Predicción de accidentes en caminos rurales de dos carriles

1/95
Predicción del Previsto Comportamiento
de Seguridad de los Caminos Rurales de
Dos Carriles, CR2C

2/95
PREFACIO
Este informe documenta el algoritmo para predecir el rendimiento de seguridad de los caminos
rurales de dos carriles que constituye la base del módulo de predicción de colisiones del modelo
interactivo de diseño de seguridad vial. El algoritmo estima el efecto sobre el rendimiento de segu-
ridad de los parámetros del segmento del camino, incluidos el ancho del carril, el ancho del arcén,
el tipo de arcén, las curvas horizontales, las pendientes, la densidad de la calzada, los carriles para
girar a la izquierda en dos sentidos, los carriles de adelantamiento y el diseño del borde del camino,
y de los parámetros de intersección, incluidos ángulo de sesgo, control de tráfico, carriles exclusivos
para girar a la izquierda y a la derecha, distancia visual y entradas de vehículos. El algoritmo permite
a las agencias de caminos estimar el rendimiento de seguridad de los caminos existentes o pro-
puestas y comparar el rendimiento de seguridad esperado de las alternativas de diseño geométrico.
Michael F. Trentacoste Director, Oficina de Investigación y Desarrollo de Seguridad
AVISO Este documento se difunde bajo el patrocinio del Departamento de Transporte en interés
del intercambio de información. El Gobierno de los Estados Unidos no asume ninguna responsabi-
lidad por su contenido o uso. Este informe no constituye una norma, especificación o regulación.
El gobierno de los Estados Unidos no respalda productos ni fabricantes. Los nombres comerciales
y de fabricantes aparecen en este informe solo porque se consideran esenciales para el objeto de
este documento.
Página de documentación del informe técnico
1. Informe No.
FHWA-RD-99-207
2. Número de acceso del go-
bierno
3. Nº de catálogo del des-
tinatario
4. Título y Subtítulo PREDICCIÓNDE LAESPERADOLA SEGU-
RIDAD ACTUACIÓN DE RURAL DOS CARRILES CAMINOS
5. Fecha del informe
6. Organización ejecu-
tante
7. Autor(es) DW Harwood, Consejo FM, E. Hauer, WE Hughes y
A. Vogt
8. Informe de la organiza-
ción ejecutante No.
4584-09
9. Nombre y dirección de la organización ejecutante Instituto de
Investigación del Medio Oeste 425 Volker Boulevard Kansas
City, Misuri 64110-2299
10. Número de unidad de
trabajo (TRAIS)
11. Contrato o Donación
No.
DTFH61-96-C-00055
12. Nombre y dirección de la agencia patrocinadora Oficina de
Investigación y Desarrollo de Seguridad Administración Federal
de Caminos 6300 Georgetown Pike McLean, Virginia 22101-
2296
13. Tipo de Informe y Pe-
ríodo Cubierto Reporte
técnico mayo de 1997—
septiembre de 2000
14. Código de la agencia
patrocinadora

3/95
15. Notas complementarias Representante técnico del oficial de contratación (COTR): Mi-
chael S. Griffith, HRDS-06
16. Resumen Este informe presenta un algoritmo para predecir el rendimiento de seguridad
de una carretera rural de dos carriles. La predicción del accidente algoritmo consiste de base
modelos y accidente modificación factores por ambas cosas calzada segmentos y intersec-
ciones a nivel en rural dos carriles caminos los base modelos proveer un estimar de la la se-
guridad actuación de la calzada o intersección para un conjunto de condiciones nominales o
base asumidas. Los factores de modificación de accidentes ajustan las predicciones del mo-
delo base para tener en cuenta los efectos en la seguridad de los segmentos de carretera de
ancho de carril, ancho de arcén, tipo de arcén, curvas horizontales, pendientes, densidad de
entrada, carriles de doble sentido para girar a la izquierda, carriles de adelantamiento, diseño
del borde del camino. y los efectos sobre la seguridad de las intersecciones a nivel del ángulo
de inclinación, el control del tráfico, los carriles exclusivos para girar a la izquierda y a la
derecha, la distancia visual y las entradas de vehículos.
los accidentes predicción algoritmo es destinado por solicitud por carretera agencias a estimar
la seguridad rendimiento de un existente o propuesto calzada. los algoritmos pueden ser usó
a comparar la anticipado la seguridad actuación de dos o más alternativas geométricas para
una propuesta de mejoramiento.
Los algoritmos de predicción de choques incluyen un procedimiento de calibración para adaptar
los resultados a las condiciones de seguridad encontradas por cualquier agencia vial en par-
ticular en los CR2C. El algoritmo también incluye un procedimiento Empírico de Bayes que
se puede aplicar para utilizar las predicciones de seguridad proporcionadas por el algoritmo
junto con el historial real de accidentes específicos del sitio. datos.
17. Palabras clave Predicción de accidentes de
seguridad Diseño geométrico de modelado de
accidentes Caminos de dos carriles Estimación
bayesiana empírica Segmentos de carretera In-
tersecciones a nivel
18. Declaración de distribución Sin restric-
ciones. Este documento está disponible
para el público a través del Servicio Nacio-
nal de Información Técnica, Springfield,
Virginia 22161.
19. Clasificación de seguridad. (de
este informe) Desclasificado
20. Clasificación de seguridad. (de
esta página) Desclasificado
21. Nú-
mero de
páginas
197
22.
Pre-
cio
Formulario DOT F 1700.7 (8-72) Reproducción de página completa autorizada

4/95
Contenido
1. INTRODUCCIÓN.
Estimaciones a partir de datos históricos de accidentes.
Estimaciones a partir de Modelos Estadísticos.
Estimaciones de estudios de antes y después.
Estimaciones a partir del Juicio de Expertos.
Un nuevo enfoque.
Organización de este Informe.
2. VISIÓN GENERAL DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES.
Algoritmo de Predicción de Accidentes para Tramos Viales.
Algoritmo de predicción de accidentes para intersecciones a nivel.
Frecuencia prevista de accidentes para un proyecto completo.
Distribuciones estimadas de la gravedad del accidente y del tipo de accidente.
Fortalezas y debilidades de este enfoque.
Estructura del Algoritmo de Predicción de Accidentes.
3. MODELOS BÁSICOS.
Modelo base para segmentos de carretera.
Modelos base para intersecciones a nivel.
Procedimiento de calibración.
4. FACTORES DE MODIFICACIÓN DEL ACCIDENTE.
Desarrollo de Factores de Modificación de Accidentes.
Segmentos de carretera.
Grados.
Intersecciones a nivel.
5. RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD.
Segmentos de carretera.
Intersecciones controladas por STOP de tres tramos.
Intersecciones señalizadas de cuatro tramos.
6. APLICACIÓN ALGORITMO PREDICCIÓN DE ACCIDENTES EN IHSDM.
Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio no están
disponibles.
Predicción de accidentes cuando los datos del historial de accidentes específicos del sitio están dispo-
nibles.
Situaciones en las que se debe y no se debe aplicar el procedimiento EB.
Procedimiento empírico de Bayes.
Ejemplo de Aplicación del Procedimiento EB. 82 Metodología Paso a Paso para la Aplicación del
Algoritmo de Predicción de Accidentes Incluyendo el Procedimiento EB.90
7. CONCLUSIONES, RECOMENDACIONES Y MEJORAS FUTURAS .
Conclusiones.
Mejoramiento futuro algoritmo predicción de accidentes .
8. REFERENCIAS.
111 9. BIBLIOGRAFÍA.

5/95
1. INTRODUCCIÓN
Una de las brechas más críticas en la gestión de la seguridad vial es la falta de un método confiable
para estimar el desempeño de seguridad de una carretera existente o planificada. Las agencias de
caminos han desarrollado y mantenido sistemas de registro de accidentes para monitorear el
desempeño de seguridad de sus caminos, pero estos proporcionan datos históricos o retrospecti-
vos. La gestión eficaz requiere un punto de vista prospectivo. Los ingenieros de caminos necesitan
saber no cuál fue el desempeño de seguridad de una carretera en el pasado reciente o lejano, sino
cuál es ahora y cuál es probable que sea en el futuro si se toman las acciones propuestas particu-
lares.
En el pasado, cuando se necesitaban estimaciones de rendimiento de seguridad actuales o futuras
para una carretera, se desarrollaban mediante uno de cuatro enfoques: promedios de datos histó-
ricos de accidentes, predicciones de modelos estadísticos basados en análisis de regresión, resul-
tados de estudios de antes y después y juicios de expertos hechos por ingenieros experimentados.
Cada uno de estos métodos, usado solo, tiene debilidades significativas que se describen a conti-
nuación. A continuación, se describe un nuevo enfoque que combina elementos de cada uno de
estos métodos en un algoritmo de predicción de accidentes. Este nuevo algoritmo de predicción de
accidentes, desarrollado específicamente para su aplicación en caminos rurales de dos carriles, es
el tema de este informe.
Estimaciones a partir de datos históricos de accidentes Los datos históricos de accidentes son
un indicador importante del desempeño de seguridad de una carretera, pero tienen la debilidad de
ser altamente variables. Dada esta alta variabilidad, es difícil estimar la tasa de accidentes esperada
a largo plazo utilizando una muestra de duración relativamente corta de 1 a 3 años de datos de
accidentes. Esto es especialmente cierto para las secciones e intersecciones de caminos rurales
donde los accidentes son eventos muy raros y muchos lugares no experimentan accidentes, o como
mucho un accidente, durante un período de varios años. Si un lugar no ha experimentado acciden-
tes en los últimos años, ciertamente no es correcto pensar que nunca experimentará un accidente,
sin embargo, los datos disponibles para ese sitio por sí solos proporcionan una base insuficiente
para estimar su rendimiento de seguridad esperado a largo plazo.
Los programas de mejoramiento de caminos basados en la seguridad a menudo se gestionan con
sistemas de vigilancia de accidentes que utilizan registros de accidentes para identificar ubicaciones
con un alto índice de accidentes. A La ubicación de alto número de accidentes es una sección o
intersección del camino identificada porque experimentó más de un número de umbral especificado
de accidentes durante un período reciente (normalmente de 1 a 3 años).
El personal de ingeniería de la agencia de caminos responsable investiga cada lugar con un alto
índice de accidentes y, en lugares donde un patrón particular de accidentes es claramente evidente
y es factible una contramedida adecuada, se puede programar y construir un proyecto de mejora.
La toma de decisiones con respecto a tales proyectos a menudo involucra un cálculo de costo-
beneficio o rentabilidad basado en la reducción porcentual esperada de accidentes a partir del nivel
de experiencia reciente de accidentes encontrado por el programa de vigilancia de accidentes. Sin
embargo, tanto la teoría estadística y la experiencia real muestra que, debido a la naturaleza alea-
toria de los accidentes, es probable que los lugares con una alta experiencia de accidentes a corto
plazo experimenten menos accidentes en el futuro, incluso si no se realizan mejoras. Este fenó-
meno, conocido como regresión a la media, dificulta tanto la identificación de posibles lugares

