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

González García, Juan Camilo

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

dc.contributor.advisor	Córdoba Sarmiento, Edgar Eduardo
dc.contributor.author	González García, Juan Camilo
dc.contributor.evaluator	Ortiz Pimiento, Nestor Raul
dc.contributor.evaluator	Lamos Díaz, Henry
dc.date.accessioned	2025-09-02T12:28:22Z
dc.date.available	2025-09-02T12:28:22Z
dc.date.created	2025-08-31
dc.date.issued	2025-08-31
dc.description.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.
dc.description.abstractenglish	This research presents an exploratory study on the application of data mining techniques for the analysis, characterization, and prediction of traffic accidents in municipal contexts. Based on a systematic review of specialized literature, the study identifies the most frequently used predictive models and their contributing factors. The models are classified into four categories supervised, unsupervised, hybrid and those incorporating Explainable Artificial Intelligence (XAI) techniques. Additionally, their application scope according to the type of prediction addressed frequency, severity or simultaneous prediction, as well as the factors used as predictors, including road, environmental, human and vehicle-related factors, capturing relationship between prediction type with factors and models used. As result of these findings, the research proposes a five-phase methodological framework for the application of predictive models in road safety management, including diagnosis of data availability, defining the predictive objective, model selection, and data driven decision making. The study concludes that data mining has a significant potential to improve road safety management, especially through the development of scalable and integrative models aligned with local strategic objectives.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Industrial
dc.description.orcid	0000-0002-3409-2236
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/46128
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Industrial
dc.publisher.school	Escuela de Estudios Industriales y Empresariales
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial 2.5 Colombia (CC BY-NC 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Minería de Datos
dc.subject	Accidentes de Tránsito
dc.subject	Predicción
dc.subject	Frecuencia
dc.subject	Gravedad
dc.subject.keyword	Data mining
dc.subject.keyword	Road Accidents
dc.subject.keyword	Forecasting
dc.subject.keyword	Frequency
dc.subject.keyword	Severity
dc.title	Estudio Exploratorio De Modelos De Minería De Datos Para Análisis Y Caracterización De Accidentes Viales Municipales
dc.title.english	Exploratory Study of Data Mining Models for the Analysis and Characterization of Municipal Road Accidents
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado