e-ISSN: 1390-5902
CEDAMAZ, Vol. 11, No. 02, pp. 124–132, julio–diciembre 2021
DOI: 10.54753/cedamaz.v11i2.1181
Minería de datos para determinar los factores más influyentes en la ocurrencia
de siniestros de tránsito en Ecuador en el año 2020
Data mining to determine the most influential factors in the occurrence of traffic
accidents in Ecuador in the year 2020
Yulissa Torres-Quezada
1,*
1
Carrera de Ingeniería en Sistema/Computación, Universidad Nacional de Loja, Loja, Ecuador
*
Autor para correspondencia: yulissa.torres@unl.edu.ec
Fecha de recepción del manuscrito: 10/11/2021 Fecha de aceptación del manuscrito: 27/11/2021 Fecha de publicación: 24/12/2021
Resumen—Actualmente, la ocurrencia de siniestros de tránsito representa un problema de salud pública a nivel nacional y regional,
ocasionando pérdidas humanas, además de que cada día va en aumento a nivel mundial, es por ello que resulta fundamental e importante
plantear un estudio que permita determinar cuáles son los factores que ocasionan la ocurrencia de los siniestros de tránsito. En este trabajo
de investigación se aplica minería de datos para determinar los factores más influyentes en la ocurrencia de siniestros de tránsito en Ecuador
en el año 2020, esto se llevó a cabo empleando cinco fases de la metodología Knowledge Discovery in Databases (KDD) constituida por:
búsqueda de información, obtención de datos, depuración de la base de datos, aplicación de técnicas de minería de datos e interpretación
y presentación de resultados, estas, utilizadas para el descubrimiento de patrones ocultos en el conjunto de datos, el cual fue recolectado
por la Agencia Nacional de Tránsito (ANT) y tiene un total de 418 variables y 16972 registros de eventos registrados sobre siniestros de
tránsito en Ecuador. Se aplicaron siete técnicas de minería de datos, tales como: CHAID, CHAID Exhaustivo, CRT, Perceptrón Multicapa,
Función de Base Radial, Naive Bayes y BayesNet. El algoritmo CHAID Exhaustivo fue el que obtuvo los mejores resultados con el cual
se identificó los patrones más importantes en los datos y se evaluó las posibles asociaciones entre las variables recogidas. Finalmente, se
determinó que el factor humano es el factor más influyente con una probabilidad de ocurrencia del 69,64%.
Palabras clave—Minería de datos, Metodología KDD, Árboles de decisión, Redes neuronales, Redes bayesianas.
Abstract—Currently, the occurrence of traffic accidents represents a public health problem at national and regional level, causing human
losses, in addition to the fact that every day is increasing worldwide, which is why it is essential and important to propose a study to
determine what are the factors that cause the occurrence of traffic accidents. In this research work, data mining is applied to determine
the most influential factors in the occurrence of traffic accidents in Ecuador in the year 2020, this was carried out using five phases of the
Knowledge Discovery in Databases (KDD) methodology consisting of: information search, data collection, database cleansing, application
of data mining techniques and interpretation and presentation of results, these, used for the discovery of hidden patterns in the dataset,
which was collected by the National Traffic Agency (ANT) and has a total of 418 variables and 16972 records of events recorded on traffic
crashes in Ecuador. Seven data mining techniques were applied, such as: CHAID, Exhaustive CHAID, CRT, Multilayer Perceptron, Radial
Basis Function, Naive Bayes and BayesNet. The Exhaustive CHAID algorithm was the one that obtained the best results with which the
most important patterns in the data were identified and the possible associations between the collected variables were evaluated. Finally,
the human factor was determined to be the most influential factor with a probability of occurrence of 69.64%.
Keywords—Data mining, KDD methodology, Decision trees, Neural networks, Bayesian networks.
INTRODUCCIÓN
D
e acuerdo al Informe sobre la Situación Mundial de la
Seguridad Vial del año 2018, realizado por la Organi-
zación Mundial de la Salud (OMS), los siniestros de tránsito
se han convertido en una de las principales causas de muer-
tes violentas de la población, y a su vez convirtiéndose en un
problema de salud pública (Organización Mundial de la Sa-
lud, 2018). Los siniestros de tránsito se han catalogado como
un problema social debido al daño que produce en las per-
sonas, las familias y la comunidad, ya que al ocurrir este,
el impacto que genera es devastador y lleva mucho tiempo el
superarlo, afectando así fundamentalmente la calidad de vida
de las personas involucradas. Esto ha llevado a que cada país
reconozca el costo económico y social que representa estar
afectados por este enorme fenómeno. En el caso de Ecuador,
124
MINERÍA DE DATOS PARA DETERMINAR LOS FACTORES MÁS INFLUYENTES TORRES-QUEZADA
según datos del año 2019, presentados en el Anuario de Es-
tadísticas de Transporte (ANET) ocurren once siniestros de
tránsito por cada mil vehículos que circulan en el país, esto
lo ubica en segundo país en Latinoamérica con mayor índice
de ocurrencia de siniestros de tránsito (INEC, 2020).
