experimenten menos accidentes en el futuro, incluso si no se realizan mejoras. Este fenómeno, conocido como regresión a la media, dificulta tanto la identificación de posibles lugares problemáticos a través de la vigilancia de accidentes como la estimación de la eficacia potencial (o real) de las mejoras realizadas en dichos lugares.
  • 5. 5/40 Estimaciones de modelos estadísticos Los analistas de seguridad han aplicado, durante muchos años, técnicas estadísticas para desa- rrollar modelos para predecir la experiencia de accidentes en carreteras e intersecciones. Dichos modelos se desarrollan mediante la obtención de una base de datos de características de carre- teras y accidentes (p. ej., volúmenes de tráfico, características de diseño geométrico y caracte- rísticas de control de tráfico) datos de los registros de la agencia de carreteras, seleccionando una forma funcional apropiada para el modelo y usando análisis de regresión para estimar la valores de los coeficientes o parámetros en ese modelo. Históricamente, la mayoría de estos modelos se desarrollaron con análisis de regresión múltiple. Recientemente, los investigadores han comenzado a utilizar análisis de regresión binomial negativa y de Poisson que teóricamente se adaptan mejor a los datos de accidentes basados en recuentos pequeños (es decir, cero o casi cero accidentes en muchos sitios). Sin embargo, independientemente de la técnica estadís- tica utilizada, los modelos de predicción de accidentes nunca parecen satisfacer las expectativas de sus desarrolladores y usuarios potenciales. Los modelos de regresión son herramientas muy precisas para predecir la experiencia total es- perada de accidentes para un lugar o una clase de lugares, pero no han demostrado ser satis- factorios para aislar los efectos de características geométricas o de control de tráfico individuales. Existe una fuerte tentación de interpretar cada coeficiente en un modelo de regresión como una representación del verdadero efecto de un cambio incremental en su característica vial asociada. Esta es una suposición razonable en algunos casos, pero no en otros. Una desventaja clave de los modelos de regresión es que se basan en correlaciones estadísticas entre las características de las carreteras y los accidentes que no necesariamente representan relaciones de causa y efecto. Además, si las variables independientes del modelo están fuertemente correlacionadas entre sí, es difícil separar sus efectos individuales. Además, si una variable en el modelo está fuertemente correlacionada con una variable importante que no está incluida en la base de datos disponible, el coeficiente de la variable en el modelo puede representar el efecto de la variable no disponible en lugar de su propio efecto. Por lo tanto, el valor del coeficiente de una caracte- rística geométrica particular puede ser una buena estimación del efecto real de esa característica en la seguridad, o puede ser simplemente un artefacto o un sustituto de su correlación con otras variables. Este modelo, en general, proporciona predicciones bastante confiables de la experiencia total de accidentes de intersecciones urbanas de cuatro tramos controladas por STOP. Además, los coe- ficientes de muchos de los términos parecen representar razonablemente los efectos esperados de sus variables asociadas. Sin embargo, dos de las variables en el modelo tienen coeficientes que están en una dirección opuesta a la que los ingenieros de seguridad suponen normalmente para esas variables. Específicamente, el coeficiente negativo del factor de control de acceso (X 4 ) implica que se esperarían más accidentes en una intersección con aproximaciones de acceso controlado que en una intersección sin aproximaciones de acceso controlado. Además, el coeficiente negativo del factor de iluminación ( X 9 ), implica que las intersecciones iluminadas tienen más accidentes que las intersecciones no iluminadas. Tales interpretaciones no son razonables. Los signos negativos para las variables de control de acceso e iluminación en la ecuación (1) podrían resultar simplemente de correlaciones de control de acceso e iluminación con las variables ya conside- radas en el modelo, tales como volúmenes de tráfico, o con otras variables importantes que no están incluidas en el modelo. el modelo porque no hay datos disponibles para esas variables. También es posible que la iluminación se haya instalado como una contramedida de accidentes en lugares con muchos accidentes, de modo que la iluminación parezca estar asociada con lugares que tienen más accidentes. Así, mientras que las ecuaciones de regresión pueden p r o p o r c i o n a n modelos
  • 6. 6/40 predictivos útiles, sus coeficientes pueden ser indicadores poco fiables de los efectos incrementales de las características individuales de las carreteras sobre la seguridad. * El ancho de carril promedio en esta ecuación se especifica en unidades de medida convencio- nales (pies). Ver la explicación en la sección titulada Unidades de Medida en la página 5 de este informe. 3 Estimaciones de estudios de antes y después Los estudios de antes y después se han utilizado durante muchos años para evaluar la eficacia de las mejoras en las carreteras para reducir los accidentes. Sin embargo, la mayoría de los estudios de antes y después informados en la literatura tienen defectos de diseño tales que el diseño del estudio no puede tener en cuenta los efectos de la regresión a la media. Por lo tanto, el usuario potencial de los resultados del estudio de antes y después no puede estar seguro de si representan la verdadera eficacia de la mejora potencial en la reducción de accidentes o un pronóstico demasiado optimista sesgado por la regresión a la media. Los expertos en seguridad son generalmente de la opinión de que, si se puede superar el sesgo potencial causado por la regresión a la media, un estudio de antes y después puede proporcionar el mejor método para cuantificar los efectos de seguridad de las características geométricas y de control de tránsito de la calzada. Hauer desarrolló un nuevo enfoque que soluciona el problema de la regresión a la media que, en el pasado, ha provocado que los estudios de antes y después proporcionen resultados poco fiables. Sin embargo, se han realizado muy pocos de estos estu- dios de antes y después bien diseñados. Estimaciones del juicio de expertos El juicio de expertos, desarrollado a partir de muchos años de experiencia en el campo de la seguridad vial, puede tener un papel importante en la realización de estimaciones de seguridad confiables. Los expertos pueden tener dificultades para hacer estimaciones cuantitativas sin un punto de referencia, pero los expertos suelen ser muy buenos para hacer juicios comparativos (por ejemplo, es probable que A sea menor que B, o que C sea aproximadamente un 10 por ciento mayor que D). Por lo tanto, los expertos necesitan un marco de referencia basado en datos históricos de accidentes, modelos estadísticos o resultados de estudios de antes y después para hacer juicios útiles. Un nuevo enfoque Este informe presenta un nuevo enfoque para la predicción de accidentes que combina el uso de datos históricos de accidentes, análisis de regresión, estudios de antes y después y juicio de expertos para hacer predicciones de seguridad que son mejores que las que se podrían hacer con cualquiera de estos tres enfoques. solo. El enfoque recomendado para la predicción de ac- cidentes tiene su base en la literatura de seguridad publicada, incluidas las evaluaciones de antes y después y los modelos de regresión, es sensible a las características geométricas que son de mayor interés para los diseñadores de carreteras e incorpora juicios realizados por un grupo de base amplia. de expertos en seguridad. Este informe muestra cómo se puede implementar este nuevo enfoque en un algoritmo de pre- dicción de accidentes para carreteras rurales de dos carriles. Este mismo enfoque puede adap- tarse potencialmente en el futuro a carreteras rurales de varios carriles, calles arteriales urbanas y autopistas rurales o urbanas. La Administración Federal de Carreteras (FHWA) está desarrollando actualmente un Modelo In- teractivo de Diseño de Seguridad Vial (IHSDM) para que lo utilicen los diseñadores de carreteras para incorporar una consideración más explícita de la seguridad en el proceso de diseño de carreteras. IHSDM consistirá en un conjunto de herramientas informáticas que pueden funcionar
  • 7. 7/40 de manera interactiva con los sistemas de diseño asistido por computadora (CAD) utilizados por muchas agencias para diseñar mejoras en las carreteras. Los componentes del IHSDM incluirán un módulo de predicción de choques (CPM), un módulo de seguridad vial (RSM), un módulo de revisión de diagnóstico de intersecciones (DRM), un módulo de coherencia de diseño (DCM), un módulo de revisión de políticas (PRM), un módulo de conductor/vehículo (D /VM) y Módulo de análisis de tráfico (TAM). La prioridad inicial en el desarrollo de IHSDM se le está dando a la evaluación de carreteras rurales de dos carriles. El algoritmo de predicción de accidentes presentado en este informe ha sido desarrollado para su incorporación en el IHSDM como el CPM para carreteras rurales de dos carriles, pero también es adecuado para su uso como modelo independiente para predecir el desempeño de seguridad de las carreteras rurales de dos carriles. Este informe documenta cómo se desarrolló el algoritmo de predicción de accidentes y cómo funcionará dentro del IHSDM. 2. VISIÓN GENERAL DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES Esta sección del informe presenta una descripción general del algoritmo de predicción de acci- dentes para carreteras rurales de dos carriles. Se han desarrollado algoritmos de predicción de accidentes separados para segmentos de carretera y para tres tipos de intersecciones a nivel. Estos algoritmos separados se pueden usar juntos para predecir la experiencia total de acciden- tes para una sección de carretera completa o un proyecto de mejora. En el desarrollo de estos algoritmos, se decidió que el algoritmo de predicción de accidentes del tramo de carretera predeciría todos los accidentes no relacionados con intersecciones para cada uno de los tramos que componen un proyecto de carretera. Los accidentes no relacionados con intersecciones incluyen accidentes que ocurren cerca de una intersección pero que no están relacionados con las intersecciones. Por ejemplo, un accidente que se sale de la carretera o una colisión frontal que ocurre dentro de los 15 m (50 pies) de una intersección, pero que el oficial investigador considera que no está relacionado con la intersección, se clasificaría como no- accidente relacionado con la intersección. Los algoritmos de predicción de accidentes en intersecciones predicen los accidentes adicionales relaciona- dos con intersecciones que ocurren en o detrás la intersección y ocurren debido a la presencia de la intersección. Para fines de modelado, solo los accidentes que ocurrieron dentro de los 76 m (250 pies) de la intersección y que ocurrieron debido a la presencia de la intersección se consideraron como accidentes relacionados con intersecciones. La frecuencia prevista total de accidentes para cual- quier proyecto vial es la suma de la frecuencia prevista de accidentes no relacionados con interseccio- nes para cada uno de los segmentos de carretera y la frecuencia prevista de accidentes relacionados con intersecciones para cada una de las intersecciones a nivel que componen el proyecto. Los algoritmos de predicción de accidentes para segmentos de carreteras e intersecciones a nivel se componen cada uno de dos componentes: modelos básicos y factores de modificación de accidentes. Estos componentes y la forma en que se combinan se describen a continuación. Algoritmo de predicción de accidentes para segmentos de carretera El modelo base para segmentos de carretera es el mejor modelo de regresión disponible para predecir la frecuencia total de accidentes de un segmento de carretera en una carretera rural de dos carriles. El modelo base, como todos los modelos de regresión, predice el valor de una va- riable dependiente en función de un conjunto de variables independientes. Para el modelo de segmento de carretera, la variable dependiente es la frecuencia total esperada de accidentes en el segmento de carretera durante un período de tiempo específico. Las variables independientes utilizadas para predecir la frecuencia de accidentes son descriptores de los volúmenes de tráfico, características de diseño geométrico y características de control de tráfico del segmento de la vía. El modelo de regresión específico que se usará como modelo base para los segmentos de carreteras rurales de dos carriles se presenta en la sección 3 de este informe.
