Clasificación y caracterización de intersecciones de rutas nacionales con base en el uso de dispositivos de seguridad pasiva en ocupantes de vehículos automotores para el 2018

Abstract

RESUMEN PRÁCTICA PROFESIONAL I: El objetivo de esta investigación es clasificar intersecciones entre rutas nacionales con base en el uso de dispositivos de seguridad pasiva en el año 2018 para definir perfiles que generen información de interés en el planteamiento de estrategias de intervención. Para realizarlo se utiliza como fuente de datos, el “Estudio nacional sobre uso de dispositivos de seguridad pasiva, vestimenta y factores distractores, 2019” realizado por el Consejo de Seguridad Vial (Cosevi) en el 2018. Previo a la clasificación de las intersecciones, se realiza una valoración de los indicadores disponibles para determinar el o los más apropiados en la formación de grupos. Posteriormente, mediante análisis de conglomerados, utilizando la técnica “K-Medoids”, se identifican diferentes escenarios para encontrar el número adecuado de grupos. Los grupos generados se validan internamente para determinar diferencias significativas, según las variables propuestas para la caracterización de las intersecciones, y una vez definidos los grupos, se procede a caracterizarlos mediante regresión logística multinomial. Entre los resultados más importantes se encuentra que, de los tres indicadores evaluados para formar los grupos, el uso de los dos indicadores individuales (uso de casco y uso de cinturón) brinda mayor información que el compuesto (suma de indicadores individuales). Además, a partir de la razón de correlación “eta2” (η2), análisis gráfico y criterio sustantivo, se determina que el número de agrupaciones se estabiliza en tres, denominadas “Bajo uso”, “Uso medio” y “Alto uso”. A partir de la validación interna se determinan diferencias significativas entre los grupos y las características de la intersección. La creación del perfil, usando regresión logística multinomial, sugiere que las variables relevantes corresponden a: “Zona”, “GAM”, “Flujo vehicular” y “Cantidad media de accidentes”, de las cuales, “GAM” y “Flujo vehicular” resultaron significativas al 5%, utilizando como referencia el grupo de “Bajo uso”. Lo anterior implica que, en ambas agrupaciones, las intersecciones que se encuentran dentro de la GAM tienen mayor posibilidad de ser de uso medio o alto uso de dispositivos de seguridad y que, además, aumentos en el flujo vehicular implican mayor posibilidad de pertenecer a dichos grupos de uso de dispositivos de seguridad. A partir del análisis realizado con la clasificación y caracterización de las intersecciones, se logran identificar los focos de menor uso de dispositivos de seguridad pasiva, generando información relevante para orientar a las entidades responsables en materia de seguridad vial, creando políticas y estrategias de intervención destinadas a mejorar la situación en sitios con bajo uso de dispositivos de seguridad, mediante la aplicación de campañas de comunicación, operativos de tránsito y demás medidas que garanticen una mejoría en el porcentaje de uso de casco y cinturón de seguridad.

RESUMEN PRÁCTICA PROFESIONAL II: A partir del Estudio nacional sobre el uso de dispositivos de seguridad pasiva, vestimenta y factores distractores, 2017, realizado por el Consejo de Seguridad Vial en el 2016, se analizó el efecto que tendrían los cambios en el diseño muestral para disminuir la variabilidad de las estimaciones relacionadas con el uso de dispositivos de seguridad pasiva, mediante la aplicación de técnicas de selección de elementos, indicadores de desempeño y procesos de simulación aplicados al muestreo de conglomerados completos. En el trabajo, mediante procesos de simulación, se compararon técnicas de selección con variaciones en el tamaño del submuestreo y cantidad de réplicas, utilizando dos escenarios; el primero corresponde al uso de las unidades primarias de muestreo (UPM) o conglomerados completos sin agrupar (escenario general), mientras que, en el segundo, se agruparon con base en la intensidad de su flujo vehicular (posestratificación), obteniendo como resultado dos agrupaciones (medio y alto flujo vehicular). Entre los resultados más importantes se encuentra que, en ambos escenarios, la selección aleatoria evidenció mejor rendimiento en la estimación de los indicadores sobre uso de dispositivos de seguridad pasiva (uso de cinturón de seguridad) con respecto a las técnicas sistemática y los primeros “n” casos, mostrando mayor desempeño en el 76% de los ensayos realizados en el escenario general, mientras que, en el escenario de la posestratificación, para el grupo de flujo medio y alto flujo se obtuvo un desempeño de 47% y 60% respectivamente. Asimismo, en ambos escenarios, en términos de reducción de la variabilidad y precisión, se encontró estabilidad en las estimaciones para valores del submuestreo cercanos a 20 elementos por UPM. Con respecto a la exactitud de las estimaciones, para el caso del escenario general se encontró que la estimación de la proporción media a partir de los procesos de simulación se encuentra subestimada en cerca de 2,4% (0,76) en relación con el valor de referencia de los conglomerados completos (0,78), mostrando diferencias significativas (α = 0.05) al realizar el cálculo de los intervalos de confianza para la proporción media. Sin embargo, dicha situación se valoró en el escenario de la posestratificación para determinar si un control de las UPM con base en el flujo vehicular contribuye a mejorar el problema de la subestimación en función de un diseño de submuestreo de tamaño fijo como el utilizado en el presente trabajo, o si, en la práctica, un diseño de submuestreo proporcional sería más apropiado. Como parte del análisis realizado, se obtuvieron resultados de importancia práctica para el estudio del uso de dispositivos de seguridad pasiva en poblaciones móviles, ya que se logró una mejor comprensión del fenómeno abordado y pueden recomendarse cambios al diseño metodológico del estudio, en búsqueda de mejoras en el control de la variabilidad y cálculo de estimaciones.