Prueba

1. EL EFECTO DE
SEGMENTO
CARACTERÍSTICAS
SOBRE LA
GRAVEDAD DE DE
FRENTE ACCIDENTES
EN DOS CARRILES RURAL CARRETERAS
Juan N. Iván
Por E. Garder
Zuxuan Deng
Chen Zhang
DEPARTAMENTO DE TRANSPORTE DE LOS ESTADOS
UNIDOSCENTRO DE TRANSPORTE UNIVERSITARIO
REGIÓN I PROYECTO UCNR15-5
FINAL INFORME
Enero 5, 2006
Realizado por
Universidad de
Connecticut
Instituto de Transporte de
ConnecticutStorrs CT
06269
Y
Universidad de

2. Maine
Departamento de Ingeniería
CivilOrono ME 04469

4. - i -
MESA DE CONTENIDO
LISTA DE FIGURAS.............................................................................................................Ii
LISTA DE CUADROS ..........................................................................................................Iii
PARTE I. ANÁLISIS EN CONNECTICUT.........................................................................1
ABSTRACTO........................................................................................................................1
INTRODUCCIÓN.................................................................................................................2
REVISIÓN DE LA LITERATURA......................................................................................5
ESTUDIAR DISEÑO Y RECOPILACIÓN DE DATOS .....................................................8
NEGATIVO BINOMIO REGRESIÓN DE DE FRENTE ESTRUENDO INCIDENCIA .14
ORDENADO PROBIT ANÁLISIS DE DE FRENTE ESTRUENDO SEVERIDAD........19
RESUMEN Y CONCLUSIONES .......................................................................................31
REFERENCIAS...................................................................................................................33
PARTE II. ANÁLISIS EN MAINE......................................................................................35
ABSTRACTO......................................................................................................................35
INTRODUCCIÓN...............................................................................................................36
DATOS ................................................................................................................................39
ESTRUENDO NÚMERO RESULTADOS.........................................................................40
SEVERIDAD CAUSALIDAD RESULTADOS .................................................................51
CONCLUSIONES Y DISCUSIÓN .....................................................................................56
REFERENCIAS...................................................................................................................60
APÉNDICE IIA: DATOS....................................................................................................61

5. - ii -
LISTA DE FIGURAS
Figura I-1. Efectos de Cambio en Éxtasis en Predijo Probabilidades... .................................. 20
Figura I-2. Frecuencia Patrón de RWIDTH............................................................................. 26
Figura I-3. Frecuencia Patrón de ACCESO... .......................................................................... 26
Figura I-4. Estruendo severidad por número de VENTA AL POR MENOR Calzadas.......... 30
Figura I-5. Estruendo severidad por número de OFICINA Calzadas... .................................. 30
Figura II-1. Estruendo y fatalidad Proporciones por estruendo tipo en rural no interestatal
Carreteras. 36
Figura II-2. Personal de rescate inspecciona camioneta en la escena de un accidente fatal en el
Líbano, Maine... ...................................................................................................................... 37
Figura II-3. Probabilidad de incapacitante o fatal Herida........................................................ 51
Figura II-4. Probabilidad de fatal Herida en de frente colisión............................................... 52
Figura II-5. 2+1 carril camino... ................................................................................................ 57
Figura II-6. 2+1 carril camino con barrera............................................................................... 57

6. - iii -
LISTA DE MESAS
Mesa I-1. Colisión Estadística por Número de Calzada Carriles... ........................................... 2
Mesa I-2. Motor Vehículo Colisión Estadística por Número de Vehículos Implicado... ......... 3
Mesa I-3. Motor Vehículo Colisión Estadística por Primero Nocivo Evento... ........................3
Mesa I-4. Muestra de Connecticut Conjunto de datos.............................................................. 12
Mesa I-5. Variable Definiciones y Estadística... ...................................................................... 13
Mesa I-6. Una variable GLIM Resultados................................................................................ 15
Mesa I-7. Correlaciones (con Importancia Nivel) Entre Significativo Variable..................... 16
Mesa I-8. Final Modelos y AIC Prueba Resultados................................................................ 16
Mesa I-9. De frente Estruendo Severidad como un Función de Estruendo Características.....22
Mesa I-10. De frente Estruendo Severidad como un Función de Estruendo y Camino
Características............................................................................................................................... 24
Mesa I-11. Correlación Análisis de Cuatro Significativo Variables... .................................... 27
Mesa I-12. Definiciones de Categórico Variables para ANCHO y ACCESO........................ 27
Cuadro I-13. Gravedad del choque de frente en función del accidente categórico y la carretera
Características..........................................................................................................................27
Mesa I-14. De frente estruendo severidad como un función de estruendo y camino características
con
diferente tipo de acceso............................................................................................................29
Mesa I-15. Estruendo severidad distribución por número de venta al por menor y oficina
Calzadas.........................................................................................................................................30
Mesa II-1. Observado estruendo Tarifas (accidentes por milla por milla año) Ordenada De
sumamente
abajo (a promedio)... ................................................................................................................41
Mesa II-2. Estadísticamente probado inseguro carreteras y su (estadísticamente no improbable)
mínimo
estruendo Tarifas (accidentes por milla por año). ...................................................................42
Mesa II-3. Estadísticamente probado inseguro carreteras y su (estadísticamente no improbable)
mínimo
estruendo Tarifas (accidentes por Cien millón vehículo-millas).............................................42
Mesa II-4. Estadísticamente probado Segura Rutas y su (estadísticamente no improbable) máximo
estruendo Tarifas (accidentes por milla por año)... .................................................................43
Mesa II-5. Segmentos con múltiple Accidentes en el tres años periodo... ............................. 43
Mesa II-6. Segmentos de una milla con accidente alto Tarifas y en menos Tres Accidentes en el
período de tres años.................................................................................................................44
Mesa II-7. Contribuyendo factores/controlador condiciones/pre-accidente Acciones para fatal
Accidentes......................................................................................................................................48
Mesa II-8. Resumen de primario Contribuyendo Factores para fatal Accidentes... ............... 48
Mesa II-9. Publicada velocidad y severidad de de frente Accidentes Maine 2000-2002....... 51
Mesa II-10. Calzada clase y severidad de de frente Accidentes Maine 2000-2002.................53
Cuadro II-11. Dos carriles, carreteras de 45 mph y porción de lesiones fatales o incapacitantes
frente a hombros Ancho y AADT........................................................................................... 53
Mesa II-12. El influencia de hombro Ancho para 2 carriles, 50 mph carreteras......................54
Mesa II-13. Número de Carriles y severidad Excluyendo Interestatales................................. 54
Mesa II-14. Número de Carriles y severidad para rural carreteras con velocidad Límites 45
Para 55 Mph... 55Mesa II-15. Vehículo tipo y Herida severidad............................................ 55
Mesa II-16. Número de de frente Accidentes por ruta..............................................................61

7. - iii -
Mesa II-17. Número de fatal Accidentes por ruta... ................................................................ 66

9. - 10 -
PARTE Yo. ANÁLISIS EN CONNECTICUT
ABSTRACTO
El Nacional Centro para Estadística y Análisis (NCSA) y el Nacional Carretera Tráfico La
Administración de Seguridad (NHTSA, por sus siglas en) sugiere que los choques de frente están
representados de manera desproporcionadaen accidentes mortales en carreteras de dos carriles,
que constituyen una proporción sustancial de la carretera red en los EE.UU. Este estudio se
centra en analizar la correlación entre el choque de cabeza y factores causales potenciales, como
las características geométricas del segmento de carretera, el clima condiciones, condiciones de la
superficie de la carretera y tiempo de ocurrencia. Negativo Binomio (NB) Se utilizaron modelos
lineales generalizados (GLIM) para evaluar los efectos geométricos de la calzada características
sobre la incidencia de choques de frente en carreteras rurales de dos carriles en Connecticut.
Siete se seleccionaron ciento veinte segmentos de carretera, cada uno con una longitud uniforme
de 1 km, para análisis para que no contuvieran intersecciones con el control de señales o paradas
en la carretera principal Enfoques. Se recopilaron datos de choques en la cabeza para estos
segmentos desde los años 1996 hasta 2001. Las variables que influyeron significativamente en la
incidencia de choques de frente fueron la velocidad límite, SACRH (suma de la tasa de cambio
absoluto de la curvatura horizontal), MAXD (grado máximo de curva horizontal), y SACRV
(suma de la tasa de cambio absoluto de la curvatura vertical). Tres los modelos se estimaron con
diferentes combinaciones de las cuatro variables anteriores, y el el rendimiento de los modelos se
probó utilizando el Criterio de Información (AIC) de Akaike. El númerode los accidentes se
encontró que aumenta con cada una de estas variables, excepto por el límite de velocidad.
Variables tales como ancho del carril y del hombro no fueron encontrados para ser significativos
para explicar la incidencia de choques de frente. Mientras tanto, se estimaron los modelos De
Probit Ordenados para conjuntos de datos que describían dos- carreteras de carril en
Connecticut. Se encontró que una superficie de carretera mojada y segmentos de carretera
estrechos soncorrelacionado significativamente con choques de frente más severos. Una alta
densidad de puntos de acceso y un la ocurrencia nocturna para el desplome se correlaciona
perceptiblemente con casos más severos. Acera se encuentra que el ancho es el factor más
consistente, posiblemente porque una carretera más ancha ofrece más espacio para evitar un
impacto directo de frente, reduciendo así la gravedad del choque. Además, el vehículo el
rendimiento de frenado es importante, como lo sugiere la mayor probabilidad de que se grave de
frente se estrella en superficies mojadas. Los resultados del análisis pueden ser utilizados por los
profesionales para comprender la equilibrio entre las decisiones de diseño geométrico y la
gravedad del choque de frente. Además la identificación de factores correlacionados ayudará a
explicar mejor el fenómeno del accidente y, a su vez, puede instituto Seguro normas de diseño
de carreteras.

10. - 10 -
INTRODUCCIÓN
Problema Declaración
La seguridad vial es una de las principales preocupaciones debido a los importantes costos
económicos y sociales del motor colisiones de vehículos. Los accidentes fueron la principal
causa de muerte en los Estados Unidos en 2002 para las edades de 3 a través de33 [1]. Según
NHTSA [2], había tráfico 6.328.000 policía-divulgados del vehículo de motor accidentes en
2003; de ellos, 38.252 fueron mortales (véase el cuadro I-1). Además, 1.925.000 personas
resultaron heridas;4,365,000 accidentes involucraron solo pérdida de propiedad. Hubo 1,48
víctimas mortales por cada 100 millones de habitantes. vehículo-millas del recorrido total en
2003 y la tarifa de lesión era 100. Aunque estas cifras tienen ha disminuido en los últimos años
debido a las mejoras en las tecnologías médicas y la seguridad de los vehículos características,
este nivel de bajas no es aceptable. Además, estos accidentes de tráfico cuestan el sociedad un
estimado US$ 230.6 mil millones en 2000 [2]. Por lo tanto, las colisiones de vehículos se
consideran ampliamentecomo la parte más dañina de la vida rutinaria.
Mesa I-1. Estadísticas de colisión por número de Carriles de la carretera [2]
Calzada Tipo
Estruendo
Severidad Total
Fatal Accidentes Herida Accidentes DOP*
Accidentes
Unidireccional 377 (1.0%) 47,000 (2.4%) 129,000 (3.0%) 176,000 (2.8%)
Dos Carriles 28,662 (74.9%) 759,000 (39.4%) 1,668,000 (38.2%) 2,456,000 (38.8%)
Tres Carriles 2,540 (6.6%) 236,000 (12.3%) 451,000 (10.3%) 690,000 (10.9)
Cuatro Carriles 4,732 (12.4%) 222,000 (11.5%) 417,000 (9.6%) 644,000 (10.2%)
Más Que Cuatro 1,128 (2.9%) 213,000 (11.1%) 413,000 (9.5%) 627,000 (9.9%)
Desconocido 812 (2.1%) 447,000 (23.2%) 1,287,000 (29.5%) 1,735,000 (27.4%)
Total 38,252 (100.0%) 1,925,000 (100.0%) 4,365,000 (100.0%) 6,328,000 (100.0%)
* Propiedad Daño Solamente
Las carreteras rurales de dos carriles representan una proporción sustancial de la red de
carreteras en Nueva Inglaterra, así como el resto de los EE.UU. Por ejemplo, en Maine
aproximadamente el 95 por ciento de todas las zonas rurales Las carreteras tienen solamente dos
carriles, y según Kalakota y otros [3], aproximadamente 2.5 millones millas, o el 63 por ciento
de las millas de carreteras de ee.uu. están en carreteras rurales de dos carriles. Además, el 74,9
por ciento de las muertes ocurren en carreteras rurales de dos carriles, dando a este tipo de
carretera una tasa de mortalidad más alta quetodos los demás (por milla de vehículo recorrida);
por ejemplo, de cuatro a siete veces más que en las zonas rurales carreteras interestatales [3].
Estos hechos demuestran la importancia de las autopistas de dos carriles en el investigación de la
seguridad en el transporte.
Los choques de varios vehículos ocurren con más frecuencia y generalmente causan más
lesiones y pérdida de propiedad que choques de un solo vehículo (véase el cuadro I-2). Entre los
tipos de choques de varios vehículos, aunque de frente los accidentes son raros, son
responsables de una proporción relativamente grande de muertes. Cuadro I-3 muestra las

11. - 10 -
estadísticas de colisión de vehículos de motor para 2003. Porque hay algunas colisiones con fijo
oobjetos no fijos, el subtotal de cada categoría no necesariamente total al 100 por ciento. Como
en esta tabla se muestra que los choques de frente representaron menos del 3 por ciento de todos
los accidentes en 2003, pero estos los accidentes fueron responsable para obtener más
información que el 10 por ciento de los fatales Accidentes.