  • 8. 8/40 Como se discutió en la introducción de este informe, los modelos de regresión como el modelo base son útiles para predecir la frecuencia general de accidentes, pero no necesariamente se puede confiar en sus coeficientes. para representar los efectos incrementales del diseño geométrico individual y las características de control de tráfico. Por lo tanto, el modelo base se usará solo para estimar la frecuencia espe- rada de accidentes para un conjunto específico de condiciones base nominales, como anchos de carril de 3,6 m (12 pies) y anchos de arcén de 1,8 m (6 pies). Esta estimación base de la frecuencia de accidentes se ajustará luego con factores de modificación de accidentes (CMF) que representan los efectos de seguridad del diseño geométrico individual y los elementos de tráfico. Los CMF son factores multiplicativos que se utilizan para ajustar la frecuencia base de accidentes por el efecto del diseño geométrico individual y las características de control de tráfico. Cada CMF se formula de modo que la condición nominal o base esté representada por un CMF de 1,00. Las condiciones asociadas con una experiencia de accidentes más alta que la condición nominal o básica tendrán CMF superiores a 1,00 y las condiciones asociadas con una experien- cia de accidentes inferior a la condición nominal o básica tendrán CMF inferiores a 1,00. Por ejemplo, si la frecuencia de accidentes pronosticada por el modelo base para los segmentos de carretera ( N br ) se basa en carriles de 3,6 m (12 pies), pero una sección de carretera de interés en particular tiene carriles de 3,3 m (11 pies), el CMF para el ancho del carril podría tener un valor de 1,15. Este CMF implica que se espera que un segmento de carretera de dos carriles con carriles de 3,3 m (11 pies) experimente un 15 por ciento más de accidentes que una sección de carretera comparable con carriles de 3,6 m (12 pies). El efecto del volumen de tráfico diario promedio (ADT) en la frecuencia de accidentes pronosti- cada se incorpora a través de los modelos base, mientras que los efectos del diseño geométrico y las características de control de tráfico se incorporan a través de los CMF. La formulación que se muestra en la ecuación (2) permite que el CMF para cada diseño geomé- trico y elemento de control de tránsito se base únicamente en la información más confiable sobre los efectos de seguridad de ese elemento en particular. El mejor método para considerar los efectos de seguridad del ancho del carril se puede seleccionar como base para el CMF sin estar limitado por el tratamiento del ancho del carril en el modelo base o por la formulación de cualquier otro CMF. Así, cada CMF en la predicción de accidentes algoritmo puede basarse en la mejor y más aplicable investigación disponible, seleccionada e interpretada por expertos. De hecho, se formaron dos paneles de expertos, identificados en el apéndice A, para establecer los CMF pre- sentados en este informe. La sección 4 del informe presenta los CMF utilizados en la predicción de accidentes en segmentos de carreteras y documenta su desarrollo. Se han formulado modelos básicos separados para intersecciones de tres ramales con control de ALTO, intersecciones de cuatro ramales con control de ALTO e intersecciones de cuatro ra- males con semáforos. Los CMF utilizados en el algoritmo de predicción de accidentes para estos tres tipos de intersecciones también difieren, pero los algoritmos para los tres tipos de intersec- ciones están estructurados como se muestra en la ecuación (3). Los modelos base para las intersecciones a nivel se presentan en la sección 3 de este informe, y los CMF para las intersec- ciones a nivel se presentan en la sección 4. El efecto del volumen de tránsito en la frecuencia de accidentes pronosticada para las intersec- ciones a nivel se incorpora a través de los modelos básicos, mientras que el efecto de las carac- terísticas geométricas y de control de tránsito se incorpora a través de los CMF. Cada uno de los modelos base para intersecciones a nivel incorpora efectos separados para los ADT en los tra- mos de carreteras principales y secundarias, respectivamente.
  • 9. 9/40 Frecuencia prevista de accidentes para un proyecto completo El algoritmo de predicción de accidentes se aplicará en IHSDM para estimar el rendimiento de seguridad de proyectos completos propuestos o tramos de carreteras extendidas. Distribuciones estimadas de la gravedad del accidente y del tipo de accidente Además de las predicciones de frecuencia de accidentes basadas en las ecuaciones (2) y (3), el algoritmo de predicción de accidentes también proporcionará estimaciones de la gravedad de los accidentes y las distribuciones de tipos de accidentes para segmentos de carreteras e intersec- ciones a nivel. Las Tablas 1 y 2 presentan estimaciones predeterminadas de las distribuciones de gravedad y tipo de accidente, respectivamente, que se utilizan en el algoritmo de predicción de accidentes. Las distribuciones predeterminadas de gravedad y tipo de accidente en las tablas 1 y 2 se basan en datos del Sistema de información de seguridad vial (HSIS) de la FHWA para Illinois, Michigan, Minnesota y Carolina del Norte. Estas distribuciones predeterminadas para la gravedad y el tipo de accidentes se pueden reemplazar con datos adecuados para el sistema de carreteras rurales de dos carriles de una agencia de carreteras en particular como parte del pro- ceso de calibración descrito en la sección 3 y el apéndice D de este informe. El uso de distribu- ciones aplicables a un estado o región geográfica específica es particularmente apropiado por- que algunos porcentajes en las tablas, como el porcentaje de accidentes relacionados con ani- males en los segmentos de la carretera en la tabla 2, claramente varían geográficamente. Fortalezas y debilidades de este enfoque Las fortalezas de los algoritmos de predicción de accidentes formulados como se muestra en las ecuaciones (2) y (3) son como sigue: • Los algoritmos de predicción de accidentes realizan estimaciones cuantitativas de accidentes frecuencia. • los bases modelos atender como escala factores a asegurar que la magnitud de la frecuencia prevista de accidentes es adecuada, mientras que la CMF asegurar que la frecuencia pre- vista de accidentes es sensible a la geometría específica del sitio diseño y tráfico características de con- trol. • El uso de CMF que están separados de los modelos base asegura que los efectos del diseño geométrico individual y las características de control de tráfico no dependan de coeficientes de regresión inapropiados que sean demasiado grandes, demasiado pequeños o en la dirección inco- rrecta. Cada CMF ha sido desarrollado por un panel de expertos para representar el • Las frecuencias de accidentes son conocido a variar de agencia a agencia, incluso entre caminos que son nominalmente similar, porque de diferencias en factores tal como umbrales de notificación de accidentes, prácticas de notificación de accidentes, poblaciones de animales , población de conductores y clima. Sin embargo, tales variaciones son no reflejado en la base modelos que fueron cada uno desarrollado con datos por solamente una o dos estados Para esta razón, un procedimiento de calibración tiene estado previsto en este reporte a permitir carretera agencias a adaptar el algoritmo de predicción de accidentes a su propio local condiciones de seguridad. Este procedimiento de calibra- ción implica la estimación de los factores de calibración apropiados para una carretera en particular agencia que pueden incorporarse directamente en ecuaciones (2) y (3). • los algoritmos de predicción de accidentes, tal como se formula en las ecuaciones (2) y (3), es basado en datos por muchos lugares y en experto juicio, pero lo hace no aprovechar el conocimiento del actual accidente historia de la ubicación siendo evaluado. accidente real historia datos debería ser disponible por muchas existentes ubicaciones evaluado con el algoritmo de predicción de accidentes. Para esta razón, un procedimiento basado en el bayes empírico (EB) Acercarse es previsto
  • 10. 10/40 en este reporte a combinar los resultados del algoritmo de predicción de accidentes con accidente es- pecífico del sitio real datos de la historia. • los usar de separado CMF por cada diseño geométrico y tráfico control elemento trata el la seguridad efectos de estos elementos individuales como independiente y ignora las posibles interacciones entre a ellos. Eso es probable que tales interacciones existen y, idealmente, deberían ser contabilizado _ en la algoritmo de predicción de accidentes. Sin embargo, tales interacciones son mal comprendido y ninguna pudo ser cuantificado por los paneles de expertos que participó en esta inves- tigación. Eso es la evaluación de la experto paneles que los CMF presentaron en este informe repre- sentan el Actual estado de conocimientos sobre la seguridad efectos de geométrico diseño y tráfico control elementos y no poder ser mejorado sin más investigación. Si futuras líneas de investigación a a una mejor comprensión de las interacciones entre la la seguridad efectos de varias características geo- métricas, esos resultados de investigación pueden después ser incorporado en la algoritmo de predic- ción de accidentes. Estructura del Algoritmo de Predicción de Accidentes La estructura del algoritmo de predicción de accidentes, incluidos los modelos base, los factores de modificación de accidentes, los factores de calibración y el procedimiento EB, se ilustra en la figura 1. El diagrama de flujo de la figura 1 aborda la aplicación del algoritmo de predicción de accidentes a un solo segmento de carretera o en intersección de grados. La sección 6 del informe ilustra la aplicación del algoritmo a un proyecto compuesto por numerosos segmentos de carre- tera e intersecciones. Seleccione un segmento de carretera o intersección Aplicar modelo base Aplicar factor de calibración Aplicar CMF Determinar la frecuencia prevista de accidentes, la distribución de la gravedad de los accidentes y la distribución del tipo de accidente Historial real de accidentes específicos del sitio (si está disponible) Aplicar procedimiento EB Presentar los valores predichos finales al usuario Figura 1. Diagrama de Flujo del Algoritmo de Predicción de Accidentes para un Solo Tramo de Carretera o Intersección. 15 dieciséis Procedimiento de calibración El algoritmo de predicción de accidentes está diseñado para que lo utilicen las agencias de ca- rreteras de los Estados Unidos. Se sabe que las frecuencias de accidentes, incluso para seccio- nes o intersecciones de carreteras nominalmente similares, varían ampliamente de una agencia a otra. Estas variaciones son de dos tipos, las que pueden ser directamente contabilizadas por el algoritmo de predicción de accidentes y las que no. Los estados difieren notablemente tanto en el terreno como en la historia del desarrollo de su sistema de carreteras, lo que resulta en diferencias de estado a estado en la alineación de las carreteras, la sección transversal y el diseño de las intersecciones. Sin embargo, las CMF pue- den tener en cuenta las diferencias de este tipo en el algoritmo de predicción de accidentes. Los estados también difieren notablemente en el clima, la población animal, la población de con- ductores, el umbral de notificación de accidentes y las prácticas de notificación de accidentes. Estas variaciones pueden dar como resultado que algunos estados experimenten sustancial- mente más accidentes de tráfico informados en carreteras rurales de dos carriles que otros. Tales
