Identificación del nivel de riesgo del conductor que incorpora rasgos de personalidad, características demográficas y...

Área de la Ciencia:

• Psicología
• Ciencias de la computación
• Seguridad en el transporte

Sus antecedentes:

• Los factores humanos influyen significativamente en las tasas de accidentes de vehículos, especialmente entre los conductores de alto riesgo.
• La evaluación eficaz de los riesgos para los conductores es crucial para el desarrollo de intervenciones específicas en materia de seguridad y programas de formación.

Objetivo del estudio:

• Desarrollar un método sólido para identificar los niveles de riesgo de los conductores.
• Evaluar la eficacia de los algoritmos de aprendizaje automático para predecir la seguridad del conductor.
• Informar el diseño de programas de entrenamiento de conductores personalizados.

Principales métodos:

• Evaluación cuantitativa de los rasgos de personalidad de 50 conductores utilizando la Lista de verificación de síntomas-90 y datos demográficos.
• Categoría de riesgo de tres niveles (bajo, medio, alto) basado en conductas de conducción evaluadas en pruebas de campo.
• Desarrollo y comparación de cuatro modelos de aprendizaje automático (SVM, CART, XGBoost, MLP) para la identificación de riesgos.

Principales resultados:

• Se encontraron correlaciones significativas entre los niveles de riesgo del conductor y los factores que incluyen el sexo, el trastorno obsesivo-compulsivo, la depresión, la ansiedad, la hostilidad y las ideas paranoicas.
• Los cuatro modelos de aprendizaje automático lograron un recuerdo del 100% en la identificación de conductores de alto riesgo.
• El modelo de perceptrón multicapa demostró un rendimiento superior con una precisión del 86,7% y una puntuación de F1 del 87,0%.

Conclusiones:

• Los rasgos de personalidad y las características demográficas son predictores críticos del riesgo del conductor.
• Los modelos de aprendizaje automático, en particular el perceptron de múltiples capas, ofrecen una alta eficacia en la identificación de conductores en riesgo.
• Los resultados proporcionan información valiosa para mejorar la seguridad de los conductores y optimizar las estrategias de capacitación.