12. - 10 -
Mesa I-2. Motor Vehículo Colisión Estadística por Número de Vehículos Implicado [2]
Estruendo Tipo
Estruendo
Severidad Total
Fatal Accidentes Herida Accidentes DOP*
Accidentes
Soltero Vehículo 21,668 (56.2) 569,000 (29.6%) 1,360,000 (31.2%) 1,950,000 (30.8%)
Múltiple Vehículo 16,584 (43.8%) 1,356,000 (70.4%) 3,005,000 (68.8%) 4,378,000 (69.2%)
Total 38,252 (100.0%) 1,925,000 (100.0%) 4,365,000 (100.0%) 6,328,000 (100.0%)
* Propiedad Daño Solamente
Por otra parte, a medida que la población en Nueva Inglaterra continúa extendiéndose fuera de
los establecidos urbanizadosÁreas como un resultado de población expansión, tráfico los
volúmenes están aumentando en Dos Carril rural carreteras.
Una investigación previa de Qin et al. [4] demostró que a medida que aumentan los volúmenes
de tráfico en dos carriles segmento de carreteras rurales, el número de accidentes que involucran
vehículos que viajan en direcciones opuestasaumenta más rápido que el número de accidentes de
un solo vehículo, siendo otros factores iguales. Con el aumento en los volúmenes de carreteras
rurales de dos carriles, podemos esperar que la frecuencia de los choques de cabeza a aumentar.
Mesa I-3. Motor Vehículo Colisión Estadística por Primero Nocivo Evento [2]
Estruendo Tipo
Estruendo
Severidad Total
Fatal Accidentes Herida Accidentes DOP*
Accidentes
Ángulo 8,356 (21.8%) 638,000 (33.2%) 1,256,000 (28.8%) 1,903,000 (30.1%)
Trasero Fin 2,076 (5.4%) 569,000 (29.6%) 1,299,000 (29.8%) 1,871,000 (29.6%)
Sideswipe 828 (2.2%) 59,000 (3.1%) 335,000 (7.7%) 395,000 (6.2%)
Cabeza En 3,986 (10.4%) 71,000 (3.7%) 68,000 (1.6%) 143,000 (2.3%)
Otro/Desconocido 212 (0.6%) - 4,000 (0.1%) 4,000 (0.1%)
Subtotal 15,458 (40.4%) 1,339,000 (69.5%) 2,962,000 (67.9%) 4,316,000 (68.2%)
*
Propiedad Daño Solamente
Es evidente que hay que hacer algo para reducir la frecuencia de los choques de frente,
especialmente los fatalesunos. Descubrir los factores causales asociados con los choques de
frente en las carreteras rurales de dos carrileses el primer paso. Obviamente, para que se
produzca un choque de frente, uno de los dos vehículos debe cruzar la línea central de la
carretera. Esta maniobra podría ser intencionada (por ejemplo, hacer un giro a la izquierdafuera
de la carretera o pasando un vehículo más lento) o no intencional (por ejemplo, perder el control
debido a la somnolencia). Análisis realizado por Garder [5] analizando todas las colisiones
frontales fatales desde mediados de La década de 1980 en Carolina del Norte muestra que
aproximadamente el 50 por ciento fueron causados por una falta de atención o sueñoconductor
cruzando la línea central por error. Los conductores que perdieron el control de sus vehículos
causaron casi todas las colisiones frontales restantes. Estas observaciones sugieren que los
esfuerzos para reducir la la incidencia de choques mortales de frente está mejor dirigida a
reducir los cruces involuntarios de la línea central, en lugar de mejorar la información dada a

13. - 10 -
los conductores sobre cuándo es seguro cruzar intencionalmente la línea central. En otras
palabras, mejorar la distancia de visión de paso y no- pasajero zona señalización y acera Marcas
Sería no parecer Para have mucho potencial para

14. - 10 -
reducir la frecuencia de colisiones frontales fatales. Por otro lado, tratamientos como
Instalación de tiras de estruendo de línea central o adición de una mediana al ras o elevada a
través de horizontal las curvas (como se ha hecho en varios estados del país) pueden ser más
prometedoras para reduciendo este tipo de bloqueo. Otro enfoque potencial es aprender más
sobre las características exactasdel entorno vial que influye en la gravedad de los choques de
frente; es decir, cómo y qué Causas un choque de frente para ser fatal bastante que no fatal.
Este estudio se centra en dos cuestiones: investigar qué características de la calzada influyen en
el incidencia de colisiones frontales, y análisis de la correlación entre la gravedad del choque
frontal y factores de causalidad potenciales, como las características geométricas de un
segmento de carretera, el clima condiciones, condiciones de la superficie de la carretera y
tiempo de ocurrencia utilizando los datos recopilados sobre el estado- caminos mantenidos del
dos-carril en Connecticut. La identificación de estos factores correlacionados ayudará a mejorar
entender el estruendo fenómeno y en giro enlatar resultado en Seguro calzada diseño normas.
Objetivos y Alcance
Este informe investiga cómo las características de las carreteras rurales de dos carriles afectan la
frecuencia y gravedad de los choques de frente, mientras se controlan las características del
vehículo, el conductor y Ocupantes. Los resultados proporcionan información valiosa para que
los ingenieros de seguridad vial la utilicen para la modernización de las carreteras existentes y el
diseño de nuevas carreteras para reducir la incidencia de cabezas mortales.en accidentes. En
consecuencia, el objetivo es identificar los factores en el entorno de conducción que ayudan
predecir la gravedad de los choques en las carreteras rurales de dos carriles para permitir la
comparación directa entre Accidentes. La gravedad se define de acuerdo con el nivel más alto de
lesión experimentado por el involucrado Controladores. El Herida nivel es medido en el
KABCO escama [6], definido como Sigue
K = fatalidad;
Un = invalidante Herida no poder Salir el escena sin asistencia (es decir, roto huesos Muy
fuerteheridas inconsciencia, etc.);
B = lesión no incapacitante, pero visible (es decir, cortes menores, hinchazón,
cojera, moretones yAbrasiones etc.);
C = lesión probable, pero no visible (es decir, queja de dolor o
momentáneainconsciencia, etc.);
O = No Herida (propiedad daño solamente).
Se utilizaron modelos lineales generalizados binomiales negativos (NB) (GLIM) para evaluar los
efectos decaracterísticas geométricas de la calzada en la incidencia de choques de frente. El
modelado probit ordenado fue se utiliza para estimar modelos de gravedad utilizando variables
explicativas que representan la carretera y el accidente características. El análisis Se describen
los métodos en más detalle más tarde en el documento.

15. - 10 -
LITERATURA REVISIÓN
De frente Accidentes en zonas rurales
Las estadísticas de 1999 del Sistema de Notificación de Análisis de Fatalidad (FARS) indican
que el 18 por cientode accidentes fatales sin intercambio y sin cruce involucraron a dos
vehículos chocando de frente. El porcentaje era el mismo para 1997 y 1998 datos. Además, estos
datos revelar que [7]:
• 75 por ciento de de frente Accidentes ocurrir en rural carreteras
• 75 por ciento de de frente Accidentes ocurrir en indiviso dos carriles carreteras y
• 83 por ciento de dos carriles indiviso los accidentes de tráfico se producen en las carreteras
rurales.
De hecho, la posibilidad de que se produzca una muerte durante una colisión frontal es tres
veces mayor enrural áreas que en urbano áreas [8].
Zegeer y otros [9] encontraron que aunque las tarifas para otras colisiones aumentan
generalmente como anchura del carril aumentos, la frecuencia de las colisiones fuera de
carretera y en sentido contrario (incluyendo la colisión frontal choque y colisión sideswipe)
disminuyen. La mejora más significativa se produce cuando carriles de ampliación de 8 a 11
pies, donde encontraron una reducción en los choques de frente de tanto como36 por ciento. Las
tasas de accidentes por daños a la propiedad y lesiones disminuyen a medida que aumenta el
ancho del carril, correspondiente a la tasa global de accidentes de varios anchos de carril. Sin
cambios en la tasa de letalidad se producen a medida que cambia el ancho del carril; por lo
tanto, no se encontró una correlación definida entre el ancho del carril y gravedad del bloqueo.
En esta investigación, también encontraron que el aumento de la anchura del carril resultó en un
mayor reducción en las tasas de choque que el mismo aumento en el ancho de los hombros. Por
otra parte, la alineación de la la carretera afecta a la ocurrencia de choques de frente, y la
frecuencia de los choques de frente es usualmente más alto en segmentos curvos.
Otros dos factores que afectan las colisiones frontales son la velocidad del vehículo y las zonas
de no paso. Más los choques de frente fatales tienen lugar en carreteras con altos límites de
velocidad publicados [10]. La velocidad afecta tanto la gravedad como la frecuencia de las
colisiones frontales. Además, se encontró en Kentucky que 25por ciento de las colisiones
frontales ocurren en zonas sin paso [11].
Clissold [12] analizó los registros de accidentes en Nueva Zelanda y encontró que las
colisiones frontales eran sobrerrepresentado en clima húmedo debido a las condiciones de la
superficie de la carretera. Tanto en las carreteras urbanas como en las rurales,un aumentar en
de frente colisión era Observado en lluvioso Días.
Estos estudios previos indican que la frecuencia de los choques de frente, especialmente los
fatales de frenteaccidentes, es mucho más alto en las carreteras rurales indivisas de dos
carriles que otros tipos de carreteras. Además, la gravedad de los choques de frente se ve
afectada por algunas características del segmento de la carretera, comoancho de carril, ancho
de hombros, alineación, límite de velocidad, restricción de paso y superficie de la carretera
condiciones. Estos hallazgos se utilizan en este estudio para proporcionar un punto de partida
para las decisiones sobreVariables Para ser incluido en el estudiar y preliminar análisis.

16. - 10 -
Vehículo Accidentes y Calzada Características
Varios investigadores han investigado la relación empírica entre los accidentes de vehículos
(frecuencia y gravedad) y características de la calzada. Aunque no todos son directamente
aplicado a los choques de frente, sus perspectivas de análisis podrían ayudarnos a identificar un
poco más de potencialexplicativo Variables.