  • 11. 11/40 variaciones no pueden ser directamente explicadas por el algoritmo de predicción de accidentes. Por lo tanto, se ha desarrollado un procedimiento de calibración para permitir que las agencias de carreteras ajusten el algoritmo de predicción de accidentes para adaptarse a las condiciones de seguridad presentes en su Estado. El procedimiento de calibración lo implementa una agencia de carreteras al determinar el valor de los factores de calibración para los segmentos de la carretera y las intersecciones a nivel a partir de la comparación de sus propios datos con las estimaciones del algoritmo de predicción de accidentes. 4. FACTORES DE MODIFICACIÓN DEL ACCIDENTE Los efectos incrementales del diseño geométrico individual y los elementos de control del tráfico se representan en el algoritmo de predicción de accidentes mediante CMF. Esta sección describe el desarrollo de los CMF y documenta los CMF para cada diseño geométrico y factor de control de tráfico considerado en el algoritmo. Desarrollo de Factores de Modificación de Accidentes Los CMF se utilizan en el algoritmo de predicción de accidentes para representar los efectos sobre la seguridad del diseño geométrico específico y las características de control del tráfico. El CMF para el valor nominal o base de cada elemento de control de tráfico de diseño geométrico tiene un valor de 1,0. Cualquier característica asociada con una experiencia de accidentes supe- rior a la condición nominal o base tiene un CMF con un valor superior a 1,0; cualquier caracte- rística asociada con una experiencia de accidentes más baja que la condición base tiene un CMF con un valor inferior a 1,0. La naturaleza multiplicativa de los CMF se ilustra en ecuaciones (13) y (14). Los CMF fueron desarrollados por dos paneles de expertos, uno para secciones de caminos y otro para intersecciones a nivel. Estos paneles ejercieron el juicio de expertos al revisar los ha- llazgos de investigación informados sobre cada diseño geométrico y característica de control de tráfico de interés y seleccionar una base apropiada para un CMF. Los miembros de los dos pa- neles de expertos que desarrollaron los CMF se identifican en el apéndice A. Cada panel de expertos seleccionó un conjunto de elementos geométricos y de control de tráfico, incluidos elementos de intersección a nivel y segmentos de carretera, como candidatos para el desarrollo de CMF. Los candidatos fueron seleccionados en base a las evaluaciones iniciales del panel de aquellas características del segmento de carretera y de la intersección que general- mente se consideran relacionadas con la seguridad. Luego se realizó una revisión crítica de la literatura de seguridad publicada y no publicada relacionada con cada diseño geométrico y ele- mento de control de tráfico. Cada panel se reunió y utilizó los hallazgos de la revisión de la lite- ratura como base para (1) seleccionar el conjunto final de elementos geométricos y de control de tráfico para los cuales se podrían desarrollar CMF; y (2) cuantificar esos CMF. Para los segmen- tos viales, los CMF finales incluyeron todas las variables en los modelos base de los segmentos viales más variables adicionales. Para las intersecciones a nivel, los CMF finales no incluyeron todas las variables en los modelos base de intersección porque el panel de expertos encontró que faltaban estimaciones confiables de los efectos de seguridad de la literatura para algunas variables en los modelos base y se consideró que otras eran de relativamente menor importancia. Para algunos elementos de control de tráfico o diseño geométrico, el panel de expertos selec- cionó los resultados de un estudio en particular que consideraron más creíble para que sirviera como base para el CMF. En otros casos, el panel de expertos combinó los resultados de dos o más estudios para desarrollar un CMF. En otros casos, cuando faltaban resultados de investiga- ción fiables, el panel ejerció su derecho colectivo
  • 12. 12/40 27 juicio para estimar valores para un CMF apropiado; esto se hizo, por ejemplo, cuando el panel se sintió cómodo al establecer un límite, como un valor máximo o mínimo apropiado, para un CMF. Los CMF se basaron en una variedad de fuentes, incluidos los resultados de evaluaciones de accidentes antes y después, coeficientes o valores de parámetros de modelos de regresión y juicio de expertos. El panel de expertos consideró que las evaluaciones de antes y después bien diseñadas son la mejor fuente de CMF. Sin embargo, se encontraron relativamente pocos estu- dios de antes y después de elementos de diseño geométrico bien diseñados en la literatura y, por lo tanto, el panel de expertos tuvo que confiar en muchos casos en otros tipos de estudios. Los coeficientes o los valores de los parámetros de los modelos de regresión se consideran menos confiables, pero se usaron cuando no se disponía de resultados de estudios de antes y después y el panel consideró que el valor del coeficiente en cuestión era creíble. Solo se ejerció el juicio de expertos en casos limitados en los que no se disponía de mejores resultados; incluso cuando un CMF se basó principalmente en el juicio de expertos, el panel utilizó todos los resul- tados de investigación relevantes para hacer ese juicio. FHWA tiene muchas evaluaciones pro- metedoras de antes y después en curso, y se espera que los CMF recomendados aquí se actua- licen con los resultados de esos análisis cuando estén disponibles. Los paneles de expertos enfrentaron muchos juicios difíciles para determinar los valores apro- piados de los CMF. Se revisó una amplia gama de literatura y se evaluaron muchos estudios. Muchos de los estudios revisados tenían una calidad similar, y la selección de un estudio sobre otro puede haber dependido tanto de la coherencia con otros CMF seleccionados como de los méritos relativos de los estudios. Por lo tanto, la omisión de cualquier estudio en particular de los CMF finales no debe interpretarse necesariamente como un menosprecio de ese estudio en par- ticular. Las fuentes en las que se basa cada CMF se documentan en la siguiente discusión. La sección 8 de este informe no solo identifica las fuentes citadas en el texto, sino que también incluye una bibliografía completa de todas las fuentes consultadas en el desarrollo de los CMF. Si bien los CMF individuales se basaron en el mejor juicio del panel sobre los méritos relativos de los hallazgos de investigación disponibles, la credibilidad del modelo está respaldada por un análisis de sensibilidad cuyos resultados se presentan en la sección 5 de este informe. Los CMF incorporados en el modelo incluyen: Calzada Segmentos • carril ancho _ • Hombro ancho _ • Tipo de hombro . • Curvas horizontales: ! longitud; ! radio; ! presencia o ausencia de transiciones en espiral ; 28 ! superelevation. • Los grados. • Entrada de coches densidad _ • Doble giro a la izquierda carriles • Carriles de adelantamiento /cuatro carriles cortos secciones. • Borde del camino diseño _ Intersecciones a nivel
  • 13. 13/40 • Ángulo de inclinación. • de tránsito. • a la izquierda exclusivo carriles _ • a la derecha exclusivo carriles _ • Intersección visión distancia _ A continuación, se presenta una explicación de cada CMF para las secciones de la calzada y para las intersecciones a nivel. Segmentos de carretera Los CMF para el diseño geométrico y las características de control de tráfico de los segmentos de carretera se presentan a continuación. Ancho de carril El valor nominal o base del ancho del carril es de 3,6 m (12 pies). Por lo tanto, a los carriles de 3,6 m (12 pies) se les asigna un CMF de 1,00. La Figura 2 ilustra los valores recomendados de CMF para anchos de carril de 2,7 a 3,6 m (9 a 12 pies). El CMF para cualquier ancho de carril dentro del rango de 2.7 a Se interpolarían 3,6 m (9 a 12 pies) entre las líneas que se muestran en la figura 2. A los carriles de menos de 2,7 m (9 pies) de ancho se les asignaría un CMF igual al de los carriles de 2,7 m (9 pies). A los carriles de más de 3,6 m (12 pies) de ancho se les asignaría un CMF igual al de los carriles de 3,6 m (12 pies). Como se muestra en la figura, los CMF para carriles de menos de 3,6 m (12 pies) de ancho serían constantes para todos los ADT por encima de 2000 veh/ día, pero disminuirían a un valor sustancialmente menor en el rango de volúmenes de tráfico entre 400 y 2000. vehículo/día. Los CMF tienen entonces valores constantes, pero más bajos, en el rango de ADT por debajo de 400 veh/día. Si los anchos de carril para las dos direcciones de viaje en un segmento de carretera difieren, el CMF debe determinarse por separado para el ancho de carril en cada dirección de viaje y luego deben promediarse los CMF resultantes. 29 Los CMF que se muestran en la figura 2 se aplican a accidentes de un solo vehículo que se salen de la carretera y múltiples vehículos de frente, en dirección opuesta y en la misma direc- ción. Los CMF expresados sobre esta base deben, por lo tanto, ajustarse a los accidentes totales dentro del algoritmo de predicción de accidentes. Esto se puede lograr con la siguiente ecuación: 30 1.70 1.60 Este factor se aplica a accidentes de un solo vehículo que se salen de la carretera, accidentes de múltiples vehículos en la misma dirección y accidentes de múltiples vehículos en la dirección opuesta. 1.50 carriles de 9 pies 1.50 1.40 1.30 1.30 carriles de 10 pies 1.20 1.10 1.05 31