En la actualidad con los avances en el campo de la inteli-
gencia artificial, ha sido posible la explotación de datos gene-
rados por distintas entidades públicas, permitiendo el manejo
de grandes volúmenes de información disponibles en bases
de datos, para que de esta manera sea posible disminuir el
tiempo de análisis e interpretación de los datos, además de
obtener información que no es visualizada a simple vista, es-
te es el caso de los datos recolectados por la ANT a través
de la recopilación de los partes policiales recabados por cada
uno de sus entes de control, este conjunto de datos tiene una
gran cantidad de información que fue minada para determi-
nar información útil que se encontraba de manera implícita,
debido a que cada siniestro es el resultado de una cadena de
eventos que es, en su totalidad único, pero algunos factores
son comunes a varias circunstancias del accidente, y la iden-
tificación de estos factores y sus interdependencias se llevó
a cabo mediante el uso de técnicas que brinda la inteligencia
artificial (Rodriguez Hassiger, 2014).
El objetivo de este trabajo fue aplicar técnicas de minería
de datos a la información recolectada por la ANT con el pro-
pósito de determinar cuáles son los factores más influyentes
para que ocurran siniestros de tránsito. Este análisis de datos
fue realizado únicamente para siniestros de tránsito ocurridos
en Ecuador en el año 2020. El presente estudio está confor-
mado por varias secciones, entre ellas la sección de Materia-
les y Métodos en donde se definen las fases de la metodología
KDD. Posteriormente, se encuentra la sección de Resultados
estructurada a partir de los hallazgos basados en cada fase de
la metodología utilizada. En la sección de Discusión se ana-
liza, explica y contrasta los resultados que se obtuvieron y
finalmente en la sección de Conclusiones se plasman las de-
ducciones alcanzadas a partir de las experiencias obtenidas
durante el proceso de cumplimiento de la metodología KDD.
MATERIALES Y MÉTODOS
Para realizar el presente trabajo de minería de datos se to-
mó como referencia las fases de la metodología KDD, adap-
tando cinco fases relacionadas, las cuales son: búsqueda de
información, obtención de datos, depuración de base de da-
tos, aplicación de técnicas de minería de datos y por último
la presentación e interpretación de los resultados. En la Figu-
ra 1 se presenta el propósito de cada fase antes mencionada.
Se seleccionaron las herramientas OpenRefine y RStudio pa-
ra llevar a cabo la fase de depuración de la base de datos
mientras que las herramientas SPSS Statistics y Weka fueron
utilizadas para cumplir con las fases de aplicación de técni-
cas de minería de datos e interpretación y presentación de los
datos.
En la fase de búsqueda de información se hizo una investi-
gación que proporcionó información acerca del problema, se
identificaron las instituciones públicas del Ecuador que tie-
nen como finalidad la planificación, regulación y control del
tránsito. Una vez seleccionadas las instituciones que velan
por la seguridad vial, se identificaron aquellas que propor-
cionaban información acerca de los eventos de siniestros de
Fig. 1: Metodología utilizada en la investigación
tránsito. Al final se establecieron lineamientos que facilitaron
la obtención de bases de datos confiables. Para el desarrollo
del presente trabajo, fue necesaria la obtención de datos refe-
rentes a Siniestros de Tránsito en Ecuador, por consiguiente,
se procedió a seleccionar las bases de datos que cumplían
con los lineamientos establecidos en la fase anterior. Se de-
limitó que la información obtenida debía ser recopilada del
año 2020, correspondiente al Ecuador y sus provincias, ade-
más debía ser obtenida de fuentes oficiales y fidedignas. La
base de datos seleccionada fue la realizada por la Agencia
Nacional de Tránsito a partir de los partes policiales que son
diseñados y aprobados por cada uno de los entes de control,
bajo los parámetros técnicos establecidos por la misma insti-
tución (ANT, 2020b).
Dentro de la fase de depuración de la base de datos, pri-
mero se realizó la evaluación del conjunto de datos, esto con
el fin de seleccionar las variables relevantes para determinar
los factores más influyentes en la ocurrencia de siniestros de
tránsito en Ecuador, después se procedió a la limpieza del
conjunto de datos que contiene las variables antes seleccio-
nadas, a través de la herramienta OpenRefine, con la cual se
estandarizaron el nombre de las variables y los datos conteni-
dos en los registros transformándolos a mayúsculas, además
se procedió a eliminar y remplazar tildes y otros caracteres
que distorsionaban la detección de patrones y no aportaban
al descubrimiento de conocimiento, y por último a través de
la herramienta de RStudio se realizó la eliminación de regis-
tros que presentaban inconsistencias relacionada a leyes de
tránsito existentes en Ecuador.
Más adelante, en la fase correspondiente a la minería de
datos, se aplicaron siete algoritmos de clasificación al con-
junto de datos depurado, los algoritmos seleccionados de
acuerdo a la literatura encontrada fueron los CHAID (Chi-
squared Automatic Interaction Detection), CHAID Exhausti-
vo, CRT (Claiming Rule Team), Perceptrón Multicapa, Fun-
ción de Base Radial, Naive Bayes y BayesNet, para la apli-
cación de los algoritmos de árboles de decisión y redes neu-
ronales se utilizó la herramienta SPSS Statistics y para los al-
goritmos de redes bayesianas se usó la herramienta Weka, al
aplicar los algoritmos de clasificación la “CLASE_FINAL”
fue establecida como variable objetivo.