6/95
problemáticos a través de la vigilancia de accidentes como la estimación de la eficacia potencial (o
real) de las mejoras realizadas en dichos lugares.
Estimaciones de modelos estadísticos Los analistas de seguridad han aplicado, durante muchos
años, técnicas estadísticas para desarrollar modelos para predecir la experiencia de accidentes en
caminos e intersecciones. Dichos modelos se desarrollan mediante la obtención de una base de
datos de características de caminos y accidentes (p. ej., volúmenes de tráfico, características de
diseño geométrico y características de control de tráfico) datos de los registros de la agencia de
caminos, seleccionando una forma funcional apropiada para el modelo y usando análisis de regre-
sión para estimar los valores de los coeficientes o parámetros en ese modelo. Históricamente, la
mayoría de estos modelos se desarrollaron con análisis de regresión múltiple. Recientemente, los
investigadores han comenzado a utilizar análisis de regresión binomial negativa y de Poisson que
teóricamente se adaptan mejor a los datos de accidentes basados en recuentos pequeños (es decir,
cero o casi cero accidentes en muchos sitios). Sin embargo, independientemente de la técnica
estadística utilizada, los modelos de predicción de accidentes nunca parecen satisfacer las expec-
tativas de sus desarrolladores y usuarios potenciales.
Los modelos de regresión son herramientas muy precisas para predecir la experiencia total espe-
rada de accidentes para un lugar o una clase de lugares, pero no han demostrado ser satisfactorios
para aislar los efectos de características geométricas o de control de tráfico individuales. Existe una
fuerte tentación de interpretar cada coeficiente en un modelo de regresión como una representación
del verdadero efecto de un cambio incremental en su característica vial asociada. Esta es una su-
posición razonable en algunos casos, pero no en otros. Una desventaja clave de los modelos de
regresión es que se basan en correlaciones estadísticas entre las características de los caminos y
los accidentes que no necesariamente representan relaciones de causa y efecto. Además, si las
variables independientes del modelo están fuertemente correlacionadas entre sí, es difícil separar
sus efectos individuales. Además, si una variable en el modelo está fuertemente correlacionada con
una variable importante que no está incluida en la base de datos disponible, el coeficiente de la
variable en el modelo puede representar el efecto de la variable no disponible en lugar de su propio
efecto. Por lo tanto, el valor del coeficiente de una característica geométrica particular puede ser
una buena estimación del efecto real de esa característica en la seguridad, o puede ser simple-
mente un artefacto o un sustituto de su correlación con otras variables.
Como ejemplo, considere el siguiente modelo de regresión binomial negativa desarrollado en un
estudio reciente de la FHWA para predecir la experiencia de accidentes en intersecciones urbanas
de cuatro tramos con control de STOP en la vía secundaria: (1) 2 Y ' e & 5.073 (X ) 0.635 (X )
0.294 exp( & 0.969 X ) exp( & 0.518 X ) 1 2 3 4 (X ) & 0.091 exp(0.340 X ) exp(0.087 X ) exp( &
0.331 X ) (1) 5 6 7 8 exp( & 0.175 X 9 ) dónde: Y = número esperado de accidentes de vehículos
múltiples totales en un período de 3 años; X 1 = tránsito promedio diario en vía principal (veh/día);
X 2 = tránsito promedio diario en vía secundaria (veh/día); X 3 = 1 si los giros a la izquierda están
prohibidos en uno o más accesos a caminos principales; 0 en caso contrario; X 4 = 1 si no hay
control de acceso presente a lo largo de los accesos a los caminos principales; 0 en caso contrario;
X 5 = ancho promedio de carril en carretera principal (pies) * ; X 6 = 1 si el camino principal tiene tres
o menos carriles directos en ambas direcciones de viaje combinadas; 0 en caso contrario; X 7 = 1
si el camino principal tiene cuatro o cinco carriles directos en ambas direcciones de viaje

7/95
combinadas; 0 en caso contrario; X 8 = 1 si no hay canalización para giros libres a la derecha; 0 en
caso contrario; y X 9 = 1 si la intersección no tiene iluminación; 0 de lo contrario.
Este modelo, en general, proporciona predicciones bastante confiables de la experiencia total de
accidentes de intersecciones urbanas de cuatro tramos controladas por STOP. Además, los coefi-
cientes de muchos de los términos parecen representar razonablemente los efectos esperados de
sus variables asociadas. Sin embargo, dos de las variables en el modelo tienen coeficientes que
están en una dirección opuesta a la que los ingenieros de seguridad suponen normalmente para
esas variables. Específicamente, el coeficiente negativo del factor de control de acceso (X 4 ) implica
que se esperarían más accidentes en una intersección con aproximaciones de acceso controlado
que en una intersección sin aproximaciones de acceso controlado.
Además, el coeficiente negativo del factor de iluminación ( X 9 ), implica que las intersecciones iluminadas
tienen más accidentes que las intersecciones no iluminadas. Tales interpretaciones no son razonables.
Los signos negativos para las variables de control de acceso e iluminación en la ecuación (1) podrían
resultar simplemente decorrelaciones de control de acceso e iluminación con las variables ya consideradas
en el modelo, tales como volúmenes de tráfico, o con otras variables importantes que no están incluidas
en el modelo. el modelo porque no hay datos disponibles para esas variables. También es posible que la
iluminación se haya instalado como una contramedida de accidentes en lugares con muchos accidentes,
de modo que la iluminación parezca estar asociada con lugares que tienen más accidentes. Así, mientras
que las ecuaciones de regresión pueden p r o p o r c i o n a r modelos predictivos útiles, sus coeficientes
pueden ser indicadores poco fiables de los efectos incrementales de las características individuales de los
caminos sobre la seguridad.
* El ancho de carril promedio en esta ecuación se especifica en unidades de medida convencionales
(pies).
Ver la explicación en la sección titulada Unidades de Medida en la página 5 de este informe.
3 Estimaciones de estudios de antes y después Los estudios de antes y después se han utilizado
durante muchos años para evaluar la eficacia de las mejoras en los caminos para reducir los acci-
dentes. Sin embargo, la mayoría de los estudios de antes y después informados en la literatura
tienen defectos de diseño tales que el diseño del estudio no puede tener en cuenta los efectos de
la regresión a la media. Por lo tanto, el usuario potencial de los resultados del estudio de antes y
después no puede estar seguro de si representan la verdadera eficacia de la mejora potencial en
la reducción de accidentes o un pronóstico demasiado optimista sesgado por la regresión a la me-
dia.
Los expertos en seguridad son generalmente de la opinión de que, si se puede superar el sesgo
potencial causado por la regresión a la media, un estudio de antes y después puede proporcionar
el mejor método para cuantificar los efectos de seguridad de las características geométricas y de
control de tránsito de la calzada. Hauer (2) ha desarrollado un nuevo enfoque que soluciona el
problema de la regresión a la media que, en el pasado, ha provocado que los estudios de antes y
después proporcionen resultados poco fiables. Sin embargo, se han realizado muy pocos de estos
estudios de antes y después bien diseñados.

8/95
Estimaciones del juicio de expertos El juicio de expertos, desarrollado a partir de muchos años
de experiencia en el campo de la seguridad vial, puede tener un papel importante en la realización
de estimaciones de seguridad confiables. Los expertos pueden tener dificultades para hacer esti-
maciones cuantitativas sin un punto de referencia, pero los expertos suelen ser muy buenos para
hacer juicios comparativos (por ejemplo, es probable que A sea menor que B, o que C sea aproxi-
madamente un 10 por ciento mayor que D). Por lo tanto, los expertos necesitan un marco de refe-
rencia basado en datos históricos de accidentes, modelos estadísticos o resultados de estudios de
antes y después para hacer juicios útiles.
Un nuevo enfoque Este informe presenta un nuevo enfoque para la predicción de accidentes que
combina el uso de datos históricos de accidentes, análisis de regresión, estudios de antes y des-
pués y el juicio de expertos para hacer predicciones de seguridad que son mejores que las que se
podrían hacer con cualquiera de estos tres enfoques. solo. El enfoque recomendado para la pre-
dicción de accidentes tiene su base en la literatura de seguridad publicada, incluidas las evaluacio-
nes de antes y después y los modelos de regresión, es sensible a las características geométricas
que son de mayor interés para los diseñadores de caminos e incorpora juicios realizados por un
grupo de base amplia. de expertos en seguridad.
Este informe muestra cómo se puede implementar este nuevo enfoque en un algoritmo de predic-
ción de accidentes para caminos rurales de dos carriles. Este mismo enfoque puede adaptarse
potencialmente en el futuro a caminos rurales de varios carriles, calles arteriales urbanas y autopis-
tas rurales o urbanas.
La Administración Federal de Caminos (FHWA) está desarrollando actualmente un Modelo Interac-
tivo de Diseño de Seguridad Vial (IHSDM) para que lo utilicen los diseñadores de caminos para
incorporar una consideración más explícita de la seguridad en el proceso de diseño de caminos.
IHSDM consistirá en un conjunto de herramientas informáticas que pueden funcionar de manera
interactiva con los sistemas de diseño asistido por computadora (CAD) utilizados por muchas agen-
cias para diseñar mejoras en los caminos. Los componentes del IHSDM incluirán un módulo de
predicción de choques (CPM), un módulo de seguridad vial (RSM), un módulo de revisión de diag-
nóstico de intersecciones (DRM), un módulo de coherencia de diseño (DCM), un módulo de revisión
de políticas (PRM), un módulo de conductor/vehículo (D /VM) y Módulo de análisis de tráfico (TAM).
La prioridad inicial en el desarrollo de IHSDM se le está dando a la evaluación de caminos rurales
de dos carriles.
El algoritmo de predicción de accidentes presentado en este informe ha sido desarrollado para su
incorporación en el IHSDM como el CPM para caminos rurales de dos carriles, pero también es
adecuado para su uso como modelo independiente para predecir el desempeño de seguridad de
los caminos rurales de dos carriles. Este informe documenta cómo se desarrolló el algoritmo de
predicción de accidentes y cómo funcionará dentro del IHSDM.
Organización de este Informe El resto de este informe está organizado de la siguiente manera.
La Sección 2 presenta una descripción general del algoritmo de predicción de accidentes y sus dos
componentes principales, los modelos básicos y los factores de modificación de accidentes. Una
descripción más detallada de los modelos base y los factores de modificación de accidentes se
presenta en las secciones 3 y 4, respectivamente. La sección 5 presenta los resultados de los
análisis de sensibilidad realizados con el algoritmo de predicción de accidentes, y la sección 6 ex-
plica cómo se implementará el algoritmo de predicción de accidentes dentro del IHSDM. Las

9/95
conclusiones y recomendaciones del informe se presentan en la sección 7 y una lista de referencias
se presenta en la sección 8.
El Apéndice A identifica a los miembros de los paneles de expertos que desarrollaron los factores
de modificación del accidente. El Apéndice B documenta el desarrollo de los modelos base. El
Apéndice C presenta un procedimiento de calibración que puede ser utilizado por cualquier agencia
de caminos para adaptar el algoritmo de predicción de accidentes a sus propias condiciones locales
y al desempeño de seguridad de sus caminos. El Apéndice D documenta las definiciones de las
clasificaciones de peligro al borde del camino utilizadas en el algoritmo de predicción de accidentes
para representar las características del diseño del borde del camino.
Unidades de medida El texto de este informe presenta todas las cantidades medidas en unidades
SI (métricas) con cantidades equivalentes en unidades convencionales (inglesas) entre paréntesis.
Sin embargo, prácticamente toda la investigación en la que se basa el informe se realizó utilizando
unidades de medida convencionales.
Por lo tanto, todas las ecuaciones del informe, como la ecuación (1) anterior, usan unidades con-
vencionales. una métrica. Se incluye una tabla de conversión para comodidad de los lectores. El
software desarrollado para implementar el algoritmo de predicción de accidentes permitirá a los
usuarios proporcionar entradas y obtener salidas a su elección en unidades SI o convencionales.
2. VISIÓN GENERAL DEL ALGORITMO DE PREDICCIÓN DE ACCIDENTES
Esta sección del informe presenta una descripción general del algoritmo de predicción de acciden-
tes para caminos rurales de dos carriles. Se han desarrollado algoritmos de predicción de acciden-
tes separados para segmentos de carretera y para tres tipos de intersecciones a nivel. Estos algo-
ritmos separados se pueden usar juntos para predecir la experiencia total de accidentes para una
sección de carretera completa o un proyecto de mejora.
En el desarrollo de estos algoritmos, se decidió que el algoritmo de predicción de accidentes del tramo de
carretera predeciría todos los accidentes no relacionados con intersecciones para cada uno de los tra-
mos que componen un proyecto vial. Los accidentes no relacionados con intersecciones incluyen acci-
dentes que ocurren cerca de una intersección pero que no están relacionados con las intersecciones. Por
ejemplo, un accidente que se sale del camino o una colisión frontal que ocurre dentro de los 15 m (50
pies) de una intersección, pero que el oficial investigador considera que no está relacionado con la inter-
sección, se clasificaría como no- accidente relacionado con la intersección. Los algoritmos de predicción
de accidentes en intersecciones predicen los accidentes adicionales relacionados con intersecciones que
ocurren en o detrás de la intersección y ocurren debido a la presencia de la intersección. Para fines de
modelado, solo los accidentes que ocurrieron dentro de los 76 m (250 pies) de la intersección y que ocu-
rrieron debido a la presencia de la intersección se consideraron accidentes relacionados con la inter-
sección . La frecuencia prevista total de accidentes para cualquier proyecto vial es la suma de la fre-
cuencia prevista de accidentes no relacionados con intersecciones para cada uno de los segmentos de
carretera y la frecuencia prevista de accidentes relacionados con intersecciones para cada una de las
intersecciones a nivel que componen el proyecto.
Los algoritmos de predicción de accidentes para segmentos de caminos e intersecciones a nivel se
componen cada uno de dos componentes: modelos básicos y factores de modificación de acciden-
tes. Estos componentes y la forma en que se combinan se describen a continuación.

