Estudio de Puntos Negros
Estudio de Puntos Negros
Estudio de Puntos Negros
DETECCIN, PRIORIZACIN Y
CARACTERIZACIN DE PUNTOS NEGROS EN 5
CIUDADES PRINCIPALES DEL PER
Diciembre 2015
Decenio de las Personas con Discapacidad en el Per
TABLA DE CONTENIDOS
I. INTRODUCCIN ................................................................................................................ 3
II. METODOLOGA ................................................................................................................. 4
1. Definiciones de Punto Negro ........................................................................................... 4
2. Mtodos de Identificacin de Puntos Negros ................................................................... 5
3. Mtodo Empleado para Identificar Puntos Negros ........................................................... 7
3.1. Identificacin de Grupos de Accidentes (Clustering) ................................................ 7
3.2. Identificacin de los Puntos Negros.......................................................................... 9
3.3. Priorizacin de los Puntos Negros ...........................................................................10
III. CARACTERIZACIN DE LA ACCIDENTABILIDAD VIAL ..............................................10
IV. RESULTADOS ...............................................................................................................11
V. CONCLUSIONES ..............................................................................................................14
VI. REFERENCIAS ..............................................................................................................14
Pgina 2 de 14
Decenio de las Personas con Discapacidad en el Per
I. INTRODUCCIN
El sistema de transporte est compuesto por los usuarios (conductores o peatones), los
vehculos, la infraestructura vial y el ambiente (Mohan et al. 2006). Su objetivo principal es
permitir la movilidad de personas de tal modo que puedan transportarse eficaz y eficientemente
a centros de trabajo, centros educativos, tiendas, lugares de ocio y otros (Mitra 2008). Sin
embargo, un sistema de transporte tambin genera resultados no deseados, as como los
accidentes de trnsito, los cuales generan prdidas econmicas y sociales limitando el desarrollo
de una ciudad (Elvik 1995). Por tal motivo, la ocurrencia de accidentes de trnsito representa un
problema social y de salud pblica de suma importancia. Segn la Organizacin Mundial de
Salud, los accidentes de trnsito ocuparon el noveno puesto de la lista de las principales causas
de muerte en el mundo en el ao 2012, con un estimado de 1.3 millones de muertes. As mismo,
son un tema central en la gestin de la seguridad vial, en donde se debe direccionar esfuerzos
para la prevencin sostenible y efectiva de accidentes de trnsito.
Existen distintas causas relacionadas a la ocurrencia de accidentes de trnsito que se encuentran
dentro de cuatro principales factores; el factor humano, los vehculos, infraestructura vial y la
condiciones ambientales (Mohan et al. 2006). Tales factores no son necesariamente
independientes y tienen distintos niveles de responsabilidad. Los tomadores de decisiones
pueden influenciar en el comportamiento o estado del factor humano, los vehculos y la
infraestructura vial; sin embargo, en primer lugar, se necesita identificar aquellas zonas en donde
existe alta ocurrencia o severidad de accidentes, tambin conocido como puntos negros, y
analizar la informacin obtenida respecto a los accidentes ocurridos en dichas zonas. Una vez
que se haya realizado dichas actividades, se puede plantear y ejecutar mejoras en relacin a los
factores ms asociados a la ocurrencia de los accidentes de trnsito. Varios estudios han
reportado grandes reducciones de accidentes cuando se interviene tales puntos negros (Elvik
1997), siendo la razn por la que la identificacin de puntos negros es una actividad rutinaria
para mejorar la seguridad vial (Cheng and Washington 2008) y su intervencin es considerado
como uno de los enfoques ms eficientes de prevencin de accidentes de trnsito (Lipovac et al.
2009).
En el Per, la Polica Nacional del Per, registr 101104 accidentes de trnsito en el ao 2014 y
2798 muertos en estos accidentes (CNSV). Los registros de estos accidentes no se encuentran
estandarizados, por lo que el Instituto Nacional de Estadstica e Informtica levanta la informacin
con los denominados Censos Nacionales de Comisarias (CENACOM); sin embargo, dicha
informacin recolectada solo representa una muestra de lo brindado por las comisaras. Adems,
los registros de accidentes obtenidos de los CENACOM no permiten una identificacin directa de
los puntos negros debido a que no se encuentran georreferenciados, ya que la ubicacin de los
accidentes solo se encuentra en formato texto. Estas desventajas podra ser la razn por la que
actualmente no se cuenta con la identificacin de puntos negros para aos recientes. Ello limita
el accionar de los tomadores de decisiones para la mejora de la seguridad vial.