  • 14. 14/40 1.05 carriles de 11 pies 1.00 1.02 1.01 1.00 carriles de 12 pies 500 1000 1500 2000 2500 Volumen Promedio de Tráfico Diario (veh/día) Figura 2. Factor de modificación de accidentes recomendado para el ancho de carril. 2000.424-2 CMF ' ( CMFra & 1.0) P ra % 1,0 (15) dónde: CMF = factor de modificación de accidentes para el total de accidentes; CMF ra = factor de modificación de accidentes para accidentes relacionados (es decir, accidentes de un solo vehículo que se sale de la carretera y múltiples vehículos de frente, choque lateral en dirección opuesta y choque lateral en la misma dirección), como el factor de modificación de accidente para ancho de carril mostrado en la figura 2; P ra = proporción del total de accidentes constituida por accidentes relacionados. La proporción de accidentes relacionados ( P ra ) se estima en 0,35 (es decir, 35 por ciento) con base en la distribución predeterminada de los tipos de accidentes que se presenta en la tabla 2. Esta distribución predeterminada de tipos de accidentes y, por lo tanto, el valor de P ra , puede cambiarse por una agencia de carreteras como parte del proceso de calibración. Los CMF para ancho de carril para carreteras con IMD superior a 2000 veh/día se basan en los resultados de Zegeer et al. (6) Además, estos valores son razonablemente consistentes con los resultados de Zegeer et al. (7,8) y Miaou . (9) El CMF de 1,05 para anchos de carril de 3,3 m (11 pies) en vías con ADT de más de 2000 veh/día se ha ajustado a un valor inferior al indicado por Zegeer et al. (6) basado en la evaluación del panel de expertos de un conjunto más amplio de estudios sobre el rendimiento de seguridad de las carreteras con carriles de 3,3 m (11 pies). Los CMF para anchos de carril en carreteras con ADT de menos de 400 veh/día se basan en los resultados de Griffin y Mak . ( 10) Las líneas de transición en el rango de ADT de 400 a 2.000 veh/día se basan en el juicio del panel de expertos. Ancho y tipo de hombro El valor nominal o base del ancho y tipo de arcén es un arcén pavimentado de 1,8 m (6 pies), al que se le asigna un valor CMF de 1,00. La Figura 3 ilustra el CMF recomendado para anchos de arcén que difieren de 1,8 m (6 pies). Otro CMF, que se presenta a continuación, ajusta las dife- rencias entre los arcenes de grava, césped o compuestos y los arcenes pavimentados. Los fac- tores de modificación en la figura 3 ilustran que, para ADT por encima de 2000 veh/día, el efecto de un cambio de 0,6 m (2 pies) en el ancho del arcén es equivalente al efecto de un cambio de 0,3 m (1 pie) en ancho de carril Para ADT por debajo de 400 veh/día, el efecto de un cambio de 0,3 m (1 pie) en el ancho del arcén es equivalente al efecto de un cambio de 0,3 m (1 pie) en el ancho del carril. Se produce una transición lineal entre estos efectos en el rango de ADT de 400 a 2000 veh/día. CMF para anchos de hombro entre 0 y Accidentes de deslizamiento lateral de múltiples vehículos en la misma dirección y accidentes de múltiples vehículos en dirección opuesta 1 Volumen Promedio de Tráfico Diario (veh/día)
  • 15. 15/40 Curvas horizontales . Superelevación La condición nominal o base para el CMF para el peralte de una curva horizontal es la cantidad de peralte requerida por el Libro Verde de AASHTO. ( 14) El peralte requerido por el Libro Verde de AASHTO debe determinarse teniendo en cuenta el valor de la tasa máxima de peralte, e max , establecido por las políticas de la agencia de carreteras. Las políticas relacionadas con las tasas máximas de peralte para curvas horizontales varían entre las agencias de carreteras según el clima y otras consideraciones. Si no se ha incorporado ningún valor de e max especificado por la agencia vial en particular en el IHSDM, entonces se asumirá e max = 0.06 por defecto. El CMF para el peralte se basa en la deficiencia de peralte de una curva horizontal (es decir, la diferencia entre el peralte real y el peralte requerido por la política AASHTO). Cuando el peralte real cumple o supera lo requerido por la política AASHTO, el valor del peralte CMF es 1,00. El panel de expertos dictaminó que no habría efecto de la deficiencia de peralte en la seguridad hasta que la deficiencia de peralte exceda 0.01. La forma funcional general de un CMF para peralte se muestra en la figura 4, basada en el trabajo de Zegeer et al. ( 13,15) Para una curva horizontal con carriles de 12 pies y sin transiciones en espiral, el trabajo de Zegeer sugiere un CMF de la forma: 37 Los grados La condición nominal o base para la pendiente es una calzada nivelada (0% de pendiente). La Tabla 4 presenta el factor de modificación de accidentes para pendientes basado en un análisis de carreteras de dos carriles en Utah realizado por Miaou . ( 16) Este análisis consideró los datos geométricos y de accidentes de aproximadamente 4000 km (2500 mi) de carreteras de dos ca- rriles con límites de velocidad de 88,5 km/h (55 mi/h), carriles de 3,6 m (12 pies) y carriles tan- gentes. alineación. Se utilizaron dos enfoques de análisis: análisis univariado utilizando técnicas de suavizado y modelado de regresión binomial negativa. Ambos métodos estimaron el efecto de la pendiente vertical sobre los accidentes en aproximadamente un 1,6 por ciento de aumento en los accidentes por cada 1 por ciento de aumento en la pendiente. Sin embargo, ambos estu- dios encontraron que este efecto no era estadísticamente significativo. A pesar de la falta de significación estadística de los resultados, el panel de expertos tomó la decisión de utilizar el efecto observado como base para un CMF porque el resultado parecía razonable para el panel de expertos y porque no se dispone de resultados más confiables. La Tabla 4 presenta los CMF para el grado en función del aumento observado del 1,6 por ciento en accidentes por aumento del 1 por ciento en el porcentaje de grado. Los CMF en la tabla 4 se aplican a cada sección de grado individual en el calzada que se está evaluando sin respetar el signo de la pendiente. El signo de la pendiente es irrelevante porque cada pendiente en una carretera de dos carriles es una mejora para una di- rección de viaje y una reducción para la otra. Los factores de pendiente se aplican a toda la pendiente desde un punto de intersección vertical (PVI) al siguiente (es decir, no se tienen en cuenta especialmente las curvas verticales). Los CMF de la tabla 4 se aplican al total de acci- dentes del segmento de carretera. Tabla 4. Factores de Modificación de Accidentes para el Grado de las Secciones de Carre- tera. Densidad de calzada
  • 16. 16/40 La condición nominal o base para la densidad de accesos es de tres accesos por km. ( cinco entradas por milla). El estudio de Muskaug se ocupa solo de los accidentes con lesiones, pero el panel de expertos consideró que el CMF que se muestra en la ecuación (22) se puede aplicar al total de accidentes viales de todos los niveles de gravedad. El panel de expertos consideró que el estudio noruego de Muskaug es el mejor estudio disponible sobre los efectos en la seguridad de la densidad de entradas de vehículos en carreteras rurales de dos carriles. Sin embargo, al panel le preocupaba la dependencia de una fuente de datos internacional y llevó a cabo una revisión adicional de la literatura estadounidense relevante. La referencia estadounidense más aplicable parecía ser la Circular de investigación de transporte 456 , y un análisis concluyó que sus resultados eran consistentes con los hallazgos de Muskaug . ( 18) Otra revisión más de los datos de HSIS de Minnesota concluyó que el efecto de la densidad de entrada de vehículos en los accidentes es consistente con los resultados del estudio de Mus- kaug . Por lo tanto, los resultados de Muskaug se mantuvieron como base para la CMF de den- sidad de entrada. Carriles de adelantamiento La condición nominal o básica para adelantar carriles es la ausencia de un carril (es decir, la sección transversal normal de dos carriles). El CMF para un carril de adelantamiento o ascenso convencional agregado en una dirección de viaje en una carretera de dos carriles es de 0.75 para el total de accidentes en ambas direcciones de viaje a lo largo del carril de adelantamiento desde el extremo corriente arriba de la adición de carril que se estrecha hasta la corriente abajo. final de la caída del carril de forma cónica. Este valor asume que el carril de adelantamiento está justificado operativamente y que la longitud del carril de adelantamiento es adecuada para las condiciones operativas en la calzada Se debe usar un procedimiento IHSDM que no sea el algo- ritmo de predicción de accidentes para advertir a los usuarios si un carril de adelantamiento no está justificado operativamente o si se utiliza una longitud de carril de adelantamiento inapro- piada. Se sabe que los carriles de adelantamiento tienen efectos operativos de tráfico que se extienden de 5 a 13 km (3 a 8 millas) aguas abajo del carril de adelantamiento; Si bien se puede suponer que estos efectos operacionales brindan beneficios de seguridad análogos en una lon- gitud similar de carretera, dicho efecto no se incluye en el algoritmo de predicción de accidentes por falta de evidencia cuantitativa de tal beneficio. El CMF para secciones cortas de cuatro carriles (es decir, carriles de adelantamiento uno al lado del otro proporcionados en direcciones opuestas en la misma sección de la calzada) es 0,65 para el total de accidentes en la longitud de la sección corta de cuatro carriles. Este CMF se aplica a cualquier parte de la calzada donde la sección transversal tiene cuatro carriles y donde ambos carriles adicionales se han proporcionado en una distancia limitada para aumentar las oportunidades de adelantamiento. Este CMF no se aplica a tramos de carretera de cuatro carriles extendidos. El CMF para carriles de adelantamiento se basa principalmente en el trabajo de Harwood y St. John, y también se tienen en cuenta los resultados de Rinde y Nettleblad . ( 19, 12, 20) El CMF para secciones cortas de cuatro carriles se basa en el trabajo de Harwood y St. John. (19) Estos CMF se aplican a los accidentes del segmento total de la carretera dentro del carril de adelanta- miento y secciones cortas de cuatro carriles. Carriles de doble sentido para girar a la izquierda