Finalmente, en la fase de interpretación y presentación de
resultados se eligió el algoritmo que proyectó mejores resul-
tados, comparándolos con respecto a medidas de precisión y
porcentajes de clasificación correcta de los datos, el algorit-
mo CHAID Exhaustivo fue el algoritmo con mejores porcen-
125
e-ISSN: 1390-5902
CEDAMAZ, Vol. 11, No. 02, pp. 124–132, julio–diciembre 2021
DOI: 10.54753/cedamaz.v11i2.1181
tajes presentados y en base a este se generaron reportes con
las reglas de asociación de patrones y gráficos que facilitaron
la interpretación de las mismas para así determinar los facto-
res más influyentes en la ocurrencia de siniestros de tránsi-
to y de esta manera obtener conclusiones finales del análisis
realizado.
RESULTADOS
Fase I: Búsqueda de información
En esta fase se realizó una investigación acerca de insti-
tuciones que proporcionen bases de datos, las cuales conten-
gan registros de sucesos de siniestros de tránsito ocurridos
en Ecuador, una vez identificado dicho repositorio se pro-
cedió a analizar trabajos relacionados con el presente, como
(ANT, 2020a), (Gomes Barcellos, 2020), (Pumares, 2019)
y (Ospina-Mateus Quintana Jiménez, 2019) , con la finali-
dad de obtener referencias para establecer los lineamientos
para la selección del conjunto de datos más factible. Poste-
rior a haber realizado dicha búsqueda fueron establecidos los
lineamientos que se proponen en la Tabla 1.
Tabla 1: Criterios para la selección de la base de datos
Criterios de Inclusión Criterios de Exclusión
Contenido Relacionado Contenido no Relacionado
9 o más variables Menos de 9 variables
Año 2020 Otros años
Fuentes oficiales Fuentes no oficiales
Acceso público Solicitud para obtener información
Fase II: Obtención de datos
Ya establecidos los criterios para la selección de las ba-
ses de datos mostrados en la Tabla 1, se inició el proceso
para la obtención de las mismas. Se trabajó con el conjunto
de datos alojado en la página oficial de la (ANT, 2020b), en
el cual se encuentra almacenada la información recopilada a
partir de datos de los partes policiales del año 2020. La ba-
se de datos cuenta con 418 variables correspondientes a las
categorías incluidas en dichos partes policiales, diseñados y
aprobados por cada uno de los entes de control, bajo los pa-
rámetros técnicos establecidos por la (ANT, 2020b) y 16972
registros de eventos ocurridos sobre siniestros de tránsito en
Ecuador. Considerando lo establecido en la Tabla 1, esta base
de datos cumple con los cinco criterios establecidos. A tra-
vés de la obtención de información se adquirió el conjunto
de datos el cual fue el principal insumo para trabajar durante
el desarrollo de las siguientes fases.
Fase III: Depuración de la base de datos
En esta fase, se procedió a la evaluación de la misma, de
esta manera se determinó que variables del conjunto de da-
tos son las más relevantes y útiles para el proceso de aplica-
ción de las técnicas de minería de datos, una vez evaluado el
conjunto de datos se identificó trece variables relevantes, es-
tas variables seleccionadas con referencia a las investigacio-
nes de (Pumares, 2019), (Ospina-Mateus Quintana Jiménez,
2019) y (Gomes Barcellos, 2020) que tratan de la utiliza-
ción de minería de datos para el análisis de los siniestros de
tránsito.
Luego se realizó la limpieza a la base de datos, la herra-
mienta usada para la eliminación de la información no útil
fue OpenRefine , a través del uso de la función Transforma-
ciones Comunes y Transformar, se realizó la estandarización
del conjunto de datos, aplicando comandos para renombrar
las variables, al igual para convertir los registros de las va-
riables a mayúsculas y reemplazar un valor por otro, de esta
manera se eliminó las tildes y se reemplazó la letra “Ñ”, por
la letra “N”.
Una vez estandarizado el conjunto de datos, a través del
software RStudio se procedió a eliminar información incon-
sistente presente en el conjunto de datos estandarizado, esta
información se presentó en relación a la edad de los con-
ductores de los diferentes tipos de vehículos involucrados en
la ocurrencia de los siniestros de tránsito, la eliminación de
esta información se llevó a cabo en base al Art. 125 del Re-
glamento a Ley De Transporte Terrestre Tránsito y Seguridad
Vial, con esto se eliminaron registros controlando que estos
almacenen datos de los participantes que sean conductores
de los tipos de vehículos, ya sean automóviles y camionetas,
que contaban con un servicio particular y de cuenta propia,
que tengan una edad menor a 16 años y además controlando
que para los demás tipos de vehículos involucrados y su tipo
de servicio, diferentes a los antes mencionados, se eliminen
los que cuenten con una edad menor a 18 años, luego de la
aplicación de este control el número de registros se redujo de
16972 a 16940.
Fase IV: Aplicación de técnicas de minería de datos
Para la aplicación de los algoritmos de minería de datos
fueron utilizadas las herramientas SPSS Statistics y Weka,
los algoritmos seleccionados de acuerdo a literatura encon-
trada en los cuales según (Rodriguez Hassiger, 2014) y (Ló-
pez Maldonado, 2013), destacan que las técnicas de minería
de datos más utilizadas en el campo de la seguridad vial ana-
lizando siniestros de tránsito son los Árboles de Decisión, las
Redes Neuronales Artificiales y las Redes Bayesianas.