17. - 10 -
El agente y Deen [11] identificaron ubicaciones de alto accidente con respecto al tipo funcional
y geometría de la carretera, utilizando datos de accidentes y volumen de carreteras rurales en
Kentucky recolectado desde 1970 hasta 1972. Encontraron que las carreteras indivisas de cuatro
carriles tenían el las tasas más altas de accidentes, lesiones y muertes. Las autopistas de dos y
tres carriles tenían un importante porcentaje de choques de sidewipe de frente o de dirección
opuesta. Además, las autopistas de dos carriles tenían elel mayor porcentaje de bloqueos que se
produjeron en segmentos curvos. Utilizaron un índice de gravedad (SI),que es una combinación
ponderada de recuentos de bloqueos escalados KABCO para comparar la gravedad de diferente
tipos de bloqueo y encontró que el de frente estruendo es Uno de los tipos de choque más
graves.
Chira-Chavala y Mak [13] encontraron que las secciones con curvatura horizontal mayor que
dos los grados están sobrerrepresentados con respecto a la ocurrencia de accidentes, mucho
más que la hora del día, condiciones meteorológicas y superficiales o presencia o ausencia de
exceso de velocidad. La combinación de un agudocurva mojado condiciones y Acelerar
Contribuido Para accidente Sobrerepresentación.
Al-Senan y Wright [8] realizaron un análisis de discriminación entre dos grupos de secciones:
secciones de choques de cabeza (donde se produjeron más de tres choques de frente durante el
análisis período) y secciones de control (las secciones con características similares con el choque
de frente) y secciones de control (las secciones con características similares con el choque de
cabeza secciones pero no se produjeron choques de frente durante el período de análisis) en
carreteras rurales de dos carriles conun volumen de al menos 2.000 vehículos por día. La
propensión de una sección de frente es significativa relacionados con las siguientes variables: la
proporción de la sección con anchura de pavimento inferior a 24 pies, el ancho ponderado del
pavimento (que se define como la suma de los productos de ancho veces largura sobre cuál el
Ancho es uniforme dividido por el total largura 1 milla), el proporción
de la sección con una anchura de hombros de menos de 6 pies, la proporción de la sección que no
está nivelada,el límite de velocidad media de la sección, la frecuencia de los principales puntos de
acceso a ambos lados y el frecuencia de reversa curvas con tangentes cero. Éste procedimiento
Además permitido para el
cuantificación de la "propensión" al choque de frente, es decir, asignando un nivel de
probabilidad para el potencialidad para que una sección de 1 milla tenga tres accidentes de frente
en un período de 3 años basado en estoscaracterísticas de la carretera.
Garber y Graham [14] calcularon ecuaciones de regresión de series temporales incluyendo
variables de política, variables estacionales y variables de exposición sustitutas para cada uno de
los cuarenta estados que utilizan FARS mensualesdatos de enero de 1976 a noviembre de 1988.
Los resultados estimados sugirieron una mediana aumento en las muertes del 15 por ciento en las
carreteras interestatales rurales, y del 5 por ciento en las no interestatales carreteras Dónde
velocidad Límites Fueron Elevado.
Miaou et al. [15] propusieron un modelo de regresión de Poisson para establecer relaciones
empíricas entre accidentes de camiones y variables clave de diseño geométrico de carreteras. Su
modelo final sugiereque el tráfico diario promedio anual (AADT) por carril, curvatura horizontal
y pendiente vertical son significativamente correlacionado con la tasa de participación en
accidentes de camiones, pero el ancho de los hombros tiene comparativamente menos

18. - 10 -
correlación. Las variables de curvatura incluidas en su mejor modelo son la media curvatura
horizontal absoluta y el grado vertical absoluto medio, y ambos son positivamente
correlacionada con frecuencia de choque de camiones.
Renski y otros [16] analizaron los datos que describían choques del solo-vehículo en las
carreteras interestatales en el norteCarolina usando dos métodos: comparación emparejada y
modelado probit ordenado. Descubrieron que allí era un disminuir en el probabilidad de no ser
heridos en un estruendo y un aumentar en el

19. - 10 -
probabilidad de sufrir lesiones de clase A, B o C (como se define en la introducción) en
segmentosDónde límites de velocidad aumentados de 55 mph a 60 o 65 mph.
Huang Et al. [17] fundar ese Carril reducción (también conocido como un "carretera dieta"), cuál
aquí Se nombra Para ella conversión de carreteras indivisas de cuatro carriles en carreteras de
tres carriles, puede reducir la tasa de accidentes en 6 por ciento o menos pero tiene no
significativo influencia en estruendo severidad en un "antes" y "después" estudiar.
Abdel-Aty [18] desarrolló modelos probit ordenados para predecir el nivel de lesión de los
conductores para diferentes tipos de ubicaciones utilizando datos de accidentes de vehículos de
Florida. Encontró que los segmentos curvos eran significativamente correlacionado con
accidentes graves. En este estudio, el autor también estimó la gravedad modelo de predicción de
nivel utilizando la metodología de modelado logit anidado. Sin embargo, el logit anidado el
enfoque no mejora significativamente la bondad de ajuste de los modelos estimados utilizando el
ordenado Probit método. Dado el dificultad de Estimar anidado logit modelos porque de el gran
número de diferentes estructuras de anidación que deben considerarse y basarse en los resultados
delos diversos modelos estimados en esta investigación, indicó que los modelos probit ordenados
eran fácil para estimar y realizar muy bien en modelar la gravedad de la lesión del conductor.
Estos estudios indican que las características del segmento de la carretera podrían afectar no
sólo a la frecuencia, sino también a latambién la gravedad de los accidentes de vehículos. Se
emplearon diferentes métodos de modelado en la estimación la relación empírica entre los
accidentes de vehículos (frecuencia y gravedad) y la carretera características. Las variables
características de la carretera correlacionadas potenciales son el número de carriles, el carril y
ancho de hombros, límite de velocidad, curvatura y densidad de acceso Puntos.
Aplicación Para éste Estudiar
La mayoría de las investigaciones discutidas anteriormente no distinguieron entre choques de
cabeza y otros tipos de accidentes, especialmente en el análisis de gravedad. Algunos artículos
se refieren principalmente a la cabezalas colisiones son muy antiguas (antes de 1987). Sin
embargo, esta investigación previa proporciona importantes información sobre los enfoques
estadísticos para modelar las relaciones entre las entidades de autopista y geometría y
seguridad vial, cuál Ayuda nos identificar apropiado estudiar métodos.

20. - 10 -
ESTUDIAR DISEÑO Y DATOS COLECCIÓN
Para esta investigación, definimos un choque de frente como uno que involucra a dos vehículos
que originalmente viajaban endirecciones opuestas, sin incluir las que implican vehículos que
giran. Dirección opuesta sideswipetampoco se incluyen las colisiones. El resto de este capítulo
describe cómo las bases de datos de análisis Fueron Compilado.
Sitio Selección
Está claro a partir de la física básica y las investigaciones anteriores que la velocidad de impacto
está fuertemente correlacionada con el accidentegravedad [19]. En consecuencia, para ayudar a
asegurar que las velocidades de los vehículos varían sólo dentro de una distribución de
velocidades de flujo libre en los lugares donde se observaron los choques, los choques de frente
considerados para el estudio se limitaron a los observados en lugares sin control de tráfico en el
carretera. Esto era importante porque las señales de tráfico y las señales de stop causan
variaciones más amplias en velocidades debidas a patrones de aceleración y desaceleración, en
lugar de solo variación natural debido a comportamiento del conductor. Además del control del
tráfico, los sitios de estudio se limitaron a la autopista de dos carriles Secciones.
También elegimos solo sitios donde la sección transversal es consistente a través del segmento,
es decir, todos los segmentos tienen sólo un carril en cada dirección y no tienen carriles de paso
o carriles de giro en en cualquier dirección, y el carril y anchos de hombros son constantes a
través de el segmento. Además ninguno del Segmentos contener ciudad Centros o similar
densamente poblado o desarrollado áreas, que también puede introducir factores de confusión.
Todos los segmentos tienen una longitud uniforme de 1 km para eliminar la longitud del
segmento como factor contribuyente. Dentro de estas restricciones, los segmentos eran
aleatoriamente seleccionados de la red de carreteras estatales de Connecticut, con números
aproximadamente iguales en el este-direcciones oeste y norte-sur, para evitar sesgos debido al
resplandor del sol. Un total de 720 segmentos que satisfacer lo anterior los criterios fueron:
reunidos en el Connecticut conjunto de datos.
Fotólogo y PLV Software
Las características físicas de cada segmento se observaron utilizando el Departamento de
Connecticut deTransporte (ConnDOT) Photolog y Clasificación de curvas horizontales y
verticales y Software de sistema de visualización (PLV-HC/VC). El Photolog es un sistema de
visualización de carreteras actualizado anualmente, en el que toda la red de carreteras mantenida
por el estado que contiene aproximadamente 6.155kilómetros de ruta (12.300 kilómetros de
registro de fotos) se registra con dos analizadores automáticos de carretera (ARAN) sistemas de
fotólogo. Cada carretera mantenida por el estado en Connecticut se puede ver usando el
Photolog, que consiste en imágenes de la calzada tomadas cada 0,01 km. El sistema consiste en
de un conjunto de imágenes de derecho de paso (ROW) de vista hacia delante de todo el sistema
de autopistas, un conjunto de imágenes ROW de vista lateral de la mitad de todo el sistema de
carreteras y un conjunto de imágenes correspondientes carretera datos geométricos.
El Photolog ConnDOT se utilizó para obtener el límite de velocidad, el ancho de la carretera
despejado, el número de puntos de acceso y tipo de calzada para cada segmento. Mientras tanto,
reunimos geométricos características como la curvatura horizontal y el grado vertical del PLV-
HC/VC Software. El PLV-HC/VC funciona en conjunto con el Photolog. Mientras que la
furgoneta ARAN navega por la carretera para preparar el fotólogo, una grabadora mecánica

21. - 10 -
registra el rastro del vehículoy la secuencia de elevación también. Este software implementa un
algoritmo desarrollado por ConnDOT Para proceso el ARAN horizontal y vertical alineación
datos. Así Nosotros enlatar Obtener el

22. - 10 -
detalles de las curvas horizontales y verticales del PLV-HC/VC especificando el inicio y el final
encadenamiento de cada análisis segmento.
Calzada y Características del sitio
Investigaciones anteriores ayudaron a identificar las características de la carretera y el sitio que
pueden ser útiles para estimar gravedades de choque de frente. Como resultado, observamos ancho
de carril, ancho de hombros, tipo de línea central, límite de velocidad y número de puntos de acceso
(incluidas intersecciones menores y calzadas por tipo) en todos los sitios de estudio. El número de
puntos de acceso está destinado a representar la intensidad del uso del suelo, ytipo en el caso de
Calzadas.
Un aspecto único de esta investigación es la definición de variables para representar horizontales
y verticales Curvas. Debido a que los tramos de carretera se definen independientemente de la
ocurrencia de horizontal y curvas verticales, cada sección puede contener más de una curva
horizontal o grado vertical. Usando estos Funciones para Predecir carretera estruendo incidencia
Requiere agregación de el curva características o Desagregación de el Segmentos. En Otro
palabras Uno opción es Para crear medidas sustitutas para agregar las condiciones de curvatura y
pendiente a lo largo de la longitud de una carretera sección. Una segunda opción es desagregar
aquellos segmentos con múltiples curvas y grados en Corto subsegmentos así que ese cada
subsegmento Contiene un homogéneo combinación de horizontal curvatura y vertical grado [15].
El primero se considera menos directo desde el punto de vista de la ingeniería y puede ser más Es
difícil para los diseñadores de carreteras incorporar estas medidas en su práctica actual que la
segundo método. Sin embargo, debido a que la ubicación de una colisión a menudo se estima y
aproximadamente asignado al poste de milla más cercano de la ruta en la que se produjo,
asignando los accidentes de vehículo a secciones de carretera con longitudes más cortas o
cercanas a la diferencia mínima entre los puntos de milla esmás susceptible Para ubicación error
que Asignar Para tramos de carretera más largos.
En consecuencia, para este proyecto seleccionamos segmentos de 1 km de longitud y definimos
los siguientessustituto Medidas Para caracterizar el curvatura y grado condiciones a lo largo de
la longitud de cada:
1. Ponderado significar de absoluto horizontal y vertical curvatura (WMAH y WMAV)
 N

AMMHYo = ∑lYo, J ∆Yo, J
 lYo
(1)
 J=1 
 N 
AMMVYo = ∑lYo, J GYo, J
 lYo
(2)
 J=1 
Dónde lYo es el total largura de segmento Yo;
N es el número de subsegmentos en segmento Yo;
lYo, J
∆Yo, J
GYo, J

23. - 10 -
es el largura
de
subsegmento
J en
segmento Yo;
es el grado de curva de subsegmento J en el
segmento Yo;es el grado de subsegmento J en el
segmento Yo.
Estos dos parámetros describen todo el segmento para curvas horizontales o verticales. Si
cualquiera de los dos está cerca de cero, indica que el segmento está cerca de una línea recta
con respecto a quetipo de curvatura. Esto indicaría que el segmento tiene una mejor distancia
de visión, que puede tenermixto Efectos en seguridad. El mejorado vista distancia Sería ser
Esperado Para hacer eso Fácil Para