10/95
Algoritmo de predicción de accidentes para segmentos de carretera El modelo base para seg-
mentos de carretera es el mejor modelo de regresión disponible para predecir la frecuencia total de
accidentes de un segmento de carretera en una carretera rural de dos carriles. El modelo base,
como todos los modelos de regresión, predice el valor de una variable dependiente en función de
un conjunto de variables independientes. Para el modelo de segmento de carretera, la variable
dependiente es la frecuencia total esperada de accidentes en el segmento de carretera durante un
período de tiempo específico. Las variables independientes utilizadas para predecir la frecuencia
de accidentes son descriptores de los volúmenes de tráfico, características de diseño geométrico y
características de control de tráfico del segmento de la vía. El modelo de regresión específico que
se usará como modelo base para los segmentos de caminos rurales de dos carriles se presenta en
la sección 3 de este informe.
Como se discutió en la introducción de este informe, los modelos de regresión como el modelo base
son útiles para predecir la frecuencia general de accidentes, pero no necesariamente se puede
confiar en sus coeficientes para representar los efectos incrementales del diseño geométrico indi-
vidual y las características de control de tráfico. Por lo tanto, el modelo base se usará solo para
estimar la frecuencia esperada de accidentes para un conjunto específico de condiciones base no-
minales, como anchos de carril de 3,6 m (12 pies) y anchos de arcén de 1,8 m (6 pies). Esta esti-
mación base de la frecuencia de accidentes se ajustará luego con factores de modificación de ac-
cidentes (AMF) que representan los efectos de seguridad del diseño geométrico individual y los
elementos de tráfico. A continuación se muestra la formulación general del algoritmo que predice la
frecuencia de accidentes del segmento de carretera y combina los modelos base y los AMF: N r s
' N b r ( AMF 1 r AM F 2 r @
@
@
AMF nº ) (2) dónde: N rs = número pronosticado de accidentes de
tramo de carretera totales por año después de la aplicación de factores de modificación de acci-
dentes; N br = número previsto de accidentes en el segmento de carretera total por año para condi-
ciones nominales o base; y AMF 1 r @
@
@
AMF no. = factores de modificación de accidentes para
segmentos de carretera.
Los AMF son factores multiplicativos que se utilizan para ajustar la frecuencia base de accidentes
por el efecto del diseño geométrico individual y las características de control de tráfico. Cada AMF
se formula de modo que la condición nominal o base esté representada por un AMF de 1,00. Las
condiciones asociadas con una experiencia de accidentes más alta que la condición nominal o
básica tendrán AMF superiores a 1,00 y las condiciones asociadas con una experiencia de acci-
dentes inferior a la condición nominal o básica tendrán AMF inferiores a 1,00. Por ejemplo, si la
frecuencia de accidentes pronosticada por el modelo base para segmentos de carretera (N br ) se
basa en carriles de 3,6 m (12 pies), pero una sección de carretera de interés en particular tiene
carriles de 3,3 m (11 pies), el AMF para el ancho del carril podría tener un valor de 1,15. Este AMF
implica que se espera que un segmento de carretera de dos carriles con carriles de 3,3 m (11 pies)
experimente un 15 por ciento más de accidentes que una sección de carretera comparable con
carriles de 3,6 m (12 pies).
El efecto del volumen de tráfico diario promedio (ADT) en la frecuencia de accidentes pronosticada
se incorpora a través de los modelos base, mientras que los efectos del diseño geométrico y las
características de control de tráfico se incorporan a través de los AMF.

11/95
La formulación que se muestra en la ecuación (2) permite que el AMF para cada diseño geométrico
y elemento de control de tránsito se base únicamente en la información más confiable sobre los
efectos de seguridad de ese elemento en particular. El mejor método para considerar los efectos
de seguridad del ancho del carril se puede seleccionar como base para el AMF sin estar limitado
por el tratamiento del ancho del carril en el modelo base o por la formulación de cualquier otro AMF.
Así, cada AMF en la predicción de accidentes. Algoritmo puede basarse en la mejor y más aplicable
investigación disponible, seleccionada e interpretada por expertos. De hecho, se formaron dos pa-
neles de expertos, identificados en el apéndice A, para establecer los AMF presentados en este
informe. La sección 4 del informe presenta los AMF utilizados en la predicción de accidentes en
segmentos de caminos y documenta su desarrollo.
Algoritmo de predicción de accidentes para intersecciones a nivel La estructura del algoritmo
de predicción de accidentes para las intersecciones a nivel es similar al algoritmo para las secciones
del camino presentado anteriormente. La frecuencia prevista de accidentes que ocurren en o están
relacionados con una intersección a nivel se determina como: N en t ' n b yo ( AMF 1 yo AMF
2 yo @
@
@
AMF no ) _ (3)
donde: N entero = número previsto de accidentes relacionados con inter-
secciones totales por año después de la aplicación de
factores de modificación de accidentes;
bisexual _ = número previsto de accidentes relacionados con inter-
secciones totales por año para condiciones nomina-
les o base; y
AMF 1 yo , @
@
@
, AMF no _ = Factores de modificación de accidentes para intersecciones . _ Se han
formulado modelos básicos separados para intersecciones de tres ramales con control de ALTO,
intersecciones de cuatro ramales con control de ALTO e intersecciones de cuatro ramales con se-
máforos. Los AMF utilizados en el algoritmo de predicción de accidentes para estos tres tipos de
intersecciones también difieren, pero los algoritmos para los tres tipos de intersecciones están es-
tructurados como se muestra en la ecuación (3). Los modelos base para las intersecciones a nivel
se presentan en la sección 3 de este informe, y los AMF para las intersecciones a nivel se presentan
en la sección 4.
El efecto del volumen de tránsito en la frecuencia de accidentes pronosticada para las interseccio-
nes a nivel se incorpora a través de los modelos básicos, mientras que el efecto de las caracterís-
ticas geométricas y de control de tránsito se incorpora a través de los AMF. Cada uno de los mo-
delos base para intersecciones a nivel incorpora efectos separados para los ADT en los tramos de
caminos principales y secundarias, respectivamente.
Frecuencia prevista de accidentes para un proyecto completo El algoritmo de predicción de
accidentes se aplicará en IHSDM para estimar el rendimiento de seguridad de proyectos completos
propuestos o tramos de caminos extendidas. La frecuencia total prevista de accidentes para un
proyecto completo o una sección de carretera extendida se puede determinar como:
9 n t ' j todos segmentos N rs % j todas intersecciones N entero (4) donde: N t = frecuencia de
accidentes pronosticada para un proyecto completo o un tramo de carretera ampliado.

12/95
Distribuciones estimadas de la gravedad del accidente y del tipo de accidente Además de las
predicciones de frecuencia de accidentes basadas en las ecuaciones (2) y (3), el algoritmo de pre-
dicción de accidentes también proporcionará estimaciones de la gravedad de los accidentes y las
distribuciones de tipos de accidentes para segmentos de caminos e intersecciones a nivel. Las
Tablas 1 y 2 presentan estimaciones predeterminadas de las distribuciones de gravedad y tipo de
accidente, respectivamente, que se utilizan en el algoritmo de predicción de accidentes. Las distri-
buciones predeterminadas de gravedad y tipo de accidente en las tablas 1 y 2 se basan en datos
del Sistema de información de seguridad vial (HSIS) de la FHWA para Illinois, Michigan, Minnesota
y Carolina del Norte. Estas distribuciones predeterminadas para la gravedad y el tipo de accidentes
se pueden reemplazar con datos adecuados para el sistema de caminos rurales de dos carriles de
una agencia de caminos en particular como parte del proceso de calibración descrito en la sección
3 y el apéndice D de este informe. El uso de distribuciones aplicables a un estado o región geográ-
fica específica es particularmente apropiado porque algunos porcentajes en las tablas, como el
porcentaje de accidentes relacionados con animales en los segmentos del camino en la tabla 2,
claramente varían geográficamente.
Fortalezas y debilidades de este enfoque Las fortalezas de los algoritmos de predicción de acci-
dentes formulados como se muestra en las ecuaciones (2) y son como sigue: Los algoritmos de pre-
dicción de accidentes realizan estimaciones cuantitativas de accidentes frecuencia.
los bases modelos atender como escala factores a asegurar que la magnitud de la frecuencia prevista de
accidentes es adecuada, mientras que la AMF asegurar que la frecuencia prevista de accidentes es sen-
sible a la geometría específica del sitio diseño y tráfico características de control.
El uso de AMF que están separados de los modelos base asegura que los efectos del diseño geométrico
individual y las características de control de tráfico no dependan de coeficientes de regresión inapropiados
que sean demasiado grandes, demasiado pequeños o en la dirección incorrecta . Cada AMF ha sido
desarrollado por un panel de expertos para representar el 10.
Tabla 1. Distribución predeterminada para el nivel de gravedad de accidentes en caminos
rurales de dos carriles.
a Basado en datos de HSIS para Illinois (1992), Michigan (1995), Minnesota (1996) y Carolina del
Norte (1995).
Accident severity level
Percentage of total accidents
Roadway
segmentsa
Three-leg STOP-
controlled intersec-
tionsb
Four-leg
STOP-controlled in-
tersectionsb
Four-leg
signalized inter-
sectionsb
Fatal 1.3 1.1 1.9 0.4
Incapacitating Injury 5.4 5.0 6.3 4.1
Nonincapacitating injury 10.9 15.2 12.8 12.0
Possible injury 14.5 18.5 20.7 21.2
Total fatal plus injury 32.1 39.8 41.7 37.7
Property damage only 67.9 60.2 58.3 62.3
TOTAL 100.0 100.0 100.0 100.0

13/95
b Basado en datos de HSIS para Michigan (1995) y Minnesota (1996).
11 Tabla 2. Distribución predeterminada por tipo de accidente y forma de colisión en cami-
nos rurales de dos carriles.
Tipo de accidente y forma
de colisión.
Porcentaje del total de accidentes
Seg-
mentos
de ca-
rretera
a
Controlado
por STOP de
tres patas in-
tersecciones b
Interseccio-
nes controla-
das por STOP
de cuatro tra-
mos b
Interseccio-
nes señaliza-
das de cuatro
tramos b
ACCIDENTES DE UN
SOLO VEHÍCULO
colisión con animal 30,9 2.1 0.6 0.3
colisión con bicicleta 0.3 0.7 0.3 1.0
Colisión con vehículo es-
tacionado
0.7 0.1 0.1 0.1
Colisión con peatón 0.5 0.4 0.2 1.3
volcado 2.3 2.1 0.6 0.4
se salió del camino 28.1 10.4 4.5 1.9
Otro accidente de un solo
vehículo
3.6 3.9 1.4 1.6
Total de accidentes de un
solo vehículo
66.3 19.7 7.7 6.6
MULTIVEHÍCULO ACCI-
DENTES
Colisión de ángulo 3.9 29.8 51.4 28.5
Colisión frontal 1.9 2.0 1.4 1.8
Colisión de giro a la iz-
quierda
4.2 6.4 5.9 9.0
Colisión de giro a la dere-
cha
0.6 0.4 0.2 0.4
Colisión trasera 13.9 26.2 17.2 36.2
Colisión lateral en direc-
ción opuesta
2.4 2.9 1.7 2.0
Colisión lateral en la
misma dirección
2.6 4.5 4.4 5.5
Otra colisión de varios
vehículos
4.1 8.1 10.1 10.0
Total de accidentes de va-
rios vehículos
33.7 80.3 92.3 93.4
ACCIDENTES TOTALES 100.0 100.0 100.0 100.0

