105517

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Análisis de siniestros de tránsito utilizando estadística espacial en Quito, Ecuador.

Analysis of traffic accidents applying spatial statistics in Quito, Ecuador. by/por

Washington Patricio Yumbillo Lema 11938125 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS) Advisor ǀ Supervisor: Leonardo Zurita Arthos PhD

Quito - Ecuador, marzo 2022

COMPROMISO DE CIENCIA

Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Quito, 16 de marzo del 2022

Firma

AGRADECIMIENTO

Es parte de la vida, el explorar en virtud de obtener nuevos conocimientos y nuevas formas de crear soluciones para dejar un planeta un poco mejor de lo que como se encuentra en la actualidad y en esta exploración encontré el apoyo profesional en compañeros y profesores en cada uno de los niveles escalados y por consiguiente es un espacio para expresar mi gratitud a cada una de las personas que han sido parte de este proyecto de vida profesional.

DEDICATORIA

A mis padres que me han enseñado siempre mirar hacia adelante, en que nada es imposible, en la perseverancia y que el primer paso siempre es el más importante.

A mi hermana que con su alegría me ha motivado en los días de estudio.

A mi esposa e hija que día a día han sido mi apoyo y fortaleza para no desistir y siempre tener fuerza para continuar en este proyecto profesional.

RESUMEN Los siniestros de tránsito han tenido una tendencia al crecimiento ocasionando que se vuelva un problema social que debe ser controlado. Varias organizaciones a nivel mundial están tomando acción para detener esta situación, es por ello que la presente tesis de maestría tiene el objetivo de analizar los siniestros de tránsito en Quito-Ecuador por medio de la geoestadística.

Los resultados permitirán aportar información relevante a la Agencia Nacional de Tránsito (ANT) para que puedan crear nuevas normativas y campañas de concientización basadas en resultados claros. De esta manera, reducir el impacto de los siniestros de tránsito en la Ciudad de Quito y evitar que más personas queden con secuelas en su entorno familiar a causa de los siniestros sucedidos.

El objetivo principal de esta investigación es determinar sitios de alta probabilidad de siniestros fatales de tránsito en Quito-Ecuador, utilizando estadística espacial; además, otros objetivos particulares como por ejemplo determinar las causas principales de los siniestros de tránsito.

La metodología aplicada en el trabajo de tesis consta de tres etapas: en la primera etapa, se utilizó la base de datos formato tabular del año 2019 proporcionada por la ANT, la cual contiene 24.595 siniestros de tránsito de Ecuador. En esta base se encontraron algunos registros que no tienen coordenadas espaciales y fue necesario separarlos, posteriormente se filtraron los pertenecientes al Distrito Metropolitano de Quito (DMQ) quedando 4,706 registros. En la segunda etapa, se aplicaron métodos y técnicas de análisis geoespacial para identificar la existencia de correlación espacial y determinar el grado de dependencia.

Finalmente, en la tercera etapa se analizaron los resultados y se prepararon mapas para entender el comportamiento de los siniestros determinando que las observaciones se encuentran distribuidas de forma aleatoria en el área de estudio; no obstante, permitió conocer los sitios con alta incidencia de siniestros los cuales se encuentran distribuidos en zonas puntuales como son Calderón, Iñaquito y Quitumbe.

Palabras clave: DMQ, geoestadísticas, puntos calientes, siniestros de tránsito.

5

ABSTRACT Traffic accidents have had an upward trend becoming a social problem that must be controlled. Several organizations worldwide are taking actions to stop this situation, which is why this master's thesis aims to analyse traffic accidents in Quito-Ecuador through geostatistics.

The results will make it possible to provide relevant information to the National Transit Agency (ANT) so that they can create new regulations and awareness campaigns based on clear results. In this way, reducing the impact of traffic accidents in the City of Quito and preventing more people from having sequels in their family environment due to the accidents that have occurred.

The main objective of this research is to determine sites of high probability of fatal traffic accidents in Quito-Ecuador, using spatial statistics; moreover, other particular objectives such as the determination of the main causes of traffic accidents.

The methodology applied in the thesis work consists of three stages: in the first stage, the database in tabular format of the year 2019 provided by the ANT was used, which contains 24,595 traffic accidents in Ecuador. Some records without spatial coordinates were found in this database and it was necessary to separate them, later those belonging to the Metropolitan District of Quito (DMQ) were filtered, leaving 4,706 records. In the second stage, geospatial analysis methods and techniques were applied to identify the existence of spatial correlation and determine the degree of dependence.

Finally, in the third stage, the results were analysed and maps were prepared to understand the behaviour of the accidents, determining that the observations are randomly distributed in the study area; however, it made it possible to know the sites with a high incidence of accidents which are distributed in specific areas such as Calderón, Iñaquito and Quitumbe.

Keywords: DMQ, hot spots, geostatistics, traffic accidents.

6

TABLA DE CONTENIDOS 1.

INTRODUCCION .................................................................................... 13

1.1. ANTECEDENTES .................................................................................... 14 1.2. OBJETIVO GENERAL ............................................................................. 16 1.3. OBJETIVOS ESPECÍFICOS .................................................................... 16 1.4. PREGUNTAS DE INVESTIGACIÓN........................................................ 17 1.5. HIPOTESIS .............................................................................................. 17 1.6. JUSTIFICACIÓN ...................................................................................... 17 1.7. ALCANCE ................................................................................................ 18 2.

REVISION DE LITERATURA ................................................................. 20

2.1. MARCO TEORICO .................................................................................. 20 2.1.1.

LA ESTRECHA RELACIÓN ENTRE LA GEOESTADÍSTICA Y LOS

SINIESTROS DE TRÁNSITO........................................................................... 21 2.1.2.

ÍNDICE DE ASOCIACIÓN ESPACIAL LOCAL (LISA). ....................... 24

2.2. MARCO HISTORICO ............................................................................... 26 2.2.1.

EL ROL IMPORTANTE QUE CUMPLEN LAS ORGANIZACIONES EN

EL MUNDO ...................................................................................................... 26 2.2.2.

ESTRATEGIAS PARA FRENAR LOS SINIESTROS DE TRÁNSITO . 27

2.3. GEOESTADÍSTICA APLICADA A LA ACCIDENTALIDAD EN MÉXICO . 28 2.3.1.

METODOLOGÍA APLICADA A LA ACCIDENTALIDAD EN MÉXICO. 29

2.4. ANÁLISIS ESPACIAL TEMPORAL DE ACCIDENTES EN TOLUCA MÉXICO. .......................................................................................................... 30 7

2.4.1.

METODOLOGÍA APLICADA EN EL ANÁLISIS ESPACIAL TEMPORAL

DE ACCIDENTES EN TOLUCA MÉXICO. ....................................................... 32 2.5. GEOESTADÍSTICA ENFOCADA EN ACCIDENTES DE TRÁNSITO, BRASIL ............................................................................................................ 33 2.5.1.

METODOLOGÍA APLICADA EN GEOESTADÍSTICA ENFOCADA EN

ACCIDENTES DE TRÁNSITO, BRASIL .......................................................... 34 3.

METODOLOGIA ..................................................................................... 36

3.1. AREA DE ESTUDIO ................................................................................ 36 3.2. FLUJOGRAMA ........................................................................................ 37 3.3. JUSTIFICACIÓN DE LA METODOLOGÍA ............................................... 38 3.4. DESCRIPCIÓN DE LA METODOLOGÍA ................................................. 39 3.4.1.

OBTENCIÓN Y PREPARACIÓN DE DATOS. .................................... 39

3.4.2.

ANÁLISIS EXPLORATORIO DE DATOS............................................ 44

3.4.3.

ANÁLISIS DE ESTADÍSTICA ESPACIAL ........................................... 45

4.

RESULTADOS Y ANÁLISIS ................................................................... 46

4.1. RESULTADOS ........................................................................................ 46 4.1.1.

EXPLORACION DE DATOS ............................................................... 50

4.1.2.

APLICACIÓN DE MALLAS HEXAGONALES ..................................... 57

4.2. ANÁLISIS ................................................................................................. 68 5.

CONCLUSIONES Y RECOMENDACIONES.......................................... 76

5.1. CONCLUSIONES .................................................................................... 76 5.2. RECOMENDACIONES ............................................................................ 78 6.

REFERENCIAS ...................................................................................... 79

8

ÍNDICE DE FIGURAS Figura 1: Estructura de Box Plot...................................................................... 23 Figura 2: Reporte de Autocorrelación Espacial ............................................... 24 Figura 3: Teselación por Redes Hexagonales................................................. 26 Figura 4: Área de Estudio ................................................................................ 37 Figura 5: Metodología Aplicada a siniestros de tránsito ................................... 38 Figura 6: Distribución de fallecidos en DMQ 2019 .......................................... 47 Figura 7: Distribución de lesionados en DMQ 2019 ....................................... 49 Figura 8: Distribución normal de accidentes de tránsito DMQ 2019................ 51 Figura 9: Número de fallecidos........................................................................ 52 Figura 10: Descripción de la Variable Lesionados .......................................... 52 Figura 11: Centro Medio Fallecidos ................................................................. 53 Figura 12: Distribución de fallecidos ................................................................ 54 Figura 13: Centro medio Lesionados .............................................................. 55 Figura 14: Distribución de Lesionados ............................................................ 56 Figura 15 Relación Mes y # de Lesionados..................................................... 56 Figura 16: Malla hexagonal de siniestros 2019 ............................................... 58 Figura 17: Malla Hexagonal de Fallecidos 2019.............................................. 60 9

Figura 18: Resultado de Bivariadad Lesionados por mes ............................... 61 Figura 19: Resultado de Bivariadad Fallecidos por mes ................................. 61 Figura 20: Siniestros por día ........................................................................... 62 Figura 21: Siniestros clasificados por hora de ocurrencia ............................... 62 Figura 22: Mapa de siniestros a las 7 am durante el año 2019 ....................... 64 Figura 23: Cantidad de siniestros por causas probables 2019 ....................... 66 Figura 24: Índice de moran para Siniestros 2019 en DMQ ............................. 67 Figura 25: Resumen de lesionados por parroquias ......................................... 70 Figura 26: Resumen de fallecidos por parroquia ............................................. 72

10

ÍNDICE DE TABLAS Tabla 1: Resumen de siniestros por mes del año 2019 ................................... 40 Tabla 2: Descripción de variables a utilizarse .................................................. 41 Tabla 3: Descripción de causas probables ....................................................... 42 Tabla 4: Capas adicionales a utilizarse ............................................................ 44 Tabla 6: Top 3 de Causas Probables de siniestros del 2019 ........................... 65 Tabla 7: Resumen Fallecidos DMQ .................................................................. 71

11

ACRONIMOS

AEDA: Análisis exploratorio de datos ANT: Agencia Nacional de Tránsito DDACTS: Data-Driven Approaches to Crime and Traffic Safety DMQ: Distrito Metropolitano de Quito IDW: Inverse Distance Weighting INEC: Instituto de Estadística y Censo INEGI: Instituto Nacional de Estadísticas y Geografía IRTAD: International Traffic Safety Data and Analysis Group IMT: Instituto Mexicano de Transporte OMS: Organización Mundial de la Salud SCT: Secretaría de Comunicaciones y Transporte

12

1.