24. - 10 -
∑
K
M
K 2
evitar colisiones, pero la monotonía de una carretera recta también puede reducir la vigilancia
de los conductores. Si el el valor es relativamente grande, el segmento sólo podría tener una
curva con radios y ángulo grandes o unpocas curvas pronunciadas con radios más cortos.
Aunque estas variables no pueden separar estos dos casos bueno, pueden representar si el
segmento es generalmente recto o curvilíneo (o demasiado terreno ondulado).
2. Suma de absoluto horizontal o vertical curvatura cambio tasa (SACRH y SACRV)
N −1
SACRHYo = ∑ ∆Yo, J +1 −
∆Yo, JJ=1
N −1
SACRVYo = GYo, J +1 −
GYo, JJ=1
(3)
(4)
Estas variables tienen en cuenta la frecuencia de los cambios de curvatura en el segmento, de
nuevo para cualquiera de loscurvas horizontales o verticales. Un valor sacrh o sacrv más
grande significa que los vehículos que conducen eneste segmento debe cambiar el ángulo de
dirección con más frecuencia, o debe conducir sobre muchas crestas y hundió, respectivamente.
Por un lado, tener que cambiar de dirección con más frecuencia puede provocar que los
conductores deben ser más cautelosos para evitar colisiones. Pero por otro lado, conducir
mucho tiempo en complejo las carreteras pueden causar fatiga, y aumentar el riesgo de perder
control del vehículo.
3. Máximo absoluto horizontal curvatura o mínimo grado cambio tasa (MAXD y
VISÓN)
MÁXIMODYo = máximo{DYo,1 ,
DYo,2 ,., DYo,N }
MINKYo = miN{KYo,1 , KYo,2 ,.,
KYo,N }
(5)
(6)
Dónd
e
DYo,
J
KYo
, J
es el grado de curva en subsegmento J en segmento Yo;
es el tasa de cambio en grado por unidad largura de subsegmento J en segmento Yo.
Es posible que las variables definidas previamente no siempre puedan dar cuenta de un peligro
particularcaso, por ejemplo, un segmento con una o dos curvas horizontales o verticales nítidas.
Estos dos Variables son diseñado Para cuenta para estos Posibilidades.
4. Suma de horizontal combinada y vertical curvatura (CHV)
BH7 = ∑BH7 Cresta
+ ∑BH7 Sag
(7)
M N
M N
Dónde BH7 Cresta
=
∆M
ω
M
(7
bis)
BH7 Sag
=
∆N
(
LHn
− ω ) (7b)
N N
N
M

25. - 10 -
ωM es la distancia entre la cresta de la curva vertical M y el punto medio de la
Correspondió horizontal curva; y
LHn es el largura de el Correspondió horizontal curva de vertical curva N.
Esta variable pretende ser una descripción única eficaz de la horizontal combinada y curvatura
vertical. La base de la definición es identificar la diferencia entre los puntos mediosde curvas
horizontales y verticales que se superponen entre sí. Podemos esperar que el grado a que el punto
medio de la curva vertical se superpone en el punto medio de la horizontal curva es un amable de
índice de coordinación de el alineación. El función CHV (∆,K,ω)
aumenta monótonamente En espacio de ∆ ∈(−π,π ) ∪ω ∈(−∞,∞) y monótonamente Disminuye

26. - 10 -
en el espacio
de
K ∈(−∞,∞). Por lo tanto un aumentar en ∆ (a Nítida vuelta) o ω (más grande salida
desde el vértice de la curva vertical hasta el punto medio de la curva horizontal), y una
disminución en K (una diferencia de grado más grande) todos causan un aumento en el valor de
CHV. En otras palabras, un CHV se espera que indique una situación más peligrosa. Además
CHV no cambiaría si un segmento Fueron dividido en varios subsegmentos, Eliminar
predisposición pendiente Para segmento Definiciones.
Estruendo Base de datos
El programa ConnDOT Traffic Accident Viewing System (TAVS) contiene los datos de
accidentes, que consiste en información detallada sobre todos los accidentes ocurridos entre
enero de 1996 y El diciembre de 2001 en todas las carreteras mantenidas estado. La información
de esta base de datos incluye la fecha, la hora, la ubicación, la naturaleza y el tipo de vehículos
involucrados en cada accidente, así como el tipode estruendo. El siguiente Variables Fueron
Extraído para cada observación:
• Caso Número: Cada accidente se identifica por un único número de caso.
• Accidente Ubicación: Policía Informó encadenamiento para cada caso.
• Fecha de Accidente: El fecha el estruendo Ocurrió.
• Hora: El reloj Hora ese el se produjo un accidente.
• Condición de la luz: Estado de iluminación ambiental cuando ocurrió el accidente (por
ejemplo, oscuridad, amanecer, anochecer,etc.)
• Superficie Condición: Calzada Superficie condición (por ejemplo, mojado seco helado
nieve arena etc.)
• Condiciones climáticas: El clima en el momento en que ocurrió el accidente (por
ejemplo, niebla, lluvia, nieve,granizo Soplando etc.)
• Tráfico Unidad: Implicado vehículo Tipos (e.g. pasajero coche furgoneta camión. etc.)
• Contribuyendo Factor: Policía Informó causal Factores (e.g. resbaloso Superficie
impropiopasajero maniobrar etc.
• Gravedad del bloqueo: Crash severities were coded on the KABCO scale: the
classification ofUn accidente individual se define por el resultado más grave
experimentado en el accidente para cada vehículo involucrado.
Un total de 228 choques de cabeza que se producen en los segmentos seleccionados
durante el análisisperiodo Fueron grabado en el Connecticut conjunto de datos.
Datos Agregación
Los conjuntos de datos de bloqueo y segmento se combinaron en una sola base de datos. Cada
registro contenido variables como el tipo de vehículo, el estado de la luz, el clima, los factores
contribuyentes, la superficie de la carretera características de condición y segmento. El Cuadro
I-4 ofrece un ejemplo de entradas de bloqueo en la base de datos,y la Tabla I-5 da una lista de
las variables junto con sus definiciones y un resumen estadística.

27. - 10 -
Mesa I-4. Muestra de Connecticut Conjunto de datos
Identificación 2504 414 7707
FECHA 10/03/96 12//08/01 10/16/96
SEMANA JUE SÁBADO MIÉRCOLES
CASO # 158824 408347 161712
HORA 949 2332 823
OSCURO 0 1 0
LUZ Luz del día Oscuro Luz del día
SUPERFICIE 0 1 0
TIEMPO 0 0 0
FACTOR Conducción en Incorrecto
Lado
Velocidad También Rápido Conducción en Incorrecto
Lado de Rd
GRUPO 1 1 1
SEVERIDAD O O O
PESADO 0 0 1
TIPO1 Automóvil Construcción/Granja Equipar Soltero Unidad Trk/2axle/4tire
K1 0 0 0
A1 0 0 0
B1 0 0 0
C1 0 0 0
TIPO2 Construcción/Granja
Equipar
Automóvil Escuela Autobús
K2 0 0 0
A2 0 0 0
B2 0 0 0
C2 0 0 0
EMPEZAR 37.026 45.4 9.016
FIN 38.012 46.402 10.022
CENTRO 1 0 1
ANCHURA DE L 13 12 12
SWIDTH 3 3 2
RESIDENCIA 1 16 5
APARTAMENT
O
0 0 0
GAS_STATION 0 0 0
VENTA AL POR
MENOR
4 0 0
INDUSTRIA 0 0 0
OFICINA 0 0 0
OTRO 0 0 0
MENOR 9 4 6
ACCESO 14 20 11
VELOCIDAD 40 35 40
WMAH 4.667 12.573 4.260
SACRH 64.5 255.4 80.5
MAXD 17.3 103.9 23.7
WMAV 0.682 4.399 4.421
SACRV 20.4 73.1 82.61
VISÓN 25.7 8.1 10.1
CHV 3.619 27.776 3.505

28. - 10 -
LCHV -6.344 -9.105 -22.12

29. - 10 -
Mesa I-5. Variable Definiciones y Estadística
Variables Descripcion
es
Estadísti
ca
K Fatalidad N=31 %=13,6
Un invalidante Herida N=48 %=21,1
B no invalidante Herida pero visible N=66 %=28,9
C probable Herida pero no visible N=38 %=16,7
O No Herida (propiedad daño solamente) N=45 %=19,7
MOJADO
1 camino Superficie es mojado helado o arenoso N=125 %=54,8
0 superficie de la carretera es seco N=103 %=45,2
NOCHE
1 10PM-6AM N=29 %=12,7
0 De otra manera N=199 %=87,3
NOCHE
1 3PM-10PM N=122 %=53,5
0 De otra manera N=106 %=46,5
PESADO
1 pesado vehículos implicado N=7 %=3,1
0 No pesado vehículos implicado N=221 %=96,9
OSCURO
1 oscuro amanecer o crepúsculo N=82 %=36,0
0 eso es luz del día N=146 %=64,0
TIEMPO
1 lluvia granizo niebla nieve o Alto viento N=61 %=26,8
0 No adverso condición N=167 %=73,2
ANCHURA DE R mitad de total acera Ancho ft) Mín=13 Máx=20
ANCHURA DE L Uno Carril Ancho ft) Mín=11 Máx=13
ACCESO número de Calzadas y menor Intersecciones Mín=1 Máx=36
VELOCIDAD velocidad límite (mph) Min=25 Máx=50
WMAH ponderado significar de absoluto horizontal curvatura éxtasis
=10,5
S.D.=7,59
SACRH suma de absoluto cambio tasa de horizontal curvatura éxtasis
=137,3
S.D.=96,93
MAXD máximo absoluto grado de horizontal curvatura éxtasis
=14,8
S.D.=1,08
WMAV ponderado significar de absoluto vertical curvatura éxtasis
=33,2
S.D.=20,52
SACRV suma de absoluto cambio tasa de vertical curvatura éxtasis
=44,8
S.D.=27,14
VISÓN mínimo de K de vertical curvatura éxtasis
=21,7
S.D.=14,97
BH7 suma de combinado horizontal y vertical curvatura éxtasis
=4,4
S.D.=7,46
RESIDENCIA número de residencia Calzadas Mín=0 Máx=27
OFICINA número de oficina Calzadas Mín=0 Máx=4
APARTAMENTO número de apartamento Calzadas Mín=0 Máx=4
GASOLINERA número de gas estación Calzadas Mín=0 Máx=2
VENTA AL POR
MENOR
número de venta al por menor Calzadas Mín=0 Máx=14
INDUSTRIAL número de industrial Calzadas Mín=0 Máx=2
OTRO número de Otro Tipos de Calzadas Mín=0 Máx=3

30. - 10 -
OTROS no OFICINA Mín=0 Máx=27
MENOR número de menor Intersecciones Mín=0 Máx=9

31. - 10 -
Y
NEGATIVO BINOMIO REGRESIÓN DE DE FRENTE ESTRUENDO INCIDENCIA
Negativo Binomio (NB) Generalizado Modelos lineales (GLIM)
En la investigación de la seguridad del tráfico, GLIM se ha adoptado cada vez con más
frecuencia para la estimación de modelos de predicción de bloqueos debido a su capacidad para
relajar la suposición de una distribución normal parala variable de respuesta. En su lugar, un
marco GLIM utilizando una distribución relacionada con Poisson para el el recuento de
bloqueos es más apropiado, ya que confirma la naturaleza no negativa y discreta del accidente
cuenta y conduce a una forma de distribución discreta más flexible [20]. En un caso distribuido
de Poisson, el probabilidad de Observando NYo se bloquea es representado como:
MNYo
E−M
pYo =
NY
o!
, (8)
Dónde M es el significar de el Poisson distribución Computada como
M = E(NYo ) = Np , (9)
con p ser el probabilidad de teniente un estruendo cuando el Exposición es N.
Sin embargo, en casos realistas, la media bajo una distribución de Poisson generalmente no
puede representar elfrecuencia de bloqueo Np en diferentes sitios de observación. De hecho,
la media real incluye la media frecuencia de bloqueo y un término de error después de una
distribución gamma, debido a la entre el sitio variación en el base de datos [21]. En Otro
palabras
M = Npeε , (10)
Asumiendo Eε
Sigue un Gamma distribución con significar 1 y varianza δ [5]. Entonces el
correspondiente Poisson distribución es
(NpEε )NYo
E−Npeε
PYo (NYo | ε
) =
NYo!
(11)
Después Integración en ε para ecuación (4), el NB distribución es Obtenido como
Γ(N +θ)  θ 
θ
 Np 
NYo
P(NYo ) = Yo
    , (12)
Γ(NYo +1)Γ(θ)  Np +θ   Np +θ 
Dónde θ es la inversa del parámetro dispersión K en la distribución NB [5]. En lugar de ser
igual Para el significar el varianza de el NB distribución es
Var(N ) = M + Km2
. (13)
Cuando K no es significativamente diferente de 0, la distribución NB es aproximadamente
equivalente a unPoisson distribución.
Muchos estudios anteriores han aplicado NB GLIM en el análisis de accidentes de carretera bajo
diferentes Circunstancias. Wang y Nihan utilizaron NB GLIM para estimar el vehículo de motor
de bicicleta (BMV) desploma en las intersecciones en el área metropolitana de Tokio [5].
Shankar et al. NB también adoptado GLIM en el modelado de los efectos de las características