14/95
a Basado en datos de HSIS para Illinois (1992), Michigan (1995), Minnesota (1996) y Carolina del
Norte (1995).
b Basado en datos de HSIS para Michigan (1995) y Minnesota (1996).
la mejor información actualmente disponible sobre los efectos de seguridad de ese diseño geomé-
trico particular o característica de control de tráfico.
Las ecuaciones (2) y (3) dan al algoritmo de predicción de accidentes una estructura modular . Los mo-
delos base individuales o AMF se pueden reemplazar fácilmente a medida que se obtiene una mejor
información.disponible.
Las debilidades potenciales de la estructura de los algoritmos de predicción de accidentes basados
en las ecuaciones (2) y (3) son las siguientes: Las frecuencias de accidentes son conocido a variar de
agencia a agencia, incluso entre caminos que son nominalmente similar, porque de diferencias en factores
tal como umbrales de notificación de accidentes, prácticas de notificación de accidentes, poblaciones de
animales, población de conductores y clima. Sin embargo, tales variaciones son no reflejado en la base
modelos que fueron cada uno desarrollado con datos por solamente una o dos estados Para esta razón,
un procedimiento de calibración tiene estado previsto en este reporte a permitir carretera agencias a adap-
tar el algoritmo de predicción de accidentes a su propio local condiciones de seguridad. Este procedimiento
de calibración implica la estimación de los factores de calibración apropiados para una carretera en parti-
cular agencia que pueden incorporarse directamente _ en ecuaciones (2) y (3).
Los algoritmos de predicción de accidentes, tal como se formula en las ecuaciones (2) y (3), se basan en
datos por muchos lugares y en juicio de expertos, pero lo hace no aprovechar el conocimiento del actual
accidente historia de la ubicación siendo evaluado. accidente real historia datos debería ser disponible por
muchas existentes ubicaciones evaluado con el algoritmo de predicción de accidentes. Para esta razón,
un procedimiento basado en el bayes empírico (EB) Acercarse es previsto en este reporte a combinar los
resultados del algoritmo de predicción de accidentes con accidente específico del sitio real datos de la his-
toria.
los usar de separado AMF por cada diseño geométrico y tráfico control elemento trata la seguridad efectos
de estos elementos individuales como independiente y ignora las posibles interacciones entre a ellos. Eso
es probable que tales interacciones existen y, idealmente, deberían ser contabilizado _ en el algoritmo de
predicción de accidentes. Sin embargo, tales interacciones son mal entendido y ninguna pudo ser cuanti-
ficado por los paneles de expertos que participó en esta investigación. Eso es la evaluación de la experto
paneles que los AMF presentaron en este informe representan el Actual estado de conocimientos sobre
la seguridad efectos de geométrico diseño y tráfico control elementos y no poder ser mejorado sin más
investigación. Si futuras líneas de investigación a una mejor comprensión de las interacciones entre la la
seguridad efectos de varias características geométricas, esos resultados de investigación pueden des-
pués ser incorporado en el algoritmo de predicción de accidentes.
Estructura del Algoritmo de Predicción de Accidentes La estructura del algoritmo de predicción
de accidentes, incluidos los modelos base, los factores de modificación de accidentes, los factores
de calibración y el procedimiento EB, se ilustra en la figura 1. El diagrama de flujo de la figura 1
aborda la aplicación del algoritmo de predicción de accidentes a un solo segmento de carretera o
en intersección de grados. La sección 6 del informe ilustra la aplicación del algoritmo a un proyecto
compuesto por numerosos segmentos de carretera e intersecciones.

15/95
Seleccione un segmento de carretera o intersección Aplicar modelo base Aplicar factor de calibra-
ción Aplicar AMF Determinar la frecuencia prevista de accidentes, la distribución de la gravedad de
los accidentes y la distribución del tipo de accidente Historial real de accidentes específicos del sitio
(si está disponible) Aplicar procedimiento EB Presentar los valores predichos finales al usuario Fi-
gura 1. Diagrama de Flujo del Algoritmo de Predicción de Accidentes para un Solo Tramo de
Carretera o Intersección.

16/95
3. BASEMODELOS Esta sección del informe presenta los modelos base utilizados como parte del
algoritmo de predicción de accidentes. Los modelos base para segmentos de caminos e intersec-
ciones a nivel se abordan por separado en la siguiente discusión. Los modelos base fueron desa-
rrollados en estudios separados por Vogt y Bared. (3,4,5) El desarrollo de los modelos base y las
elecciones realizadas entre los modelos alternativos que se consideraron se presentan en el apén-
dice B.
Modelo base para segmentos de carretera El modelo base para los segmentos de carretera se
presenta a continuación: N br ' EXPO exp (0.6409 % 0.1388STATE & 0.0846LW & 0.0591SW %
0.0668RHR % 0.0084DD) (ÓWH i exp (0.0450DEG i )) (ÓWV i exp (0.4652V i )) (ÓWG i exp (0.1048
GR yo )) (5) donde: N br = número previsto de accidentes totales por año en un segmento de carre-
tera en particular ; EXPO = exposición en millones de vehículos-millas de viaje por año =
(ADT)(365)(L)(10 -6
); ADT = volumen de tráfico diario promedio (veh/día) en el segmento de la vía;
L = longitud del segmento de carretera (mi); ESTADO = ubicación del segmento de carretera (0 en
Minnesota, 1 en Washington); LW = ancho de carril (pies); ancho de carril promedio si las dos
direcciones de viaje difieren; SW = ancho de hombro (pies); ancho de arcén promedio si las dos
direcciones de viaje difieren; RHR = índice de riesgo en el camino; esta medida toma valores ente-
ros del 1 al 7 y representa el nivel promedio de peligro en el entorno del costado del camino a lo
largo del segmento del camino. (Para las definiciones de las categorías de clasificación de peligro-
sidad al costado del camino, consulte el Apéndice D; para el desarrollo de las clasificaciones de
peligrosidad al costado del camino, consulte Zegeer. (6)); DD = densidad de entrada (entradas por
milla) en el segmento del camino; WH yo = factor de peso para el i ésima
curva horizontal en el segmento
de calzada; la proporción de la longitud total del segmento de la calzada representada por la parte de la i
-ésima curva horizontal que se encuentra dentro del segmento. (Los pesos, WH i , deben sumar 1,0 .);
GRADOS i = grado de curvatura para la i -ésima
curva horizontal en el segmento de calzada (grados
por 100 pies); WV j = factor de peso para el j ésimo
curva vertical de cresta en el segmento de calzada; la
proporción de la longitud total del segmento de la calzada representada por la parte de la j -ésima curva
vertical de la cresta que se encuentra dentro del segmento. (Los pesos, WV j , deben sumar 1,0.); V j =
tasa de pendiente de la curva vertical de la cresta para la j -ésima
curva vertical de la cresta dentro
del segmento de calzada en porcentaje de cambio de pendiente por 31 m (100 pies) = |g j2 -g j1 |/l j ;
g jl , g j2 = pendientes de la calzada al principio y al final de la j -ésima
curva vertical (porcentaje); yo _
= longitud de la j -ésima
curva vertical (en cientos de pies); Grupo de trabajo k = factor de peso para el
k ésimo
segmento de grado recto; la proporción de la longitud total del segmento de la calzada representada
por la parte del k -ésimo segmento de grado recto que se encuentra dentro del segmento. (Los pesos, WG
k , deben sumar 1,0 .); y GR k = valor absoluto de la pendiente para la k -ésima pendiente
recta del
segmento (porcentaje).
Este modelo se desarrolló con un análisis de regresión binomial negativo para datos de 619 segmentos de
caminos rurales de dos carriles en Minnesota y 712 segmentos de caminos en Washington obtenidos del
FHWA HSIS. Estos segmentos de caminos incluyen aproximadamente 1130 km (700 millas) de caminos
de dos carriles en Minnesota y 850 km (530 millas) de caminos en Washington. La base de datos dispo-
nible para el desarrollo del modelo incluía 5 años de datos de accidentes (1985-1989) para cada seg-
mento de carretera en Minnesota y 3 años de datos de accidentes (1993-1995) para cada segmento de

17/95
carretera. segmento de carretera en Washington. El modelo predice la frecuencia total de accidentes fuera
de las intersecciones para cualquier segmento de carretera para el cual se conocen las variables indepen-
dientes que se muestran en la ecuación (5). Las predicciones del modelo son confiables solo dentro de los
rangos de las variables independientes cuyos datos estaban disponibles en la base de datos utilizada
para desarrollar el modelo (ver tabla 30 en el apéndice B).
Cuando se emplea el modelo de predicción de accidentes para predecir la experiencia esperada de
accidentes para cualquier sección de carretera específica, la ecuación (5) se usa de la siguiente
manera: la exposición variable (EXPO) en millones de vehículos-millas de viajar es calculado usando el
real ADT y segmento longitud (L) por la calzada sección y a duración de 1 año (365 días). Este asegura
la frecuencia de accidentes prevista por la base modelo tiene unidades de accidentes por año.
los ESTADO variable en base modelo es establecer igual a cero, que representa las condiciones de Min-
nesota. Este es hecho por coherencia con la base modelos por Tres- e intersecciones controladas por
STOP de cuatro tramos, ambas de cual son establecido solamente en datos de Minnesota . debería _
ser señalado que el procedimiento de calibración descrito más adelante en este capítulo se puede usar a
adaptar la base modelos a las condiciones de seguridad de ningún Estado aparte de Minnesota. La cali-
bración sería incluso ser deseable para aplicar el algoritmo en Minnesota para a tiempo período otro que
la período para el cual la base modelos fueron desarrollados.
El resto de variables del modelo se establecen en las siguientes condiciones nominales o base : Ancho de
carril (LW) 3,6 m (12 pie) Ancho de arcén (SW) 1,8 m (6 pies) Clasificación de peligro en el camino
(RHR) 3 Densidad de entrada (DD) 3 entradas por km (5 entradas por milla) Curvatura horizontal
Ninguna Curvatura vertical Ninguna Nivel de grado (0 por ciento) Con los valores predeterminados
dados anteriormente, el modelo base en la ecuación (5) se reduce a: N ' (IMD) (L) (365) (10 & 6 )
exp( & 0.4865) (6) Modelos base para intersecciones a nivel Se han desarrollado modelos
básicos para tres tipos de intersecciones a nivel en caminos rurales de dos carriles. Estos son:
Intersecciones de tres ramales con control de STOP en la vía secundaria Acercarse.
Intersecciones de cuatro tramos con control de STOP en la vía secundaria Acercarse.
Señalización de cuatro patas intersecciones.
Los modelos base para cada uno de estos tipos de intersecciones predicen la frecuencia total de
accidentes por año para los accidentes relacionados con intersecciones dentro de los 76 m (250
pies) de una intersección en particular.
Estos modelos abordan las intersecciones que tienen solo dos carriles en los tramos de caminos
principales y secundarias. Las intersecciones en caminos de varios carriles o las intersecciones
entre una carretera de dos carriles y una carretera de varios carriles pueden abordarse en una
mejora futura del algoritmo de predicción de accidentes. Los modelos base para cada uno de los
tres tipos de intersección se presentan a continuación.
Intersecciones controladas por STOP de tres tramos A continuación se presenta el modelo base
para intersecciones de tres ramales con control STOP en el tramo de vía secundaria:
bise-
xual _
' exp (& 11.28 % 0.79 ln ADT 1 % 0.49 ln ADT 2 % 0.19RHRI %
0.28RT)
(7)
br