Es por lo antes mencionado que se aplicaron tres tipos de
algoritmos de árboles de decisión: CHAID, CHAID Exhaus-
tivo y CRT; dos tipos de algoritmos de redes neuronales: Per-
ceptrón multicapa y de Función de Base Radial; y por últi-
mo los algoritmos de Redes Bayesianas: Naive Bayes y Ba-
yesNet, al aplicar dichos algoritmos se configuró la variable
“CLASE_FINAL” como variable objetivo esto en relación al
objeto de estudio del presente trabajo. Mediante esta aplica-
ción se realizó la clasificación del conjunto de datos sobre
siniestros de tránsito registrados en Ecuador en el año 2020.
Fase V: Interpretación y presentación de resultados
En esta fase primero se realizó el análisis de los resulta-
dos obtenidos después de la aplicación de los algoritmos de
minería de datos. El análisis estuvo dado principalmente en-
torno a métricas de rendimiento basadas en la matriz de con-
fusión generada por cada algoritmo estas métricas fueron el
porcentaje global de instancias clasificadas correctamente y
el porcentaje de precisión global especificado para cada ca-
tegoría de la variable objetivo.
De acuerdo al análisis entorno a las métricas de rendimien-
to antes mencionadas, se identificó a los mejores algoritmos
126
MINERÍA DE DATOS PARA DETERMINAR LOS FACTORES MÁS INFLUYENTES TORRES-QUEZADA
para determinar los factores más influyentes para que ocu-
rran siniestros de tránsito en Ecuador en el año 2020, dichos
algoritmos se muestran ordenados de manera descendente en
la Figura 2.
Fig. 2: Mejores resultados de clasificación correcta y precisión de
acuerdo a cada algoritmo
El algoritmo de árbol de decisión CHAID Exhaustivo con
un 58,38% y 44,60% de clasificación correcta y precisión
respectivamente fue seleccionado como el de mejor rendi-
miento para la presentación de los resultados de la minería
de datos aplicada. El árbol generado cuenta con una profun-
didad máxima de 5 nodos, con 216 nodos de los cuales 148
son nodos terminales. Se visualiza parte del árbol obtenido
en la Figura 3.
Fig. 3: Árbol obtenido con el algoritmo CHAID Exhaustivo.
A través del árbol de decisión generado del algoritmo
CHAID Exhaustivo se presenta el conjunto de reglas de aso-
ciación de patrones obtenida, estas interpretadas mediante la
utilización de gráficos en los cuales se muestra el contexto de
la ocurrencia de las diferentes clases de siniestros de tránsito
en Ecuador, mostrados a continuación:
La Figura 4 muestra que la principal causa probable para
que ocurran siniestros de tránsito de clase choque lateral es
en la que el conductor no respeta las señales reglamentarias
de tránsito (pare, ceda el paso, luz roja del semáforo, etc.),
con una probabilidad del 87,00%, esta probabilidad aumenta
a un 96,40% al darse el siniestro en una zona urbana y al
final la probabilidad incrementa al 97,30% si este siniestro
ocurre en la provincia de Guayas, Loja, Morona Santiago o
Napo.
Fig. 4: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Choque Lateral
Tal como se muestra en la Figura 5, el número de siniestros
de tránsito registrados referentes a la clase estrellamientos es
de 2137 que corresponde al 12,60% del total de registros,
la causa probable más usual para que ocurra esta clase de
siniestros de tránsito es debido a que el vehículo involucrado
presenta una falla mecánica en los sistemas y/o neumáticos
(sistema de frenos, dirección, electrónico o mecánico), con
una probabilidad de ocurrencia del 51,40%.
Fig. 5: Principal variable involucrada en la ocurrencia del siniestro
de tránsito de clase Estrellamientos
La principal causa probable para que ocurran siniestros de
tránsito de clase atropellos es debido a que el peatón no tran-
sita por las aceras o zonas de seguridad destinadas para el
efecto, con una probabilidad de ocurrencia del 92,40%, esto
se muestra en la Figura 6.
Fig. 6: Principal variable involucrada en la ocurrencia del siniestro
de tránsito de clase Estrellamientos
Como se muestra en la Figura 7, la principal causa pro-
bable para que ocurran siniestros de tránsito de clase choque
posterior es debido a que el conductor no mantiene la distan-
cia prudencial con respecto al vehículo que le antecede, con
una probabilidad del 68,20% de ocurrencia y además si el
tipo de vehículo involucrado sea una motocicleta o bicicleta
la probabilidad de ocurrencia aumenta a un 77,20%.
En la Figura 8 se muestra que para que ocurran siniestros
de tránsito de clase arrollamientos, la causa probable más ha-
bitual es conducir desatento a las condiciones de tránsito (ce-
lular, pantallas de video, comida, maquillaje o cualquier otro
127
e-ISSN: 1390-5902
CEDAMAZ, Vol. 11, No. 02, pp. 124–132, julio–diciembre 2021
DOI: 10.54753/cedamaz.v11i2.1181
Fig. 7: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Choque Posterior
elemento distractor), con una probabilidad de ocurrencia del
20,50%, además a que estos siniestros ocurran en la provin-
cia de pichincha con una probabilidad del 42,20%, y que tipo
de vehículo involucrado ya sea automóvil y especial con una
probabilidad del 59,00% de ocurrencia y finalmente se de en
una zona urbana con un 67,70% de probabilidad de ocurren-
cia.