32. - 10 -
geométricas y ambientales de la carretera en la autopista seguridad [22]. Miaou evaluó el
rendimiento de los modelos de regresión binomial negativa en estableciendo la relación entre el
choque de camiones y el diseño de la geometría de los segmentos de carretera [23]. En este
papel, el conteo de choques de frente (Hcrash) se supone que tiene una distribución binomial
negativa,y el total de vehículos-kilómetros recorridos (VKT) en seis años para cada segmento se
utiliza como el Exposición. Un logarítmico función es usado Para enlace el expectativa de el
distribución de Hcrash y

33. - 10 -
las variables explicativas, como el registro natural de AADT y varias representaciones del
sitiocaracterísticas.
Resultados y Discusión
El paquete de software estadístico SAS [24] fue utilizado para el modelado de choques. El
modelado fue realizado en tres pasos. En primer lugar, con el fin de determinar qué variables de
control afectan significativamentela tasa de choque solamente, doce modelos de la base fueron
estimados con una variable independiente en cada uno; elResultados se muestran en el cuadro
I-6.
Mesa I-6. Una variable GLIM Resultados
Soltero
Variable
LL Variable parámetro LN(AADT) Interceptar Dispersión
K (std.
errar.)
Coef.
(std.
errar.)
χ2
(Sig. Nivel)
Coef.
(ETS.
errar.)
χ2
(Sig. Nivel)
Coef.
(ETS.
errar.)
χ2
(Sig. Nivel)
SACRH -373.5 0.004
(0.001)
24.32
(<0.000)
-0.223
(0.001)
3.31
(0.069)
-2.370
(1.105)
4.60
(0.032)
0.026
(0.000)
SACRV -377.3 0.008
(0.003)
6.87
(0.009)
-0.297
(0.130)
5.17
(0.023)
-1.596
(1.173)
1.85
(0.174)
0.545
(0.276)
MAXD -377.3 0.009
(0.004)
6.99
(0.008)
-0.307
(0.129)
5.62
(0.018)
-1.441
(1.151)
1.57
(0.211)
0.558
(0.278)
VELOCID
AD
-376.3 -0.047
(0.016)
8.52
(0.004)
-0.294
(0.131)
5.08
(0.024)
0.703
(1.184)
0.35
(0.553)
0.555
(0.275)
LW -379.5 -0.421
(0.301)
1.96
(0.162)
-0.318
(0.132)
5.77
(0.016)
0.436
(1.340)
0.11
(0.745)
0.601
(0.286)
SW -379.6 -0.335
(0.253)
1.75
(0.186)
-0.324
(0.131)
6.10
(0.014)
-0.732
(1.107)
0.44
(0.509)
0.606
(0.286)
ANCHO -378.8 -0.321
(0.181)
3.15
(0.076)
-0.288
(0.135)
4.57
(0.033)
0.092
(1.172)
0.01
(0.938)
0.589
(0.283)
ACCESO -380.2 0.010
(0.015)
0.45
(0.503)
-0.378
(0.129)
8.60
(0.003)
-0.653
(1.108)
0.35
(0.556)
0.607
(0.288)
WMAH -380.4 -0.001
(0.005)
0.01
(0.909)
-0.367
(0.128)
8.22
(0.004)
-0.635
(1.117)
0.32
(0.570)
0.620
(0.290)
WMAV -380.1 0.033
(0.036)
0.81
(0.368)
-0.352
(0.129)
7.52
(0.006)
-0.873
(1.137)
0.59
(0.443)
0.611
(0.288)
VISÓN -379.6 -0.007
(0.006)
1.62
(0.203)
-0.337
(0.130)
6.77
(0.009)
-0.728
(1.109)
0.43
(0.511)
0.602
(0.286)
CHV -379.7 0.016
(0.013)
1.59
(0.208)
-0.349
(0.128)
7.39
(0.007)
-0.862
(1.121)
0.59
(0.442)
0.599
(0.286)
Nota: todo modelos incluír En (VKT) como un compensar.
Cada línea de la tabla indica el resultado de un modelo diferente; Cada modelo incluye uno de
los posibles variables características del sitio junto con el logaritmo natural del AADT y la
intercepción. No se muestra en la tabla, el registro natural del vehículo-kilómetros-recorridos se
incluyó como un desplazamiento, no tomando un coeficiente, de modo que la evaluación de
todo el lado derecho de la ecuación proporciona una predicción de la tasa de bloqueo para el
segmento, que puede variar con el AADT. Para cada uno variable, el coeficiente estimado, el
error estándar, el estadístico de chi-cuadrada y su significación son dado junto con el parámetro
de dispersión K, que indica el grado de sobre-dispersión, y si el modelo NB es diferente o no del
modelo de Poisson. En segundo lugar, la correlación Se calcularon coeficientes entre todas las
características del sitio que se encontraron significativassolo para determinar cuáles pueden
incluirse de forma segura en un solo modelo; Estos resultados son Mostrado en Mesa I-7.

34. - 10 -
Finalmente según Para el correlación Resultados Tres final modelos Fueron definido

35. - 10 -
y estimado en base a todas las combinaciones válidas de las variables significativas, con el
resultado estimaciones de parámetros y estadísticas de modelos que figuran en el Cuadro I-8.
Dado que los modelos seleccionados son todos modelos GLIM NB no anidados, métodos de
prueba estadísticos comúnmente utilizados, como la relación de verosimilitudLa prueba (LRT),
la prueba F y la prueba t podrían no ser apropiadas para aplicar. Por lo tanto, el Akaike es
Información Criterio (AIC) [23, 24] se utilizó para Seleccionar el mejor de el modelos.
Mesa I-7. Correlaciones (con Importancia Nivel) Entre Significativo Variables
VELOCIDAD SACRH MAXD SACRV
VELOCIDAD 1.0000 --- --- ---
SACRH -0.377 (<0.000) 1.000 --- ---
MAXD -0.164 (<0.000) 0.720 (<0.000) 1.000 ---
SACRV -0.407 (<0.000) 0.273 (<0.000) 0.083 (0.035) 1.000
Mesa I-8. Final Modelos y AIC Prueba Resultados
Modelo 1 Modelo 2 Modelo 3
Interceptar (std. errar.) -2.370 (1.105) -2.289 (1.203) 0.703 (1.184)
EN (AADT) (std. errar.) -0.223 (0.122) -0.245 (0.131) -0.294 (0.131)
SACRH (std. errar.) 0.004 (0.001)
SACRV (std. errar.) 0.008 (0.003)
MAXD (std. errar.) 0.009 (0.004)
VELOCIDAD (std. errar.) -0.047 (0.016)
Registro Probabilidad -373.5 -374.4 -376.3
Dispersión (std. errar.) 0.026 (0.000) 0.483 (0.265) 0.555 (0.275)
AIC -376.5 -378.34 -379.3
En el paso 1, cuatro de las variables del sitio fueron encontradas para ser significativas en la
confianza del 95 por ciento para predecir el recuento de choques de frente: SACRH, SACRV,
MAXD y SPEED (límite de velocidad). El se encontró que las variables restantes no eran
significativas: LW (ancho de carril), SW (ancho de hombro), WIDTH(pavement-width),
ACCESS (access-points), WMAH, WMAV, MINK, and CHV. Ésteencontrar que el ancho del
carril, el ancho de los hombros y el ancho del pavimento no son significativos para predecir no
se espera una incidencia de choques de frente, aunque las tres variables de ancho tienen lo
esperado signos negativos en los modelos base. Un choque de frente ocurre cuando un
conductor cruza inapropiadamentela línea central, por lo que si esto sucede, una gran cantidad
de ancho de carril o ancho de hombro puede proporcionar margen de maniobra para un
conductor en el carril contrario para evitar el vehículo errante. Por otro lado mano, los carriles
más anchos y los hombros también pueden fomentar velocidades más altas, de modo que los
conductores no tener suficiente tiempo de reacción para evitar una colisión. El número de
puntos de acceso puede ser de otro modo se espera que afecte la tasa de choques de frente,
porque los vehículos que se convierten en calzadas experimentaríanConflictos con Próxima
tráfico y potencialmente resultado en de frente Colisiones. Sin embargo en estos
casos uno de los vehículos en conflicto podría hacer una maniobra tratando de evitar la colisión,

36. - 10 -
resultante en un colisión de un diferente tipo y así que entonces el estruendo Sería no fin hacia
arriba en nuestro conjunto de datos.
WMAH y WMAV reflejar el promedio horizontal y vertical curvatura de el segmento;

37. - 10 -
sin embargo, la naturaleza agregada de las mediciones medias puede lavar los efectos de la
Curvas. Por ejemplo, un valor WMAH o WMAV grande podría deberse a varios sostenidos
medioscurvas o una curva muy pronunciada y varias suaves, cada una de las cuales tendría
aproximadamenteel mismo valor de variable pero potencialmente muy diferente Efectos en de
frente estruendo incidencia.
El hallazgo de que el coeficiente para el logaritmo natural de AADT es significativamente
diferente de 0 significa que podemos rechazar con seguridad la hipótesis de que la tasa de
choques de frente es constante con volumen. Este coeficiente es negativo en los doce modelos
base, lo que sugiere una tendencia decreciente paratasa de choques de frente con AADT. Esto
no se esperaba, ya que se espera que los choques de frente ocurren con más frecuencia en
volúmenes más altos que en volúmenes más bajos, ya que los controladores tendrían más
oportunidades de entrar en conflicto con vehículos que se acercan desde la dirección opuesta.
No obstante dado que las colisiones frontales son tan raras, esta relación puede ser relativamente
débil. Además, los conductores pueden prestar más atención a la seguridad cuando ven más
tráfico que viene de la dirección opuesta, por lo tanto,Reducir el tasa de de frente Accidentes en
Alto tráfico Volúmenes.
Las correlaciones entre las cuatro variables significativas (como se indica en el Cuadro I-7)
muestran que la velocidad limit tiene una correlación negativa significativa con cada una de las
otras tres variables. Por otro lado mano, SACRH tiene correlaciones positivas significativas con
SACRV y MAXD, y solamente SACRV y MAXD no se correlacionan perceptiblemente con uno
a. Como resultado, tres finales los modelos se estimaron en el paso 3, con el modelo 1
incluyendo sólo SACRH como el independiente variable, modelo 2 incluyendo SACRV y
MAXD, y modelo 3 incluyendo sólo límite de velocidad. Para cada modelo, SAS proporcionó el
valor de desviación escalado para mostrar la bondad de ajuste para el modelo. Para un valor fijo
del parámetro de dispersión K, la desviación escalada se define como el doble de la diferencia
entre el máximo registro probabilidad alcanzable y ese Logrado por el modelo bajo
investigación [25]. A continuación, se puede aplicar una prueba formal de bondad de ajuste de
chi-cuadrado en el modelos que utilizan el Obtenido desviaciones. El mundo real para la prueba
son Ho: Seguimiento de datos el distribución asumida, y Hun: los datos no siguen la distribución
asumida. Dado que los valores P de Las pruebas de chi-cuadrado para los tres modelos son casi
iguales a 1, se puede concluir que Ho no puede ser Rechazado, y la distribución asumida es
apropiada en los casos, es decir, la bondad del ajuste se satisface entodo Tres modelos.
Los resultados del modelo se muestran en la Tabla I-8 junto con los criterios de información de
Akaike calculados (AIC) valor para cada uno. Los valores AIC se pueden utilizar para comparar
modelos con los mismos efectos fijos(estimación de la tasa de choques de frente) pero diferentes
estructuras de varianza (diferentes conjuntos de las variables); el modelo teniente el máximo AIC
es considerado mejor. El AIC es dado por el siguiente ecuación:
AIC = l(θˆ)− q (14)
Dónde l(θˆ) es la máxima verosimilitud logarítmica y q es el número efectivo de parámetros de
covarianza[24]. Ben-Akiva y Lerman Explicó ese l(θˆ)es una estimación sesgada de la expectativa
sobre todo
muestras, por lo que es necesario restar q de ella, en primer lugar, para compensar el hecho de que

38. - 10 -
θˆ puede no serel MLE en Otro Muestras y Para eliminar el Efectos de evaluación l(θˆ)en el
valores estimados
en lugar de para los parámetros verdaderos [23]. De acuerdo con los valores de AIC para los
tres modelos finales,el modelo 1 tiene el mejor resultado de predicción en comparación con los
otros dos, y el modelo 2 tiene un mejor resultado predicción resultado que modelo 3.