18/95
donde: ADT 1 = volumen medio de tráfico diario (veh/día) en la vía princi-
pal;
ADT 2 = volumen medio de tráfico diario (veh/día) en la vía secun-
daria;
RHRI = clasificación de riesgo en el borde del camino dentro de los 76
m (250 pies) de la intersección en el camino principal [vea la
descripción de la variable RHR en la ecuación (5)];
y
RT = presencia de carril de giro a la derecha en el camino principal
(0 = no hay carril de giro a la derecha presente; 1 = carril de
giro a la derecha presente).
Este modelo se desarrolló con un análisis de regresión binomial negativo a partir de datos de 382
intersecciones controladas por STOP de tres tramos en Minnesota. La base de datos disponible
para el desarrollo del modelo incluía 5 años de datos de accidentes (1985-1989) para cada inter-
sección. El modelo predice la frecuencia total de accidentes relacionados con la intersección para
cualquier intersección controlada por STOP de tres tramos para la cual se conocen las variables
independientes que se muestran en la ecuación (7). Las predicciones del modelo son confiables
solo dentro de los rangos de variables independientes para los cuales había datos disponibles en
la base de datos utilizada para desarrollar el modelo (ver tabla 31 en el apéndice B).
Cuando el modelo de predicción de accidentes se emplea para predecir la frecuencia esperada de
accidentes para cualquier intersección específica de tres tramos controlada por PARE en una ca-
rretera de dos carriles, la ecuación (7) se usa de la siguiente manera: Las variables de volumen de
tráfico (ADT 1 y ADT 2 ) se fijan iguales a los ADT reales de los tramos de caminos principales y secunda-
rias . Si los ADT difieren entre los dos tramos de carretera principal , deben serpromediado Las restantes
variables del modelo deben igualarse a las siguientes variables nominales o basecondiciones: Clasifica-
ción de peligro en el camino (RHRI) 2 Presencia de carril de giro a la derecha Ninguno presente (0)
en la vía principal (RT) Con los valores por defecto dados arriba, el modelo base en la ecuación (7)
se reduce a: N bi ' exp( & 10.9 % 0.79 ln ADT 1 % 0.49 ln ADT 2 )
Intersecciones controladas por STOP de cuatro tramos El modelo base para intersecciones de
cuatro ramales con control STOP se presenta a continuación: N bi ' exp( & 9.34 % 0.60 ln ADT 1 %
0.61 ln ADT 2 % 0.13 ND 1 & 0.0054SKEW 4 ) (9) dónde: ND 1 = número de entradas de vehículos
en los tramos de caminos principales dentro de los 76 m (250 pies) de la intersección; y SKEW 4 =
ángulo de intersección (grados) expresado como la mitad del ángulo a la derecha menos la mitad
del ángulo a la izquierda para los ángulos entre el tramo del camino principal en la dirección de las
estaciones crecientes y los tramos derecho e izquierdo , respectivamente.
Este modelo se desarrolló con regresión binomial negativa a partir de datos de 324 intersecciones
controladas por STOP de cuatro tramos en Minnesota. La base de datos disponible para el desa-
rrollo del modelo incluía 5 años de datos de accidentes (1985-1989) para cada intersección. El
modelo predice la frecuencia total de accidentes relacionados con la intersección para cualquier
intersección controlada por STOP de cuatro tramos para la cual se conocen las variables indepen-
dientes que se muestran en la ecuación (9). Las predicciones del modelo son confiables solo dentro

19/95
de los rangos de variables independientes para los cuales había datos disponibles en la base de
datos utilizada para desarrollar el modelo (consulte la tabla 38 en el apéndice B).
Cuando se emplea el modelo de predicción de accidentes para predecir la frecuencia esperada de
accidentes para cualquier intersección específica de cuatro tramos controlada por STOP en una
carretera de dos carriles, la ecuación (9) se usa de la siguiente manera: Las variables de volumen de
tráfico (ADT 1 y ADT 2 ) se fijan iguales a los ADT reales de los tramos de caminos principales y secundarias
, respectivamente. Si los ADT difieren entre los dos tramos de caminos principales o secundarias , deben
serpromediado 21 Las restantes variables del modelo deben igualarse a las siguientes variables nomina-
les o basecondiciones: Número de accesos dentro de Sin accesos 76 m (250 pies) de la intersección
en el camino principal (ND 1 ) Ángulo de inclinación de la intersección (SKEW 4 ) 0 grados Con los
valores predeterminados de ND 1 y SKEW 4 dados anteriormente, el modelo base en la ecuación
(9) se reduce a: N bi ' exp( & 9.34 % 0.60 ln ADT 1 % 0.61 ln ADT 2 ) (10) Intersecciones señali-
zadas de cuatro tramos El modelo base para intersecciones señalizadas de cuatro tramos se
presenta a continuación: N bi ' exp( & 5.46 % 0.60 ln ADT 1 % 0.20 ln ADT 2 & 0.40PROTLT &
0.018 PCTLEFT 2 % 0.11VEICOM % 0.026PCAMION % 0.041 ND 1 ) (11)
dónde:
PROTLT = presencia de una fase de señal de giro a la izquierda protegida en
una o más caminos principales
enfoques; = 1 si está presente; = 0 si no está presente
PCTLEFT
2
= porcentaje de tráfico de caminos secundarias que gira a la izquierda
en el semáforo durante el horario de mañana y tarde combinado
VEICOM = grado para todas las curvas verticales (crestas y hundimientos) den-
tro de los 76 m (250 pies) de
la intersección a lo largo de los caminos principales y secunda-
rias
camión = porcentaje de camiones (vehículos con más de cuatro ruedas) que
ingresan al
intersección para las horas pico de la mañana y la tarde combi-
nadas
ND 1 = número de accesos dentro de los 76 m (250 pies) de la intersección
en la vía principal el camino.
Este modelo se desarrolló con regresión binomial negativa a partir de datos de 49 intersecciones
señalizadas de cuatro tramos, 18 en California y 31 en Michigan. La base de datos disponible para
el desarrollo del modelo incluía tres años de datos de accidentes (1993-1995) para cada intersec-
ción. El modelo predice la frecuencia total de accidentes relacionados con intersecciones para cual-
quier vehículo de cuatro tramos señalizado.
intersección para la cual se conocen las variables independientes que se muestran en la ecuación
(11). Las predicciones del modelo son confiables solo dentro de los rangos de variables indepen-
dientes para los cuales había datos disponibles en la base de datos utilizada para desarrollar el
modelo (ver tabla 44 en el apéndice B).
Cuando se emplea el modelo de predicción de accidentes para predecir la frecuencia esperada de
accidentes para cualquier intersección de cuatro tramos especificada en una carretera de dos

20/95
carriles, la ecuación (11) se usa de la siguiente manera: Las variables de volumen de tráfico (ADT 1 y
ADT 2 ) se fijan iguales a los ADT reales de los tramos de caminos principales y secundarias , respectiva-
mente. Si los ADT difieren entre los tramos de caminos principales o secundarias , deben serpromediado
Las restantes variables del modelo deben igualarse a las siguientes variables nominales o basecondicio-
nes: Presencia de giro a la izquierda protegido Sin fase de señal de giro a la izquierda (PROTLT)
Porcentaje de tráfico en caminos secundarias 28,4 por ciento girando a la izquierda (PCTLEFT 2 )
Tasa de pendiente para curvas verticales No hay curvas verticales dentro de los 76 m (250 pies)
del intersección (VEICOM) Porcentaje de camiones que ingresan 9.0 por ciento a la intersección
(PTRUCK) Número de accesos dentro de 0 accesos a 76 m (250 pies) de la intersección en el
camino principal (ND 1 ) Con los valores nominales o base de PROTLT, PCTLEFT 2 , VEICOM y
PTRUCK dados anteriormente, el modelo base en la ecuación (11) se reduce a: N bi ' exp( & 5.73
% 0.60 ln ADT 1 % 0.20 ln ADT 2 )
Procedimiento de calibración El algoritmo de predicción de accidentes está diseñado para que lo
utilicen las agencias de caminos de los Estados Unidos. Se sabe que las frecuencias de accidentes,
incluso para secciones o intersecciones de caminos nominalmente similares, varían ampliamente
de una agencia a otra. Estas variaciones son de dos tipos, las que pueden ser directamente conta-
bilizadas por el algoritmo de predicción de accidentes y las que no.
Los estados difieren notablemente tanto en el terreno como en la historia del desarrollo de su sis-
tema de caminos, lo que resulta en diferencias de estado a estado en la alineación de los caminos,
la sección transversal y el diseño de las intersecciones. Sin embargo, las AMF pueden tener en
cuenta las diferencias de este tipo en el algoritmo de predicción de accidentes.
Los estados también difieren notablemente en el clima, la población animal, la población de con-
ductores, el umbral de notificación de accidentes y las prácticas de notificación de accidentes. Estas
variaciones pueden dar como resultado que algunos estados experimenten sustancialmente más
accidentes de tráfico informados en caminos rurales de dos carriles que otros. Tales variaciones no
pueden ser directamente explicadas por el algoritmo de predicción de accidentes. Por lo tanto, se
ha desarrollado un procedimiento de calibración para permitir que las agencias de caminos ajusten
el algoritmo de predicción de accidentes para adaptarse a las condiciones de seguridad presentes
en su Estado.
El procedimiento de calibración lo implementa una agencia de caminos al determinar el valor de los
factores de calibración para los segmentos del camino y las intersecciones a nivel a partir de la
comparación de sus propios datos con las estimaciones del algoritmo de predicción de accidentes.
Los factores de calibración se incorporan en las ecuaciones (13) y (14) de la siguiente manera para
segmentos de carretera e intersecciones a nivel, respectivamente: N rs ' N br C r (AMF 1r AMF 2r .
AMF nr ) (13) N int ' N bi C i (AMF 1i AMF 2i . AMF ni ) (14) dónde: C r = factor de calibración para
segmentos de carretera desarrollados para uso de una agencia vial en particular; y C i = factor de
calibración para intersecciones a nivel desarrolladas para uso de un determinado agencia de cami-
nos Los factores de calibración (C r y Ci ) tendrán valores superiores a 1,0 para las agencias viales
cuyas vías, en promedio, experimentan más accidentes que las vías utilizadas en el desarrollo del
algoritmo de predicción de accidentes. Los factores de calibración para las agencias de caminos
cuyas caminos, en promedio, experimentan menos accidentes que los caminos utilizadas en el
desarrollo del algoritmo de predicción de accidentes tendrán valores inferiores a 1,0. El factor de

21/95
calibración para intersecciones a nivel (C i ) puede tener valores diferentes para cada uno de los
tres tipos de intersección para los que se han desarrollado modelos base. Los procedimientos de
calibración para la aplicación por parte de las agencias de caminos se presentan en el apéndice C.
En general, se espera que los factores de calibración (C r y C i ) sean determinados por las agencias
de caminos en función de los datos estatales. En estados más grandes y diversos, una agencia de
caminos podría optar por desarrollar factores de calibración separados para distritos de caminos
individuales o regiones climáticas. También es posible que los usuarios proporcionen un factor de
calibración local para áreas más pequeñas con distintas poblaciones de conductores o condiciones
climáticas. Sin embargo, el uso del factor de calibración local requeriría un estudio especial para
determinar el desempeño de seguridad de los caminos en esa área local específica en relación con
los valores esperados a nivel estatal o distrital.
Además de las estimaciones de frecuencia de accidentes, el algoritmo de predicción de accidentes
incluye distribuciones predeterminadas de gravedad y tipo de accidente para secciones e intersec-
ciones de caminos rurales de dos carriles. Estas distribuciones por defecto se han presentado en
las tablas 1 y 2 de este informe. El procedimiento de calibración presentado en el apéndice C incluye
una capacidad para las agencias de caminos que utilizan el algoritmo de predicción de accidentes
para modificar las distribuciones predeterminadas de gravedad y tipo de accidente para que coin-
cidan con su propia experiencia en caminos rurales de dos carriles.
4. FACTORES DE MODIFICACIÓN DEL ACCIDENTE Los efectos incrementales del diseño geo-
métrico individual y los elementos de control del tráfico se representan en el algoritmo de predicción
de accidentes mediante AMF. Esta sección describe el desarrollo de los AMF y documenta los AMF
para cada diseño geométrico y factor de control de tráfico considerado en el algoritmo.
Desarrollo de Factores de Modificación de Accidentes Los AMF se utilizan en el algoritmo de
predicción de accidentes para representar los efectos sobre la seguridad del diseño geométrico
específico y las características de control del tráfico. El AMF para el valor nominal o base de cada
elemento de control de tráfico de diseño geométrico tiene un valor de 1,0. Cualquier característica
asociada con una experiencia de accidentes superior a la condición nominal o base tiene un AMF
con un valor superior a 1,0; cualquier característica asociada con una experiencia de accidentes
más baja que la condición base tiene un AMF con un valor inferior a 1,0. La naturaleza multiplicativa
de los AMF se ilustra en ecuaciones (13) y (14).
Los AMF fueron desarrollados por dos paneles de expertos, uno para secciones de caminos y otro
para intersecciones a nivel. Estos paneles ejercieron el juicio de expertos al revisar los hallazgos
de investigación informados sobre cada diseño geométrico y característica de control de tráfico de
interés y seleccionar una base adecuada para un AMF. Los miembros de los dos paneles de ex-
pertos que desarrollaron los AMF se identifican en el apéndice A.
Cada panel de expertos seleccionó un conjunto de elementos geométricos y de control de tráfico,
incluidos elementos de intersección a nivel y segmentos de carretera, como candidatos para el
desarrollo de AMF. Los candidatos fueron seleccionados en base a las evaluaciones iniciales del
panel de aquellas características del segmento de carretera y de la intersección que generalmente
se consideran relacionadas con la seguridad. Luego se realizó una revisión crítica de la literatura
de seguridad publicada y no publicada relacionada con cada diseño geométrico y elemento de con-
trol de tráfico. Cada panel se reunió y utilizó los hallazgos de la revisión de la literatura como base