INTRODUCCION

El cuidado y la protección de la vida humana es un derecho para todas las personas, en algunos casos puede verse comprometido por diferentes factores; entre ellos se encuentran los siniestros de tránsito que han causado grandes pérdidas humanas para los involucrados en los siniestros. Hay otro tema critico en este suceso y es que hay varias personas que no pierden la vida sino que sufren lesiones que llegan a cambiar toda su vida y con ello afectar también a las personas que se encuentran dentro de su círculo familiar. En la actualidad, existen varias entidades que se esfuerzan por generar campañas para reducir los siniestros de tránsito una de ellas es Visión Zero que se encuentra a nivel mundial. Por otro lado, la Organización Mundial de la Salud (OMS) ha realizado un informe en el que indican que, para el año 2030, los traumatismos por siniestros de tránsito se incrementarán por lo que llegará a ser la quinta causa de mortalidad en el mundo (OMS, 2009).

En Ecuador, la Agencia Nacional de Tránsito (ANT) es la entidad encargada de regular y controlar el tránsito en Ecuador, adicionalmente existen organismos de control a nivel cantonal que se encargan de registrar los siniestros de tránsito que posteriormente serán reportados a la ANT. En el país se han realizado campañas y se han aprobado normativas que buscan reducir los siniestros de tránsito por ejemplo se encuentra con la campaña nacional permanente de Educación en Seguridad Vial “Párale el carro”, la cual busca atacar algunas infracciones recurrentes como por ejemplo el exceso de velocidad, manejar en estado etílico entre otras (Ministerio de Transporte y obras públicas, 2012).

Otro hito importante para la seguridad vial fue la reforma a la Ley orgánica de Transporte Terrestre, tránsito y seguridad vial en el año 2011 en la cual se establece los límites de velocidad tanto a nivel de ciudad como a nivel de

13

periferias (Asamblea Nacional Constituyente, 2015) con el mismo objetivo de reducir siniestros.

1.1.

ANTECEDENTES

En el Informe sobre la situación mundial de la Seguridad Vial desarrollado por la OMS se indica que los traumatismos por siniestros de tránsito son un problema mundial regional y nacional de salud pública, se menciona que muchos países están avanzando en aumentar la seguridad vial.

En el informe sobre la situación mundial de la seguridad vial denominado “Es hora de pasar a la acción” de la OMS se estima que en el año 2019 fallecieron cerca de 1.27 millones de personas como consecuencia de un accidente de tránsito (OMS,2009).

Entre sus informes se menciona que los países con ingresos medios y bajos tiene una tasa de 49.6% y 41.9% de defunciones por siniestros de tránsito respectivamente mientras que para los países con ingresos altos tan solo es del 8.5%. Siguiendo esta clasificación por ingresos también se ha realizado una estadística por vehículos matriculados que indica que entre los países con ingresos bajos y medios se llega a un 47.9% de parque automotriz (OMS, 2009).

Se menciona que cerca de la mitad de las personas que fallecen por siniestros de tránsito son usuarios vulnerables de las vías por ejemplo se encuentran los peatones, los ciclistas y los conductores de motos siendo de ese conjunto un 46% aproximadamente de las víctimas fatales (OMS, 2009).

Las muertes por siniestros de tránsito en los cantones del Ecuador se han elevado en el año 2019 llegando a 2,180 personas fallecidas el pico más alto en los cinco últimos años superando a las 2,138 personas fallecidas en el año 2015 (Primicias,2019). De este número se menciona que el 38% se concentra en 10 cantones de los cuales Quito concentra 261 fallecidos, siendo el primer cantón que lidera la lista.

14

Un año anterior, Quito se situaba como la ciudad del Ecuador con el mayor número de muertes por siniestros de tránsito donde fallecieron 255 personas según datos que maneja la ANT. La ANT tiene entre sus objetivos reducir la siniestralidad y mortalidad en la red vial estatal y como ente regulador posee la información de siniestralidad a nivel de país, la misma que es recopilada por los diferentes entes de control lo que permite obtener la información necesaria para generar geoestadísticas de siniestros en la ciudad de Quito.

Adicionalmente, la ANT se encuentra alineada al Plan Visión Zero Siniestros que es un proyecto de seguridad vial multinacional que busca lograr un sistema de tránsito sin muertes por medio de diferentes campañas de prevención y concientización.

Por consiguiente, el presente proyecto pretende contribuir a evaluar dicho comportamiento en particular la clase de siniestros de tránsito, comprender los factores asociados a la ocurrencia de dichos eventos, indagar por las causas de la accidentalidad, frecuencia y contexto de la ocurrencia de estos. Con dicha información se espera orientar a las autoridades en la prevención y reducción de accidentes de tránsito y alinearse con la Visión Zero siniestros.

La base de datos internacional de tráfico y accidentes (IRTAD por sus siglas en inglés) es un organismo internacional que se encarga de recolectar la información sobre los siniestros en las vías a nivel internacional en su informe anual del 2020 indica que las muertes en las vías en muchos países a disminuido en comparación al año 2019 en 22 de los 30 países que entregan la información a la IRTAD, representando el 73%, mientras que en el 27% restante ha presentado un incremento. En promedio el número de muertes cayo en un 5% aproximadamente (IRTAD, 2020).

El observatorio iberoamericano de seguridad vial (OESEVI) es un instrumento de cooperación internacional integrado por autoridades de los países

15

iberoamericanos miembros. Tiene por objetivo, mediante estrategias e iniciativas y con información oportuna, reducir los siniestros en las vías.

En su informe del 2015-2016 se puede apreciar que Pichincha se presenta como la primera provincia con mayor cantidad de siniestros de tránsito con el 46% siendo la mayoría en la parte urbana mientras que a nivel nacional ha disminuido en comparación con el año 2014 (OESEVI,2016).

Así como también se puede evidenciar que los fallecidos por siniestros de tránsito tienen una disminución de 184 personas fallecidas con respecto al 2014 y se tiene que Pichincha tiene el 15.3% siendo la segunda provincia de mayor letalidad y caso particular estos se encuentran en la zona rural con el 53% mientras en la parte urbana tiene el 47%.

Proyectos a nivel mundial son encontrados acerca de cómo se puede disminuir, validar, analiza la información recolectada de los siniestros de tránsito para disminuir las muertes y efectos secundarios que conlleva los siniestros en las vías.

Se busca la manera de entender las causas y los diferentes factores que se encuentran involucrados en un accidente de tránsito es así como se puede tener el volumen de tránsito, el comportamiento de los usuarios en las vías entre otros factores los cuales son caracterizados por medio de la geoestadística para encontrar zonas de alta ocurrencia de siniestros, patrones y tendencias con lo que se puede obtener zonas de accidentalidad en una ciudad (Castro et al., 2019).

1.2.

OBJETIVO GENERAL

Determinar sitios de alta probabilidad de siniestros fatales de tránsito en Quito Ecuador utilizando estadística espacial.

1.3.

-

OBJETIVOS ESPECÍFICOS Determinar si hay patrones de siniestros de tránsito.

16

-

Representar geográficamente las zonas administrativas con mayor densidad de siniestros, fallecidos y heridos.

-

Determinar si la principal causa de los siniestros de tránsito es la ingesta de alcohol.

-

1.4.

Determinar los días y horas de mayor siniestralidad.

PREGUNTAS DE INVESTIGACIÓN

¿Cuáles son las zonas del Distrito Metropolitano de Quito (DMQ) con alta probabilidad de siniestros de tránsito fatales. ¿Cuáles son las causas de los siniestros de tránsito en Quito en el año 2019 más frecuentes? ¿En el DMQ existen patrones de siniestros de tránsito que ocurran en determinados días?

1.5.

HIPOTESIS

Las zonas del Distrito Metropolitano de Quito (DMQ) con alta probabilidad de siniestros de tránsito fatales se encuentran localizadas en el centro de la ciudad.

La ingesta de alcohol es la principal causa de los siniestros de tránsito durante el año 2019

1.6.

JUSTIFICACIÓN

A nivel mundial cada año 1.3 millones de personas pierden la vida por siniestros de tránsito y alrededor de 20 a 50 millones de personas quedan con lesiones no fatales (OMS, 2009). Otro dato importante es que más del 90% de víctimas mortales de siniestros de tránsito suceden en países de ingresos bajos y 17

medianos y que estos países tienen tan solo el 48% de vehículos a nivel mundial (OMS, 2009).

En Ecuador la entidad encargada de la planificación, regulación y control del transporte terrestre, tránsito y seguridad vial es la Agencia Nacional de Tránsito, con la ayuda de los diferentes entes de control a nivel de todo el país se encarga de obtener la información de siniestros ocurridos en el país para la generación de nuevos reglamentos que permitan reducir el índice de siniestros cada año y entre unos de sus objetivos estratégicos esta: Reducir la siniestralidad y mortalidad en la red vía estatal y proteger la vida potenciando la seguridad vial (ANT, 2020).

Entre las investigaciones realizadas el objetivo es la reducción de siniestro de tránsito por ejemplo se tiene una investigación basada en la acción en el cantón de Loja durante el año 2014 donde ocurrieron aproximadamente 1,716 siniestros de tránsito.

Mediante acciones de prevención basada a los patrones de ocurrencia se logró reducir en el siguiente año (2015) a 944 y en el año 2016 disminuir a 526 casos, con lo cual se evidencia que el conocimiento y entendimiento de los siniestros de casos y con la respectiva acción se logra la reducción de siniestros en las vías(Jaramillo Sangurima y Muñoz Sotomayor, 2017).

Los siniestros de tránsito son una de las problemáticas de gran impacto para un país debido a que involucra la vida humana y pues en Ecuador las tasas de mortalidad por causa de siniestros de tránsito son elevadas teniendo por ejemplo en el año 2017 aproximadamente 28,967 siniestros de tránsito dejando como resultado 2,153 fallecidos (ANT, 2020) en situ sin contar con las personas que fallecen días después del accidente.

1.7.

ALCANCE

La presente investigación está enfocada en el Distrito Metropolitano de Quito que tiene una superficie aproximada de 4,200 Km2 perteneciente a la Provincia de

18

Pichincha, siendo la capital del Ecuador y en temas de siniestralidad vial es la ciudad con altos índices de siniestralidad vial a lo largo de los años.

Conocer el comportamiento de los siniestros de tránsito basados en la geolocalización para determinar las vías de mayor siniestralidad, identificar las zonas de mayor incidencia de siniestros, de igual forma conocer cuáles de las zonas tiene un grado de peligrosidad basado en la cantidad de heridos y fallecidos. También permitirá conocer las causas más comunes de los siniestros para en conjunto tener resultados claros de sitios en los que se debe conducir con mayor conciencia.

Aplicando la geoestadística por medio de sus herramientas se pretende realizar la caracterización de las variables disponibles, así como también determinar la existencia de patrones y tendencias a nuevos siniestros de tránsito. Esto es importante ya que permitirá conocer si hay sitios propensos a las ocurrencias o si simplemente ocurren en sitios al azar siendo parte esencial al momento de tomar decisiones para tomar medidas de prevención o medidas de concientización.

Este análisis se realizará con datos obtenidos de la ANT de la Ciudad de Quito del año 2019.

Como resultados se presentará mapas temáticos con escalas de 1:50000 de la siguiente forma: Mapa de siniestralidad vial con puntos calientes.

Mapa de siniestralidad vial con puntos fríos.

Mapa de siniestralidad vial con puntos negros.

Mapa de siniestralidad vial por tipo de causa.