39. - 10 -
El límite de velocidad se encuentra comúnmente para influir en las tasas de choque con un
coeficiente negativo, como se encuentra aquí.Es importante recordar que el límite de velocidad en
una carretera no es el mismo que el promedio de viaje velocidad en la carretera. Este efecto
negativo generalmente se considera que se debe a las carreteras con alto choque Frecuencias ser
asignado bajar velocidad Límites como un seguridad Precaución o porque el velocidad límite
a menudo se establece de acuerdo con la velocidad de diseño, que es menor en carreteras con
mala geometría debido a lareducción de la distancia de visión. Predecir la incidencia de choques
de frente debido a los efectos combinados de SACRV y MAXD, modelo 2 Muestra ese el
número de Accidentes Aumenta con ambos Variables.
Esto sugiere que la combinación de una alineación vertical ondulada (es decir, muchas crestas y
hundimientos,uno tras otro), combinado con al menos una curva horizontal aguda aumenta el
riesgo de una cabeza- en el accidente que se produce. Esto tiene sentido, ya que una alineación
vertical tal probablemente reduce la vista distancia considerable, lo que permite que los vehículos
que se aproximan desaparezcan momentáneamente y de repente reaparece en el campo de visión
del conductor, y una curva horizontal muy pronunciada presenta un desafío tarea al controlador.
El modelo 1, con SACRH, tiene el mejor resultado de predicción, y muestra un aumento
tendencia en la incidencia de choques de frente con la suma de las tasas absolutas de cambio de la
alineación horizontal. Este es también un resultado esperado, por dos razones. En primer lugar,
similar a la medida correspondiente para curvas verticales, una carretera sinuosa puede causar que
los vehículos que se aproximan a desaparecer De el controladores campo de visión. Segundo
constantemente teniente Para cambio dirección
dirección en respuesta a tantos cambios en la curvatura horizontal puede sobrecargar a los
conductores y empujarlos más allá de su capacidad para negociar con seguridad el segmento de
la carretera. Esta constatación confirma la conjetura de Hauer de que los choques están
asociados principalmente con la entrada y salida de la curva [26]. Mientras que él fundar No
claro evidencia de éste suyos Investigaciones hizo encontrar ese el Mayor el grado de curva
horizontal, cuantos más choques se produzcan a lo largo de la curva. Esto es consistente con el
hallazgo aquíacerca de el efecto de MAXD en el incidencia de de frente Accidentes.

40. - 10 -
2
ORDENADO PROBIT ANÁLISIS DE DE FRENTE ESTRUENDO SEVERIDAD
Ordenado Modelado Probit
El modelado Probit ordenado se desarrolló para analizar la relación entre un pedido variable de
respuesta múltiple y una o más variables explicativas, que podrían ser continuo o categórico.
Una variable de respuesta ordenada difiere de una desordenada en que ellos valores posibles se
clasifican de alguna manera. Por ejemplo, la elección del modo de viaje (en coche, autobús o
tren) es desordenado, pero las calificaciones de los bonos, las pruebas de sabor (desde una fuerte
aversión hasta un fuerte gusto), niveles de y la cobertura de seguro (ninguna, parte o total) se
ordenan por diseño. Tome el resultado de un encuesta de respuesta ordenada. Si las respuestas
están codificadas 0, 1, 2, 3 o 4, entonces la regresión lineal tratar el diferencia entre un 4 y un 3
el mismo como ese entre un 3 y un 2, mientras que en hecho son sólo un ranking. Debido a la
definición de la gravedad de la lesión del conductor, la variable inherentemente tienetal
naturaleza ordinal. En otras palabras, la variable toma valores enteros, que a medida que
aumentan indicar creciente Niveles de severidad pero no necesariamente en igual incremental
Pasos.
El análisis de variables dependientes categóricas a veces está motivado por la teoría del umbral
en mecánica. La idea principal es, teniendo en cuenta el caso de la resistencia a la rotura de un
bloque de hormigón, Se supone que cada bloque tiene un umbral TYo, de tal manera que se
romperá si la presión es igual o mayorque TYo se aplica, y no se romperá si se aplica una presión
más pequeña. El hormigón se compone de cuatro ingredientes: cemento, arena, áridos (piedras,
grava, etc.) y agua. La fuerza y otroslas propiedades del hormigón dependen de cómo se
proporciónan y mezclan estos cuatro ingredientes, y de lalas resistencias a la compresión de
diferentes tipos de hormigón se encuentran en diferentes rangos. Obviamente, es no es práctico
probar cada bloque para su umbral específico. Sin embargo, diferentes presiones pueden ser
aplicado a diferentes bloques con el fin de obtener información sobre los umbrales de resistencia
a la rotura de cualquier bloque de la población [27]. Así podemos obtener la distribución
estadística del umbral valor.
El modelado probit ordenado es teóricamente superior a la mayoría de los otros enfoques de
modelado para estotipo de problema de modelado y se implementa en varios software
disponible comercialmente paquetes [28]. Dejar y denotar el nivel de gravedad de la lesión
observado por el ocupante, y* lo latente (no observado), medida continua de la severidad de
la lesión y µYo (Yo=1, 2, 3) los umbrales de perjuicio severidad tal ese el siguiente sostener:
y = 0 (O, No lesión)
si
y*
≤ 0 (15a)
y = 1 (C, probable Herida pero no visible) si 0 < y*
≤
µ
(15
ter)
y = 2 (B, no deshabilitar lesión) si
µ1
< y*
≤ µ (15c)
y = 3 (A, invalidante lesión) si µ < y*
≤
µ
(15d)
1
2

41. - 10 -
y = 4 (K, fatalidad)
si
y*
> µ (15e)
El latente Herida severidad medir y* es Obtenido Usando un lineal
ecuación:
y*
= β' Éxtasis + ε
(16)
Dónde Éxtasis es el conjunto de variables explicativas, con parámetros asociados βy el error
aleatorio el término ε indica el efecto de todos los factores no observados en y* , que se supone
que sigue una normaldistribución con significar 0 y varianza 1. Así Nosotros Obtener el
probabilidad de cada severidad nivel como:
P(y = 0) = Φ(−β'
Éxtasis )
(17a)
3

42. - 10 -
P(y =1) = Φ(µ1 − β' Éxtasis ) − Φ(−β' Éxtasis )
P(y = 2) = Φ(µ2 − β' Éxtasis ) − Φ(µ1 − β' Éxtasis )
P(y = 3) = Φ(µ3 − β' Éxtasis ) − Φ(µ2 − β' Éxtasis )
P(y = 4) =1− Φ(µ3 − β' Éxtasis )
Dónde Φ es el Acumulativo densidad función de el estándar normal
distribución.
(17 ter)
(17c)
(17d)
(17e)
Sin embargo, los efectos marginales de los regresores Éxtasis en las probabilidades no son
iguales a la Coeficientes. De hecho, en un modelo ordenado, el signo de cualquier parámetro βYo
sólo puede determinar claramenteel efecto marginal de la variable éxtasisYo en las probabilidades
extremas, en este caso, las probabilidades de nolesión y la probabilidad de una lesión fatal [29].
Los efectos marginales sobre todas las demás probabilidades sonambiguo, ya que un cambio en
la distribución puede causar la probabilidad de niveles intermedios de lesiónpara caer o subir,
dependiendo de la posición de la respuesta promedio. De hecho, sin una feria cantidad de cálculo
adicional, no está muy claro cómo los coeficientes en el modelo probit ordenado deber ser
Interpretado [30].
Figura I-1. Efectos de Cambio en Éxtasis en Predijo Probabilidades
Este punto podría ilustrarse utilizando la Figura I-1. Cuando la gráfica de distribución de y*
turnos debidos a un cambio en Éxtasis, sólo los cambios esperados en la probabilidad de y=0 y
y=4 son obvios. Desde el cambio de probabilidad de un específico y el valor podría medirse por
el cambio en el área bajo elfunción de densidad de probabilidad entre los umbrales aplicables, si
la gráfica de distribución de y* Cambioscomo se muestra en la figura anterior, podemos ver que
la probabilidad de y=0 disminuye mientras que el probabilidad de y=4 aumenta. Sin embargo, los
cambios en las probabilidades de otros posibles y valores (y=1,2,3) son ambiguos. Por lo tanto,
uno debe ser muy cuidadoso al explicar los resultados de un ordenado modelado análisis.

43. - 10 -
Modelo Selección
Se puede comparar la bondad del ajuste para diferentes modelos estimados a partir del mismo
conjunto de datos utilizando el estadístico de razón de verosimilitud (LRS) o el Criterio de
información (AIC) de Akaike. El LRS sólo es aplicable con modelos anidados, es decir, cuando
un modelo es una versión restringida de laotro, cuando una restricción indica que uno o más
coeficientes se han eliminado o son idénticos a unootro. El forma de la prueba es dado por
 LR (θˆ) 
LRS = −2ln
L (θˆ)
 (18)
 u 
Dónd
e
LR (θˆ) es el probabilidad valor del restringido modelo (R) y el Lu (θˆ) es el probabilidad
valor del modelo sin restricciones (u). El estadístico de prueba se distribuye como un chi-
cuadrado aleatorio variable con Grados de libertad igual Para el diferencia en el número de
Parámetros entreel dos modelos.
AIC es útil para modelos anidados y no anidados. El modelo que produce el valor más
pequeño deSe estima que AIC es el "más cercano" a la verdad desconocida, entre los modelos
candidatos Considera.
AIC = −2ln(L(θˆ)) + 2K
Dónde K es el número de Gratis Parámetros en el
modelo.
(19)
Sin embargo, el criterio AIC puede funcionar mal si hay demasiados parámetros en relación
conel tamaño de la muestra. Sugiura [31] derivó una expresión de muestra pequeña (segundo
orden) que Conduce Para un refinado criterio Denota como AICC,
AICC
= −2log(L(θˆ)) + 2K +
2K(K +1)
N − K −1
(20)
o
AICC = AIC +
2K(K +1)
N − K −1
(21)
Dónde N es el tamaño de la muestra. En general, AICC se recomienda cuando la relación n/K
es pequeño (digamos <40).
Estruendo Características Modelo
Intuitivamente, los factores relacionados con el accidente registrados en los informes policiales
son muy importantes en el accidente predicción de gravedad. Esos factores son de naturaleza
temporal y describen las condiciones prevalecientes. bajo el cual se produjo el accidente. En
este estudio, los factores relacionados con el choque son la condición de luz, condición de la
superficie, condiciones climáticas, hora del día y el tipo de vehículos involucrados. Como estos
las variables varían, se espera que los comportamientos del conductor y el rendimiento
mecánico del vehículo también cambiar, por lo tanto, cuando desafortunadamente ocurre un
choque de frente, el nivel de gravedad del accidente puede se vuelven diferentes. Por ejemplo,

44. - 10 -
es más difícil controlar un vehículo en una carretera helada o mojada. superficie que en
condiciones normales, por lo que las velocidades de impacto pueden ser mayores. Además, uno
puede sentir somnolón a medianoche, por lo que el tiempo de reacción se hace más largo, lo que
permite menos tiempo para frenar el vehículo al intentar evitar una colisión. En ambos casos la
velocidad de impacto puede ser mayor, yel severidad nivel Mayo Además ser superior guarda
Otro condiciones el mismo.

