Estudio Exploratorio De Modelos De Minería De Datos Para Análisis Y Caracterización De Accidentes Viales Municipales

Abstract

Esta investigación desarrolla un estudio exploratorio sobre el uso de modelos de minería de datos para el análisis, caracterización y predicción de accidentes de tránsito en entornos municipales. A partir de una revisión sistemática de la literatura especializada, se identificaron los modelos predictivos más utilizados, así como los factores determinantes en su aplicación. Los modelos se clasifican en cuatro categorías: supervisados, no supervisados, híbridos y aquellos que incorporan técnicas de Inteligencia Artificial Explicable (XAI). Asimismo, se analiza su aplicación según el tipo de predicción abordada sea esta frecuencia, gravedad o predicción simultánea y los factores utilizados como predictores, lo que permite generar un análisis cruzado entre tipo de predicción, modelo y factores considerados. Con base en estos hallazgos, se propone un marco metodológico de cinco fases para la implementación de modelos predictivos en la gestión de la seguridad vial, incluyendo el análisis de la información disponible, definición del tipo de predicción, selección del modelo y toma de decisiones basadas en los resultados. A través de este estudio se concluye que la minería de datos ofrece un potencial significativo para transformar la gestión de la seguridad vial, especialmente en el desarrollo de modelos escalables, integradores y alineados con los objetivos estratégicos locales.