22/95
para (1) seleccionar el conjunto final de elementos geométricos y de control de tráfico para los
cuales se podrían desarrollar AMF; y (2) cuantificar esos AMF. Para los segmentos viales, los AMF
finales incluyeron todas las variables en los modelos base de los segmentos viales más variables
adicionales. Para las intersecciones a nivel, los AMF finales no incluyeron todas las variables en los
modelos base de intersección porque el panel de expertos encontró que faltaban estimaciones con-
fiables de los efectos de seguridad de la literatura para algunas variables en los modelos base y se
consideró que otras eran de relativamente menor importancia.
Para algunos elementos de control de tráfico o diseño geométrico, el panel de expertos seleccionó
los resultados de un estudio en particular que consideraron más creíble para que sirviera como
base para el AMF. En otros casos, el panel de expertos combinó los resultados de dos o más
estudios para desarrollar un AMF. En otros casos, cuando faltaban resultados de investigación fia-
bles, el panel ejerció su derecho colectivo juicio para estimar valores para un AMF apropiado; esto
se hizo, por ejemplo, cuando el panel se sintió cómodo al establecer un límite, como un valor má-
ximo o mínimo apropiado, para un AMF.
Los AMF se basaron en una variedad de fuentes, incluidos los resultados de evaluaciones de acci-
dentes antes y después, coeficientes o valores de parámetros de modelos de regresión y juicio de
expertos. El panel de expertos consideró que las evaluaciones de antes y después bien diseñadas
son la mejor fuente de AMF. Sin embargo, se encontraron relativamente pocos estudios de antes y
después de elementos de diseño geométrico bien diseñados en la literatura y, por lo tanto, el panel
de expertos tuvo que confiar en muchos casos en otros tipos de estudios. Los coeficientes o los
valores de los parámetros de los modelos de regresión se consideran menos confiables, pero se
usaron cuando no se disponía de resultados de estudios de antes y después y el panel consideró
que el valor del coeficiente en cuestión era creíble. Solo se ejerció el juicio de expertos en casos
limitados en los que no se disponía de mejores resultados; incluso cuando un AMF se basó princi-
palmente en el juicio de expertos, el panel utilizó todos los resultados de investigación relevantes
para hacer ese juicio. FHWA tiene muchas evaluaciones prometedoras de antes y después en
curso, y se espera que los AMF recomendados aquí se actualicen con los resultados de esos aná-
lisis cuando estén disponibles.
Los paneles de expertos enfrentaron muchos juicios difíciles para determinar los valores apropiados
de los AMF. Se revisó una amplia gama de literatura y se evaluaron muchos estudios. Muchos de
los estudios revisados tenían una calidad similar, y la selección de un estudio sobre otro puede
haber dependido tanto de la coherencia con otros AMF seleccionados como de los méritos relativos
de los estudios. Por lo tanto, la omisión de cualquier estudio en particular de los AMF finales no
debe interpretarse necesariamente como un menosprecio de ese estudio en particular. Las fuentes
en las que se basa cada AMF se documentan en la siguiente discusión. La sección 8 de este informe
no solo identifica las fuentes citadas en el texto, sino que también incluye una bibliografía completa
de todas las fuentes consultadas en el desarrollo de los AMF.
Si bien los AMF individuales se basaron en el mejor juicio del panel sobre los méritos relativos de
los hallazgos de investigación disponibles, la credibilidad del modelo está respaldada por un análisis
de sensibilidad cuyos resultados se presentan en la sección 5 de este informe.
Los AMF incorporados en el modelo incluyen: Segmentos de carretera Ancho de carril .
Ancho de hombros.

23/95
Tipo de hombro.
Curvas horizontales: ! longitud; ! radio; ! presencia o ausencia de transiciones en espiral; ! supereleva-
ción.
Los grados.
Densidad de calzada .
Doble giro a la izquierda carriles Carriles de adelantamiento /cuatro carriles cortos secciones.
carretera.
Intersecciones a nivel Ángulo de inclinación .
de tráfico .
Giro a la izquierda exclusivo carriles Giro a la derecha exclusivo carriles Distancia visual de la intersección .
A continuación se presenta una explicación de cada AMF para las secciones de la calzada y para
las intersecciones a nivel.
Segmentos de carretera Los AMF para el diseño geométrico y las características de control de
tráfico de los segmentos de carretera se presentan a continuación.
Ancho de carril El valor nominal o base del ancho del carril es de 3,6 m (12 pies). Por lo tanto, a
los carriles de 3,6 m (12 pies) se les asigna un AMF de 1,00. La Figura 2 ilustra los valores reco-
mendados de AMF para anchos de carril de 2,7 a 3,6 m (9 a 12 pies).
El AMF para cualquier ancho de carril dentro del rango de 2.7 a Se interpolarían 3,6 m (9 a 12 pies)
entre las líneas que se muestran en la figura 2. A los carriles de menos de 2,7 m (9 pies) de ancho
se les asignaría un AMF igual al de los carriles de 2,7 m (9 pies). A los carriles de más de 3,6 m (12
pies) de ancho se les asignaría un AMF igual al de los carriles de 3,6 m (12 pies). Como se muestra
en la figura, los AMF para carriles de menos de 3,6 m (12 pies) de ancho serían constantes para
todos los ADT por encima de 2000 veh/día, pero disminuirían a un valor sustancialmente menor en
el rango de volúmenes de tráfico entre 400 y 2000 vehículo/día. Los AMF tienen entonces valores
constantes, pero más bajos, en el rango de ADT por debajo de 400 veh/día.
Si los anchos de carril para las dos direcciones de viaje en un segmento de carretera difieren, el
AMF debe determinarse por separado para el ancho de carril en cada dirección de viaje y luego
deben promediarse los AMF resultantes.
Los AMF que se muestran en la figura 2 se aplican a accidentes de un solo vehículo que se salen
del camino y múltiples vehículos de frente, en dirección opuesta y en la misma dirección. Los AMF
expresados sobre esta base deben, por lo tanto, ajustarse a los accidentes totales dentro del algo-
ritmo de predicción de accidentes. Esto se puede lograr con la siguiente ecuación: 1.70 1.60 Este
factor se aplica a accidentes de un solo vehículo que se salen del camino, accidentes
de múltiples vehículos en la misma dirección y accidentes de múltiples vehículos en la
dirección opuesta.
1.50 carriles de 9 pies 1.50 1.40 1.30 1.30 carriles de 10 pies 1.20 1.10 1.05 1.05 carriles de
11 pies 1.00 1.02 1.01 1.00 carriles de 12 pies 500 1000 1500 2000 2500
1.51 Volumen Promedio de Tráfico Diario (veh/día) Figura 2. Factor de modificación de
accidentes recomendado para el ancho de carril.
31

24/95
2000.424-2 AMF ' (AMF ra & 1.0) P ra % 1.0 (15) dónde: AMF = factor de modificación de acci-
dentes para el total de accidentes; AMF ra = factor de modificación de accidentes para accidentes
relacionados (es decir, accidentes de un solo vehículo que se sale del camino y múltiples vehículos
de frente, choque lateral en dirección opuesta y choque lateral en la misma dirección), como el
factor de modificación de accidente para ancho de carril mostrado en la figura 2; P ra = proporción
del total de accidentes constituida por accidentes relacionados.
La proporción de accidentes relacionados (P ra ) se estima en 0,35 (es decir, 35 por ciento) con base
en la distribución predeterminada de tipos de accidentes presentada en la tabla 2. Esta distribución
predeterminada de tipos de accidentes, y por lo tanto el valor de P ra , puede cambiarse por una
agencia de caminos como parte del proceso de calibración.
Los AMF para ancho de carril para caminos con IMD superior a 2000 veh/día se basan en los
resultados de Zegeer et al. (6) Además, estos valores son razonablemente consistentes con los
resultados de Zegeer et al. (7,8) y Miaou. (9) El AMF de 1,05 para anchos de carril de 3,3 m (11
pies) en vías con ADT de más de 2000 veh/día se ha ajustado a un valor inferior al indicado por
Zegeer et al. (6) basado en la evaluación del panel de expertos de un conjunto más amplio de
estudios sobre el rendimiento de seguridad de los caminos con carriles de 3,3 m (11 pies). Los AMF
para anchos de carril en caminos con ADT de menos de 400 veh/día se basan en los resultados de
Griffin y Mak. (10) Las líneas de transición en el rango de ADT de 400 a 2.000 veh/día se basan en
el juicio del panel de expertos.
Ancho y tipo de hombro El valor nominal o base del ancho y tipo de arcén es un arcén pavimen-
tado de 1,8 m (6 pies), al que se le asigna un valor AMF de 1,00. La Figura 3 ilustra el AMF reco-
mendado para anchos de arcén que difieren de 1,8 m (6 pies). Otro AMF, que se presenta a conti-
nuación, ajusta las diferencias entre los arcenes de grava, césped o compuestos y los arcenes
pavimentados. Los factores de modificación en la figura 3 ilustran que, para ADT por encima de
2000 veh/día, el efecto de un cambio de 0,6 m (2 pies) en el ancho del arcén es equivalente al
efecto de un cambio de 0,3 m (1 pie) en ancho de carril Para ADT por debajo de 400 veh/día, el
efecto de un cambio de 0,3 m (1 pie) en el ancho del arcén es equivalente al efecto de un cambio
de 0,3 m (1 pie) en el ancho del carril. Se produce una transición lineal entre estos efectos en el
rango de ADT de 400 a 2000 veh/día. AMF para anchos de hombro entre 0 y Se deben interpolar
2,4 m (0 y 8 pies) entre las líneas de la figura 3. Los arcenes mayores que A 2,4 m (8 pies) de ancho
se les deben asignar AMF iguales a los de 2,4 m (8 pies). Los AMF que se muestran en la figura 3
se aplican solo a accidentes de un solo vehículo que se salen del camino y en dirección opuesta.
1.60 1.50 Este factor se aplica a la salida del camino de un solo vehículo, Accidentes de
deslizamiento lateral de múltiples vehículos en la misma dirección y accidentes de múl-
tiples vehículos en dirección opuesta 1,50 hombros de 0 pies 1.40 1.30 1,30 hombros de 2
pies 1.20 1.10 1.00 1.10 1.07 1.02 0.98 1.15 hombros de 4 pies 1.00 hombros de 6 pies 0.90
0,87 hombros de 8 pies 0.80 500 1000 1500 2000 2500 Volumen Promedio de Tráfico Diario
(veh/día) Figura 3. Factor de modificación de accidentes por ancho de banquina.
Los AMF para el ancho de la banquina en caminos rurales de dos carriles con ADT de más de
2000 veh/día se basan principalmente en los resultados de Zegeer et al. (6) que sugiere la relación
2:1 entre los efectos de los anchos de carril y arcén. Este hallazgo es razonablemente consistente
34

25/95
con los resultados de Miaou (9,11) y Rinde. (12) Los AMF para caminos con ADT de menos de 400
veh/día, que indican una proporción de 1:1 entre los efectos del ancho del carril y el ancho del
arcén, se basan en el trabajo de Zegeer et al. (8) para caminos de bajo volumen. Las curvas de
transición en el rango de ADT de 400 a 2000 veh/día se basan en el juicio del panel de expertos.
La condición nominal o base para el tipo de arcén es el arcén pavimentado. La Tabla 3 presenta
los AMF recomendados para grava, césped y arcenes compuestos en función del ancho del arcén.
Los AMF que se muestran en la tabla 3 se aplican a accidentes de un solo vehículo que se salen
del camino y en dirección opuesta.