45. - 10 -
En el estruendo base de datos todo de el Factores usado en el estimación son tonto o binario
Variables. Nosotrosdefinir el Situaciones en cuál Nosotros esperar un superior estruendo
severidad nivel Para ser 1, y de otra manera Para ser
0. Para instancia Nosotros esperar un mojado camino Superficie Para contribuir Para un más
Muy fuerte estruendo así que Nosotros definirel variable WET igual a 1 cuando la calzada
Superficie está mojado y 0 de otra manera.
Mesa I-9 Presenta el Resultados de el estruendo relacionado factor análisis. En éste mesa el
estimativo valory χ2
se dan significancias para cada coeficiente. Si la χ2
la significación es menor
que 0.05, entonces nosotros tener un 95 por ciento de confianza para rechazar la hipótesis nula de
que el coeficiente correspondiente es igual aPara cero y el variable es dicho Para have
significativo correlación con el estruendo severidad nivel.
El modelo A0 es un modelo de "participación observada" que solo incluye las constantes y los
umbrales, y esutilizado para probar la efectividad de la introducción de variables en los
modelos. Este modelo predecir la gravedad de acuerdo con las proporciones observadas en los
datos. Si el registro de un modelo- el valor de probabilidad, que aparece como LL en la tabla,
es menor que el valor de log-verosimilitud del "observadocompartir" modelo entonces el
modelo es virtualmente inútil.
Mesa I-9. De frente Estruendo Severidad como un Función de Estruendo Características
Variable
Modelo*
µ1
0.503
<.000
0.551
<.000
0.549
<.000
0.546
<.000
µ2
1.246
<.000
1.386
<.000
1.380
<.000
1.3666
<.000
µ3
1.950
<.000
2.161
<.000
2.146
<.000
2.124
<.000
Interceptar
-0.851
<.000
-1.405
<.000
-1.457
<.000
-1.414
<.000
MOJADO
0.939
<.000
0.796
<.000
0.778
<.000
NOCHE
0.426
0.152
0.444
0.036
0.445
0.035
NOCHE
-0.075
0.668
PESADO
0.748
0.072
0.781
0.058
OSCURO
-0.026
0.891
TIEMPO
-0.313
0.101
LL -359.57 -340.34 -341.80 -343.62
AICC 719.1 693. 1 689.7 691.3
LRS0
Crítico χ2
- 52.0
12.6
58.8
7.8
55.6
3.8
LRS W/ A1
Crítico χ2
-
-
2.9
7.8
3.7
3.8
*estimado parámetro y χ2
importancia dado para cada variable
El modelo A1 incluye todas las variables explicativas disponibles. En realidad, algunas de esas
variables tales como noche y noche, mojado y el tiempo se correlacionan entre sí a un cierto

46. - 10 -
extensión. Esto se debe a que cuando no es de noche, debe ser de día o de noche.
Semejantemente cuando Lo es Lloviendo Nosotros esperar el camino Superficie mosto ser
mojado cuál medio el tonto variable

47. - 10 -
WET es igual a 1. Si algunas de las variables explicativas del mismo modelo están
correlacionadas, el los coeficientes estimados podrían no revelar el efecto marginal real de las
variables predictoras en la variable dependiente. En consecuencia, el modelo A2 elimina
algunas variables insignificantes, pero conservaMOJADO, NOCTURNO y PESADO. Modelo
A3 cae pesado que no es significativo en 95 por ciento confianza aunque el AICC valor para
A3 hace no indicar eso Para ser superior Para Modelo A2.
Por lo tanto, esta ronda de estimación refleja que tanto WET como NIGHT son significativos
en un 95 por ciento nivel de confianza, PESADO no es tan significativo como esos dos, sino
más bien cerca de un 95 porcentaje de nivel de confianza mientras que por la noche, OSCURO
y EL CLIMA se encontraron para ser pobres Predictores. Uso del AICC y estadística LRS,
seleccionamos el modelo A2 como modelo base para el siguientepaso en el análisis.
Modelos Incluido Calzada Segmento Características
A continuación, probamos el efecto de las características del segmento en la gravedad del
choque de frente. Al desplome Características del modelo obtenido previamente (Modelo A2)
añadimos variables características de segmento. Esas variables incluyen características
geométricas como el ancho del carril, el ancho de los hombros, el medidas de curvas
horizontales y verticales discutidas en detalle antes, el número de puntos de accesoincluyendo
intersecciones menores y calzadas, y el límite de velocidad. El límite de velocidad es
inherentemente un reflejo compuesto de las características del segmento, ya que generalmente se
selecciona de acuerdo con el distancia de visión, ancho de carril, ancho de hombros y tal vez
experiencia de seguridad. Así que esperamos que se encontrarán correlaciones significativas
entre estas variables características del segmento. En procedimiento de estimación, se pretendía
evitar la inclusión de variables altamente correlacionadas en la misma modelo.
Los resultados de la estimación del modelo se presentan en la Tabla I-10. Los modelos B1 y B2
están diseñados para investigar el efecto de la anchura del pavimento en la gravedad del choque
de frente. La variable RWIDTH representa todo el ancho de la superficie de la carretera
pavimentada en cada dirección, y es igual a la suma de laancho de carril (LWIDTH) y el ancho
de hombro (SWIDTH). El modelo B1 tiene un AIC más pequeñoC valor que el modelo B2, lo
que sugiere que RWIDTH es más significativo que las partes relevantes separadas. Esto sugiere
que en las autopistas de dos carriles, el efecto sobre la seguridad no distingue entre los carril y
el arcén, y sólo el ancho de la carretera disponible es importante. Desde el modelo B1 a través
de B3, encontramos que junto con las variables de segmento recientemente introducidas, el
HEAVY variable ya no es tan importante como antes. Así que el Modelo B4 cae PESADO, y
sirve como el base de comparación para este grupo de modelos. Del modelo B4 al B11,
introducimos uno horizontaly la medida de la curva vertical en el modelo a la vez. Sin embargo,
ninguna de las medidas de curva son significativo a los 95 por ciento confianza nivel.

48. - 10 -
Mesa I-10. De frente Estruendo Severidad como un Función de Estruendo y Camino Características
Variable
Modelo
*
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11
Μ1
0.555
<.000
0.557
<.000
0.553
<.000
0.553
<.000
0.556
<.000
0.554
<.000
0.552
<.000
0.553
<.000
0.552
<.000
0.552
<.000
0.551
<.000
Μ2
1.400
<.000
1.402
<.000
1.389
<.000
1.390
<.000
1.400
<.000
1.392
<.000
1.388
<.000
1.390
<.000
1.389
<.000
1.389
<.000
1.388
<.000
Μ3
2.185
<.000
2.187
<.000
2.167
<.000
2.168
<.000
2.185
<.000
2.169
<.000
2.167
<.000
2.168
<.000
2.168
<.000
2.169
<.000
2.170
<.000
Interceptar
0.177
0.861
0.833
0.593
0.317
0.750
0.332
0.740
0.188
0.851
0.525
0.633
0.250
0.806
0.245
0.810
0.185
0.865
0.161
0.875
0.235
0.815
MOJADO
0.806
<.000
0.808
<.000
0.790
<.000
0.790
<.000
0.806
<.000
0.807
<.000
0.784
<.000
0.786
<.000
0.785
<.000
0.781
<.000
0.784
<.000
NOCHE
0.499
0.020
0.493
0.022
0.504
0.018
0.502
0.019
0.499
0.020
0.493
0.022
0.509
0.017
0.509
0.017
0.508
0.018
0.513
0.016
0.504
0.018
PESADO
0.686
0.100
0.680
0.102
0.686
0.100
ANCHUR
A DE R
-0.132
0.081
-0.139
0.037
-0.139
0.037
-0.139
0.038
-0.150
0.035
-0.137
0.041
-0.137
0.041
-0.133
0.058
-0.124
0.083
-0.135
0.043
ANCHUR
A DE L
-0.201
0.169
SWIDTH
-0.104
0.253
ACCESO
0.024
0.040
0.025
0.035
0.025
0.024
0.025
0.024
0.025
0.030
0.025
0.028
0.001
0.761
0.026
0.023
0.026
0.023
0.025
0.025
0.025
0.026
VELOCID
AD
0.000
0.978
0.003
0.859
WMAH
-0.002
0.873
SACRH
-0.000
0.652
MAXD
0.001
0.761
WMAV
0.011
0.739
SACRV
0.001
0.761
VISÓN
-0.003
0.551
CHV
0.007
0.458
LL -338 -338 -339 -339 -339 -339 -339 -339 -339 -339 -339
AICC 687.9 689.8 688.6 686.5 688.6 688.4 688.5 688.5 688.5 688.3 688.1
LRS0
Crítico
χ2
43.6
12.6
43.9
14.1
40.8
11.1
40.8
7.8
40.8
9.5
41.0
9.5
40.9
9.5
40.9
9.5
40.9
9.5
41.2
9.5
41.3
9.5
LRS W/
B4
Crítico
χ2
2.4
6.0
5.8
7.8
3.9
3.8
-
0.0
3.8
0.2
3.8
0.1
3.8
0.1
3.8
0.1
3.8
0.4
3.8
0.6
3.8
*estimado parámetro y χ2
importancia dado para cada variable

49. - 10 -
Esta ronda de estimación muestra que entre las muchas variables características del segmento,
sólo el el ancho de la calzada pavimentada y el número de puntos de acceso en el segmento son
significativosen el modelos estimativo. Sin embargo estos Coeficientes hacer no tomar el firmar
ese era Esperado.
Debido a que las velocidades de impacto generalmente más altas causarán choques más
severos, esperamos un más estrecho pavimento y más puntos de acceso en un segmento para
hacer que los conductores se comporten con más cautela. En otras palabras, esperábamos que
los conductores conduzcan más lento o alargan los avances de distancia para permitir más
tiempo de reacción, y por lo tanto dar lugar a velocidades de impacto más bajas, y por lo tanto,
los niveles de gravedad. En consecuencia, ennuestro modelo estimado, esperaríamos que el
coeficiente para RWIDTH sea positivo y el coeficiente para que ACCESS sea negativo. Sin
embargo, los resultados estimados son los contrarios. El próximo dos secciones investigar estos
efectos en más detalle.
Categórico Análisis
En el paso anterior, encontramos parámetros inesperados estimados para RWIDTH y ACCESS.
Greene [30] indicó que si las variables incluidas en los modelos De Probit Ordenados no están
en el Similar balanza el estimativo modelos Mayo no converger. Desde el Otro Dos significativo
Variables(WET y NIGHT) son variables ficticias, se pensó que transformando estas dos
variables en categórico forma poder ayudar a dibujar fuera más razonable resultados de
parámetros.
Para seleccionar umbrales para realizar esta transformación, es útil examinar la frecuencia
distribuciones para RWIDTH y ACCESS, como se muestra en las Figuras I-2 e I-3. Además,
correlación los coeficientes de estas cuatro variables figuran en el Cuadro I-11. Ninguna de estas
variables está correlacionadasignificativamente entre sí. De acuerdo con los atributos de los
histogramas de frecuencia, probamos diferentes estrategias de transformación enumeradas en el
Cuadro I-12. En la Figura I-3, podemos encontrar que la mayoría de los segmentos tienen un
RWIDTH igual a quince pies. Esto podría ser un carril de 11 pies más un 4 pies hombro, o un
carril de 12 pies más un hombro de 3 pies. Así que seleccionamos 15 pies como umbral con dos
esquemas de transformación, uno estableciendo un ancho de 15 pies como una clase
independiente, el otro incluyendo este ancho en la clase de ancho de carretera más estrecho. Se
emplea un método de categorización similar para clasificar ACCESO.
Los resultados estimados a través de variables clasificadas se muestran en la Tabla I-13. El
modelo con el más bajoAICC el valor indica que un pavimento más ancho (>30 pies) podría
ayudar a reducir la gravedad del choque de frentey cuando el número de puntos de acceso en un
segmento es inferior a 10 en un segmento de 1 km, la cabeza- en la gravedad del accidente es
significativamente menor. Esto sugiere que la asunción de más puntos de acceso En el
comportamiento del controlador que esperábamos sólo está en vigor para un intervalo específico
de número de acceso Puntos. Además Mayor camino segmento poder ser Seguro para éste
específico tipo de estruendo.

