PREDICCIÓN DE NÚMEROS DE

ACCIDENTES ALEMANES: EL EFECTO

DE LAS VARIABLES
METEOROLÓGICAS
Abril 2019

Stephany Jiménez
Johann David Reyes

INGENIERIA GEOGRAFICA Y AMBIENTAL

UNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES
Resumen

Introducción

Datos
• Número de accidentes
• Preparación de datos
• Datos del tiempo

Métodos de análisis
• Modelos de regresión meteorológica
• Modelos Provisionales –Final
• Modelos de PC para clima
• Validación

Análisis y resultados

Discusiones

Conclusiones

Bibliografía
Resumen

Instituto Federal de Investigación de Carreteras

Introducción

27 Mejorar la
Subcategorías precisión (E)

Tipo de
accidente y
victima
Desentrañar las
tendencias a largo
plazo de los patrones
estacionales.
Condiciones
Meteorológicas
 Datos:
número de
accidentes
 PREPARACIÓN DE DATOS
DEL TIEMPO
1. Aplicar transformaciones
para reducir la asimetría
3. Calcular la media
aritmética de cada variable
por mes, año y estación.
2. Crear un conjunto de
variables, expresando las
variables originales como
las desviaciones.
4. La matriz de datos
agregados se transforma en
sus componentes
principales
Datos del tiempo
Datos del tiempo
Temperatura
Humedad Relativa
Máxima

Temperatura PARÁMETROS
Vel. Media Viento
Mínima CLIMÁTICOS

Presión de vapor Vel. Max. Viento

Cobertura de Tipos de
Horas de sol
nubes Precipitación
Datos del tiempo
 Métodos de
Análisis:
Modelos de
regresión
meteorológica
Métodos de Análisis: Modelos
Provisionales-Final
Métodos de Análisis: Modelos de
PC para clima
Métodos de Análisis: Validación
Para cada año entre 2000 y 2015 y cada serie de datos de
accidentes, se generaron predicciones basados en:

a. Los datos finales de los años anteriores

b. Ajustar los datos provisionales para el año corriente

c. Los valores de PC de tiempo observada hasta

noviembre del corriente año

d. Las imputaciones de la PC del tiempo para diciembre

del corriente año.
Análisis y Resultados
Discusiones
Discusiones
Conclusiones
Concluimos que el actual enfoque de modelado de series de tiempo estructural
proporciona una alternativa válida para predecir la evolución del número de
accidentes, lesión al final del año en Alemania.

El estudio confirma también que es importante ver evoluciones a corto plazo en las
estadísticas de accidente teniendo en cuenta las condiciones climáticas.

Los modelos actuales todavía podrían ganar en exactitud de predicción elaboración

de dinámicas más complejas de las condiciones meteorológicas y diferentes
conjuntos de variables predictivas, con relaciones comprobadas con la seguridad
vial, tales como las variables económicas.
 Bibliografía
• Kevin Diependaele, Heike Martensen, Markus Lerner, Andreas Schepers, Frits
Bijleveld y Jacques JF Commandeur , pronosticando números de accidentes en
Alemania: el efecto de las variables meteorológicas , Accident Analysis &
Prevention , 10.1016 / j.aap.2018.07.022 , 125 , (336- 343) , (2019) .
• Brodsky, H., Hakkert, A.S., 1988. Risk of a road accident in rainy weather. Accid. Anal.
Prev. 20 (3), 161–176.
• Eisenberg, D., 2004. The mixed effects of precipitation on traffic crashes. Accid. Anal.
Prev. 36, 637–647.
• Focant, N., Martensen, H., 2014. Are There More Accidents in the Rain? Exploratory
• Analysis of the Influence of Weather Conditions on the Number of Road Accidents in
Belgium. Belgian Road Safety Institute, Brussels.
• Helske, J., 2017. KFAS: exponential family state space models in R. J. Stat. Softw. 78
(10).
• Koopman, S.J., 2003. Disturbance smoother for state space models. Biometrika 80,
• 117–126.