  • 17. 17/40 La instalación de un carril central de doble sentido para girar a la izquierda (TWLTL) en una carretera de dos carriles para crear una sección transversal de tres carriles puede reducir los accidentes relacionados con las maniobras de giro en las entradas de vehículos. Diseño en carretera A los efectos del algoritmo de predicción de accidentes, la calidad del diseño del borde de la carretera está representada por la calificación de riesgo en el borde de la carretera (escala de 1 a 7) desarrollada por Zegeer et al. (6) No se encontraron estudios en la literatura que presentaran relaciones satisfactorias entre la clasificación de peligrosidad en la vía y la experiencia de acci- dentes en carreteras de dos carriles. Por lo tanto, el CMF para el diseño al costado del camino se derivó directamente del modelo base para las secciones del camino presentado en la ecuación (5). El valor nominal o base de la clasificación de peligrosidad al costado del camino empleada en el modelo base para secciones de camino es 3. El CMF se basa en la relación entre la expe- riencia de accidentes pronosticada por el modelo base usando la sección de camino real en cuestión y la experiencia de accidentes pronosticada por el modelo base. modelo utilizando el valor nominal de la calificación de peligro en la carretera igual a 3. Este CMF se aplica al total de accidentes del segmento de carretera. En el apéndice D se pre- sentan ejemplos fotográficos y definiciones cuantitativas para cada clasificación de riesgo al cos- tado del camino (1 a 7) en función de las características del diseño del costado del camino, como la pendiente lateral y el ancho de la zona despejada. El panel de expertos alienta el desarrollo futuro de CMF para elementos de diseño de caminos específicos con tanto detalle como los factores de diseño de caminos en este algoritmo de pre- dicción de accidentes. Por ejemplo, el algoritmo podría hacerse sensible a la presencia o ausen- cia de una barandilla en taludes específicos del camino y en obstáculos individuales al costado del camino. El modelo del Programa de análisis de seguridad vial (RSAP, por sus siglas en inglés) que se está desarrollando actualmente podría aplicarse para este propósito en lugar de solo como una herramienta de costo/beneficio para comparar alternativas de diseño vial. ( 22) Sin embargo, el modelo RSAP aún no está completo y el consenso del panel fue que la aplicación del modelo RSAP estaría más allá del alcance de este esfuerzo inicial para desarrollar el algo- ritmo de predicción de accidentes. Intersecciones a nivel Los CMF para el diseño geométrico y las características de control de tráfico de las interseccio- nes a nivel se presentan a continuación. Como se explicó anteriormente, los CMF se han desa- rrollado solo para aquellas formas geométricas 43características de diseño y control de tráfico para las cuales el panel de expertos encontró una base adecuada para cuantificar un CMF. Número de tramos de intersección No existe un CMF separado para el número de tramos de intersección. En cambio, el efecto del número de tramos de intersección se tendrá en cuenta mediante los modelos base separados para intersecciones de tres y cuatro tramos como los que se presentan en la sección 3 de este informe. Los modelos base se han desarrollado para intersecciones controladas por STOP de tres y cuatro tramos, mientras que los modelos base para Las intersecciones señalizadas se han desarrollado solo para intersecciones de cuatro tramos. No se desarrollarán modelos base para intersecciones con más de cuatro patas. Por lo tanto, las intersecciones de múltiples tramos y las intersecciones señalizadas de tres tramos no serán abordadas por la versión inicial del algoritmo de predicción de accidentes. Ángulo de inclinación de la intersección
  • 18. 18/40 La condición nominal o base para el ángulo de inclinación de la intersección es 0 grados de inclinación (es decir, un ángulo de intersección de 90 grados). El ángulo de sesgo de una inter- sección se definió como la desviación de un ángulo de intersección de 90 grados y tiene un signo positivo o negativo que indica si la vía secundaria se cruza con la vía principal en un ángulo agudo u obtuso. Esta señal se introdujo en el modelo base porque un estudio finlandés de Kul- mala encontró que los ángulos de inclinación agudos y obtusos afectaban la seguridad de ma- nera diferente. ( 23) Intersecciones controladas por STOP El ángulo de inclinación es un factor mucho menos importante en la operación de intersecciones señalizadas que en la operación de intersecciones controladas por ALTO. Dado que el semáforo separa la mayoría de los movimientos de las aproximaciones en conflicto, el riesgo de colisiones relacionado con el ángulo de inclinación entre las aproximaciones que se cruzan se limita en una intersección señalizada. Por lo tanto, el CMF para el ángulo de inclinación en las intersecciones señalizadas de cuatro ramales es 1.00 para todos los casos. Control de tráfico de intersecciones Las diferencias de seguridad entre las intersecciones controladas por STOP y las señalizadas se tienen en cuenta mediante el uso de modelos base separados en lugar de un CMF. Sin embargo, se ha desarrollado un CMF para la diferencia entre intersecciones controladas por PARE en todos los sentidos y de tramo menor, y se analiza a continuación. El caso base nominal para las intersecciones controladas por ALTO tiene señales de ALTO en los tramos menores únicamente. Se proporciona un CMF para la intersección con control de PARADA en todos los sentidos. Las intersecciones controladas por YIELD de caminos secundarios se tratan de manera idéntica a las intersecciones controladas por STOP de caminos secundarios en el algoritmo de predicción de accidentes. El control de PARE en todos los sentidos es más apropiado para caminos de baja velocidad con volúmenes de tráfico relativamente iguales en todos los tramos de la intersección. El Manual sobre Dispositivos Uniformes de Control de Tráfico (MUTCD) incluye órdenes específicas para el control de ALTO en todos los sentidos. ( 24) No se debe considerar el control de PARE en todos los sentidos para una intersección a menos que se cumplan estas órdenes. El CMF para la conversión de camino secundario a control de PARADA en todos los sentidos es 0.53. Este CMF se aplica al total de accidentes relacionados con intersecciones. El valor CMF de 0.53 im- plica que una intersección controlada por STOP en todos los sentidos experimenta un 47 por ciento menos de accidentes que una intersección controlada por STOP en dos sentidos. Este CMF se basa en los hallazgos de Lovell y Hauer. ( 25) Recolectaron datos para tres agencias locales (San Francisco, Filadelfia y Toronto) y una agencia estatal (Michigan). De estos, solo los datos de Michigan pertenecen a caminos rurales de bajo volumen y alta velocidad. Sin embargo, dado que el conjunto de datos de Michigan es pequeño y sus resultados son simi- lares a los de las otras tres agencias, el CMF recomendado se basa en los datos combinados de las cuatro agencias. El panel de expertos recomendó que algún otro módulo IHSDM, posible- mente el módulo de revisión de diagnóstico para el diseño de intersecciones a nivel, debe dejar en claro a los usuarios de IHSDM que el control de PARADA en todos los sentidos debe usarse solo cuando se cumplan las garantías establecidas. Esto es necesario para desaliente el uso indiscriminado del control de PARADA en todos los sentidos, porque es probable que los bene- ficios sustanciales de seguridad del control de PARADA en todos los sentidos que se muestran a continuación solo se puedan lograr cuando se cumplan las garantías. Carriles de intersección para girar a la izquierda
  • 19. 19/40 La condición nominal o básica para los carriles de giro a la izquierda en las intersecciones es la ausencia de carriles de giro a la izquierda en los accesos a las carreteras principales. Los CMF para la presencia de carriles para girar a la izquierda en la carretera principal se presentan en la tabla 5. Estos CMF se aplican al total de accidentes relacionados con intersecciones. El panel de expertos no encontró ningún estudio de antes y después bien diseñado sobre la eficacia de reducción de accidentes de los carriles para girar a la izquierda. Por lo tanto, los CMF en la tabla representan un juicio del panel de expertos que combina resultados de varias fuentes. Los CMF para la instalación de carriles para girar a la izquierda en las intersecciones controladas por STOP se basan en estudios realizados por Agent, Bauer y Harwood, Departamento de Obras Públicas de California, Creasy y Agent, Dale, Ermer , Glennon, McCoy et al., McCoy y Malone, y Smith et al. Los CMF para la instalación de carriles para girar a la izquierda en intersecciones señalizadas se basan en estudios realizados por Agent, Departamento de Obras Públicas de California, Datta, Smith et al., y McCoy y Malone. (26, 1, 27, 29, 30, 31, 32, 33, 34, 35, 36, 37) Las CMF para la instalación de carriles para girar a la izquierda en ambos accesos a una intersección de cuatro ramales son iguales al cuadrado de la correspondiente CMF para la instalación de un carril de giro a la izquierda en una única aproximación. No hay datos disponibles para cuantificar el efecto sobre la seguridad de los carriles de giro a la izquierda en una carretera secundaria, por lo que no se considerarán en el algoritmo de predicción de accidentes. Tabla 5. Factores de modificación de accidentes para la instalación de carriles de giro a la izquierda en los accesos de carreteras principales a la intersección en carreteras rurales de dos carriles. Tráfico de intersección Control de tipo de intersección Número de ruta principal enfoques en cuáles son los carriles de giro a la iz- quierda instalado Una Acercarse Ambos enfoques tres piernas inter- sección STOP firmar una se- ñal de tráfico 0.78 0.85 ! ! cuatro patas inter- sección STOP firmar una se- ñal de tráfico 0.76 0.82 0.58 0,67 a Señales de ALTO en accesos a caminos secundarios. Intersección Carriles de giro a la derecha La condición nominal o básica para los carriles de giro a la derecha en las intersecciones es la ausencia de carriles de giro a la derecha en los accesos a las carreteras principales. El CMF para la presencia de carriles para girar a la derecha en intersecciones controladas por STOP es de 0,95 para un carril para girar a la derecha en una vía principal y 0,90 para carriles para girar a la derecha en ambas vías principales. Estos CMF se aplican al total relacionado con la intersección. 47 accidentes El panel de expertos no encontró ningún estudio de antes y después bien diseñado sobre la eficacia de reducción de accidentes de los carriles para girar a la derecha. Por lo tanto, los valores de los CMF se basan en un juicio del panel basado en el trabajo de Vogt y Bared, Kulmala y Elvik . ( 3, 4, 5, 23, 38) No hay datos disponibles para cuantificar el efecto sobre la seguridad de los carriles de giro a la derecha en una carretera secundaria, por lo que no se consideran en el algoritmo de predic- ción de accidentes. Además, no se considera ningún efecto para la provisión de un arcén