De los resultados obtenidos se beneficia directamente la Agencia Nacional de Tránsito ya que es el organismo principal que regula y controla el tránsito a nivel del país. Basado en esos resultados puede crear normas de prevención y concientización en las zonas de mayor peligrosidad contribuyendo de esta forma a los objetivos mundiales de reducir los siniestros de tránsito a cero.

19

De forma secundaria también se pueden beneficiar los entes de control a nivel nacional ya que se puede tomar de base los resultados de esta investigación y aplicarlos a sus respectivas jurisdicciones para determinar los puntos proclives a generar nuevos siniestros de tránsito.

2.

REVISION DE LITERATURA

2.1.

MARCO TEORICO

Los sistemas de información geográfica junto a la geoestadística son herramientas que ayudan a encontrar patrones y tendencias de diferentes industrias y por consiguiente pueden aportar grandes resultados a entender y conocer las causas de los siniestros de tránsito así como también a identificar las zonas de alta probabilidad de siniestros.

Entender las causas de un siniestro de tránsito es muy complejo debido a las diferentes variables que intervienen en el suceso, para lo cual se puede realizar la caracterización de mortalidad por siniestros de tránsito con diferentes variables como son: edad, sexo, horario de incidencia, entre otras variables y se puede llegar a resultados como por ejemplo que los siniestros más frecuentes involucran a personas de sexo masculino y que contiene ingesta de alcohol (Miguez et al., 2010).

Además, se puede contar con métodos geoestadísticos que permiten el análisis exploratorio de los datos espaciales para encontrar los sitios de mayor incidencia, patrones de distribución e incluso predicción de futuros sitios de alta incidencia de siniestros viales. Métodos como el de Predicción por distancias (IDW) permite un análisis determinístico y puntos calientes (Hotspot) y la exploración de datos junto al cruce de información vial permiten obtener zonificaciones accidentalidad según Castro et al. (2019).

Algunas investigaciones realizadas en diferentes partes del mundo e incluso en Ecuador permiten tener una guía de referencia para realizar el análisis de la información. Por ejemplo en la provincia de Loja se realizó una investigación en 20

la que se busca disminuir los siniestros de tránsito en el Cantón Loja, aplicando el método “Investigación-Acción” en la que tiene como disminución de siniestros de 944 siniestros en el año 2015 a 526 siniestros en el año 2016 y por consiguiente disminuyó la mortalidad y morbilidad también se obtuvo de las estadísticas que el 96% de los siniestros son por causa humana (Jaramillo Sangurima y Muñoz Sotomayor, 2017). Lo que ha permitido se generen nuevos reglamentos con el fin de reducir los siniestros de tránsito y por consiguiente reducir daños colaterales tanto como la vida humana y los daños físicos.

2.1.1.

LA ESTRECHA RELACIÓN ENTRE LA GEOESTADÍSTICA Y LOS SINIESTROS DE TRÁNSITO

Las estadísticas de siniestros de tránsito tienen un punto de atención trascendental por parte de las entidades que regulan el tránsito y por organizaciones que se han creado para reducir los siniestros en las vías.

Con el avance tecnológico se han generado modelos de siniestros que ha involucrado a la estadística espacial (Martins Gomes et al., 2018) debido a que los siniestros son puntos sobre un mapa y que dichos elementos se encuentra estrechamente relacionados.

Lo cual se ajusta a la primera ley de Tobler que indica que todas las cosas están relacionadas entre sí pero las más cercanas tiene una relación más estrecha (Leitner et al., 2018) lo que permite conocer patrones y descubrir ciertas tendencias en los siniestros de tránsito.

Entre las principales aplicaciones de la geoestadística se tiene el análisis espacio temporal y puntos calientes, análisis predictivo de crimines entre otros.

Mediante el Análisis Exploratorio de datos (AEDA) se realiza un primer acercamiento al tipo de datos espaciales que se está manejando, se puede encontrar valores atípicos buscar formas de autocorrelación espacial y más información valiosa (Castro et al., 2019).

21

Antes de aplicar AEDA se debe responder preguntas importantes como por ejemplo (Fotheringham y Charlton, 1992): ¿Cuáles son las técnicas de AEDA más apropiadas para cierta estructura de datos? Por ejemplo, hay técnicas que son más utilizadas para vectores otras para ráster o viceversa. ¿Qué tipos de rutinas de AEDA pueden ayudar a determinar los valores atípicos espaciales? ¿Cómo determinar si una observación es suficientemente diferente a sus vecinos? ¿Qué tipo de estadísticas pueden ser desagregadas espacialmente y luego ser mapeadas?

Las herramientas más utilizadas para realizar en análisis exploratorio son las siguientes: Variable regionalizada. - permite conocer el valor de una variable dentro de un campo dado.

Histograma. - permite la visualización de frecuencias absolutas o relativas de una población de datos, con lo que se puede obtener una primera impresión de la distribución de datos, también permite descubrir los valores atípicos.

Q-Q Plot. - es una herramienta gráfica que permite identificar si la muestra de datos sigue una distribución normal representando con una recta mientras más alejados se encuentren los puntos de la recta, menos siguen una distribución normal.

Box Plot. - se representa mediante una caja donde se puede visualizar al mismo tiempo los cuartiles, medianas, el máximo y el mínimo.

En la figura 1 se indica la estructura que componen un gráfico de Box Plot.

22

Figura 1: Estructura de Box Plot

Autocorrelación espacial. – basado en la primera ley de la geográfica se tiene varios índices que permiten determinar la autocorrelación espacial entre los cuales se encuentra el índice de Moran’s que permite determinar si existe una concentración de puntos. Índice de Moran Permite medir la autocorrelación espacial entre las observaciones dadas por lo que se puede conocer la relación entre observaciones cercanas con otras más cercanos (Benayas, 2016). El índice de Moran se clasifica en: Positivo Negativo y sin autocorrelación espacial.

Por lo tanto la autocorrelación espacial positiva es cuando observaciones similares se agrupan en un mapa apegándose a la primera ley de geografía de Tobler, es decir, existe una conglomeración espacial de valores altos o valores bajos.

La autocorrelación espacial negativa es cuando hay dispersión de observaciones en un mapa, es decir cuando valores altos se correlacionan con valores bajos.

En el caso que no exista una conglomeración de observaciones se indicará que los patrones de la variable en estudio son dispersos.

23

Entre las aplicaciones potenciales del Índice de Moran están los conglomerados y dispersiones en diferentes áreas como por ejemplo la ecología, siniestros de tránsito, robos, entre otras áreas. En la Figura 2 se muestra un resultado generado en ArcGIS aplicando el Índice de Moran.

Figura 2: Reporte de Autocorrelación Espacial Fuente: Benayas (2016)

2.1.2.

ÍNDICE DE ASOCIACIÓN ESPACIAL LOCAL (LISA).

El índice de asociación espacial local permite conocer patrones locales de autocorrelación espacial es decir se puede descomponer el Índice de Moran con la idea de evaluar observaciones individuales lo que permite analizar de una manera detallada los valores de las observaciones locales con interpretaciones de los mismos en lo que se puede entender de mejor manera valores atípicos con respecto a la medición de asociación global e incluso se puede determinar la presencia de concentración espacial local en ausencia de clúster globales (Anselin, 1995).

24

Entre varios conceptos que maneja el Índice de Asociación espacial Local se tiene los siguientes: Variografía. – se puede determinar que es parte de las herramientas AEDA debido a que permite determinar qué tan rápido una variable puede cambiar desde una perspectiva espacial es decir puede medir que tan parecidos son los puntos de una variable a medida que se alejan permitiendo conocer la variabilidad espacial (Gallardo, 2006).

Puntos Calientes (Hotspots).- se refiere a lugares concentrados de eventos en una determinada área de estudio, mediante el uso de estadística de Gi* de Gestis-Ord, por ejemplo para esta investigación se puede representar el recuento de siniestros de tránsito en diferentes lugares de la ciudad (Castro et al., 2019).

La estadística Gi* generada para cada entidad es una puntuación z para lo que se tiene puntuaciones de z positivas que son significativas indica que entre más grande es la puntuación, más concentrado en el clúster. Ahora para el caso que las puntuaciones generadas sean negativas y más alta significará que hay una concentración de valores bajos (ESRI, 2013).

Teselación Otra forma que se utiliza para analizar la densidad de puntos es la teselación mediante redes hexagonales en situaciones donde no se requiere precisión topológica, permitiendo conocer la concentración de puntos en un área determinada (Gómez, 2012) como se muestra en la Figura 3.

25

Figura 3: Teselación por Redes Hexagonales Fuente: Aydin (2020)

2.2.

MARCO HISTORICO

2.2.1.

EL ROL IMPORTANTE QUE CUMPLEN LAS ORGANIZACIONES EN EL MUNDO

Organismos internacionales como la OMS que ha generado un informe sobre la situación mundial de la seguridad vial en la que muestra estudios sobre algunas variables importantes que ayudan a entender los siniestros de tránsito como por ejemplo: si por país existe una ley el uso del cinturón, sobre el consumo de alcohol, límites de velocidad entre otras variables (Organización Mundial de la Salud, 2009).

Mientras tanto Visión Zero que busca eliminar los muertes y lesiones por siniestros

de

tránsito

y

así

contribuir

con

una

movilidad

segura

(Visionzeronetwork, 2020), son algunas de las entidades que buscan reducir los siniestros de tránsito a nivel mundial .

26

2.2.2.

ESTRATEGIAS PARA FRENAR LOS SINIESTROS DE TRÁNSITO

Varias estrategias también se han desarrollado para reducir los siniestros de tránsito por ejemplo en Estados unidos se encuentra un modelo denominado DDACTS (Data-Driven Approaches to Crime and Traffic Safety) que se encuentra integrado con datos de crímenes y siniestros de geolocalización sugiere una vigilancia basada en tiempo y lugar de los siniestros y crímenes. La identificación de problemas basado en geolocalización mediante puntos calientes permite conocer los factores que causan los siniestros (The National Highway Traffic Safety Administration, 2009).

Las consecuencias de un siniestro de tránsito recae sobre las personas más vulnerables como son los acompañantes, ciclistas y peatones sin excluir a los conductores (Iglesias Zappone, 2017) por lo que se debe impulsar una política pública para promover una movilidad segura y libre de siniestros.

En las últimas décadas se ha incrementado el uso de los sistemas de información geográfica (SIG) en análisis de salud pública y de igual forma las metodologías de geoestadística ha promovido su uso de forma acelerada lo que permite visualizar y analizar datos geoespaciales y entender el comportamiento de los siniestros. En varios países se ha utilizado métodos como son densidad de kernely k-means para analizar la distribución de los siniestros de tránsito (Iglesias Zappone, 2017).

Una investigación realizada el 2016, para describir el componente temporal como factor incidente en la mortalidad y morbilidad en siniestros de tránsito presenta resultados que se registraron aproximadamente 30,269 siniestros con 1967 fallecidos y más de 21,000 víctimas con lesiones (Martins Gomes et al., 2018) lo que muestra que con el pasar del tiempo estos valores han ido decreciendo pero aún falta mucho para llegar a cero siniestros como es el objetivo de Visón Zero.

También es posible que la diferencia de la variación espacial puede ser observada en diferentes variables y que dependerá del área de estudio. Por lo

27

que es un aspecto importante que puede ser aplicada al análisis de tránsito seguro y particularmente al modelamiento de predicción de siniestros.

2.3.