Fig. 8: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Arrollamientos
Para que ocurran siniestros de tránsito de clase pérdida
de carril, de acuerdo a la Figura 9, se obtuvo que la prin-
cipal causa probable de ocurrencia es debido a la presencia
de agentes externos en la vía (agua, aceite, piedra, lastre, es-
combros, maderos, etc.), con una probabilidad del 44,40%
y además que la condición del involucrado sea de lesionado
con una probabilidad del 66,00%.
Fig. 9: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Choque Lateral
En la mayoría de siniestros de tránsito de clase choque
frontal como se muestra en la Figura 10, la principal causa
probable fue el conducir en sentido contrario a la vía normal
de circulación, con un 88,30% de probabilidad de ocurren-
cia y esta probabilidad aumenta al 95,20% debido a que este
ocurre en las provincias de Santa Elena, Loja, Morona San-
tiago, Pastaza o Cañar.
De acuerdo a la Figura 11, la principal causa probable para
que ocurran siniestros de tránsito de clase rozamientos es de-
bido a que el conductor no guarda la distancia lateral mínima
Fig. 10: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Choque Frontal
de seguridad entre vehículos y no respeta las señales manua-
les del agente de tránsito, con una probabilidad del 76,00%
de ocurrencia, además a que estos siniestros ocurran en la
provincia de Guayas o Santa Elena con un 95,70% de proba-
bilidad de ocurrencia y que finalmente se den en los periodos
de tiempo de las horas mostradas en la Tabla 2 con una pro-
babilidad del 100% de ocurrencia.
Fig. 11: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Rozamientos
Tabla 2: Horas de ocurrencia del siniestro de tránsito Rozamientos
Hora
00:00:00 A 00:59:00 AM
03:00:00 A 03:59:00 AM
06:00:00 A 06:59:00 AM
07:00:00 A 07:59:00 AM
08:00:00 A 08:59:00 AM
10:00:00 A 10:59:00 AM
11:00:00 A 11:59:00 AM
12:00:00 A 12:59:00 PM
17:00:00 A 17:59:00 PM
18:00:00 A 18:59:00 PM
21:00:00 A 21:59:00 PM
22:00:00 A 22:59:00 PM
En la Figura 12 se muestra que, la principal causa probable
para que ocurran otras clases de siniestros de tránsito se da
por un caso fortuito o fuerza mayor (explosión de neumático
nuevo, derrumbe, inundación, caída de puente, árbol, presen-
cia intempestiva e imprevista de semovientes en la vía, etc.),
con una probabilidad de ocurrencia del 43,20%.
De acuerdo a lo expuesto en la Figura 13, la principal cau-
sa probable para que ocurran los siniestros de tránsito de cla-
se caída de pasajero está determinada en su mayoría debido a
que los pasajeros se bajan o suben de vehículos en movimien-
to sin tomar las precauciones debidas, con una probabilidad
del 93,80% y además que estos ocurran en los periodos de
128
MINERÍA DE DATOS PARA DETERMINAR LOS FACTORES MÁS INFLUYENTES TORRES-QUEZADA
Fig. 12: Principal variable involucrada en la ocurrencia del
siniestro de tránsito de clase Otros
tiempo de las horas mostradas en la Tabla 3 con una proba-
bilidad del 100% de ocurrencia.
Fig. 13: Principales variables involucradas en la ocurrencia del
siniestro de tránsito de clase Caída de Pasajero
Tabla 3: Horas de ocurrencia del siniestro de tránsito Caída de
Pasajero
Hora
00:00:00 A 00:59:00 AM
01:00:00 A 01:59:00 AM
02:00:00 A 02:59:00 AM
03:00:00 A 03:59:00 AM
04:00:00 A 04:59:00 AM
05:00:00 A 05:59:00 AM
08:00:00 A 08:59:00 AM
10:00:00 A 10:59:00 AM
11:00:00 A 11:59:00 AM
17:00:00 A 17:59:00 PM
18:00:00 A 18:59:00 PM
22:00:00 A 22:59:00 PM
Según los gráficos presentados anteriormente se identifi-
ca que la variable más influyente para que ocurran siniestros
de tránsito es la “CAUSA PROBABLE”, es por esto que se
realiza el análisis de las mismas, tomando en cuenta la in-
formación proporcionada por la ANT, entidad que lleva las
estadísticas de accidentes y siniestralidad vial en Ecuador, la
cual ha categorizada para el año 2020 las causas probables
de los siniestros de tránsito tal como se muestra en la Tabla
4.
La causa probable con mayor probabilidad de ocurrencia
con un 95,20% es la de conducir en sentido contrario a la vía
normal de circulación, provocando el siniestro de tránsito de
clase choque frontal, mientras que conducir desatento a las
condiciones de tránsito (celular, pantallas de video, comida,
maquillaje o cualquier otro elemento distractor), es la causa
probable con menor probabilidad de ocurrencia con un total
Tabla 4: Causas Probables de siniestros de tránsito en el Ecuador
N° Cód. Causa probable
Prob.
de
Ocu.