  • 20. 20/40 pavimentado en una aproximación a una intersección, a menos que ese arcén pavimentado esté marcado como un carril de giro a la derecha. No se encontraron estudios que el panel de expertos considerara apropiados con respecto a la efectividad de reducción de accidentes de los carriles para girar a la derecha en las interseccio- nes señalizadas. Por lo tanto, el panel decidió que la eficacia de los carriles para girar a la dere- cha en las intersecciones con semáforos debe estimarse como la mitad de la que se encuentra en las intersecciones controladas por ALTO. Por lo tanto, el CMF para la presencia de carriles para girar a la derecha en intersecciones con semáforos es 0,975 para un carril para girar a la derecha en un acceso a una vía principal y 0,95 para carriles para girar a la derecha en ambos accesos a vías principales. Estos CMF también se aplican al total de accidentes relacionados con intersecciones. Distancia visual de intersección La condición nominal o básica para la distancia visual de la intersección es la disponibilidad de una distancia visual de la intersección adecuada a lo largo de la carretera principal en todos los cuadrantes de la intersección. Los CMF para la distancia visual de la intersección en interseccio- nes con control de ALTO en los tramos menores son: • 1.05 si la distancia visual está limitada en un cuadrante de laintersección. • 1.10 si la distancia visual está limitada en dos cuadrantes de laintersección. • 1.15 si la distancia visual está limitada en tres cuadrantes de laintersección. • 1.20 si la distancia visual está limitada en cuatro cuadrantes de laintersección. Estos CMF se aplican al total de accidentes relacionados con intersecciones. La distancia visual en un cuadrante se considera limitada si la distancia visual disponible es me- nor que la distancia visual especificada por la política de AASHTO para una velocidad de diseño de 20 km/h menor que la velocidad de diseño de la carretera principal. El algoritmo de predicción de accidentes solo considera las restricciones de distancia visual debido a la alineación de la carretera y el terreno. Las restricciones de distancia visual debidas a obstrucciones específicas (p. ej., árboles, arbustos, postes y edificios) no están disponibles en el sistema CAD y, por lo tanto, no deben ser consideradas por el algoritmo de predicción de accidentes. Los CMF para la distancia visual de la intersección se aplican solo a las intersecciones de dos vías controladas por STOP o YIELD. Un CMF de 1.00 es aplicable a intersecciones controladas por semáforos y STOP en todos los sentidos. 48 No hubo una evaluación única de los efectos de la distancia visual de la intersección en los accidentes que el panel consideró más creíble. Por lo tanto, el CMF recomendado se determinó a partir del mejor juicio del panel basado en los resultados de Kulmala , Brüde y Larsson, y Elvik . Se asumió que estos resultados representan mejoras en la distancia visual en todos los cua- drantes de una intersección. Por lo tanto, este efecto fue proporcionado por cuadrante para su aplicación en el algoritmo de predicción de accidentes. 5. RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD Se realizó un análisis de sensibilidad para ilustrar el efecto estimado sobre la seguridad de los diversos parámetros y factores en el algoritmo de predicción de accidentes. Los resultados de este análisis de sensibilidad están presentes en esta sección. Todos los análisis de sensibilidad presentados aquí se realizaron con los factores de calibración para los segmentos de carretera (C r ) y las intersecciones (C i ) fijados en 1,00. Por lo tanto, estos resultados no representan las condiciones de seguridad experimentadas por ninguna agencia vial en particular y deben interpretarse principalmente en un sentido relativo. Segmentos de carretera
  • 21. 21/40 El análisis de sensibilidad para los tramos viales primero estableció la variación de la frecuencia de accidentes y la tasa de accidentes con ADT para la condición base o nominal. Luego, se variaron los CMF específicos en el algoritmo de predicción para los segmentos de carretera de uno en uno. Finalmente, se determinaron las frecuencias de accidentes pronosticadas y las tasas de accidentes para combinaciones de CMF con experiencia de accidentes extremadamente alta y extremadamente baja. Condición nominal o base La condición nominal o base para evaluar los segmentos de la vía consiste en la siguiente com- binación de condiciones: • Carriles de 3,6 m (12 pies). • arcenes pavimentados de 1,8 m (6 pies). • Tangente calzada _ • Grado de nivel (0 por ciento ). • Tres accesos por km (5 accesos por mi). • Clasificación de peligro en la carretera = 3. • Sin carriles de adelantamiento o cuatro carriles cortos secciones. La Tabla 6 ilustra la variación de la frecuencia de accidentes y la tasa de accidentes con el ADT del segmento de carretera para la condición nominal o base. La tabla muestra que para la con- dición nominal o base, la frecuencia de accidentes por milla por año aumenta linealmente con el aumento de ADT, mientras que la tasa de accidentes por millón de veh-mi permanece constante. La Tabla 6 y las demás tablas de esta sección del informe se presentan en unidades convencio- nales porque todas las ecuaciones y CMF en las que se basan están en unidades convencionales (véanse las secciones 3 y 4). 51 Tabla 6. Sensibilidad de seguridad a ADT para condiciones nominales para segmentos de carretera. ADT (veh/ dia ) Accidentes por mi po r año Acciden- tes por mi- llón veh-mi 400 0.09 0,61 1,000 0.22 0,61 3,000 0,67 0,61 5,000 1.12 0,61 10,000 2.24 0,61 Conversión : 1 mi = 1,61 km Ancho de carril La Tabla 7 presenta la sensibilidad de la seguridad al ancho del carril, mientras que todos los demás factores se mantienen en sus condiciones nominales o base. La tabla muestra que, en condiciones de bajo volumen, la sensibilidad de la seguridad al ancho del carril es muy limitada, mientras que la sensibilidad es mayor a niveles de volumen más altos. Para ADT por encima de 2000 veh/día, la frecuencia de accidentes es un 16,5 por ciento más alta para carriles de 2,7 m (9 pies) que para carriles de 3,6 m (12 pies). Tipo de hombro y ancho La Tabla 8 presenta la sensibilidad de la seguridad al tipo y ancho del arcén, mientras que todos los demás factores se mantienen en su condición nominal o base. Al igual que el efecto del ancho del carril, existe una sensibilidad muy limitada de seguridad al tipo y ancho del arcén a niveles de volumen bajos. Para ADT superiores a 2.000
  • 22. 22/40 52 veh/día, la frecuencia de accidentes puede diferir en un máximo de 25 por ciento entre varias combinaciones de tipo de arcén y ancho. Curvatura Horizontal Las tablas 9 y 10 presentan la sensibilidad de la seguridad a factores relacionados con la curva- tura horizontal. La Tabla 9 compara el rendimiento de seguridad de una carretera tangente con varias combinaciones de longitud y radio de curva horizontal con y sin transiciones en espiral. Los valores de la tabla se calculan con todos los factores distintos de la curvatura horizontal ajustados a sus condiciones nominales o base. La tabla muestra que el rendimiento de seguridad de las curvas largas y planas es solo un poco peor que el rendimiento de seguridad de una carretera tangente. Sin embargo, las curvas cerradas cortas pueden tener índices de accidentes mucho más altos. Se espera que una curva horizontal con una longitud de 31 m (100 pies) y un radio de 31 m (100 pies) en un segmento de carretera tenga una tasa de accidentes 28 veces mayor que una sección tangente en la misma carretera. La adición de curvas de transición en espiral puede reducir la frecuencia de accidentes hasta un máximo de 6,6 por ciento para las curvas seleccionadas para la tabla 9. La Tabla 10 muestra el efecto esperado sobre la seguridad de las deficiencias de peralte para curvas horizontales. la tabla muestra, como se indica en la ecuación (21) que una deficiencia de peralte de 0.02 53 aumenta los accidentes en la curva en un 6 por ciento y una deficiencia de 0,04 aumenta los accidentes en un 12 por ciento. Entrada de coches Densidad La Tabla 12 presenta la sensibilidad de la seguridad a la densidad de la calzada para segmentos de calzada mientras todos los demás factores permanecen en sus condiciones nominales o base. La tabla muestra que un segmento de carretera con 19 accesos por km (30 accesos por milla) puede experimentar hasta cuatro veces más accidentes que un segmento de carretera similar sin accesos. La sensibilidad de la seguridad a la densidad de la calzada es mayor con ADT más bajas que con ADT más altas, aunque las magnitudes absolutas de las frecuencias de accidentes pronosticadas con ADT bajas son muy bajas. No obstante, podría ser más razonable esperar una mayor sensibilidad de los accidentes en las entradas de vehículos con ADT más altos que con ADT más bajos. Sería deseable una mayor investigación sobre este tema. Carriles de adelantamiento La Tabla 13 presenta la sensibilidad de la seguridad a los carriles de adelantamiento y secciones cortas de cuatro carriles en segmentos de carretera. La tabla muestra que, como se explica en la sección 4 de este informe, la instalación de carriles de adelantamiento para aumentar las opor- tunidades de adelantamiento reduce los accidentes en un 25 por ciento y la instalación de sec- ciones cortas de cuatro carriles para aumentar las oportunidades de adelantamiento reduce los accidentes en un 35 por ciento. Diseño en carretera La Tabla 14 presenta la sensibilidad de la seguridad a la clasificación de peligrosidad en los costados de la carretera en los segmentos de la carretera, mientras que todos los demás factores se mantienen en sus condiciones nominales o de base. La tabla muestra que la clasificación de peligrosidad al costado del camino puede aumentar la frecuencia total de accidentes hasta en un 50 por ciento sobre el rango completo de clasificaciones de peligrosidad al costado del camino. Combinaciones de diseño geométrico y funciones de control de tráfico
