Aprendizaje automático y modelo basado en Sistemas de Información Geográfica (SIG) para la predicción de la gravedad...

Área de la Ciencia:

• Salud Pública
• Ciencia de Datos
• Ingeniería de Transporte

Sus antecedentes:

• Las lesiones por accidentes de tráfico son un problema importante de salud pública en países de ingresos bajos y medianos.
• Jordania se enfrenta a desafíos en materia de seguridad vial, lo que requiere enfoques analíticos avanzados.

Objetivo del estudio:

• Desarrollar un marco híbrido de aprendizaje automático (ML) y Sistemas de Información Geográfica (SIG) para predecir la gravedad de los accidentes de tráfico.
• Identificar los factores conductuales, ambientales e infraestructurales que contribuyen a los resultados de las lesiones en Jordania.

Principales métodos:

• Análisis de 11.345 accidentes utilizando un enfoque de dos etapas: minería de reglas de asociación y modelos de ML (árbol de decisión, Random Forest, AdaBoost).
• Estimación de la densidad del núcleo basada en SIG para identificar puntos críticos espaciales de accidentes graves y mortales.
• El preprocesamiento de datos incluyó codificación, imputación, normalización y tratamiento de valores atípicos.

Principales resultados:

• Las reglas de asociación identificaron vínculos entre la conducción nocturna, los conductores jóvenes y el no uso del cinturón de seguridad con resultados fatales.
• El análisis SIG identificó cúmulos de accidentes de alto riesgo en Zarqa, Awajan y Al-Rusayfah.
• El modelo Random Forest demostró una alta precisión predictiva (98,5-99,9%), con predictores clave que incluyen el tipo de accidente, la velocidad, la hora del día, la edad del conductor y las características de la carretera.

Conclusiones:

• El marco híbrido ML-SIG proporciona una predicción precisa de la gravedad de los accidentes y revela patrones espaciales y conductuales críticos.
• Los hallazgos enfatizan la influencia significativa de los factores temporales e infraestructurales, guiando intervenciones de seguridad específicas y estrategias basadas en evidencia en Jordania.