1 CP01
Caso fortuito o fuerza mayor
(explosión de neumático nuevo,
derrumbe, inundación,caída de
puente, árbol,presencia
intempestiva e imprevista
de semovientesen la vía, etc.).
43,20%
2 CP02
Presencia de agentes externos
en la vía (agua, aceite,
piedra, lastre, escombros,
maderos, etc.).
44,40%
3 CP05
Falla mecánica en los sistemas y/o
neumáticos(sistema de frenos,
dirección, electrónico
o mecánico).
51,40%
4 CP11
No mantener la distancia
prudencial con respecto
al vehículo que le antecede.
69,20%
5 CP12
No guardar la distancia lateral
mínima de seguridad
entre vehículos.
76,00%
6 CP13
Conducir desatento a las
condiciones de tránsito
(celular, pantallas de video,
comida, maquillaje o cualquier
otro elemento distractor).
20,50%
7 CP15
No transitar por las aceras o
zonas de seguridad
destinadas para el efecto.
92,40%
8 CP16
Bajarse o subirse de vehículos
en movimiento sin tomar
las precauciones debida.
93,80%
9 CP17
Conducir en sentido contrario
a la vía normal de circulación.
95,20%
10 CP22
No respetar las señales
reglamentarias
de tránsito. (pare, ceda el paso,
luz roja del semáforo, etc).
87,00%
11 CP23
No respetar las señales manuales
del agente de tránsito.
76,00%
del 20,50% provocando en su mayoría siniestros de tránsito
de clase arrollamientos, esto mostrado en la Figura 14.
Para cumplir con el objeto de estudio las causas probables
mostradas en la Figura 14, se las categorizó en tres factores
que son: Factor Humano, Factor Vehículo y Factor Entorno,
tomando como referencia los trabajos realizados por (Cons-
tante Tipán, 2017), (Calle Reinoso Sarabia Paucay, 2020) y
(Román Matamoros, 2015); esto con la finalidad y el afán de
llegar a las causas probables más concretas, especificando el
factor relacionado por el cual se producen o se ocasionan los
siniestros de tránsito, para al final poder determinar cuáles
son los factores más influyentes en la ocurrencia de siniestros
de tránsito en Ecuador, quedando la categorización como se
muestra en la Figura 15.
Como muestra la Figura 15, al categorizar las once causas
129
e-ISSN: 1390-5902
CEDAMAZ, Vol. 11, No. 02, pp. 124–132, julio–diciembre 2021
DOI: 10.54753/cedamaz.v11i2.1181
Fig. 14: Resultados de las probabilidades de ocurrencia de las
causas probables cada clase de siniestro de tránsito
Fig. 15: Categorización en factores a las causas probables de los
siniestros de tránsito
probables mostradas en la Figura 14, cinco de estas causas
fueron categorizadas dentro del Factor Humano, una causa
probable fue asignada al Factor Vehículo y por último cuatro
causas categorizadas en el Factor Entorno.
Es así que a partir de esta diferenciación de las causas pro-
bables de los siniestros de tránsito en Ecuador, se analiza
las cifras del año 2020, estas obtenidas del conjunto de re-
glas generadas a partir de la aplicación del algoritmo CHAID
Exhaustivo, de tal forma que se realizó la ponderación de las
probabilidades de ocurrencia de cada una de la causas proba-
bles correspondientes a los tres tipos de factores establecidos
en la ocurrencia de las diferentes clases de siniestros de trán-
sito, esto mostrado en la Figura 16.
Fig. 16: Resultados de las probabilidades de ocurrencia en relación
a los tipos de factores
La Figura 16 muestra el contexto en el cual se determina
la probabilidad de ocurrencia para cada tipo de factor esta-
blecido, involucrando en el Factor Humano a cinco clases de
siniestros, para el Factor Entorno cuatro clases de siniestros
y finalmente una clase de siniestro para el Factor Vehículo,
acotando que, cada una de estas clases presenta la causa prin-
cipal por la cual ocurre cada siniestro y además el porcenta-
je de probabilidad de ocurrencia para cada una de estas, los
cuales sirvieron para ponderar el porcentaje global de proba-
bilidad de ocurrencia para su respectivo tipo de factor.
Fig. 17: Factores influyentes para la ocurrencia de siniestros de
tránsito en Ecuador
En la Figura 17 se muestra que los factores más influyentes
para la ocurrencia de siniestros de tránsito en Ecuador en el
año 2020 son los Factores Humanos con una probabilidad de
ocurrencia del 69,64%, esto seguido del Factor Entorno con
una probabilidad del 68,45% y por último el Factor Vehículo
con un total del 51,40% de probabilidad de ocurrencia.
Finalmente, en el siguiente hipervínculo se comparte el
conjunto de datos referente a los siniestros de tránsito ocu-
rridos en Ecuador en el año 2020 y el tratamiento de los mis-
mos con respecto a la ejecución de la metodología KDD para
el cumplimiento del objetivo del presente trabajo.
DISCUSIÓN
Para el cumplimiento de la primera fase de la metodolo-
gía KDD, se generó un protocolo de búsqueda para identi-
ficar las bases de datos, esto a través del establecimiento de
lineamientos relacionados para obtener información relevan-
te sobre siniestros de tránsito en Ecuador en el año 2020.