  • 23. 23/40 La Tabla 15 presenta la sensibilidad de la seguridad a combinaciones extremas de diseño geo- métrico y características de control de tráfico. La combinación de baja frecuencia de accidentes representa la "mejor" combinación de características consideradas en los análisis de sensibilidad anteriores. Específicamente , este bajo accidente frecuencia combinación incluye : • Carriles de 3,6 m (12 pies). • arcenes pavimentados de 2,4 m (8 pies). • Tangente calzada _ • Grado de nivel (0 por ciento ). • No calzadas _ • Clasificación de peligro en la carretera = 1. • cortas de cuatro carriles utilizadas para aumentar el paso oportunidades. Las frecuencias y tasas de accidentes que se muestran en la tabla representan niveles que es poco probable que se mejoren aún más a través del diseño geométrico o modificaciones del control del tráfico. Por el contrario, la combinación de alta frecuencia de accidentes representa la "peor" combina- ción de características consideradas en los análisis de sensibilidad anteriores. En concreto , el alto accidente frecuencia combinación incluye : • Carriles de 2,7 m (9 pies). • No hombros _ • curva horizontalcon longitud de 31 metro (100 pie), radio de 31 metro (100 pie), no curva de transición espiral , y una deficiencia de peralte de 0,04. • un 8 por ciento calificación. • Diecinueve accesos por km (30 accesos por mi). • Clasificación de peligro en la carretera = 7. • Sin carriles de adelantamiento o cuatro carriles cortos secciones. Las frecuencias y tasas de accidentes que se muestran en la tabla son extremadamente altas, pero la combinación de características geométricas y de control de tráfico que representan es tan extrema que es poco probable que exista en el mundo real. Intersecciones controladas por STOP de cuatro tramos Se realizó un análisis de sensibilidad con el algoritmo de predicción de accidentes para intersec- ciones controladas por STOP de cuatro tramos. La condición nominal o base para este análisis consistió en las siguientes condiciones de diseño geométrico: • Sin giro a la izquierda o a la derecha en carreteras principales carriles • Sin ángulo de inclinación (intersección de 90 grados) ángulo). • Sin intersección visión distancia deficiencias _ Las frecuencias de accidentes por año para esta condición para varias combinaciones de ADT de carreteras principales y secundarias se muestran en la tabla 19. La Tabla 19 también muestra las frecuencias de accidentes pronosticadas para varias combinaciones de carriles de giro a la izquierda y a la derecha de carreteras principales. Como se indica en la Tabla 5, se espera que un solo carril de giro a la izquierda en una carretera principal en una intersección controlada por STOP de cuatro ramales reduzca la frecuencia de accidentes en un 24 por ciento y se espera que dos carriles para girar a la izquierda en una carretera principal reduzcan la frecuencia de accidentes en un 42 por ciento . Un solo carril de giro a la derecha en una carretera principal reduciría la frecuencia de accidentes en un 5 por ciento y dos carriles de giro a la derecha en una carretera principal reducirían la frecuencia de accidentes en un 10 por ciento. La Tabla 20 presenta la sensibilidad de la seguridad al ángulo de inclinación de la intersección para intersecciones controladas por STOP de cuatro tramos. Un ángulo de sesgo de 10 grados
  • 24. 24/40 da como resultado una frecuencia de accidentes un 6 por ciento más alta que una intersección de 90 grados, mientras que un ángulo de sesgo de 45 grados da como resultado una frecuencia de accidentes un 28 por ciento más alta que una intersección de 90 grados. La Tabla 21 presenta la sensibilidad de la seguridad a las deficiencias de la distancia visual de la intersección en intersecciones controladas por STOP de cuatro tramos. Como se indica en la sección 4 de este informe, las deficiencias en la distancia visual de las intersecciones pueden aumentar la frecuencia de accidentes en un 5 por ciento por cuadrante. Intersecciones señalizadas de cuatro tramos Se realizó una sensibilidad con el algoritmo de predicción de accidentes para intersecciones se- ñalizadas de cuatro tramos. La condición nominal o base para este análisis consistía en una intersección señalizada de cuatro tramos sin carriles de giro a la izquierda oa la derecha en las carreteras principales. Las frecuencias de accidentes por año para esta condición para varias combinaciones de ADT de carreteras principales y secundarias se muestran en la tabla 22. La Tabla 22 también muestra las frecuencias de accidentes pronosticadas para varias combinacio- nes de carriles de giro a la izquierda y a la derecha de carreteras principales. Como se indica en la tabla 5, se espera que un solo carril de giro a la izquierda en una carretera principal en una intersección señalizada de cuatro tramos reduzca la frecuencia de accidentes en un 18 por ciento y se espera que dos carriles de giro a la izquierda en una carretera principal reduzcan la frecuen- cia de accidentes en un 33 por ciento. Por el contrario, un solo carril de giro a la derecha en una carretera principal reduciría la frecuencia de accidentes en un 2,5 por ciento y dos carriles de giro a la derecha en una carretera principal reducirían la frecuencia de accidentes en un 5 por ciento. La frecuencia de accidentes pronosticada en una intersección señalizada de cuatro tramos no es sensible al ángulo de inclinación de la intersección ni a las limitaciones de la distancia visual de la intersección. 6. IMPLEMENTACIÓN DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES DENTRO DEL IHSDM El algoritmo de predicción de accidentes está destinado a ayudar al usuario a realizar estimacio- nes imparciales del rendimiento de seguridad esperado para cualquier alternativa de diseño geo- métrico dada para un proyecto de mejora de carretera específico. La evaluación completa de una o más alternativas de diseño geométrico propuestas para un proyecto en particular requerirá que el usuario determine, con fines comparativos, tanto el desempeño de seguridad del diseño actual como el desempeño de seguridad futuro esperado de ese diseño actual si no se hace nada para cambiar el calzada (la alternativa de "no hacer nada" o "línea de base"). Esta sección del informe describe la implementación del algoritmo de predicción de accidentes dentro del IHSDM. Se presentan procedimientos mediante los cuales se puede utilizar el algo- ritmo para realizar estimaciones imparciales de: • Desempeño de seguridad esperado de una o más alternativas de diseño geométrico para un camino planificado que aún no ha sidoconstruido. • Desempeño de seguridad reciente o actual de un camino existente considerando ambos la desempeño de seguridad previsto de la carretera y su historial de accidentes observado. • Esperado rendimiento de seguridad de la existente calzada en la futuro si los geométricos quedan sin alterar (la ADT mayo cambio, por supuesto). • Desempeño de seguridad esperado de una o más alternativas de diseño geométrico propuestas por mejora de la calzada existente.
  • 25. 25/40 Esta sección describe dos métodos para producir estas estimaciones: uno sin y otro con la con- sideración de datos de historial de accidentes específicos del sitio para el proyecto de interés. El primer procedimiento descrito se utiliza cuando no se dispone de datos del historial de accidentes específicos del sitio. Este primer procedimiento es aplicable a los caminos planificados que aún no se han construido y a los caminos existentes donde, por cualquier razón, los datos del historial de accidentes específicos del sitio no están disponibles para el analista. El segundo procedi- miento descrito se usa cuando el historial de accidentes específico del sitio está disponible. Este procedimiento incorpora un enfoque Empirical Bayes (EB) para combinar estimaciones del algo- ritmo de predicción de accidentes y datos de historial de accidentes específicos del sitio. Más adelante en esta sección se presentan ejemplos del procedimiento EB . Los datos del historial de accidentes específicos del sitio hacen una contribución importante para aumentar la precisión de las predicciones del desempeño de seguridad esperado de las instala- ciones viales. Por lo tanto, el analista debe tratar de obtener y utilizar datos del historial de acci- dentes específicos del sitio y aplicar el procedimiento EB siempre que sea posible. Los procedimientos presentados aquí se pueden aplicar a cualquier carretera de dos carriles existente o a cualquier proyecto de mejora de carreteras de dos carriles que retenga el carácter básico de dos carriles de la instalación. 69 Las mejoras en carreteras de dos carriles evaluadas con estos procedimientos pueden incluir la adición de un tercer o cuarto carril en una distancia corta para mejorar las oportunidades de adelantamiento en la carretera. Por lo tanto, los procedimientos pueden evaluar los carriles de adelantamiento que crean una sección transversal de tres carriles y secciones cortas de cuatro carriles que son operativamente equivalentes a los carriles de adelantamiento de lado a lado. Dichos carriles adicionales normalmente no superan los 3,2 km (2 millas) de longitud. Los proce- dimientos no abordan la ampliación de una carretera de dos carriles a una sección transversal de cuatro carriles para una longitud extendida. Se espera que en el futuro se desarrollen proce- dimientos apropiados para carreteras de cuatro carriles, de modo que el análisis de proyectos de ampliación de dos carriles a cuatro carriles sea posible dentro del IHSDM. Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio no están disponibles El algoritmo de predicción de accidentes pretende estimar la frecuencia esperada de accidentes para cualquier alternativa de diseño geométrico especificada y para cualquier período de evalua- ción especificado. La alternativa de diseño geométrico especificada a la que se aplica el algoritmo puede ser la carretera existente (es decir, la alternativa de "no hacer nada"), una mejora de di- seño geométrico propuesta para la carretera existente o una carretera propuesta que aún no se ha construido. Este primer procedimiento es aplicable solo a un proyecto para el cual no se dis- pone de datos de historial de accidentes específicos del sitio. El algoritmo se puede utilizar para comparar el rendimiento de seguridad esperado de varias alternativas geométricas aplicando el algoritmo por separado a cada alternativa durante el mismo período de evaluación y comparando los resultados. Cuando no se dispone de datos del historial de accidentes específicos del sitio, la duración del período de evaluación puede ser de un año o cualquier múltiplo de un año. El algoritmo de predicción de accidentes se aplica en IHSDM a cualquier alternativa de diseño geo- métrico específico en una serie de pasos directos, de la siguiente manera: • Paso 1: defina los límites del proyecto y determine la geometría del proyecto para El procedimiento EB proporciona una metodología para combinar las frecuencias de accidentes pronosticadas por el algoritmo de predicción de accidentes (N p ) con la frecuencia de accidentes de los datos del historial de accidentes específicos del sitio (O). El procedimiento EB utiliza un