GEOESTADÍSTICA APLICADA A LA ACCIDENTALIDAD EN MÉXICO

En el caso de estudio para la Ciudad de México, para determinar la accidentalidad en algunos tramos carreteros fue posible aplicar geoestadística con información recolectada en los municipios. Fue de gran importancia debido a que pudo obtener el índice de accidentes (Iglesias Zappone, 2017).

Resultados Del análisis de siniestros de los 13 años desde 2003 hasta el 2015 que consta de 749 siniestros se puede decir que se tuvo un total de 96 siniestros en el año 2.003 mientras que el año 2.014 se tuvo un mínimo de 32 siniestros, también se indica que para el 2.020 se esperaba reducir al 50% los siniestros en las vías de México.

Del análisis realizado en el periodo del 2003 al 2015 se menciona una media del 57.62 siniestros por año y una desviación estándar de 16.98 finalmente para este periodo se ha tenido un promedio de 58 siniestros por año.

En cuanto al análisis de siniestros por día se indica que en todos los años hubo un comportamiento similar siendo los días sábado y domingo los días de mayor incidencia, también se evidencia que el lunes también muestra un valor elevado en el periodo 2003 al 2007.

En cuanto a la relación de muertes por año se indica que el valor máximo llegó en el 2007 con 33 fallecidos en el año mientras que el valor mínimo fue en el 2009 con 8 fallecidos.

Mientras que en el tema de morbilidad obtuvo un valor máximo de 119 lesionados durante el año 2005 y en el 2013 se llegó a un mínimo de 33 lesionados.

28

En este tramo, se identificó tres segmentos con alta ocurrencia de siniestros siendo las principales causas la salida del camino, volcadura, atropellamiento del peatón y choque.

Finalmente indica que para llegar a estos resultados se ha debido seguir un proceso metodológico en cada uno de los tramos, de lo cual se puede resumir que el tramo Chihuahua-Delicias es el tramo con mayor número de siniestros y que el tramo más letal es el tramo Chihuahua-Juárez superando al tramo Chihuahua-Cuauhtémo (Iglesias Zappone, 2017).

2.3.1.

METODOLOGÍA APLICADA A LA ACCIDENTALIDAD EN MÉXICO.

El problema de la seguridad vial a nivel mundial y las consecuencias que conlleva, la siguiente investigación en la ciudad de México específicamente en los tramos carreteros de Chihuahua con el objetivo de evaluar geoestadística mente la accidentalidad en estos tramos. La metodología está enfocada en analizar la concentración de siniestros en diferentes tramos de acuerdo con diez variables que son el cadenamiento, hora, día, mes, año, causante, clasificación, muertes, lesionados y daños materiales, los mismos que será expuestos en un mapa para relacionar las características por medio de un análisis geoestadístico.

Partiendo de esta premisa la metodología que desarrolló se centran en tres puntos importantes que son: Recopilación y selección de los datos Para la realización de la investigación solicitó la información histórica de 15 años es decir desde el 2000 al 2015 a las entidades encargada de la información principalmente a la Dirección Local de la secretaria de Comunicaciones y Transporte (SCT) que entregó la información de los años 2000 al 2009 mientras que el Instituto Mexicano de Transporte (IMT) entregó con registros del 2003 al 2015.

De toda la información recopilada indica que la idónea ha sido del IMT por lo tanto luego de obtener la información ha definido las diez variables que ha de utilizarse para el análisis.

29

Para cumplir con el objetivo de analizar los siniestros de tránsito utilizó los programas de ArcGIS y IBM SPSS Statistics.

Georreferenciación Como base de los análisis se obtuvo los mapas actualizados de los tramos en cuestión del Instituto Nacional de Estadísticas y Geografía (INEGI).

De lo cual realizó cortes en tramos de 10 metros y en conjunto con la información geográfica se plasmó la información sobre el programa ArcGIS con lo cual agregó simbología para representar las características de los siniestros de tránsito.

Análisis espacial de los siniestros carreteros.

Como primera parte ha realizado la sumatoria de siniestros por cada una de las variables para posteriormente generar mapas de siniestros por causantes y la clasificación de siniestros de una forma visual, adicionalmente agregó histogramas para uno de los años y otro acumulado.

A esta información se complementó con un análisis exploratorio con todas las variables obteniendo valores mínimos máximos la mediana y la desviación estándar (Iglesias Zappone, 2017).

2.4.

ANÁLISIS ESPACIAL TEMPORAL DE ACCIDENTES EN TOLUCA MÉXICO.

En México, los accidentes de tránsito están entre las principales causas de muertes por lo que la investigación realizada por Hinojosa Reyes et al. en el 2019 mediante un análisis espacial basados en variables como la ubicación geográfica y de la hora del día permitían entender el comportamiento y detectar los sitios con mayor incidencia de accidentes de tránsito accidentes.

30

De los resultados obtuvo las zonas más conflictivas y riesgosas de la ciudad lo cual fue la base para diseñar políticas que permitan reducir los accidentes de en estas zonas.

También se pudo evidenciar que estas zonas están asociadas a actividades económicas de comercio y servicio, lo cual tiene sentido debido a que estas actividades tienden a la concentración de personas y por consiguiente la movilidad de esta. Estas zonas se encuentran en el centro de la ciudad También pudo encontrar mediante el análisis espacial la correlación espacio temporal las zonas identificadas como puntos calientes son consistentes en los siguientes años que de cierta manera no son en la misma cantidad.

De igual manera enfatiza que el análisis de siniestros de tránsito no se puede llevar a cabo sin ayuda de la información geográfica debido que sin dicha información no se podría ejecutar análisis de intersecciones, análisis de clúster y análisis de densidad, las cuales son tareas importantes para identificar puntos de alta incidencia en accidentes de tránsito e incluso conocer patrones de incidencia.

Entre los resultados más importantes identificó que la incidencia de accidentes por día de la semana están los días jueves, viernes y sábado con un porcentaje del 47.5% del total semanal, también se puede conocer que el día con menor cantidad de accidentes es el día domingo con un porcentaje del 12% Otro de los resultados indicó la incidencia de accidentes por mes en la cual obtuvo que los meses de julio, agosto, septiembre y octubre ocupan el 38% del total de registros.

Del análisis realizado por densidad de Kernel para mostrar de forma visual los puntos calientes se devela los espacios donde existe una alta concentración de actividades comerciales, también existe grandes concentraciones en las avenidas principales en sentido sur norte, así como también en el centro de la ciudad.

Analizando los accidentes de tránsito a nivel de intersección evidenció que existen 10 intersecciones con la mayor cantidad de incidencias, los valores más 31

altos van desde 64 a 154 registros del total de accidentes (Hinojosa Reyes et al., 2019).

2.4.1.

METODOLOGÍA

APLICADA

EN

EL

ANÁLISIS

ESPACIAL

TEMPORAL DE ACCIDENTES EN TOLUCA MÉXICO. Una investigación de análisis espacial temporal de accidentes de tránsito realizada en Toluca México se fundamentó en la cantidad excesiva de accidentes para lo cual estableció fases marcadas en su metodología como por ejemplo la delimitación espacial que se encontraba enmarcada por el Municipio de Toluca es cual forma parte de la quinta zona metropolitana de mayor importancia en México con su respectiva red vial.

Otra parte importante de la metodología fue la delimitación temporal es decir la investigación estuvo enmarcada en seis años a partir del 2000 al 2005, esto lapso de tiempo se sustentó porque la información disponible era consistente y completa para el propósito de la investigación.

Posteriormente la base de datos fue tomada de la Dirección de Seguridad Vial y tránsito del municipio de Toluca con las variables principales de ubicación geográfica y variables temporales.

Para el análisis espacial formó dos partes, la primera parte fue por identificar los sitios y red vial de alta accidentalidad que se apoyó de algunas técnicas análisis entre las cuales están la estimación de la densidad del Kernel, la cual permite mostrar las zonas de concentración de puntos para el caso en cuestión permitió calcular la densidad de distribución de accidentes de tránsito.

En la segunda parte fue identificar las intersecciones con más accidentes de tránsito, se utilizó algunas funciones propias del GIS como son zonas de influencia aplicada a 50 metros para las intersecciones debido a que es el ancho máximo de una calle, Intersección espacial entre capas y otras funciones adicionales.

Y finalmente la presentación de los mapas temáticos con la ayuda de software ArcGIS en los cuales en cada etapa de análisis permitieron mostrar los sitios donde se localizaban los accidentes de tránsito por cada año de investigación 32

así como también las intersecciones con mayor cantidad de accidentes adicionalmente obtuvo mapas de accidente de tránsito por tipología, horas, días de ocurrencia entre otros (Hinojosa Reyes et al., 2019).

2.5.

GEOESTADÍSTICA ENFOCADA EN ACCIDENTES DE TRÁNSITO, BRASIL

Se puede decir que con el avance tecnológico y los diferentes modelos de predicción, todavía es un gran reto modelar los accidentes en las vías para Brasil debido a la falta de datos y a su nivel bajo de confianza.

Para su investigación, Martins Gomes et al. (2018) utilizaron dos técnicas de interpolación que son parte de la geoestadística para estimar las muertes por accidentes de tránsito debido a que permite obtener información de lugares donde no se tiene muestra de datos y determinar cuál es más exacta.

Las técnicas que utilizó son Kriging ordinario e Indicador de Kriging con datos de Sao Paulo en Brasil.

Posteriormente luego de la aplicación de ambas técnicas los resultados fueron a favor del Indicar de Kriging pero sin dejar de lado que los patrones espaciales que se generaron con ambas técnicas son similares en cuanto a los mapas de puntos calientes.

En cuanto al análisis espacial de datos con Kriging Ordinario, se observó una alta varianza posiblemente debido a que parte de los datos tenían valores de cero y también debido a que se comparó con información de otras ciudades.

Con los mapas generados por Kriging Ordinario observó las zonas locales que concentraba la mayor cantidad de accidentes fatales, las municipales enmarcadas bajo esta característica son aquellas que tienen presencia de autopistas en las que por su concepto tiene una alta circulación de vehículos de diferentes tipos. Además, se observó que al este del estado también se tuvo

33

similares resultados debido a que sus vías conecta con los estados vecinos de Sao Paulo.

Mediante la aplicación del Indicador de Kriging, inicialmente se obtuvo altas probabilidades de accidentes fatales en todo el estado, pero significativamente ubicó en el centro y suroeste del estado, donde las probabilidades fueron de IK= 5 considerando este indicador con altas probabilidades de accidentes, en otras municipalidades obtuvo valores similares a Kriging Ordinario (Martins Gomes et al., 2018).

2.5.1.

METODOLOGÍA APLICADA EN GEOESTADÍSTICA ENFOCADA EN ACCIDENTES DE TRÁNSITO, BRASIL

Para llevar a cabo la investigación utilizó una metodología procedimental seguida de cuatro pasos importantes que permitirá aplicar Kriging Ordinario e Indicador de Kriging.

En la exploración de datos espaciales realizó la evaluación de la distribución espacial de los siniestros fatales, así como también su estadística descriptiva con el objetivo de conocer y validar los valores atípicos y ordenar los datos reales debido a que incluyen entre los supuestos la continuidad espacial de los eventos.

Para obtener un mejor índice de estimación en las técnicas de Kriging y minimizar la varianza omitió los valores atípicos, consecuentemente se realizó el cálculo de variogramas experimentales y el ajuste de los teóricos.