Este protocolo permitió una búsqueda sistemática de la in-
formación, priorizando las bases de datos a utilizar en cada
momento, dando como resultado la obtención de una base
de datos consolidada con información confiable, precisa y
actualizada que permitió el cumplimiento del objeto de estu-
dio. Por el contrario, el estudio realizado por (Pumares, 2019)
ejecutó la integración de múltiples fuentes de datos separa-
das, a través del establecimiento de un proceso que lea los
datos de dichas diferentes fuentes, los limpie y los adecue
a la estructura que tiene el data warehouse para su almace-
namiento, este tipo de proceso fue llevado a cabo mediante
un sistema conocido como sistema ETL .Por tanto, se resalta
que la generación de un protocolo de búsqueda se conside-
ra una contribución muy importante por parte del presente
artículo.
La fase de depuración de la base de datos obtenida se reali-
zó con el objetivo de filtrar aquellos datos que no fueron rele-
130
MINERÍA DE DATOS PARA DETERMINAR LOS FACTORES MÁS INFLUYENTES TORRES-QUEZADA
vantes para el análisis posterior, inicialmente se filtraron atri-
butos mediante el análisis de las variables, como resultado
fueron seleccionadas trece variables relevantes, de igual ma-
nera se realizó un filtrado de registros con el fin de eliminar
registros almacenados que afectan al proceso de descubri-
miento del conocimiento. En el trabajo relacionado realizado
por (Gomes Barcellos, 2020), ejecutan un proceso similar
al aplicado en el presente artículo con respecto a la depura-
ción del conjunto de datos utilizado, en el cual realizan un
análisis para seleccionar los atributos relacionados a las prin-
cipales causas de los accidentes, esto con el fin de identificar
patrones en la ocurrencia de siniestros de tránsito.
En la fase de minería de datos se aplicó los algoritmos
de árboles de decisión CHAID, CHAID Exhaustivo y CRT;
redes neuronales Perceptrón Multicapa y de Base de Fun-
ción Radial; y redes bayesianas Naive Bayes y BayesNet,
mediante las herramientas SPSS Statistics y Weka; si bien
actualmente existen muchos algoritmos de minería de datos,
se optó por los antes mencionados debido a la literatura en-
contrada en la que mencionan que los algoritmos más utiliza-
das en el campo de la seguridad vial, analizando siniestros de
tránsito son los Árboles de Decisión, las Redes Neuronales y
las Redes Bayesianas.
En los trabajos relacionados realizados por Atnafu Kaur
(2017), Ospina-Mateus Quintana Jiménez (2019), Yuan et
al. (2017), Makkar et al. (2017), Almamlook et al. (2019),
se realiza una aplicación de los algoritmos antes menciona-
dos bastante similar mediante Weka, R y Rapid Miner, pero
no todos aplican específicamente las variantes de árboles de
decisión como CHAID, CHAID Exhaustivo o CRT, en unos
trabajos aplican el algoritmo Random Forest y en otros el al-
goritmo J 48 y C4.5.; dentro del desarrollo del presente traba-
jo se debe destacar, que la aplicación de los algoritmos tuvo
el propósito de determinar los factores más influyentes para
la ocurrencia de siniestros de tránsito en Ecuador en el año
2020. Se debe exponer además que la ejecución de los al-
goritmos en las herramientas SPSS Statistics y Weka resulta
más sencilla que al hacerlo en un lenguaje de programación,
debido a que se la puede realizar mediante la interfaz gráfica
que ofrecen estas herramientas.
Con respecto a la fase de interpretación de resultados, pri-
mero se realizó la evaluación de cuales fueron los algoritmos
con mejores resultados, para que a través del mejor se presen-
ten los mismos de manera simplificada y comprensibles, re-
saltando que realmente pocos son los estudios que muestran
de manera detallada la etapa de evaluación de los algoritmos
de minería de datos aplicados. Es por ello, que en el presente
artículo se realizó el proceso de evaluación mediante la com-
paración de las métricas de rendimiento, esta métricas fueron
el porcentaje global de instancias clasificadas correctamente
y el porcentaje de precisión global especificado para cada ca-
tegoría de la variable objetivo, se eligió este proceso por que
a través de este se compararon todos los algoritmos aplica-
dos, mediante la utilización de tablas y gráficos que muestran
los porcentajes de rendimiento para cada uno de ellos, con el
fin de elegir el mejor algoritmo.
Los resultados plasmados mediante los gráficos presenta-
dos fueron realizados en base al algoritmo CHAID Exhaus-
tivo, considerando que este obtuvo los porcentajes más altos,
específicamente 58,38% de clasificación correcta y 44,60%
de precisión. El trabajo relacionado de AlKheder et al.
(2020), realiza el mismo proceso de evaluación de los algo-
ritmos aplicados con el fin de decidir que algoritmo fue mejor
en la predicción de las variables independientes, esto ayudó
a entender que algoritmo funcionó con más precisión con los
datos utilizados para la predicción de la muestra para cada
factor, en este estudio el algoritmo de Red Bayesiana tuvo la
mayor precisión, seguido de algoritmo CHAID Exhaustivo,
dejando al final al algoritmo Máquina de Vectores de Apoyo
(SVM ) debido a que tuvo la menor precisión en compara-
ción con los otros algoritmos.