  • 26. 26/40 promedio ponderado de N p y O. Este procedimiento constituye el Paso 9 de la metodología paso a paso que se presenta a continuación. Griffith presenta una aplicación previa de la metodología EB en evaluaciones de seguridad antes y después de intersecciones convertidas de STOP a control semaforizado . ( 40) La frecuencia de accidentes esperada considerando tanto las frecuencias de accidentes pronos- ticadas como las observadas se calcula como: E p ' w (N p ) % (1 & w) O (32) dónde: E p = frecuencia esperada de accidentes basada en un promedio ponderado de N p y N o ; N p = número de accidentes pronosticados por el algoritmo de predicción de accidentes durante un período de tiempo específico (igual a N rs para un segmento de carretera o N int para una intersección ); w = peso a colocar en la frecuencia de accidentes predicha por el accidente algoritmo de predicción; y O = número de accidentes observados durante un período de tiempo específico . El peso asignado a la frecuencia de accidentes pronosticada se determina en el procedimiento EB como: w ' 1 1 % k(N p ) (33) 79 dónde: k = parámetro de sobredispersión del modelo base pertinente del algoritmo de predicción de accidentes. La formulación de la Ecuación (33) muestra una relación inversa entre la magnitud de la frecuen- cia de accidentes predicha por el algoritmo, N p y el peso, w. Por lo tanto, a medida que aumenta el valor de N p predicho por el algoritmo, disminuye el peso asignado a N p . Esta relación implica que cuanto mayor sea la frecuencia esperada de accidentes predicha por el algoritmo para una ubicación en particular, mayor será la confianza que se debe depositar en el historial de acciden- tes observado específico del sitio y menor la confianza que se debe depositar en la predicción del modelo en sí. Por el contrario, cuando la predicción del modelo es más pequeña, se debe confiar menos en el historial de accidentes observado específico del sitio y se debe confiar más en la predicción del modelo. * La Tabla 23 muestra los valores de los parámetros de sobredispersión (k) para los cuatro mode- los base utilizados en el algoritmo de predicción de accidentes. El procedimiento EB funciona mejor si los segmentos de carretera y las intersecciones a las que se aplica contienen al menos un número mínimo especificado de accidentes pronosticados. La frecuencia mínima de accidentes necesaria para la aplicación del procedimiento EB es general- mente 1/k, donde k es el parámetro de sobredispersión del modelo base relevante. En el algo- ritmo de predicción de accidentes, este criterio l/k normalmente se aplica a la frecuencia de ac- cidentes fatales y con lesiones debido a que la frecuencia de accidentes fatales y con lesiones suele ser menor que la frecuencia de accidentes con daños a la propiedad solamente y siempre es menor que o igual a la frecuencia total de accidentes. Cuando la frecuencia de accidentes fatales y con lesiones de segmentos de carretera o intersecciones particulares sea menor que 1/k, dichos segmentos e intersecciones pueden agregarse en unidades de análisis más grandes para la aplicación del procedimiento EB.
  • 27. 27/40 En el algoritmo de predicción de accidentes, el procedimiento EB se aplica por separado a las frecuencias de accidentes totales pronosticadas y observadas y a las frecuencias pronosticadas y observadas para dos niveles de gravedad de accidentes: accidentes fatales y con lesiones y accidentes con daños a la propiedad solamente. Debido a que el procedimiento EB se aplica por separado, es posible que las frecuencias previs- tas de accidentes fatales y con lesiones y de accidentes con daños a la propiedad solamente no coincidan con las frecuencias totales previstas de accidentes. Se realiza un ajuste proporcional a las frecuencias de accidentes pronosticadas para los niveles de gravedad individuales para corregir esta discrepancia. * La ecuación (33) se deriva del desarrollo teórico del enfoque EB de Hauer . ( 2) Hauer define el peso en el procedimiento EB como (1+Var{ê}/E{ê}) ! 1 , donde E{ê} es la frecuencia media esperada de accidentes y Var{ê} es la varianza de la frecuencia de accidentes . La frecuencia media esperada de accidentes se estima mejor mediante la predicción del modelo , N p . E l modelo de regresión binomial negativa se basa en la suposición que Var{ê}=k(E{ê}) 2 . Por lo tanto, se deduce que la relación Var{ê}/E{ê} se puede estimar mediante k/N p , lo que conduce a la Ecuación (33). 80 7. CONCLUSIONES, RECOMENDACIONES Y MEJORAS FUTURAS Esta sección presenta las conclusiones sobre el algoritmo de predicción de accidentes desarro- llado en este informe y presenta recomendaciones para posibles mejoras futuras del algoritmo. Conclusiones La principal conclusión de este informe es que se ha desarrollado un algoritmo de predicción de accidentes y que este algoritmo parece ser una herramienta útil para predecir el rendimiento de seguridad de las carreteras rurales de dos carriles. el primario Los puntos fuertes del algoritmo son los siguientes : • El algoritmo realiza estimaciones cuantitativas de la frecuencia de accidentes y de la gravedad de los accidentes y las distribuciones de tipos de accidentes para cualquier tramo de carretera de dos carriles oproyecto. • El algoritmo ha sido desarrollado con una estructura modular que combina modelos base y CMFs. Los modelos base sirven como factores de escala para asegurar que la magnitud de la fre- cuencia de accidentes pronosticada sea adecuada, mientras que los CMF aseguran que la frecuencia de accidentes pronosticada sea sensible a las características geométricas y de control de tráfico espe- cíficas del sitio . • los usar de CMF que están separados de la base modelos asegura que la efectos del diseño geométrico individual y tráfico control caracteristicas son no depende de coeficientes de regresión inapropiados que son también largo, también pequeña, o en la dirección equivocada . Cada CMF po- see sido desarrollado por a panel de expertos para representar la mejor información actualmente dis- ponible en la la seguridad efectos de que especial diseño geométrico o tráfico característica de control • La estructura modular hace que el algoritmo sea fácil de actualizar a medida que se obtiene mejor información, incluidos nuevos resultados de investigación.disponible. • Se proporciona un procedimiento de calibración para permitir que las agencias de carreteras individuales adapten el algoritmo a las condiciones de seguridad presentes en su sistema de carreteras rurales de dos carriles. El procedimiento de calibración permite a los usuarios de IHSDM ajustar las frecuencias de accidentes pronosticadas para las diferencias de agencia a agencia y de estado a es- tado en factores como los umbrales de notificación de accidentes , las prácticas de notificación de ac- cidentes, las poblaciones de animales , las poblaciones de conductores y los climas.
  • 28. 28/40 • Un procedimiento basado en el método EB permite a los usuarios combinar las predicciones de accidentes obtenidas del algoritmo con el historial de accidentes observado en un sitio específico datos. 105 La mayor debilidad del algoritmo es que incorpora los efectos sobre la seguridad de la mayoría, pero no de todas, las características geométricas y de control de tráfico de interés para las agen- cias de carreteras. El algoritmo incorpora solo aquellas características cuyos efectos fueron con- siderados por un panel de expertos como bien establecidos en términos cuantitativos. Las carac- terísticas geométricas y de control de tráfico que no se comprenden bien o no se comprenden en absoluto, necesariamente se han omitido. El modelo generalmente trata los efectos del diseño geométrico individual y las características de control de tráfico como independientes entre sí e ignora las posibles interacciones entre ellos. Es probable que tales interacciones existan e, ideal- mente, deberían tenerse en cuenta en el algoritmo de predicción de accidentes. Sin embargo, tales interacciones son poco conocidas y los paneles de expertos que participaron en el desarro- llo del algoritmo no pudieron cuantificar ninguna. La evaluación de los paneles de expertos es que los modelos básicos y los CMF presentados en este informe representan el estado actual del conocimiento sobre la seguridad en carreteras rurales de dos carriles y no pueden mejorarse sin más investigación. La siguiente sección del informe analiza las áreas potenciales a las que podría dirigirse la investigación futura para mejorar el modelo. FHWA planea incorporar el algoritmo de predicción de accidentes para carreteras rurales de dos carriles presentado en este informe en software para su implementación como parte del IHSDM. También puede estar disponible una versión independiente del software para su uso indepen- diente de un sistema CAD. Mejora futura del algoritmo de predicción de accidentes Se recomienda que se realicen mejoras futuras en el algoritmo de predicción de accidentes a medida que se completen más investigaciones y que la próxima investigación sobre carreteras rurales de dos carriles se estructure de manera que los resultados se obtengan en una forma que pueda implemen- tarse directamente en el algoritmo de predicción de accidentes. También se recomienda que se lleve a cabo un programa de investigación adicional con el objetivo específico de llenar los vacíos en el algo- ritmo de predicción de accidentes y ampliar su alcance. A continuación se analizan áreas específicas para la mejora futura del algoritmo de predicción de accidentes . Modelos básicos Los modelos base para secciones de caminos y para intersecciones controladas por STOP de tres y cuatro tramos parecen estar bien establecidos y no hay necesidad inmediata de trabajo para mejorarlos. Por el contrario, el modelo base para intersecciones señalizadas de cuatro tra- mos se basa en un tamaño de muestra pequeño (solo 49 intersecciones divididas entre dos estados diferentes). Los modelos resultantes no fueron tan satisfactorios como se deseaba y fue difícil elegir entre los candidatos disponibles. Las intersecciones señalizadas son relativamente raras en las carreteras rurales de dos carriles, por lo que las limitaciones del modelo base para las intersecciones señalizadas no limitan demasiado la utilidad del algoritmo, pero sería deseable ensamblar una base de datos más grande sobre las intersecciones señalizadas en las carreteras rurales de dos carriles. carreteras con el propósito de desarrollar un modelo base mejorado. También sería deseable desarrollar un modelo base para intersecciones señalizadas de tres tra- mos en carreteras rurales de dos carriles, que están fuera del alcance del actual algoritmo de predicción de accidentes. 106