26/95
Tabla 3. Factores de modificación de accidentes para tipos de banquinas en caminos de dos
carriles.
Tipo de
hombro
Ancho del hombro (pies)
0 1 2 3 4 6 8 10
Pavimen-
tado
1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
Grava 1.00 1.00 1.01 1.01 1.01 1.02 1.02 1.03
Compuesto 1.00 1.01 1.02 1.02 1.03 1.04 1.06 1.07
Césped 1.00 1.01 1.03 1.04 1.05 1.08 1.11 1.14
Conversión: 1 pie = 0,305 m Nota: Los valores para arcenes compuestos en esta tabla repre-
sentan un arcén para el cual el 50 por ciento del ancho del arcén está pavimentado y el 50 por
ciento del ancho del arcén es césped.
El panel consideró que el efecto del tipo de banquina observado por Miaou (9) era apropiado para
caracterizar la diferencia entre grava y banquinas pavimentadas y que el efecto observado por
Zegeer et al. (6) fue apropiado para caracterizar la diferencia entre césped y arcenes pavimentados.
Los arcenes compuestos representados por la tabla 3 representan un arcén para el cual el 50 por
ciento del ancho del arcén está pavimentado y el 50 por ciento del ancho del arcén es césped.
Los AMF para arcenes compuestos son promedios de los AMF para arcenes pavimentados y con
césped.
La Tabla 3 asume que la condición base para el tipo de arcén es un arcén pavimentado. De hecho,
la base de datos utilizada para desarrollar el modelo base para las secciones de carretera que se
muestra en la ecuación (4) constaba de aproximadamente un 67 por ciento de arcenes pavimenta-
dos y compuestos y un 33 por ciento de arcenes de grava. Sin embargo, la diferencia en el desem-
peño de seguridad entre los arcenes pavimentados y los de grava es tan pequeña que la magnitud
de los AMF solo se ve mínimamente afectada por la proporción de arcenes de grava en la base de
datos. Por lo tanto, se recomienda el uso de la tabla 3 sin modificaciones. Si, en algún momento
futuro, el modelo base para las secciones del camino se reemplaza o actualiza, se recomienda que
ya sea (1) el modelo se base únicamente en secciones de carretera con arcenes pavimentados; o
(2) ese tipo de hombro aparece explícitamente en el modelo base.
Si los tipos y/o anchos de banquina para las dos direcciones de viaje en un segmento de carretera
difieren, el AMF debe determinarse por separado para el tipo de banquina y el ancho en cada di-
rección de viaje y luego deben promediarse los AMF resultantes.
Los AMF para el ancho y el tipo de la banquina se aplican solo a accidentes de un solo vehículo
que se salen del camino y múltiples vehículos de frente, en dirección opuesta y en la misma direc-
ción. Los AMF expresados sobre esta base deben, por lo tanto, ajustarse a los accidentes totales
dentro del algoritmo de predicción de accidentes. Esto se puede lograr con la siguiente ecuación
que es análoga a la ecuación (15): AMF ' (AMF wra AMF tra & 1.0) P ra % 1.0 (dieciséis) dónde:
AMF envuelto = factor de modificación de accidentes para accidentes relacionados con base en el ancho

27/95
de la banquina (de la figura 4); y AMF tra = factor de modificación de accidentes para accidentes rela-
cionados según el tipo de arcén (de la tabla 3).
La proporción de accidentes relacionados (P ra ) se estima en 0,35 (es decir, 35 por ciento) con base
en la distribución predeterminada de los tipos de accidentes que se presenta en la tabla 2. Esta
distribución predeterminada de tipos de accidentes y, por lo tanto, el valor de P ra , puede cambiarse
por un agencia de caminos como parte del proceso de calibración.
Curvas horizontales Longitud, radio y presencia o ausencia de transiciones en espiral La condición
nominal o base para la alineación horizontal es una sección de calzada tangente. Se ha desarro-
llado un AMF para representar la forma en que la experiencia de accidentes de alineaciones curvas
difiere de la de las tangentes. Este AMF se aplica a los accidentes del segmento total del camino,
no solo a los tipos de accidentes relacionados considerados anteriormente para los anchos de los
carriles y los arcenes.
El AMF para curvas horizontales se ha determinado a partir del modelo de regresión desarrollado
por Zegeer et al. (13) El modelo de Zegeer incluye los efectos sobre los accidentes de la longitud
de curva, grado de curva horizontal y presencia o ausencia de curvas de transición en espiral. El
modelo de Zegeer también podría usarse para introducir un efecto de ancho de carril en las curvas
horizontales que difiere del efecto del ancho de carril en las tangentes. No hay datos disponibles
para representar cualquier efecto diferencial del ancho del arcén entre las curvas horizontales y las
tangentes.
El AMF para la curvatura horizontal tiene la forma de una ecuación y, por lo tanto, podría denomi-
narse función de modificación de accidentes en lugar de factor de modificación de accidentes. El
AMF para longitud, radio y presencia o ausencia de transiciones en espiral en curvas horizontales
es: AMF '1.55Lc _ 80.2 % R 1.55 Lc_& 0.012S (17)
dónde: Lc _ = longitud de la curva horizontal (mi);
R = radio de curvatura (ft); y
S = 1 si la curva de transición en espi-
ral está presente 0 si la curva de
transiciónenespiral no está presente.
Al aplicar las funciones de modificación de accidentes para curvas con transiciones en espiral, la
variable de longitud (L c ) debe representar la longitud de la parte circular de la curva.
Peralte La condición nominal o base para el AMF para el peralte de una curva horizontal es la
cantidad de peralte requerida por el Libro Verde de AASHTO. (14) El peralte requerido por el Libro
Verde de AASHTO debe determinarse teniendo en cuenta el valor de la tasa de peralte máximo, e
max , establecido por las políticas de la agencia de caminos. Las políticas relacionadas con las tasas
máximas de peralte para curvas horizontales varían entre las agencias de caminos según el clima
y otras consideraciones. Si no se ha incorporado ningún valor de e max especificado por la agencia vial en particular
en el IHSDM, entonces se asumirá e max = 0.06 por defecto. El AMF para el peralte se basa en la deficiencia de
peralte de una curva horizontal (es decir, la diferencia entre el peralte real y el peralte requerido por
la política AASHTO). Cuando el peralte real cumple o supera lo requerido por la política AASHTO,
el valor del peralte AMF es 1,00. El panel de expertos dictaminó que no habría efecto de la defi-
ciencia de peralte en la seguridad hasta que la deficiencia de peralte exceda 0.01.

28/95
La forma funcional general de un AMF para peralte se muestra en la figura 4, basada en el trabajo
de Zegeer et al. (13,15) Para una curva horizontal con carriles de 12 pies y sin transiciones en
espiral, el trabajo de Zegeer sugiere un AMF de la forma: Figura 4. Factor de modificación
de accidentes por deficiencia de peralte.
1,22 %
1604
% 9,52 SD AMF 'R
1,22 %
1604 R (18) dónde: SD = deficiencia de peralte.
Sin embargo, el AMF en la forma que se muestra en la ecuación (18) no se puede usar directamente
porque sugiere que para cualquier deficiencia de peralte dada, el valor del AMF aumenta al aumen-
tar el radio de curvatura. De hecho, parece probable que ocurra lo contrario, siendo las deficiencias
de peralte más importantes en curvas con radios más pequeños.
Zeger, et al. (15) indican que el radio medio de las curvas horizontales en su estudio fue de 257,0
m (842,5 pies). Para este radio medio, la ecuación (18) indica los siguientes valores de la AMF:
Peralte
deficiencia
AMF
0.02 1.06
0.03 1.09
0.04 1.12
0.05 1.15
Sobre la base de estos valores y el juicio del panel de expertos de que no hay efecto sobre la
seguridad hasta que la deficiencia de peralte alcanza 0,01, se pueden derivar las siguientes rela-
ciones que forman la base de la figura 5: AMF ' 1.00 para SD < 0.01 (19) AMF ' 1,00 % 6 (DE ! 0,01)
para 0,01 # DE < 0,02 (20) AMF ' 1.06 % 3 (SD ! 0.02) para SD $ 0.02 (21) Este AMF se aplica al
total de accidentes del segmento de la vía para los segmentos de la vía ubicados en curvas hori-
zontales.
Pendientes La condición nominal o base para la pendiente es una calzada nivelada (0% de pen-
diente). La Tabla 4 presenta el factor de modificación de accidentes para pendientes basado en un
análisis de caminos de dos carriles en Utah realizado por Miaou. (16) Este análisis consideró datos
geométricos y de accidentes para aproximadamente 4000 km (2500 mi) de caminos de dos carriles
con límites de velocidad de 88,5 km/h (55 mi/h), carriles de 3,6 m (12 pies) y tangentes. alineación.
Se utilizaron dos enfoques de análisis: análisis univariado utilizando técnicas de suavizado y mo-
delado de regresión binomial negativa. Ambos métodos estimaron el efecto de la pendiente vertical
sobre los accidentes en aproximadamente un 1,6 por ciento de aumento en los accidentes por cada
1 por ciento de aumento en la pendiente. Sin embargo, ambos estudios encontraron que este efecto
no era estadísticamente significativo.
A pesar de la falta de significación estadística de los resultados, el panel de expertos tomó la deci-
sión de utilizar el efecto observado como base para un AMF porque el resultado parecía razonable
para el panel de expertos y porque no se dispone de resultados más confiables. La Tabla 4 presenta
los AMF para el grado en función del aumento observado del 1,6 por ciento en accidentes por
aumento del 1 por ciento en el porcentaje de grado. Los AMF en la tabla 4 se aplican a cada sección
38

29/95
de grado individual en el calzada que se está evaluando sin respetar el signo de la pendiente. El
signo de la pendiente es irrelevante porque cada pendiente en una carretera de dos carriles es una
mejora para una dirección de viaje y una reducción para la otra. Los factores de pendiente se aplican
a toda la pendiente desde un punto de intersección vertical (PVI) al siguiente (es decir, no se tienen
en cuenta especialmente las curvas verticales). Los AMF de la tabla 4 se aplican al total de acci-
dentes del segmento de carretera.
Tabla 4. Factores de Modificación de Accidentes para el Grado de las Secciones de Carretera.
0 2 Calificación
(%) 4
6 8
1.00 1.03 1.07 1.10 1.14
Nota: Este factor puede expresarse como un efecto de 1,6 por ciento por grado porcentual.
Densidad de calzada La condición nominal o base para la densidad de accesos es de tres accesos
por km.
(cinco entradas por milla). El AMF para la densidad de la calzada se basa en la siguiente ecuación
derivada del trabajo de Muskaug: (17)
AMF '
0,2 % [0,05 y 0,005 ln (ADT)] DD 0,2 % [0,05 y 0,005
ln (ADT)] (5) (22) dónde: IMD = Volumen de tránsito diario promedio anual de la vía en evaluación
(veh/día); y DD = densidad de accesos (accesos por milla).
El estudio de Muskaug se ocupa solo de los accidentes con lesiones, pero el panel de expertos
consideró que el AMF que se muestra en la ecuación (22) se puede aplicar al total de accidentes
viales de todos los niveles de gravedad.
El panel de expertos consideró que el estudio noruego de Muskaug es el mejor estudio disponible
sobre los efectos en la seguridad de la densidad de entradas de vehículos en caminos rurales de
dos carriles. Sin embargo, al panel le preocupaba la dependencia de una fuente de datos interna-
cional y llevó a cabo una revisión adicional de la literatura estadounidense relevante. La referencia
de EE. UU. más aplicable parecía ser la Circular de Investigación de Transporte 456 , y un análisis
concluyó que sus resultados eran consistentes con los hallazgos de Muskaug. (18) Otra revisión
más de los datos de HSIS de Minnesota concluyó que el efecto de la densidad de entrada de
vehículos en los accidentes es consistente con los resultados del estudio de Muskaug. Por lo tanto,
los resultados de Muskaug se mantuvieron como base para la AMF de densidad de entrada.
Carriles de adelantamiento La condición nominal o básica para adelantar carriles es la ausencia
de un carril (es decir, la sección transversal normal de dos carriles). El AMF para un carril de ade-
lantamiento o ascenso convencional agregado en una dirección de viaje en una carretera de dos
carriles es de 0.75 para el total de accidentes en ambas direcciones de viaje a lo largo del carril de
adelantamiento desde el extremo aguas arriba de la adición de carril que se estrecha hasta aguas
abajo. final de la caída del carril de forma cónica. Este valor asume que el carril de adelantamiento
está justificado operativamente y que la longitud del carril de adelantamiento es adecuada para las
condiciones operativas en la calzada Se debe usar un procedimiento IHSDM que no sea el algo-
ritmo de predicción de accidentes para advertir a los usuarios si un carril de adelantamiento no está
justificado operativamente o si se utiliza una longitud de carril de adelantamiento inapropiada. Se
sabe que los carriles de adelantamiento tienen efectos operativos de tráfico que se extienden de 5