Para el análisis de la estructura espacial de las variables involucradas se mantuvo los análisis de variogramas con los respectivos ajustes, teniendo en cuenta que la principal herramienta es los variogramas que permite la representación de las variables regionalizadas.

Para el ajuste de los variogramas aplicó los siguientes modelos teóricos: esféricos, Gausiano y Exponencial, para ello se debió remplazar los variogramas experimentales por un variograma teórico y de esta forma se puede obtener los parámetros principales para el modelo espacial.

34

También parte de la metodología esta la validación cruzada que permite comparar varios supuestos restando los errores de interpolación para mejorar el ajuste de interpolación y por consiguiente que los valores encajen a los datos de los vecinos cercanos.

Posterior a la validación cruzada se aplicó las técnicas de Kriging con el objetivo de realizar estimaciones con el menor error posible aplicando los parámetros definidos en el variograma teórico de los accidentes de tránsito fatales.

Para este trabajo de investigación comparó Kriging Ordinario y el Indicador de Kriging, siendo Kriging ordinario el más utilizado para estimar un valor en una región, mientras que Indicador de Kriging tiene las mismas bases e Kriging lineal pero es aplicado a atributos con distribución no Gaussiana (Martins Gomes et al., 2018).

35

3.

METODOLOGIA

La presente investigación es de tipo analítica debido a que se enfoca en comparaciones de variables.

Según el enfoque de la investigación se trata de una investigación cuantitativa porque se basa en la cuantificación de siniestros, así como también de número de fallecidos y de heridos en las diferentes zonas del DMQ.

3.1.

AREA DE ESTUDIO

El DMQ se encuentra organizado por 32 parroquias urbanas y 33 parroquias rurales, es la capital de la República del Ecuador, pertenece a la provincia de Pichincha. De acuerdo al último censo del 2010 es la ciudad más poblada del país con un aproximado de 2,781,641 habitantes en el 2020 según el Instituto Nacional de Estadísticas y Censos (INEC, 2013).

En la Figura 4 se muestra en la ubicación del área de estudio y su distribución administrativa.

En la provincia de Pichincha durante el año 2019 ocurrieron alrededor de 4,977 siniestros de tránsito de los cuales las consecuencias fatales es decir muertes fueron alrededor de 357 y aproximadamente 3,128 lesionados, lo cual significó una disminución con respecto al año 2018 donde ocurrió cerca de 7,599 siniestros en la provincia (ANT, 2019).

Estos números son todavía alarmantes por lo que se debe aportar con más conocimiento para seguir con la tendencia a la baja debido a que a niveles generales es decir en el resto de las provincias la disminución ha sido mínima llegando así solo al -0.1%.

36

Figura 4: Área de Estudio

Ahora bien, estos números tiene relación con el parque automotor y de acuerdo con un informe de transporte en el país desarrollado por el INEC se tiene que la provincia de Pichincha tiene una participación del 28.6% de vehículos motorizados matriculados hasta el año 2018 (INEC, 2020).

Ahora considerando al área de estudio la capital del Ecuador, Quito está situada como la ciudad con más muertes por siniestros de tránsito para el año 2019 a diciembre se contabilizó 261 fallecidos aproximadamente de un total de 4,728 accidentes de tránsito y solo en el último mes se contabilizó 27 fallecidos en sitio (ANT, 2020).

3.2.

FLUJOGRAMA

Para determinar zonas proclives a siniestros de tránsito fatales se ha de seguir un proceso metodológico ordenado con las fases claves indicada en la Figura 5.

37

Figura 5: Metodología Aplicada a siniestros de tránsito

El flujograma utilizado en el presente trabajo de investigación resume los pasos necesarios en la investigación de variables de la geoestadística empezando por la recolección de información desde las fuentes principales de tránsito, su revisión y depuración luego por la aplicación de análisis y métodos propios de la geoestadística hasta finalmente la generación de resultas mediante mapas.

3.3.

JUSTIFICACIÓN DE LA METODOLOGÍA

Para obtener resultados reales se debe seguir un proceso lógico y metodológico y que haya sido aplicado en proyectos similares, es por ello por lo que sin conocer los datos no se puede analizarlo y por consiguiente los resultados obtenidos no serán de gran ayuda.

La metodología utilizada en el presente estudio pretende despejar algunas interrogantes en el comportamiento de los siniestros de tránsitos junto a la geoestadística.

Es por ello que el análisis exploratorio de datos permite la identificación de valores extremos y la ubicación geográfica de los datos, variabilidad y correlación son de suma importancia para establecer la validez de algunos supuestos (Giraldo, 2015).

38

La importancia de realizar un análisis exploratorio de los datos permite que se conozcan los valores extremos y valores mínimos y la respectiva ubicación geográfica, la evaluación de la forma de distribución, variabilidad son importantes para establecer si los supuestos son válidos o no.

De igual forma la medición de la autocorrelación espacial permite conocer cómo se encuentran relacionados o no los siniestros de tránsito por medio de los métodos de Índice de Moran y de igual forma el método LISA explica localmente la significancia estadística de las agrupaciones de siniestros de tránsito en el caso que existan.

Esta metodología ha sido aplicada a estudios como por ejemplo en el estudio de geoestadística aplicada a la accidentalidad en México (Iglesias Zappone, 2017), expuesto en la capítulo de revisión de literatura, por lo que fue utilizado en el presente trabajo de investigación.

3.4.

DESCRIPCIÓN DE LA METODOLOGÍA

3.4.1.

OBTENCIÓN Y PREPARACIÓN DE DATOS.

Los siniestros de tránsito fueron solicitados a la ANT debido a que es la entidad encargada de regular y gestionar a nivel nacional, por lo que la información solicitada está enfocada al año 2019. De las investigaciones realizada en la página de la ANT la información de siniestros se encuentra en archivos de Excel por lo que se debió considerar realizar un proceso de georreferenciación. Se realizó una revisión rápida de coordenadas determinando que todos los registros contienen coordenadas por lo que será factible la georreferenciación. El archivo consta de 487 variables para el registro de cada siniestro de tránsito que, dependiendo del caso, se encuentra con datos.

También se realizó la delimitación de la información debido a que el archivo entregado por la ANT consta los siniestros de todos los entes de control de país con aproximadamente 24,595 registros de los cuales para el DMQ pertenece aproximadamente 4,706 siniestros de tránsito.

39

La información presentada en la Tabla 1 se encuentra el resumen de siniestros de tránsito por mes ordenado por el número de siniestros en orden ascendente.

Tabla 1: Resumen de siniestros por mes del año 2019

Mes

Total

OCTUBRE

280

AGOSTO

351

FEBRERO

375

NOVIEMBRE

379

SEPTIEMBRE 399 MAYO

400

MARZO

402

JULIO

402

ABRIL

416

ENERO

420

JUNIO

431

DICIEMBRE

451

De las 487 variables observadas se utilizó las variables que contribuyen a la propuesta de futuras soluciones. Por el ejemplo conocer la causa del siniestro permitirá entender el motivo y si se le agrega el componente espacial se puede conocer los aspectos físicos de esa zona. En la Tabla 2 se muestran las variables seleccionadas para la investigación:

40

Tabla 2: Descripción de variables a utilizarse

Campo

Descripción

Tipo

NUM_FALLECIDO

Número de fallecidos en Numérico sitio

NUM_LESIONADO

Número de lesionados o Numérico heridos en sitio

CÓDIGO.CAUSA

Código de la causa

Texto

CAUSA.PROBABLE

Descripción de la causa

Texto

MES

Nombre del mes

Texto

MES_1

Número referente al mes Numérico

DIA

Nombre del día

DIA_1

Código numérico para el Numérico

Texto

día HORA

Hora en que sucedió el Texto siniestro

LATITUD, LONGITUD

Coordenadas

del Decimal

siniestro

También fue necesario conocer los tipos de causas con sus respectivos códigos para entender el porqué de los siniestros, un aspecto importante de las causas de los siniestros es considerar que se trata de una causa probable más no comprobada debido a que debe existir una investigación antes de referirse a una causa real (Iglesias Zappone, 2017).

En la Tabla 3 se muestra el código y la descripción del tipo de causas probables registradas por los diferentes entes de control que reportan a la ANT.

41

Tabla 3: Descripción de causas probables

Cód.

C1

Descripción de la causa Caso fortuito o fuerza mayor (explosión de neumático nuevo, derrumbe, inundación, caída de puente, árbol, presencia intempestiva e imprevista de semovientes en la vía, etc.).

C2

Presencia de agentes externos en la vía (agua, aceite, piedra, lastre, escombros, maderos, etc.).

C3

Conducir en estado de somnolencia o malas condiciones físicas (sueño, cansancio y fatiga).

C4

Daños mecánicos previsibles.

C5

Falla mecánica en los sistemas y/o neumáticos (sistema de frenos, dirección, electrónico o mecánico).

C6

Conduce bajo la influencia de alcohol, sustancias estupefacientes o psicotrópicas y/o medicamentos.

C7

Peatón transita bajo influencia de alcohol, sustancias estupefacientes o psicotrópicas y/o medicamentos.

C8

Peso y volumen-no cumplir con las normas de seguridad necesarias al transportar cargas.

C9

Conducir vehículo superando los límites máximos de velocidad.

C10

Condiciones ambientales y/o atmosféricas (niebla, neblina, granizo, lluvia).

C11

No mantener la distancia prudencial con respecto al vehículo que le antecede.

C12

No guardar la distancia lateral mínima de seguridad entre vehículos.

C14

Conducir desatento a las condiciones de tránsito (celular, pantallas de video, comida, maquillaje o cualquier otro elemento distractor).

C15

Dejar o recoger pasajeros en lugares no permitidos.

42

C16

No transitar por las aceras o zonas de seguridad destinadas para el efecto.

C17

Bajarse o subirse de vehículos en movimiento sin tomar las precauciones debidas.

C18

Conducir en sentido contrario a la vía normal de circulación.

C19

Realizar cambio brusco o indebido de carril.

C20

Mal estacionado- el conductor que detenga o estacione vehículos en sitios o zonas que entrañen peligro, tales como zona de seguridad, curvas, puentes, túneles, pendientes.

C21

Malas condiciones de la vía y/o configuración. (Iluminación y diseño).

C22

Adelantar o rebasar a otro vehículo en movimiento en zonas o sitios peligrosos tales como: curvas, puentes, túneles, pendientes, etc.

C23

No respetar las señales reglamentarias de tránsito (pare, ceda el paso, luz roja del semáforo, etc.).

C24

No respetar las señales manuales del agente de tránsito.

C25

No ceder el derecho de vía o preferencia de paso a vehículos.

C26

No ceder el derecho de vía o preferencia de paso al peatón.

C27

Peatón que cruza la calzada sin respetar la señalización existente (semáforos o señales manuales).

C28

Dispositivo regulador de tránsito en mal estado de funcionamiento (semáforo).

Fuente: ANT (2020)

Para identificar las zonas del DMQ que llevan mayor carga de siniestros de tránsito se necesitó agregar información geográfica, adicional para el caso denominado Zonas Administrativas la cual fue tomado de la página web del municipio de Quito.

43

Otra información geográfica adicional fue los límites del DQM que servirá para la delimitación de la información geográfica de siniestros. En la Tabla 4 se muestran las capas adicionales y su respectiva fuente.