50. - 10 -
50
40
30
20
10
0
13 14 15 16 17 18 20
ANCHURA DE R
Figura I-2. Frecuencia Patrón de ANCHURA DE R
12
10
8
6
4
2
0
1 5 9 13 17 21 26
ACCESO
Figura I-3. Frecuencia Patrón de ACCESO
Por
Por

51. - 10 -
Mesa I-11. Correlación Análisis de Cuatro Significativo Variables*
MOJADO NOCHE ANCHURA DE R ACCESO
MOJADO 1.000
NOCHE -0.050
0.450
1.000
ANCHURA DE R -0.057
0.391
0.029
0.667
1.000
ACCESO -0.020
0.767
-0.066
0.320
0.057
0.394
1.000
*estimado Pearson Coeficientes de correlación ρo y χ2
importancia dado para cada uno variable
Mesa I-12. Definiciones de Categórico Variables para ANCHO y ACCESO
Variable Valor
Model
o
C1 C2 C3
RWIDTH1 1 ANCHURA DE R∈
(15,20]
ANCHURA DE R =15 ANCHURA DE R =15
RWIDTH2 1 - ANCHURA DE R∈
(15,20]
ANCHURA DE R∈
(15,20]
ACCESO1 1 ACCESO∈(14,36] ACCESO∈(14,36] ACCESO∈(0,10]
ACCESO1 1 - - ACCESO∈(18,36]
Mesa I-13. De frente Estruendo Severidad como un Función de Categórico Estruendo y Camino
Características
Variable
Modelo
*
C1 C2 C3
µ1
0.555
<.000
0.555
<.000
0.568
<.000
µ2
1.387
<.000
1.388
<.000
1.418
<.000
µ3
2.161
<.000
2.161
<.000
2.204
<.000
Interceptar
-1.425
<.000
-1.404
<.000
-1.127
<.000
MOJADO
0.796
<.000
0.793
<.000
0.856
<.000
NOCHE
0.537
0.008
0.534
0.013
0.588
0.007
RWIDTH1
-0.465
0.668
-0.039
0.809
-0.055
0.731
RWIDTH2
-0.486
0.016
-0.562
0.006
ACCESO1
0.217
0.172
0.224
0.166
-0.488
0.003
ACCESO2
-0.141
0.504
LL -339.45 -339.42 -335.59
LRS0
Crítico χ2
40.2
9.5
40.3
11.1
48.0
12.6
AICC 687.1 689.1 683.6

52. - 10 -
*estimado parámetro y χ2
importancia dado para cada variable

53. - 10 -
Acceso Tipo Modelos
Para analizar la lógica detrás del coeficiente negativo inesperado en ACCESS, intentamos
algunos análisis microscópicos también. La variable ACCESS se categorizó por el número de
puntos de acceso (número de calzadas) de diferentes tipos, incluyendo residencial, oficina,
venta al por menor yindustrial.
Modelos Fueron estimado utilizando estos categorizados Variables con el resultados resumidos en
Cuadro I-
14. Nosotros fundar ese OFICINA es el más significativo variable entre todo acceso Tipos.
Inesperadamentelas variables RETAIL y MINOR en nuestro modelo aumentan la gravedad del
bloqueo, a pesar de que esperar que en las áreas de venta al por menor y alrededor de las
intersecciones menores, los conductores podrían ser más cautelosos debido a a una actividad de
entrada más frecuente y, por lo tanto, conducir más lento, lo que resulta en que los accidentes sean
menos Muy fuerte.
Entre estos tipos de calzada, solo OFFICE y RETAIL están significativamente correlacionados
con el accidente severidad. La Tabla I-15 muestra el número de accidentes por nivel de gravedad
para diferentes números de minoristasy oficina Calzadas respectivamente; estos son Mostrado
gráficamente en Figuras I-4 y I-5.
El intervalo de valores para RETAIL es mucho mayor que para OFFICE. Cuando RETAIL es
menor que 5,La gravedad de los accidentes tiene una tendencia decreciente junto con el
aumento en el número de VENTA AL POR MENOR Calzadas. Sin embargo cuando VENTA
AL POR MENOR es Mayor que 5, el situación es en el contrario.
Eso podría hacer que el modelo final produzca los resultados mixtos encontrados anteriormente.
Estos resultados, junto concon aquellos Informó anterior en el capítulo son resumido y Discutido en
próximo sección.

54. - 10 -
Mesa I-14. De frente estruendo severidad como un función de estruendo y camino características
con diferenteacceso tipo
Variable
Modelo
*
B4 D1 D2 D3
µ1
0.553
<.000
0.574
<.000
0.568
<.000
0.569
<.000
µ2
1.389
<.000
1.436
<.000
1.419
<.000
1.415
<.000
µ3
2.167
<.000
2.245
<.000
2.217
<.000
2.209
<.000
Interceptar
0.317
0.750
0.142
0.889
0.141
0.889
0.163
0.871
MOJADO
0.781
<.000
0.836
<.000
0.853
<.000
0.856
<.000
NOCHE
0.504
0.018
0.5779
0.0075
0.534
0.013
0.514
0.016
ANCHURA DE R
-0.139
0.037
-0.075
0.668
-0.131
0.050
-0.125
0.061
ACCESO
0.025
0.024
RESIDENCIA
0.748
0.072
OFICINA
-0.026
0.891
-0.229
0.020
-0.241
0.014
APARTAMENTO
-0.313
0.101
GASOLINERA
-0.021
0.900
VENTA AL POR MENOR
0.088
0.029
0.090
0.021
0.086
0.027
INDUSTRIAL
0.347
0.119
OTRO
0.334
0.068
OTROS
0.015
0.244
MENOR
0.070
0.080
0.077
0.049
0.084
0.030
LL -339.17 -331.50 -334.06 -334.75
LRS0
Crítico χ2
40.8
9.5
56.1
19.7
51.0
14.1
49.6
12.6
AICC 686.6 684.0 682.6 681.9
*estimado parámetro y χ2
importancia dado para cada variable

55. - 10 -
Mesa I-15. Estruendo severidad distribución por número de venta al por menor y
oficina Calzadas
Severidad O C B Un K
Todo
45
100%
38
100%
66
100%
48
100%
31
100%
VENTA AL POR MENOR =0
31
68.9%
31
81.6%
55
83.3%
38
79.2%
28
90.3%
VENTA AL POR MENOR =1-5
13
28.9%
7
18.4%
8
12.1%
6
12.5%
3
9.7%
VENTA AL POR MENOR >5
1
2.2%
0
0.0%
3
4.5%
4
83.3%
0
0.0%
OFICINA =0
38
84.4%
27
71.1%
53
80.3%
35
72.9%
22
71.0%
OFICINA =1-5
7
15.6%
11
28.9%
13
19.7%
13
27.1%
9
29.0%
OFICINA >5
0
0.0%
0
0.0%
0
0.0%
0
0.0%
0
0.0%
Figura I-4. Estruendo severidad por número de VENTA AL POR MENOR
Calzadas
Figura I-5. Estruendo severidad por número de OFICINA Calzadas
100%
80%
60%
40%
20%
0%
Estruendo
VENTA AL
POR
MENOR>5
100%
80%
60%
40%
OFICINA<=
5
20%
0%
Estruendo
Porcentaje
Porcentaje

56. - 10 -
RESUMEN Y CONCLUSIONES
La primera fase de este estudio se centró en las características geométricas de la calzada que
pueden explicar la incidencia de choques de frente en carreteras rurales de dos carriles en
Connecticut. Binomio negativo Se utilizó el modelado lineal generalizado para la estimación
del modelo, y tanto directo como suplente las variables geométricas fueron investigadas para
potencialmente explicar riesgo de choque de frente. Vehículo- kilómetros recorridos se utilizó
como un desplazamiento en los modelos, sin tomar multiplicativo o exponencial parámetro. El
registro natural de AADT se incluyó en todos los modelos para permitir la tasa de accidentes
para variar con el volumen de tráfico; los resultados del modelado mostraron que la tasa de
accidentes disminuye ligeramente con éste valor.
Las variables de control que por sí solas tienen efectos significativos para predecir el choque de
frente la incidencia es el límite de velocidad y la suma de los cambios absolutos en la tasa de
curvatura horizontal(SACRH), el grado máximo de curva horizontal (MAXD) y la suma del
absoluto cambios en la tasa de curvatura vertical (SACRV) juntos en el mismo modelo. El
modelo con SACRH tuvo el mejor desempeño, con la incidencia de choques de frente también
aumentando con esto valor. El modelo con MAXD y SACRV Realizado casi como pozo con el
incidencia de
los choques de frente también aumentan con cada uno. El modelo con límite de velocidad tuvo el
desempeño menos bueno, conde frente Accidentes decreciente como eso Aumenta.
La segunda fase de este estudio se refiere a la estimación de la gravedad de los choques de frente
como un función de estos mismos tipos de variables, junto con las características del propio
accidente. Datos de bloqueode esta misma base de datos se están utilizando en el estudio de
gravedad. El modelado Probit ordenado está siendo se utiliza para establecer la relación entre la
gravedad del choque y varias características del choque (por ejemplo, tipos de vehículos
involucrados, condiciones de luz en el momento del accidente), geometría de la calzada
características y patrones de uso de la tierra. El estudio de gravedad amplía los hallazgos al
descubrir cuáles de las mismas variables están significativamente relacionadas con la gravedad
del choque de frente, aparte de la incidencia de Accidentes y además Para Ayuda entender por
qué cuando un de frente estruendo Ocurre cuando es probable que el accidente sea fatal y cuando
no lo sea. Esto puede ayudar a los ingenieros de seguridad vial a implementar mejoras en las
carreteras de dos carriles destinadas no solo a reducir la incidencia de la cabeza Accidentes pero
Además Para asegurar ese cuando Ellos hacer ocurrir ese Ellos son menos probable Para ser
fatal.
Nuestros hallazgos sugieren que la mejor manera de reducir la incidencia de choques de frente es
reducir elnúmero de curvas horizontales y verticales medias a agudas y para enderezar
horizontalmente muy agudasCurvas. Esto se debe probablemente a que un mayor número de
curvas horizontales sobrecargará a los conductores en siguiendo la alineación curva, y un gran
número de cambios de grado reducen la distancia de visión, y por lo tanto la capacidad de los
conductores para ver una curva horizontal aguda que se aproxima, o vehículos que se aproximan
viajando a lo largo de la curva.
Sin embargo, las variables de curvatura horizontal y vertical del segmento de carretera no son
prometedoras de frente predicción de gravedad de bloqueo, ya sea como factores separados o como
factores combinados. Uno puede imaginar que cuando se produce un choque de frente, los

57. - 10 -
conductores pueden aplicar defensivamente los frenos, y tratar de alejarse De el Línea de el camino
Para evitar directo impacto. Técnicamente el severidad de un de frente estruendoestará relacionado
con la velocidad real del impacto, el punto de impacto, el ángulo de colisión y la masa de los dos
vehículos involucrados. Por lo tanto, en que las curvas horizontales y verticales son susceptibles
de afectar a las velocidades de los vehículos, podríamos esperar que sean predictores significativos
para la gravedad del choque de frente. Sin embargo, en nuestro estimativo modelos horizontal y
vertical curva Variables son no significativo aun aunque alguno

58. - 10 -
se encontró que estaban correlacionados significativamente con la ocurrencia de choques de frente.
Es posible que el efecto de la reducción de la velocidad del vehículo a través de las curvas puede
ser contrarrestado por otros aspectosde el Curvas tal como reducido vista distancia.
Los períodos de tiempo de un día se consideran generalmente como índices de la capacidad de
reacción del conductor y nivel de alerta. Normalmente, los conductores tienden a estar
somnololdos por la noche. Por lo tanto, la frecuencia y la gravedad de se espera que los accidentes
sean más altos en ese momento. Otro hallazgo esperado es que la superficie húmeda de la carretera
es consistentemente significativa como un predictor de gravedad de choque de frente. Cuando la
superficie de la carretera es mojado, el rendimiento mecánico de los frenos se ve disminuido, por
lo que la velocidad de impacto puede no ser reducido efectivamente y severidad Tiende Para ser
superior.
Sin embargo, los efectos de algunas variables no son los mismos que nuestras expectativas
iniciales. En el a partir de este estudio, esperábamos que un pavimento más ancho creara una
conducción favorable entorno que induce a los conductores a viajar más rápido. Por lo tanto,
cuando se produce un choque de frente, el la velocidad del impacto sería más alta, y la severidad
aumentaría. Sin embargo, los resultados de la estimación son todo lo contrario. Para carriles y
hombros más anchos, la razón podría ser que los más espaciosos conducción espacio Proporciona
un búfer área Para evitar un directo de frente impacto así Reducir el posibilidad de accidentes más
graves. Desafortunadamente, los registros de resumen de bloqueo no proporcionan detallado
información acerca de el ángulos de impacto de accidentes individuales, por lo que éste no poder
ser verificado.
Otro inesperado hallazgo es cómo el densidad de acceso Puntos en el segmento y sula distribución
por tipo afecta a los resultados de los choques de frente. Por ejemplo, en áreas con una gran
cantidad de acceso Puntos fatal de frente Accidentes son más probable Para ocurrir cuál era no
Esperado. Específicamente, un gran número de entradas de la oficina se correlacionan con
accidentes menos graves, mientras que un gran número de calzadas de uso minorista se
correlacionan con accidentes más graves. Estos hallazgos sugieren que el comportamiento de
conducción puede variar de acuerdo con el contexto de uso de la tierra, con velocidades más bajas
en el vecindad de Oficinas y mayores velocidades en las zonas comerciales.
Los estudios futuros sobre esta cuestión podrían centrarse con más detalle en la correlación entre
el uso de la tierra Variables y estruendo severidad. Como susodicho encima el entrada Tipos
influencia el de frentegravedades de choque. Además, la distribución del viaje variará según la
hora del día en diferentes usos del suelo. entornos, por lo tanto, el efecto en el comportamiento de
conducción también puede variar según la hora del día. Otro la investigación podría enfatizar en
los registros del punto de impacto para cada accidente. Algunos, pero no todos, los estados
registran esto; desafortunadamente Connecticut no está entre estos estados. Analizando esto la
información podría ayudarnos a verificar la hipótesis sobre el efecto del punto de impacto en el
choque de cabezaseveridad o Mayo Conducir Para Nuevo Resultados en estruendo severidad
Predicciones.