30/95
a 13 km (3 a 8 millas) aguas abajo del carril de adelantamiento; Si bien se puede suponer que estos
efectos operativos brindan beneficios de seguridad análogos en una longitud similar de carretera,
dicho efecto no se incluye en el algoritmo de predicción de accidentes por falta de evidencia cuan-
titativa de tal beneficio.
El AMF para secciones cortas de cuatro carriles (es decir, carriles de adelantamiento uno al lado
del otro proporcionados en direcciones opuestas en la misma sección de la calzada) es 0,65 para
el total de accidentes en la longitud de la sección corta de cuatro carriles. Este AMF se aplica a
cualquier parte de la calzada donde la sección transversal tiene cuatro carriles y donde ambos
carriles adicionales se han proporcionado en una distancia limitada para aumentar las oportunida-
des de adelantamiento. Este AMF no se aplica a tramos de carretera de cuatro carriles extendidos.
El AMF para carriles de adelantamiento se basa principalmente en el trabajo de Harwood y St. John,
y también se tienen en cuenta los resultados de Rinde y Nettleblad. (19, 12, 20) El AMF para tramos
cortos de cuatro carriles se basa en el trabajo de Harwood y St. John. (19) Estos AMF se aplican a
los accidentes del segmento total del camino dentro del carril de adelantamiento y secciones cortas
de cuatro carriles.
Carriles de doble sentido para girar a la izquierda La instalación de un carril central de doble
sentido para girar a la izquierda (TWLTL) en una carretera de dos carriles para crear una sección
transversal de tres carriles puede reducir los accidentes relacionados con las maniobras de giro en
las entradas de vehículos. El AMF para la instalación de un TWLTL es: AMF'1 ! _ _ 0.7 P D P LT/D
(23) dónde: P D = accidentes relacionados con la entrada de vehículos como proporción del total de
accidentes; y P LT/D = accidentes de giro a la izquierda susceptibles de corrección por un TWLTL
como proporción de los accidentes relacionados con la entrada de vehículos.
El valor de P AP se estima a partir del trabajo de Hauer como: (21)
P 0,0047 DD
% 0,0024 DD 2
D '
(24) 1,199 % 0,0047DD % 0,0024DD 2 panel de expertos estimó el valor de P LT/D en 0,5.
El panel de expertos considera que las ecuaciones (23) y (24) proporcionan la mejor estimación de
la AMF para la instalación de TWLTL que se puede realizar sin datos sobre los volúmenes de giro
a la izquierda dentro de la TWLTL. Siendo realistas, dichos volúmenes rara vez están disponibles
para las agencias de caminos para su uso en tales análisis. El AMF, ajustado en la ecuación (23),
se aplica al total de accidentes del segmento de carretera. La ecuación (24) se desarrolló inicial-
mente para representar la densidad total de puntos de acceso (entradas de vehículos más inter-
secciones sin semáforos). Sin embargo, aquí se usa para determinar un AMF solo para la densidad
de entradas de vehículos, porque los efectos de los carriles para girar a la izquierda en las inter-
secciones se consideran por separado a continuación.
El AMF para la instalación de TWLTL no se debe aplicar a menos que la densidad de acceso sea
mayor o igual a tres accesos por km (cinco accesos por milla). Si la densidad de accesos es inferior
a tres accesos por km (cinco accesos por milla), el AMF para la instalación de TWLTL es 1.00. La
instalación de TWLTL sería, en cualquier caso, inapropiada para los segmentos de carretera con
densidades de acceso inferiores a este umbral.
Diseño en carretera A los efectos del algoritmo de predicción de accidentes, la calidad del diseño
del borde del camino está representada por la calificación de riesgo en el borde del camino (escala

31/95
de 1 a 7) desarrollada por Zegeer et al. (6) No se encontraron estudios en la literatura que presen-
taran relaciones satisfactorias entre la clasificación de peligrosidad en la vía y la experiencia de
accidentes en caminos de dos carriles. Por lo tanto, el AMF para el diseño al costado del camino
se derivó directamente del modelo base para las secciones del camino presentado en la ecuación
(5). El valor nominal o base de la clasificación de peligrosidad al costado del camino empleada en
el modelo base para secciones de camino es 3. El AMF se basa en la relación entre la experiencia
de accidentes pronosticada por el modelo base usando la sección de camino real en cuestión y la
experiencia de accidentes pronosticada por el modelo base. modelo utilizando el valor nominal de
la calificación de peligro en el camino igual a 3. El AMF es:
AMF '
exp( ! 0.6869 % 0.0668 RHR)
exp( ! 0.4865) (25) Este AMF se aplica al total de accidentes del segmento de carretera. En el
apéndice D se presentan ejemplos fotográficos y definiciones cuantitativas para cada clasificación
de riesgo al costado del camino (1 a 7) en función de las características del diseño del costado del
camino, como la pendiente lateral y el ancho de la zona despejada.
El panel de expertos alienta el desarrollo futuro de AMF para elementos de diseño de caminos
específicos con tanto detalle como los factores de diseño de caminos en este algoritmo de predic-
ción de accidentes. Por ejemplo, el algoritmo podría hacerse sensible a la presencia o ausencia de
una barandilla en taludes específicos del camino y en obstáculos individuales al costado del camino.
El modelo del Programa de análisis de seguridad vial (RSAP, por sus siglas en inglés) que se está
desarrollando actualmente podría aplicarse para este propósito en lugar de solo como una herra-
mienta de costo/beneficio para comparar alternativas de diseño vial. (22) Sin embargo, el modelo
RSAP aún no está completo y el consenso del panel fue que la aplicación del modelo RSAP estaría
más allá del alcance de este esfuerzo inicial para desarrollar el algoritmo de predicción de acciden-
tes.
Intersecciones a nivel Los AMF para el diseño geométrico y las características de control de tráfico
de las intersecciones a nivel se presentan a continuación. Como se explicó anteriormente, los AMF
se han desarrollado solo para aquellas formas geométricas características de diseño y control de
tráfico para las cuales el panel de expertos encontró una base adecuada para cuantificar un AMF.
Número de tramos de intersección No existe un AMF separado para el número de tramos de
intersección. En cambio, el efecto del número de tramos de intersección se tendrá en cuenta me-
diante los modelos base separados para intersecciones de tres y cuatro tramos como los que se
presentan en la sección 3 de este informe. Los modelos base se han desarrollado para interseccio-
nes controladas por STOP de tres y cuatro tramos, mientras que los modelos base para Las inter-
secciones señalizadas se han desarrollado solo para intersecciones de cuatro tramos. No se desa-
rrollarán modelos base para intersecciones con más de cuatro patas. Por lo tanto, las intersecciones
de múltiples tramos y las intersecciones señalizadas de tres tramos no serán abordadas por la
versión inicial del algoritmo de predicción de accidentes.
Ángulo de inclinación de la intersección La condición nominal o base para el ángulo de inclina-
ción de la intersección es 0 grados de inclinación (es decir, un ángulo de intersección de 90 grados).
El ángulo de sesgo de una intersección se definió como la desviación de un ángulo de intersección
de 90 grados y lleva un signo positivo o negativo que indica si la vía secundaria se cruza con la vía
principal en un ángulo agudo u obtuso. Esta señal se introdujo en el modelo base porque un estudio
finlandés de Kulmala encontró que los ángulos de inclinación agudos y obtusos afectaban la

32/95
seguridad de manera diferente. (23) Intersecciones controladas por STOP El AMF para el ángulo
de intersección en intersecciones controladas por STOP de tres tramos se deriva del modelo base
para este tipo de intersección. Debido a que la variable del ángulo de intersección no fue estadísti-
camente significativa al nivel de significancia de 0.015, no apareció en el modelo base en la ecua-
ción (7). Por lo tanto, se utilizó el modelo base presentado en la ecuación (49) en el apéndice B con
variables adicionales, incluida la variable del ángulo de intersección, para derivar el siguiente AMF:
exp ( ! 12.15 % 1.001 ln ADT 1 % 0.406 ln ADT 2 % 0.0040SKEW 3 ) AMF ' exp ( ! 12.15 % 1.001
ln ADT 1 % 0,406 ln ADT (26) 2 dónde: ADT 1 = volumen de tránsito diario promedio para la vía
principal; ADT 2 = volumen de tránsito diario promedio para la vía secundaria; y OSCILACIÓN 3 =
á n g u l o d e intersección (grados) menos 90 para el ángulo entre el tramo del camino principal en la
dirección de las estaciones crecientesy un tramo a laderecha; 90 menosel ángulo de intersección (grados)
para el ángulo entre el tramo de carretera principal en dirección a las estaciones crecientes y un
tramo a la izquierda.
La ecuación (26) se reduce a: AMF ' exp(0.0040 SKEW 3 ) (27) El AMF para el ángulo de intersec-
ción en intersecciones controladas por STOP de cuatro tramos se basa directamente en el modelo
base presentado como ecuación (9) para este tipo de intersección: exp( ! 9.15 % 0.534 ln ADT 1 %
0.665 ln ADT 2 ! 0.0054 SKEW 4 ) AMF ' exp( ! 9.15 % 0.534 ln ADT 1 (28) % 0,665 ln TMD 2 )
SKEW 4 = ángulo de intersección (grados) expresado como la mitad del ángulo a la derecha menos
la mitad del ángulo a la izquierda para los ángulos entre el tramo del camino principal en la dirección
de las estaciones crecientes y los tramos derecho e izquierdo , respectivamente La ecuación (28)
se reduce a: AMF ' exp( & 0.0054 SKEW 4 ) (29) Los signos opuestos de los coeficientes del ángulo
de inclinación en las ecuaciones (27) y (29) son una preocupación porque la diferencia en el signo
implica que los ángulos de inclinación positivos y negativos (como se definió anteriormente para
SKEW 3 y SKEW 4 disponibles ) tienen efectos opuestos en la seguridad. en intersecciones de tres y
cuatro ramales. En una revisión adicional, el panel de expertos decidió que los resultados del estu-
dio de Kulmala por sí solos no proporcionaban una base suficiente para desafiar la opinión amplia-
mente aceptada de que cualquier desviación de intersección que parte de un ángulo de 90 grados,
ya sea positivo o negativo, es perjudicial para la seguridad.Por lo tanto, las ecuaciones (27) y (29)
se reformularon como se muestra a continuación. Para una intersección controlada por STOP de
tres tramos: AMF ' exp (0.0040 SKEW) (30) Para una intersección controlada por STOP de cuatro
tramos: AMF ' exp (0.0054 SKEW) (31) dónde: SESGAR = ángulo de inclinación de la intersección
(grados), expresado como el valor absoluto de la diferencia entre 90 grados y el ángulo de intersección
real .
Estos AMF se aplican al total de accidentes en intersecciones.
Intersecciones señalizadas El ángulo de inclinación es un factor mucho menos importante en la
operación de intersecciones señalizadas que en la operación de intersecciones controladas por
ALTO. Dado que el semáforo separa la mayoría de los movimientos de las aproximaciones en con-
flicto, el riesgo de colisiones relacionado con el ángulo de inclinación entre las aproximaciones que
se cruzan se limita en una intersección señalizada. Por lo tanto, el AMF para el ángulo de inclinación
en las intersecciones señalizadas de cuatro ramales es 1.00 para todos los casos.
)

Predicción de accidentes en caminos rurales de dos carriles

Predicción de accidentes en caminos rurales de dos carriles

Recomendados

Recomendados

Más contenido relacionado

Similar a Predicción de accidentes en caminos rurales de dos carriles

Similar a Predicción de accidentes en caminos rurales de dos carriles (20)

Más de FRANCISCOJUSTOSIERRA

Más de FRANCISCOJUSTOSIERRA (20)

Último

Último (20)

Predicción de accidentes en caminos rurales de dos carriles