En este contexto, se reconoce la necesidad de identificar los puntos negros de la red vial del pas
con informacin reciente, priorizar aquellos puntos negros y brindar informacin de la
caracterizacin tcnica de los puntos negros identificados a las autoridades competentes de tal
modo que puedan proponer e implementar intervenciones oportunas. Por esta razn, el presente
estudio tiene como finalidad identificar, priorizar y caracterizar los puntos negros de 5 ciudades
Pgina 3 de 14
Decenio de las Personas con Discapacidad en el Per
principales del Per (Arequipa, Chiclayo, Lima-Callao, Tacna y Trujillo) en base a los accidentes
ocurridos en el periodo 2011-2014. Se utilizaron tcnicas estadsticas que permiten obtener
resultados de manera rpida y eficiente. La base de datos empleada pertenece a la informacin
recolectada por los CENACOM entre los aos 2012-2015.
La organizacin del presente estudio es del siguiente modo: la introduccin a la problemtica y
el objetivo de estudio se presenta en la seccin I. En la seccin II se muestra los mtodos
empleados para la deteccin de puntos negros y mayores detalles de la metodologa empleada
en el estudio. En la seccin III se presenta el diseo de la caracterizacin de la accidentabilidad
vial. Los principales resultados de los puntos negros detectados se encuentra en la seccin IV y
las conclusiones se discuten en la seccin V.
II. METODOLOGA
Existen distintos conceptos de puntos negros y a su vez distintas tcnicas para identificarlos. Por
tal motivo, en esta seccin se presenta las principales definiciones de puntos negros junto con
los principales mtodos de identificacin de puntos negros. Luego, se presenta informacin
detallada sobre el mtodo empleado para el presente estudio; as como la estrategia empleada
para la priorizacin de los puntos negros identificados.
1. Definiciones de Punto Negro
En trminos simples, un punto negro hace referencia a zonas donde existe alta concentracin
de accidentes. Sin embargo, no existe una definicin universal de punto negro debido a que
se necesita mayor detalle para una definicin ms clara debido a que existen ambigedades
en relacin a ciertas caractersticas tcnicas. Por ejemplo, respecto a las especificaciones de
la zona o tramo, se podra considerar zonas con longitud de 50 metros, 100 metros, solo
intersecciones, etc. Del mismo modo, no es preciso la manera de clasificar una zona como de
alta concentracin porque podra ser en donde ocurrieron ms de 1 accidente por ao, ms
de 1 accidente por cierta cantidad de vehculos, ms de 1 accidente por cierta longitud de va,
etc. En este sentido, se puede notar que una nueva definicin puede ser adoptada al incluir
alguna especificacin. Sin embargo, existen ciertas caractersticas en comn que permiten
clasificar las definiciones en 3 principales categoras: numricas, estadsticas y basados en
modelos (Elvik 2008).
Las definiciones numricas son aquellas que consideran un valor numrico como lmite
para considerar una aglomeracin de accidentes como punto negro. Este lmite podra ser
un nmero fijo de accidentes, una razn o ambos criterios. Por ejemplo, para Noruega,
una definicin numrica de un punto negro es cualquier ubicacin con un mximo de
longitud de 100 metros, en el cual al menos 4 accidentes con lesiones han sido registradas
durante los ltimos 5 aos (Elvik 2008). Una definicin similar de razn podra ser
cualquier ubicacin con un mximo de longitud de 100 metros, en el cual el nmero de
accidentes con lesiones por mil vehculos, para los ltimos 5 aos, ha sido mayor a 0.8.
Este ltimo lmite es escogido de manera arbitraria.
Pgina 4 de 14
Decenio de las Personas con Discapacidad en el Per
Pgina 5 de 14
Decenio de las Personas con Discapacidad en el Per
Pgina 6 de 14
Decenio de las Personas con Discapacidad en el Per
lmite considerado en la definicin de punto negro. En relacin a este ltimo paso, el mtodo
podra ser segn el criterio numrico (nmero de accidentes, razn y razn - numero), criterio
estadstico (valor critico de nmero de accidentes y de razn de accidentes) o criterio basado
en modelos (bayes emprico y valor de dispersin) (Elvik 2008). Adems, cuando los lmites
son escogidos asumiendo una distribucin hipottica de la frecuencia de accidentes en la
zonas, se le denomina mtodo de control de calidad (Hauer 1996).
