Aplicación de técnicas de minería de datos En accidentes de tráfico

Abstract

[EN] Nowadays traffic accidents represent a global problem being the eleventh cause of death in the world and it is believed that it will take the third place in 2020. Every year more than 1 million of people die in accidents, including drivers, pedestrians, cyclists, motorcyclists and users of public transportation, besides of thousands of people who get permanently disability. For these, one of the main strategies set out in the road safety plans is the reduction of the economic impact and the public health problems. One of the key factors for achieving this goal is the improvement of road safety. For these reasons, this master thesis discusses in depth these road accidents. There are different approaches to carry out the study of traffic accidents. This analysis is conducted in terms of the severity of their consequences. Currently many researchers have begun to use techniques in the data mining field. These techniques allow to extract knowledge of previously unknown data, and usually are not based on assumptions not even require prior knowledge of the probabilistic problem under study. Different techniques have been used to perform these studies. Particularly Decision Trees are a mining data technique very appropriate for the study of traffic accidents for different reasons: they can be easily interpreted, they can work with large amounts of data, they provide a highly effective structure which allows to estimate the options and investigate the possible consequences and the probability of occurrence and then select one of them, and above all, allow to discover interactions between data. It is remarkable that this technique allows the extraction of "if-then" kind decision rules, which are used to discover patterns of behavior that occur within a data set. These patterns are vital because they help us to understand the event of an accident, as well as identifying the main variables that determine its severity. Therefore in this thesis master different data mining techniques are used to obtain these patterns. There are some similar studies which analyze the severity of the accidents; however they have to be performed independently because of the heterogeneity of the roads´ characteristics, the environment and other elements that are related to accidents. In this work, data traffic accidents in the UK and Queensland (Australia) were used. According to the results obtained, it can be concluded that the Decision Tree are a useful tool to analyze traffic identifying the variables most relevant in the severity of the accident. Besides, the extraction of decision rules help us to discover patterns that are of vital interest to analysts and managers of road safety, and from these they can make concrete plans in order to reduce the socio-economic impact caused by traffic accidents.

[ES] Actualmente los accidentes de tráfico representan un problema mundial, siendo la undécima causa de muerte en el mundo y se estima que en el año 2020 será la tercera. Todos los años mueren más de 1 millón de personas a causa de estos accidentes, entre conductores, peatones, ciclistas, motociclistas y usuarios del transporte público, además de miles de personas que resultan con discapacidades permanentes. Por tales motivos, reducir el impacto económico y los problemas de salud pública sigue siendo una de las prioridades estratégicas planteadas en los planes de seguridad vial. Uno de los factores clave para alcanzar este objetivo radica en el mejoramiento de la seguridad vial en las carreteras. Por dichas razones, en esta tesis de máster se analiza en profundidad la accidentalidad de estas carreteras. Existen diferentes enfoques para llevar a cabo el estudio de los accidentes de tráfico. Este estudio se realiza en términos de la gravedad de sus consecuencias. En la actualidad numerosos investigadores han comenzado a utilizar técnicas que se encuentran dentro del campo de la Minería de Datos. Estas técnicas permiten extraer conocimiento de datos previamente desconocidos, y normalmente, no parten de hipótesis ni requieren un previo conocimiento probabilístico del problema objeto de estudio. Para realizar estos estudios, se han aplicado diferentes técnicas, pero, particularmente, los Árboles de Decisión son una técnica de Minería de Datos muy apropiada para el estudio de los accidentes de tráfico, por diferentes razones: son fácilmente interpretables, pueden trabajar con grandes volúmenes de datos, provee una estructura sumamente efectiva dentro la cual se puede estimar cuales son las opciones e investigar las posibles consecuencias, y la probabilidad de que suceda, de seleccionar cada una de ellas, y sobre todo, permiten descubrir interacciones entre los datos. Un aspecto relevante, es que esta técnica permite la extracción de Reglas de Decisión del tipo "si-entonces", que son utilizadas para descubrir patrones de comportamientos que ocurren dentro de un conjunto de datos. Estos patrones son de vital importancia, ya que nos ayudan a la comprensión del suceso de un accidente, así como a la identificación de las principales variables que determinan su gravedad. Por ello en esta tesis de máster se utilizan diferentes técnicas de minería de datos con el fin de obtener estos patrones. Existen algunos estudios similares, donde se analiza la severidad de los accidentes, pero debido a la heterogeneidad de las características de las carreteras, medio ambiente y otros elementos que están relacionados con los accidentes, los estudios se tienen que realizar de forma independiente. En este caso, se utilizan datos de accidentes de tráfico ocurridos en el Reino Unido y en Queensland (Australia). Con los resultados obtenidos, se puede concluir que los Árboles de Decisión son una herramienta idónea para analizar los accidentes de tráfico, ya que permiten identificar las variables con mayor relevancia en la gravedad del accidente, y que la extracción de las Reglas de Decisión, nos ayudan a descubrir patrones que son de vital interés para los analistas y gestores de seguridad vial, para que posteriormente se puedan realizar planes concretos con el fin de reducir el impacto socio-económico causado por los accidentes de tráfico.