Tabla 4: Capas adicionales a utilizarse

Capa

Descripción

Fuente

Zonas

Contiene

Administrativas

administrativas de DMQ

Límite del DMQ

Contiene el perfil del DMQ Gobierno Abierto de

las

zonas Gobierno Abierto de Quito

Quito

Una vez que se exportó la información del archivo de Excel a una entidad geográfica se observó que ciertos puntos no correspondían a la dirección registrada en el siniestro lo que puede ser una limitación para el análisis, esto pudo suceder por diferentes factores que no forman parte de esta investigación.

Entre otra limitante de la información obtenida y que puede crear un sesgo cognitivo es que no todos los siniestros son registrados ya que muchos de ellos son de severidad leve o incluso muchos de los siniestros son resueltos por las partes afectadas (Iglesias Zappone, 2017).

3.4.2.

ANÁLISIS EXPLORATORIO DE DATOS

La primera parte de la exploración de datos fue con conocer la distribución espacial de la información para luego conocer el comportamiento de los datos (Giraldo, 2015) y obtener una estadística descriptiva de los siniestros de tránsito.

Para entender mejor las variables que contiene el archivo de Excel se refirió al glosario que ha sido determinado por ANT en la que se tiene las siguientes: Siniestro de tránsito. - evento en el que interviene al menos un vehiculo en movimiento y que se encuentre circulando en una vía publica o privada y que tenga como consecuencia al menos un persona herida o fallecida.

44

Fallecidos. – cualquier persona que ha fallecido debido al siniestro tránsito en el sitio o 30 días posteriores al evento.

Lesionados. – cualquier persona que sufra algún tipo de lesión producto del siniestro de tránsito, de igual forma las lesiones leves por lo general no suelen ser tomadas en cuenta al momento de levantar el siniestro.

Métodos geoestadísticos ESDA Para minimizar la varianza y obtener una mejor distribución espacial se debe detectar los valores máximos y mínimos de siniestros fatales que será validado durante en análisis de QQplot, se aplicó tanto para siniestros con fallecidos y con lesionados de lo cual se observó que la mayoría de los accidentes no presentan lesionados ni fallecidos por lo que se filtró aquellos siniestros que no presentaban heridos ni fallecidos.

Para descubrir que información contiene los datos se ha de aplicar la estadística descriptiva espacial que permitirá obtener valores como la media espacial, distancia estándar y la elipse de desviación estándar principalmente para conocer y determinar la tendencia espacial.

3.4.3.

ANÁLISIS DE ESTADÍSTICA ESPACIAL

La aplicación de cálculos mediante Histogramas permite determinar cómo se comporta la distribución de los datos y analizar si es una distribución normal o es una distribución asimétrica o incluso validar si existe valores atípicos, Q-Q plot permite la comparación de dos distribuciones para encontrar si los datos de siniestros siguen una distribución normal y Box plot para identificar los valores máximo y mínimos respectivamente también se ha de considerar que si hay valores atípicos estos aparecerán fuera de la caja.

Para encontrar patrones es importante conocer y entender si existen una autocorrelación espacial bajo el supuesto de que existen patrones de siniestros de tránsito y si por el contrario no existiese la autocorrelación se determinaría una independencia espacial.

45

Al existir una independencia espacial se diría que las observaciones no poseen relaciones espaciales es decir no hay ninguna relación de accidente entre una observación y otra cercana.

Entonces para entender los fenómenos de los siniestros de tránsito se aplicó la autocorrelación espacial mediante el método Índice de Moran de tal forma que se pueda identificar el grado de dependencia entre siniestros cercanos.

4.

RESULTADOS Y ANÁLISIS

4.1.

RESULTADOS

Luego de la aplicación de la metodología explicada en la sección anterior se procede a la explicación de los resultados obtenidos basado en las variables de heridos, fallecidos, causas y tiempo en el que han sucedidos los siniestros de tránsito durante el año 2019.

En la figura Nro. 6 se puede observar la distribución de los siniestros de tránsito clasificados por número de fallecidos los cuales se encuentran distribuidos aleatoriamente dentro del distrito metropolitano y clasificados según el número de fallecidos ocurridos en cada siniestro.

46

Figura 6: Distribución de fallecidos en DMQ 2019

47

De igual forma se realizó la distribución de siniestro de tránsito con la variable lesionados. En la Figura 7 se puede observar que se encuentra distribuidos en toda la extención de DMQ simbolizados por la cantidad de lesionados.

48

Figura 7: Distribución de lesionados en DMQ 2019

49

4.1.1.

EXPLORACION DE DATOS

Luego de la exportación de la información de Excel se tiene que la mayoría de los siniestros de tránsito se encuentran en la parte urbana donde se evidencia la mayoría de siniestros de tránsito con una leve carga al este de la ciudad es decir a los valles de DMQ al este de la ciudad como lo muestra la Figura 8.

50

Figura 8: Distribución normal de accidentes de tránsito DMQ 2019

51

En la Figura 9 se evidencia que los siniestros tienen de 1 a 5 fallecidos promedio.

Figura 9: Número de fallecidos

De igual forma en la Figura 10 se observó que los siniestros de tránsito pueden tener de 1 a 25 lesionados en promedio.

Figura 10: Descripción de la Variable Lesionados

Para la variable fallecidos se aplicó la distancia espacial se obtuvo que el punto centro está ubicado en la parroquia Mariscal Sucre entre las calles José Luis Tamayo y Francisco Salazar y de igual forma la elipse de desviación estándar indica que se encuentra en dirección noroeste a sur oeste como se visualiza en la Figura 11.

52

Figura 11: Centro Medio Fallecidos 53

Al generar el histograma de la Figura 12 se observa que la mayor cantidad de siniestros tiene al menos 1 fallecido, además se pudo conocer la distribución de los datos es Asimétrica con sesgo a la derecha es decir es positiva.

Figura 12: Distribución de fallecidos

Para lesionados tambien se obtuvó el Centro Medio que fue e la Av. Francisco Roblez y Av. Amazonas mientras que la elipse de desviación estandard tiende a cubrir menos territorio y su direccion está en sentido norte-sur como se puede apreciar en la Figura 13.

54

Figura 13: Centro medio Lesionados

55

De igual forma se realizó el histograma para lesionados donde se observó que la distribución es asimetríca con sesgo a la derecha indicado en la Figura 14.

Figura 14: Distribución de Lesionados

Para conocer la relación que tienen dos variables se realizó un análisis bivariado por ejemplo para determinar los meses que tienen mayor cantidad de lesionados se cruzó las variables MES_1 y numero de lesionados como lo muestra la Figura 15.

Figura 15 Relación Mes y # de Lesionados

56

4.1.2.

APLICACIÓN DE MALLAS HEXAGONALES

En la Figura 16 se muestra el resultado de aplicar Mallas Hexagonales para mostrar la densidad de siniestros de tránsito para el año 2019, en la cual se puede observar que existe una zona oscura a lo largo del DMQ.

57

Figura 16: Malla hexagonal de siniestros 2019 58

Para visualizar el comportamiento de los siniestros de tránsito clasificado por el número de fallecidos se realizó una nueva malla con la suma de fallecidos, teniendo el mapa de la figura 17.

59

Figura 17: Malla Hexagonal de Fallecidos 2019 60

La evaluación bivariado aplicada al periodo mensual del año 2019 con relación a los lesionados generó la siguiente información, que muestra que al menos cada mes se tiene cinco siniestros de tránsito que dejan aproximadamente 5 lesionados en situ mostrados en la Figura 18.

Figura 18: Resultado de Bivariadad Lesionados por mes

De igual manera los resultados obtenidos para la variable fallecidos generó la siguiente información en el periodo mensual del año 2019 donde se puede observar que cada mes ocurre al menos un siniestro con almenos un fallecido llegando en casos muy particulares a 5 fallecidos pero en la mayoria de casos se mantiene un fallecido indicado en la Figura 19.

Figura 19: Resultado de Bivariadad Fallecidos por mes

Relación de siniestros por días de la semana.

Para obtener la relación de siniestros por día se tomó encuenta todos los siniestros sucitados en el Distrito Metropolitano de Quito sin filtrar aquellos que tuvieron consecuencias tanto como fallecidos como heridos de tal forma que se 61

obtuvo el siguiente resultado donde se evidencia que los días viernes, sabado y domingo fuerón los días con mayor indice de siniestros como se observa en la Figura 20.

Figura 20: Siniestros por día

Relación de siniestros por horas.

De la investigación realizada se obtuvo que en el transcurso del día ocurren al menos un siniestro de tránsito según los registros obtenidos, no obstante se observó algunos picos de siniestro de tránsito alrededor de las 3AM y 7AM de la mañana, en la tarde 3PM en la noche 9PM como se puede observar en la Figura 21.

Figura 21: Siniestros clasificados por hora de ocurrencia

Debido a la mayor cantidad de accidentes ocurridos durante el año 2019 a las 7 de la mañana, se filtró de la población completa y se colocó sobre un mapa los 62

que se visualizan como puntos en color azul indicando la ubicación geográfica dentro del distrito metropolitano de Quito.

El tema particular que se ha observado a lo largo de la georreferenciación es que se encuentran dispersos a lo largo del área de estudio como se muestra en la Figura 22.

63

Figura 22: Mapa de siniestros a las 7 am durante el año 2019 64

Relación de siniestros por causas probables.

El comportamiento de los siniestros en periodo del año 2019 se evaluó bajo la causa probable del siniestro lo que ha generado la Tabla 6 que indica el top 3 de mayor número de siniestros, con el objetivo de un mayor entendimiento

y

enfoque de las causas de mayor atención donde se observa el predominio del tipo C09 que corresponde a conducir un vehiculo superando los límites máximos de velocidad con al menos 955 de un total de 4,977 siniestros que corresponde al 19% del total de siniestros registrados durante el periodo de investigación; en segundo lugar se encuentra la causa probable c06 que corresponde a conducir bajo influencias del alcohol,sustancias estupefacientes o psicotropicas con 600 siniestros que corresponde al 12% del total y la tercera causa es No respetar las señales de tránsito con 9% aproximadamente.

Tabla 5: Top 3 de Causas Probables de siniestros del 2019

CÓDIGO CAUSA

TOTAL SINIESTROS

C09 Conducir vehículo superando los límites máximos de

955

velocidad.

C06 Conduce bajo la influencia de alcohol, sustancias

600

estupefacientes o psicotrópicas y/o medicamentos.

C23 No respetar las señales reglamentarias de tránsito

475

(pare, ceda el paso, luz roja del semáforo, etc.).

De igual forma en la Figura 23 se puede conocer el resto de causas probables y su respectivo

número de siniestros acumulados en el periodo de enero a

diciembre del año 2019, donde se muestra en el eje de las ordenadas el código de las causas probables mientras que en el eje de las abscisas se tiene el conteo de siniestros por cada causa ordenadas de mayor a menor.

65

Adicionalmente para conocer a que corresponde cada código se tiene los detalles en la Tabla Nro 3.

Figura 23: Cantidad de siniestros por causas probables 2019

Los resultados anteriores han mostrado una visión de los datos, pero se requiere también conocer si los datos presentan patrones o tendencias por lo que luego de ejecutar el método Índice de Moran se tiene el siguiente resultado mostrado en la Figura 24.

66

Figura 24: Índice de moran para Siniestros 2019 en DMQ

De acuerdo a la herramienta de estadística deductiva llamada Indice de Morán la cual parte de una hipotesis nula lo que significa que la variable de estudio en este caso siniestros de tránsito se encuentran distribuidos de forma aleatoria en el area de estudio.