3. Mtodo Empleado para Identificar Puntos Negros
Como pudo verse en la seccin anterior, existen varios mtodos y criterios para identificar
puntos negros, los cuales estn directamente relacionados con la definicin considerada de
punto negro. Para el presente estudio, se consider el mtodo de clustering para agrupar
accidentes con ubicaciones cercanas y el criterio numrico, segn nmero de accidentes,
para identificar los puntos negros. Por lo tanto, la definicin de punto negro es numrica
declarada como aquel tramo de va que, con un mximo de 100 metros de distancia
(recorrida) entre los accidentes ms lejanos, concentr ms de 24 accidentes de
trnsito durante el periodo 2011-2014 de acuerdo a los CENACOM correspondientes. La
longitud de 100 metros para la identificacin de los puntos negros, es un valor comnmente
empleado en el Per, mientras que el lmite de 24 accidentes de trnsito ser explicado
posteriormente.
3.1. Identificacin de Grupos de Accidentes (Clustering)
El clustering o algoritmo de agrupamiento es una tcnica de aprendizaje no supervisado que
agrupa una serie de objetos, de manera jerrquica o no jerrquica, de acuerdo a un criterio.
Este criterio, por lo general, es una medida de similitud o disimilitud. Los mtodos de
clustering comnmente empleados, consideran la distancia euclidiana como medida de
disimilitud. Es decir, que valores grandes de la distancia euclidiana indica que los accidentes
estn ms alejados, mientras que valores pequeos indican cercana. En la Figura 3 y
Figura 4, puede observarse cmo funciona el mtodo clustering jerrquico con un criterio
de distancia euclidiana mxima entre elementos de un grupo igual a 100 metros.
Pgina 7 de 14
Decenio de las Personas con Discapacidad en el Per
En la Figura 3 puede verse la ubicacin de los accidentes de trnsito que se quieren agrupar
y la Figura 4 muestra el procedimiento de agrupacin resumido en el grfico llamado
dendograma junto con el criterio de la distancia euclidiana igual a 100 metros. En ambas
figuras puede verse 5 clusters encontrados. Sin embargo, la distancia euclidiana no es una
mtrica adecuada en una red vial ya que se podra considerar dos accidentes que se
encuentran a media cuadra de dos vas paralelas como cercanas (Figura 5). Lo cual no se
acerca a la realidad ya que la distancia adecuada sera la distancia que se debe incurrir para
llegar de una ubicacin a otro a travs de la red vial. Por tal razn, en vez de considerar la
distancia euclidiana, se emple la distancia ptima para llegar de una ubicacin a otro segn
la estructura de la red vial.
Pgina 8 de 14
Decenio de las Personas con Discapacidad en el Per
unan, la mxima distancia entre sus elementos debe ser menor a 100 metros. De este modo
se asegura que la distancia entre dos elementos del mismo cluster sea menor a 100 metros.
Para mayor informacin acerca de los mtodos de clustering puede referirse a Applied
Multivariate Data Analysis : Volume II: Categorical and Multivariate Methods (Jobson 1992).
3.2. Identificacin de los Puntos Negros
Luego de haber agrupado los accidentes de trnsito segn cercana, se calcul la
ponderacin de los clusters de accidentes de trnsito para poder identificar aquellos que
sobrepasan el lmite para ser considerado punto negro. El detalle se tal procedimiento se
presente en esta seccin.
3.2.1. Factor de Expansin
Como se mencion anteriormente, la base de datos georreferenciada en el estudio solo
representa una muestra del total de accidentes registrados por la Polica Nacional de Per
(PNP). Adems, esta muestra no es constante entre las comisaras, ni a travs de los aos.
Es decir, que se cuenta con la georreferenciacin del 20% de los accidentes registrados
por algunas comisaras, del 10% de accidentes de otras comisaras y as sucesivamente.
Estas diferencias en el porcentaje de las muestras representan un problema debido a que
la informacin muestral de las comisaras no puede ser empleada conjuntamente. La razn
por ello es que la identificacin de puntos negros estara sesgada por aquellas comisaras
con las que se cuente mayor proporcin muestral georreferenciada; es decir, es muy
probable que la mayora de puntos negros identificados pertenezcan a las comisaras con
mayor proporcin muestral.
Para evitar tal sesgo, se considera un factor de expansin inversamente proporcional al
porcentaje de accidentes georreferenciados.
1 1
= = (II-1)
En donde y representan el factor de expansin y la proporcin georreferenciada para
la comisara en el ao respectivamente. Ntese que la proporcin georreferenciada
es obtenida multiplicando la proporcin muestreada por el CENACOM y la proporcin
de los accidentes de trnsito registrados por el CENACOM que pudieron ser
georreferenciados . Por ejemplo, si slo se cuenta con el 50% de los accidentes de cierta
comisara para cierto ao de los cuales el 50% pudieron ser georreferenciados, el
porcentaje de accidentes georreferenciados ser 25% de modo que cada accidente tendr
un factor de expansin igual a 4 haciendo que la informacin entre comisaras sea
comparable. De este modo se consider un factor de expansin por comisara y por ao
ya que la proporcin muestreada tambin vara de ao a ao.
Considerar un factor de expansin cuando la muestra es muy pequea podra sobrestimar
la cantidad de accidentes ocurridos en ciertas zonas por eso se puso el lmite de 13, el cual
representa el percentil 90 de todos los factores de expansin considerados. Aquellos con
factor de expansin mayor a 13, fueron cambiados por este mismo lmite.
Pgina 9 de 14
Decenio de las Personas con Discapacidad en el Per
Una actividad importante, luego de haber detectado los puntos negros, es describir las
caractersticas de accidentabilidad en la zona del punto negro de tal modo que se encuentre
Pgina 10 de 14
Decenio de las Personas con Discapacidad en el Per
IV. RESULTADOS
Pgina 11 de 14
Decenio de las Personas con Discapacidad en el Per
CANTIDAD DE
DEPARTAMENTO PROVINCIA DISTRITO
PUNTOS NEGROS
Pgina 12 de 14
Decenio de las Personas con Discapacidad en el Per
Luego de haber detectado y priorizado los puntos negros, se realiz la caracterizacin de cada
punto negro (Figura 6) en donde se muestra la ubicacin del punto negro junto a la frecuencia
anual, mensual, diaria y por hora, y la distribucin de los accidentes de trnsito segn el tipo de
transporte, la severidad del accidente, las consecuencias de los involucrados, el tipo de
accidente, los vehculos involucrados y las causas asociadas.
Pgina 13 de 14
Decenio de las Personas con Discapacidad en el Per
V. CONCLUSIONES
Existen 2739 puntos negros correspondientes a las provincias de Arequipa, Chiclayo, Lima,
Callao, Tacna y Trujillo que necesitan ser intervenidas para la mejora de la seguridad vial
reduciendo la ocurrencia de accidentes de trnsito. Para ello, puede hacerse uso de las fichas
tcnicas generadas en el presente estudio de tal modo que ayude en la toma de decisiones.
VI. REFERENCIAS
Anderson, Tessa. 2007. Comparison of Spatial Methods for Measuring Road Accident hotspots:
A Case Study of London. Journal of Maps 3(1):5563.
Cheng, Wen and Simon Washington. 2008. New Criteria for Evaluating Methods of Identifying
Hot Spots. Transportation Research Record: Journal of the Transportation Research Board
2083(-1):7685. Retrieved (http://dx.doi.org/10.3141/2083-09).
Elvik, Rune. 1995. Analysis of Official Economic Valuations of Traffic Accident Fatalities in 20
Motorized Countries. Accident; analysis and prevention 27(2):23747. Retrieved
(http://www.ncbi.nlm.nih.gov/pubmed/7786391).
Elvik, Rune. 1997. Evaluations of Road Accident Blackspot Treatment: A Case of the Iron Law
of Evaluation Studies? Accident Analysis and Prevention 29(2):19199.
Elvik, Rune. 2008. State-of-the-Art Approaches to Road Accident Black Spot Management and
Safety Analysis of Road Network. Ripcord-Iserest 199.
Hauer, Ezra. 1996. Identification of Sites with Promise. Transportation Research Record:
Journal of the Transportation Research Board 1542(-1):5460. Retrieved
(http://dx.doi.org/10.3141/1542-09\nhttp://trb.metapress.com/content/64j3308l150j5122/).
Jobson, J. D. 1992. Applied Multivariate Data Analysis: Volume II: Categorical and Multivariate
Methods. Retrieved (http://link.springer.com/10.1007/978-1-4612-0921-8).
Lipovac, K., D. Jovanovic, M. Nesic, and D. Jovanov. 2009. Database of Black Spots on Main
Roads in Serbia. 4th IRTAD Conference, 16-17 September (1):38292.
Lu, Jinyan, Albert Gan, Kirolos Haleem, and Wanyang Wu. 2012. Clustering-Based Roadway
Segment Division for the Identification of High Crash Locations. Journal of Transportation Safety
& Security (September 2015):120918112735000.
Mitra, Sudeshna. 2008. Enhancing Road Traffic Safety: A GIS Based Methodology to Identify
Potential Areas of Improvement.
Mohan, Dinesh, World Health Organization, Indian Institute of Technology, and Delhi. 2006. Risk
Factors for Road Traffic Injuries. Pp. 2140 in Road Traffic Injury Prevention Training Manual.
Pgina 14 de 14