Por lo que se tiene la opción de rechazar la hipotesis nula o en algunos casos aceptarla para ello tomando en cuenta el valor P arrojado por el analisis indica que si no es estadísticamente significativo no se puede rechazar la hipostesis nula (ESRI, 2019).

Entonces se puede observar claramente un Indice de Moran de Análisis de 0.34 lo cual muestra que hay una correlación espacial muy débil, mostrando de esta 67

manera que los siniestros suceden de forma aleatoria y que no se puede indicar con precisión donde podrá ocurrir el siguiente siniestro.

4.2.

ANÁLISIS

Aplicado el análisis exploratorio, se resume de la siguiente manera. Se pudo observar que los datos presentan una asimetría visible determinada por una asimetría positiva lo que indica que existe un número alto de siniestros, los cuales llevan la media hacia la derecha, siendo la justificación que el conjunto de datos no tenga una distribución normal y presente datos atípicos (Molina y Rodrigo, s.f.).

Posteriormente se procedió a realizar un análisis estructural aplicando el Índice de Moran y partiendo de una hipótesis nula, la cual indica que para el presente estudio la ocurrencia de siniestros se encuentra distribuida de forma aleatoria en el DMQ. Con el valor P de 0.345 resultado del análisis se puede indicar que no es significativo por lo tanto no se puede rechazar la hipótesis nula, lo cual indica que la distribución de siniestros es el resultado de procesos aleatorios (ESRI, 2019) .

Finalmente se aplicó el análisis por mallas hexagonales para contar los siniestros dentro de la cuadrícula y determinar densidad de siniestros encontrándose ciertas zonas con concentración de siniestros de forma más natural a diferencia de otros tipo de malla (Asociación Geoinnova, 2019).

La identificación de sitios con alta probabilidad de accidentes de tránsito fatales en Quito Ecuador fue posible con la aplicación de las diferentes técnicas de geoestadística y en conjunto con las variables principales como son el número de lesionados y el número de fallecidos, causas probables y las variables temporales como son horas, días y meses.

Se encontró que las zonas de mayor concentración de siniestros de tránsito con mayor cantidad de heridos se encuentran dispersas en todo el Distrito por 68

ejemplo al norte se tiene a la parroquia de Calderon con 242 siniestros con un número de 153 lesionados.

Al centro del DMQ también se registró la parroquia de Iñaquito con 269 siniestros con un total de 170 lesionados.

De igual forma para el sur del DMQ se encuentra la parroquia de Quitumbe con 281 siniestros registrados causando un total de 157 lesionados Se puede observar de forma clara en la Figura 19.

69

Figura 25: Resumen de lesionados por parroquias 70

De igual forma se evidenció que para la variable ‘Fallecidos’ se encuentra en una distribución dispersa en el territorio por ejemplo para el norte se encuentra la parroquia de Calderon con un total de 242 siniestros dejando 20 fallecidos, mientras tanto para la parte central de DMQ se encuentra la parroquia de Itchimbía con 162 siniestros con 15 fallecidos y en el sur está la parroquia de Quitumbe con 281 siniestros que dejaron 18 fallecidos como se puede evidenciar en la Tabla 7.

Tabla 6: Resumen Fallecidos DMQ

Parroquia

Siniestros

Fallecidos

Calderón

242

20

Itchimbía

162

15

Quitumbe

281

18

Adicionalmente se debe considerar las parroquias que pueden llegar a constituir áreas de alto siniestralidad por ejemplo están las parroquias como Puengasí donde se registra alrededor de 156 siniestros con pérdidas humanas de cerca de 12 personas, también se tiene la parroquia Eugenio Espejo donde se registró 168 siniestros durante el año 2019 de los cuales resultaron 6 muertes.

En la Figura 20 se observa en color más oscuro los sitios con mayor concentración de fallecidos, los cuales se encuentran distribuidos a lo largo del Distrito Metropolitano.

71

Figura 26: Resumen de fallecidos por parroquia 72

La primera hipótesis planteada indica Las zonas del Distrito Metropolitano de Quito (DMQ) con alta probabilidad de siniestros de tránsito fatales se encuentran localizadas en el centro de la ciudad.

Los siniestros de tránsito no solo se presenta en un foco único sino que se encuentra en tres focos principales repartidos en el DMQ que de cierta manera se podría indicar que son los lugares más propensos a siniestros a nivel macro es decir a nivel de parroquias porque si se lo hace a nivel de vías se encuentra repartidos en diferentes ubicaciones de tal forma no se encontró una tendencia fuerte por lo tanto no se puede indicar que el próximo accidente sea en las zonas que al momento se tienen identificadas.

Para el año 2019 se registró las parroquias Calderón, Iñaquito y Quitumbe pues tiene concordancia debido a que en estas parroquias se encuentran las vías de alto tráfico por ejemplo para el norte de Quito se tiene la Panamericana Norte, y en la parroquia Iñaquito se tiene las siguientes vías: Av. 10 de agosto, Av. 6 de diciembre y Av. Shyris, las cuales conectan el norte con el centro de la ciudad por lo que tiene mayor afluencia de vehículos.

La segunda hipótesis planteada menciona que la principal causa de los accidentes de tránsito es la ingesta de alcohol.

Posterior al análisis se encontró una respuesta diferente es decir que un gran número considerable de siniestros han sido por Exceso de velocidad (C9) con 955 siniestros a el transcurso del año en primer lugar y en segundo lugar se encuentra la causa de Conduce bajo la influencia de alcohol (C06) con 600 siniestros durante el año 2019 y finalmente en tercer lugar dentro del top 3 se encuentra No respetar las señales de tránsito (C23) con 475 siniestros registrados.

Finalmente referente a los objetivos propuestos al inicio de la investigación, los mismo que permitieron marcar un norte claro aplicando los SIG y la 73

geoestadística y contestar a las preguntas propias de la investigación (Vizcaíno et al., 2012), se puede mencionar que: Se determinó si hay patrones de accidentes de tránsito: El resultado luego de aplicar el método de Índice de Moran a los siniestros de tránsito en el Distrito Metropolitano de Quito se obtuvo un índice de 0.34 lo que es muy bajo y determinar que hay una débil tendencia a generar patrones de siniestros de tránsito lo que se indica que no se puede predecir los sitios exactos donde ocurrirá el siguiente siniestro de tránsito ni mucho menos conocer el grado de gravedad del suceso, no obstante se puede determinar las zonas administrativas con mayor alcance de territorio donde han sucedido siniestros de tránsito en el periodo de enero a diciembre del año 2019, los cuales podrían variar para los años posteriores.

Se representó geográficamente las zonas administrativas con mayor densidad de siniestros, fallecidos y heridos: Claramente se pudo representar geográficamente las zonas administrativas con mayor índice de siniestros ocasionados en el año 2019 de tal forma que se evidenció que las zonas con mayor densidad tanto de siniestros como de muertes y lesionados se encuentran distribuidos en todo el distrito metropolitano.

De acuerdo a los resultados obtenidos y de acuerdo al comportamiento vehiculas se puede indicar que tienen sentido ya que son las zonas principales donde existe mayor flujo vehicular teniendo así que en los extremos del DMQ son las salidas de la ciudad y por consiguen hay un mayor número de vehículos, por otra parte en el centro de Quito se ubica la zona económica productiva por lo que también capta una cantidad considerable de vehículos lo que ocasiona que exista mayor riesgo de que ocurran siniestros de tránsito.

Se identificó los tipos de causas más representativos en los siniestros de tránsito: De las causas registradas para el año 2019 se determinó que se encuentran distribuidas en todo el Distrito Metropolitano de Quito, así también se pudo confirmar que las causas son: el exceso de velocidad y los efectos del alcohol 74

que en conjunto suman aproximadamente 2,030 siniestros de tránsito a lo largo del año que representa aproximadamente el 40% del total de siniestros de tránsito.

Se determinó los días y horas de mayor siniestralidad: Se determinó los días y horas de mayor siniestralidad para el año 2019 se encuentra en el fin de semana desde el día viernes, sábado y domingo por consiguiente en estos días se encuentra la mayor cantidad de Fallecidos y Heridos este comportamiento se observó en todos los meses en comparación al acumulado anual.

En lo referente a las horas también se evidenció que el rango de horario más común donde se ubican los siniestros de tránsito está en horas de la madrugada 00 horas a 2 am luego se encuentra desde las 6 am a las 10 am en la tarde desde las 5 am hasta las 9 pm donde se puede atribuir a que hay mayor tránsito vehicular así como también hay mayor flujo de personas que se dirigen y salen de sus trabajo respectivamente ( Miguez et al., 2010) .

En cuanto a lesionados por siniestros de tránsito las horas que más registran siniestros son en la mañana aproximadamente 7:40 am, al medio día cerca de la 1am y en la noche cerca de las 10 pm.

En lo referente a siniestros de tránsito fatales es decir que al menos hubo un fallecido se tiene que el horario más letal se encontró en la madrugada aproximadamente a las 4:40 am y en la noche aproximadamente a las 8 pm y en el resto de la franja horaria hubo al menos un fallecido.

75

5.

CONCLUSIONES Y RECOMENDACIONES

5.1.

CONCLUSIONES

El análisis geoestadístico de los siniestros de tránsito permitió conocer el comportamiento en la extensión del territorio que cubre el Distrito metropolitano de Quito para descubrir patrones y tendencias así como también validar las causas probables en los siniestros ocurridos de tal forma que permita proponer acciones para reducir los siniestros de tránsito alineado con la estrategia de Visión Zero.

Sin embargo, al aplicar los diferentes métodos de geoestadística se pudo evidenciar que no se puede determinar un comportamiento predecible ya que los mismos ocurren en diferentes lugares, no obstante se pudo reconocer zonas de alta peligrosidad que si bien es cierto son zonas grandes, puede aplicarse normativas vigentes en dichos lugares para alertar tanto a los conductores como a los peatones y de cierta manera se puede reducir de forma gradual los accidentes de tránsito.

Así, los resultados obtenidos muestran que los siniestros de alta peligrosidad se encuentran distribuidos a lo largo del distrito metropolitano y que hay una leve concentración en el norte en el sector de Carcelén con un aproximado de 30% en el centro se encuentra la zona Mariscal y en sur la zona de Quitumbe.

Por lo que los resultados obtenidos son de gran utilidad para la aplicación de normas y campañas de prevención e incluso se puede aplicar una mejor distribución de los agentes de tránsito en dichas zonas e incluso en los horarios de mayor probabilidad de accidentes.

La hipótesis generada en la presente investigación menciona que:

76

La aplicación de la Estadística Espacial podría determinar si hay zonas del DMQ en la que han ocurrido siniestros de tránsito fatales que al parecer tienen por causa del alcohol, se concluye que: La hipótesis planteada no es afirmativa al menos para el año 2019 pues como se evidenció en los resultados no existe patrones de incidencias y mucho menos se puede asegurar que los siniestros se puedan presentar en un tipo específico lo que dificulta generar políticas enfocadas en un solo tipo de causa más bien se debe crear normativas preventivas para las causas más recurrentes enfocada en los registros del año anterior para evitar que se repitan nuevamente.

El desarrollo de la presente investigación nace con dos preguntas puntuales acerca del comportamiento de siniestros de tránsito en el Distrito Metropolitano de Quito y que luego de la aplicación metodológica se puede indicar que: Para la pregunta # 1: ¿Existen zonas del DMQ con alta probabilidad de siniestros de tránsito fatales y cuáles son las causas?, se puede indicar que en efecto los sitios con mayor concentración de siniestros se encuentran distribuidos en tres zonas puntuales dentro del DMQ. Para la pregunta # 2: ¿En el DMQ existen patrones de siniestros de tránsito que ocurran en determinados días?, se determina que hay patrones de ocurrencia de siniestros en determinados días independientemente de la gravedad de los mismos.

77

5.2.

RECOMENDACIONES

Como parte de la metodología se evidenció que la data geográfica generada no era precisa debido a que se algunos puntos no se encontraban en la dirección que presentaba el registro por lo que se debería pasar por una validación geoespacial con el objetivo de obtener información precisa y más apegada a la realidad.

Por otro lado, la base de datos de siniestros presenta una gran cantidad de variables se podría realizar un análisis más exhaustivo con cada una de las variables para obtener un nivel detallado del comportamiento los siniestros, los cuales van mucho más allá de las variables utilizada en esta investigación por ejemplo se tiene variables por tipo de vehiculo, si hubo daños materiales entre otros, generando nuevos resultados y nueva información que permita reducir el número de accidentes de tránsito.

La identificación geográfica de los siniestros de tránsito por causa probable puede ser el punto inicial para realizar una investigación más profunda aplicando nuestras variables geográficas se podría obtener las razones por las cuales sucedieron dichos siniestros permitiendo aplicar normativas y señalética e incluso elementos viales que permitan disminuir los siniestros en dichos lugares.

Ahora bien también se puede ir más allá con las variables analizada en esta investigación referente a los lesionados debido a que la información recolectada en las bases de datos se refiere solo a una foto del momento del accidente y pues se desconoce el nivel de gravedad de los lesionados ya que muchas veces llegan a fallecer en el lapso de transporte hacia el hospital y dicha información no es recolectada ni actualizada, ya que las unidades de hospitalización no cuentan con una plataforma tecnológica que permita el registro de dicha información.

Logrando este último cometido se puede obtener resultados más exactos que permitan conocer la dimensión real de un siniestro de tránsito e incluso aplicar la metodología utilizada en esta investigación como un punto de partida en futuras investigaciones.

78

6.

REFERENCIAS

Anselin, L. (1995). Local Indicators of Spatial Association- LISA. Geographical analysis, 27(2), 93-115. Recuperado el 26 de noviembre de 2020, de https://dces.wisc.edu/wpcontent/uploads/sites/128/2013/08/W4_Anselin1995.pdf

ANT, Agencia Nacional de Tránsito. (2020, febrero 4). Reporte Nacional de Siniestros de Tránsito diciembre 2019. Recuperado el 12 de agosto de 2020, de https://www.ant.gob.ec/index.php/ley-de-transparencia/ley-detransparencia-2020/file/7011-siniestralidad-ene-dic-2019

Asamblea Nacional Constituyente. (2015). Reglamento general para la aplicación de la ley orgánica de transporte terrestre, tránsito y seguridad vial.

Recuperado el 6 de noviembre de 2020, de https://www.obraspublicas.gob.ec/wpcontent/uploads/downloads/2015/03/reglamento-general-para-laaplicacion-de-la-ley-organica-de-transporte-terrestre-tr.pdf

Asociación Geoinnova. (2019). Análisis de puntos calientes optimizado, usando herramientas de ArcGIS PRO. Recuperado el 22 de julio del 2021, de https://geoinnova.org/blog-territorio/analisis-de-puntos-calientesoptimizado-usando-herramientas-de-arcgis-pro/

Aydin, O. (2020, septiembre). Identify popular places with spatiotemporal data science. Recuperado el 31 de diciembre de 2020, de https://learn.arcgis.com/en/projects/identify-popular-places-withspatiotemporal-data-science/#analyze-the-data-spatially

Benayas, R. (2016, julio). Análisis de patrones espaciales con ArcGIS. Recuperado el 31 de diciembre de 2020, de https://www.geasig.com/analisis-de-patrones-espaciales-con-arcgis/

Castro, R., Angelica Maria, G. P., y Miguel, S. (2019). Caracterización de los comportamientos de los usuarios viales por medio del empleo de VANT en intersecciones con mayor accidentalidad en Bogotá D.C. [Universidad Santo Tomás]. Recuperado el 7 de agosto de 2020, de https://repository.usta.edu.co/handle/11634/16537 79

ESRI, Environmental Systems Research Institute. (2013). Cómo funciona Análisis de puntos calientes (Gi* de Getis-Ord). ArcGIS Desktop.

Recuperado el 30 de noviembre de 2020, de https://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statisticstoolbox/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm

ESRI, Environmental Systems Research Institute. (2019). Cómo funciona Autocorrelación espacial (I de Moran global). ArcMap. Recuperado el 29 de noviembre del 2021, de https://desktop.arcgis.com/es/arcmap/latest/tools/spatial-statisticstoolbox/h-how-spatial-autocorrelation-moran-s-i-spatial-st.htm

Fotheringham, S. y Charlton, M. (1992). GIS and Exploratory Spatial Data Analysis: An overview of some research issues. Recuperado el 6 de agosto de 2020, de http://geoinformatics.wp.standrews.ac.uk/files/2012/09/Gis-and-Exploratory-Spatial-Data-AnalysisAn-overview-of-some-research-issues.pdf

Gallardo, A. (2006). Geoestadística. Ecosistemas. 2006/3. Recuperado el 14 de noviembre de 2020, de https://fjferrer.webs.ull.es/Bibliog/Biblio/Geoestadistica.pdf

Giraldo Henao, R. (2015). Introducción a la geoestadística. Recuperado el 29 de noviembre de 2020, de https://geoinnova.org/blog-territorio/wpcontent/uploads/2015/05/LIBRO_-DE-_GEOESTADISTICA-RGiraldo.pdf

Gómez, E. (2012, junio). Análisis GIS mediante redes regulares hexagonales.

Altergeosistemas. Recuperado el 30 de noviembre de 2020, de https://www.altergeosistemas.com/blog/2012/06/27/analisis-gismediante-redes-regulares-hexagonales/

Hinojosa Reyes, R., Varela Sánchez, G., y Campos Alanís, J. (2019). Población en riesgo: Análisis Espacio-Temporal de accidentes viales mediante el uso de herramientas SIG en el Municipio de Toluca, Estado de México, 2000-2005. GeoFocus (Artículos), nº 23, p. 49-69. Recuperado el 24 de abril de 2021, de http://www.geofocus.org/index.php/geofocus/article/view/584/477 80

Iglesias Zappone, R. A. (2017). Evaluación geoestadística de la accidentalidad en los tramos carreteros chihuahua-juárez, chihuahua-delicias y chihuahua-cuauhtémoc. [Universidad Autónoma de Chihuahua].

Recuperado el 3 de agostos de 2020, de http://repositorio.uach.mx/258/

INEC, Instituto Nacional de Estadística y Censos. (2013). INEC presenta sus proyecciones poblacionales cantonales. Recuperado el 26 de noviembre de 2020, de https://www.ecuadorencifras.gob.ec/inec-presenta-susproyecciones-poblacionales-cantonales/

INEC, Instituto Nacional de Estadística y Censos. (2020). I El trasporte terrestre de pasajeros en ecuador y quito. Recuperado el 28 de noviembre de 2020, de https://www.ecuadorencifras.gob.ec/documentos/webinec/Bibliotecas/Estudios/Estudios_Economicos/Transporte_Quito.pdf

IRTAD, International Traffic Safety Data and Analysis Group. (2020). IRTAD Road Safety annual report 2020. 65. Recuperado el 8 de noviembre de 2020, de https://www.itf-oecd.org/sites/default/files/docs/irtad-road-safetyannual-report-2020_0.pdf

Jaramillo Sangurima, W., y Muñoz Sotomayor, V. A. (2017). Método aplicado en la disminución de accidentes de tránsito en el cantón Loja. INNOVA Research Journal, 2(5), 1-13. https://doi.org/10.33890/innova.v2.n5.2017.150

Leitner, M., Glasner, P., y Kounadi, O. (2018). Laws of Geography. En Oxford Research Encyclopedia of Criminology and Criminal Justice. https://doi.org/10.1093/acrefore/9780190264079.013.325

Martins Gomes, M., Souza Pitombo, C., Pirdavani, A., y Brijs, T. (2018).

Geostatistical approach to estimate car occupant fatalities in traffic accidents. Revista Brasileira de Cartografia, 70(4), 1231-1256. https://doi.org/10.14393/rbcv70n4-46140

Miguez, A., Godoy del Sol, H., y Ortis Sagasta, M. (2010). Caracterización de la mortalidad por accidentes del tránsito con participación de ciclos: un problema sociomédico. MediSur, 8(4), 57-62. Accedido el 18 de agosto de 81

2020, http://www.medisur.sld.cu/index.php/medisur/article/view/1269/7181

en

Ministerio de Transporte y obras públicas. (2012, septiembre). Campaña ‘Párale el carro’ busca reducir accidentes de tránsito y mortalidad en las vías.

Recuperado el 6 de noviembre de 2020, de https://www.obraspublicas.gob.ec/campana-parale-el-carro-buscareducir-accidentes-de-transito-y-mortalidad-en-las-vias/

Molina, J., y Rodrigo, M. (s. f.). Caracterización de grupos: Estadísticos de forma de la distribución. Universitat de València. Recuperado 18 de abril de 2021, de http://ocw.uv.es/ciencias-sociales-y-juridicas/estadisticai/tema_3_3.pdf OESEVI, observatorio Iberoamericano de Seguridad vial (2016). Informe Iberoamericano de seguridad social. Recuperado el 14 de agosto de 2020, de https://issuu.com/buenaspracticasmotos/docs/oisevi_vii_informe_iberoa mericano_d

OMS, Organización Mundial de la Salud. (2009). Informe sobre la situación mundial de la seguridad vial: Es hora de pasar a la acción. Ginebra, Organización Mundial de la Salud. Global status report on road safety, 122.

Recuperado el 12 de agosto de 2020, de https://www.who.int/violence_injury_prevention/road_safety_status/report /en/

Primicias, (2019) Crece el número de muertes en accidentes de tránsito.

Recuperado el 26 de noviembre de 2020 de https://www.primicias.ec/noticias/sociedad/accidentes-transito-quitoguayaquil-muertos/

The National Highway Traffic Safety Administration. (2009, agosto). Data-Driven Approaches to Crime and Traffic Safety (DDACTS) [Information]. The National Highway Traffic Safety Administration. Accedido el 18 de agosto de 202, en https://one.nhtsa.gov/Driving-Safety/Enforcement-&-JusticeServices/Data%E2%80%93Driven-Approaches-to-Crime-and-TrafficSafety-(DDACTS) 82

Visionzeronetwork. (2020). What is Vision Zero? Accedido el 18 de agosto de 2020, en https://visionzeronetwork.org/about/what-is-vision-zero/

Vizcaíno, M., Plascencia Bernal, O. G., y Olivia, M. (2012). Aplicación de Sistemas de Información Geográfica (GIS) para la toma de Decisiones de la Movilidad Intraurbana y Espacios de Vida de los Habitantes de Tres Ciudades de Nayarit: Tepic, Jalisco y Compostela [El Instituto Politécnico Nacional].

Accedido el 7 de agosto de 2020, en http://repositoriodigital.ipn.mx/handle/123456789/3687

83