A través del algoritmo CHAID Exhaustivo se determinó
que la causa probable con más probabilidad de ocurrencia
con un 95,20% fue conducir en sentido contrario a la vía nor-
mal de circulación, mientras que la causa probable de condu-
cir desatento a las condiciones de tránsito (celular, pantallas
de video, comida, maquillaje o cualquier otro elemento dis-
tractor) fue la que presentó la menor probabilidad de ocu-
rrencia con un 20,50%, destacando que estas dos causas pro-
bables fueron categorizadas dentro del Factor Humano, por
el contrario, con el estudio de Pumares (2019) el cual pre-
senta a la causa relacionada a conducir con falta de atención
a las condiciones de tránsito, como la que obtuvo un mayor
nivel de soporte y confianza, esto a través de la aplicación
del algoritmo árbol de decisión C4.5. con una precisión del
58,00%.
CONCLUSIONES
Los datos obtenidos sobre siniestros de tránsito en Ecuador
en el año 2020 a través de la página oficial de la ANT fueron
el principal insumo y tuvieron un aporte muy significativo al
desarrollo del presente trabajo, ya que son datos que fueron
recolectados por entes de control gubernamentales de las 24
provincias del país, lo que permitió que la aplicación de la
minería de datos presente resultados satisfactorios referentes
al objeto de estudio.
Comparando los resultados de cada algoritmo de clasifica-
ción, se concluye que el algoritmo con mejores resultados de
rendimiento con respecto a porcentajes de clasificación co-
rrecta de las instancias y de precisión con valores de 58,38%
y 44,60% respectivamente es el árbol de decisión CHAID
Exhaustivo, el cual permitió determinar cuáles fueron los fac-
tores más influyentes para que ocurran siniestros de tránsito
en Ecuador en el año 2020 mostrando el contexto de ocurren-
cia de cada clase de siniestro de tránsito.
La categorización de los tres factores fue realizada en re-
lación a las categorías presentes en la variable “CAUSA-
PROBABLE”, estas fueron diferenciadas de acuerdo al fac-
tor humano, factor vehículo y factor entorno, esto con el pro-
pósito de tratar más concretamente a las causas probables,
para poder cumplir con el objetivo de desarrollar el presente
trabajo.
A través de la aplicación de minería de datos, fue posible
determinar los factores más influyentes para que ocurran si-
niestros de tránsito en Ecuador en el año 2020, dando como
resultado que el factor humano es el factor más influyente
con una probabilidad de ocurrencia del 69,64%, implican-
do a cinco causas probables principales que son: conducir en
sentido contrario a la vía normal de circulación, no respe-
tar las señales reglamentarias de tránsito (pare, ceda el paso,
luz roja del semáforo, etc.), no guardar la distancia lateral
131
e-ISSN: 1390-5902
CEDAMAZ, Vol. 11, No. 02, pp. 124–132, julio–diciembre 2021
DOI: 10.54753/cedamaz.v11i2.1181
mínima de seguridad entre vehículos, no respetar las señales
manuales del agente de tránsito, el no mantener la distancia
prudencial con respecto al vehículo que le antecede y por
último conducir desatento a las condiciones de tránsito (ce-
lular, pantallas de video, comida, maquillaje o cualquier otro
elemento distractor).
AGRADECIMIENTOS
A la Universidad Nacional de Loja y a los distinguidos
docentes de la Carrera de Ingeniería en Sistemas por los co-
nocimientos brindados y de manera especial al Ing. Oscar
Cumbicus Pineda, por su guía durante esta investigación.
CONTRIBUCIONES DE LOS AUTORES
Conceptualización, YTQ; metodología, YTQ; análisis for-
mal, YTQ; investigación, YTQ; recursos, YTQ; curación de
datos, YTQ; redacción — preparación del borrador original,
YTQ; redacción — revisión y edición, YTQ. Todos los auto-
res han leído y aceptado la versión publicada del manuscrito.
Yulissa Torres-Quezada: YTQ.
FINANCIAMIENTO
El presente estudio tuvo un financiamiento de procedencia
propia por parte del autor.
REFERENCIAS
Aftab, U., y Siddiqui, G. F. (2018). Big Data Augmen-
tation with Data Warehouse: A Survey. 2018 IEEE Inter-
national Conference on Big Data (Big Data), 2785–2794.
https://doi.org/10.1109 / BigData.2018.8622206
AlKheder, S., AlRukaibi, F., y Aiash, A. (2020). Risk
analysis of traffic accidents’ severities: An application of
three data mining models. ISA Transactions, 106, 213–220.
https://doi.org/10.1016/j.isatra.2020.06.018
Almamlook, R. E., Kwayu, K. M., Alkasisbeh, M. R.,
y Frefer, A. A. (2019). Comparison of machine learning
algorithms for predicting traffic accident severity. 2019
IEEE Jordan International Joint Conference on Electrical
Engineering and Information Technology, JEEIT 2019 -
Proceedings, 272–276.
ANT. (2020a). Reporte Nacional de Siniestros de Tránsito.
ANT. (2020b). Siniestros de Tránsito.
Atnafu, B., y Kaur, G. (2017). Analysis and Predict the
Nature of Road Traffic Accident Using Data Mining Techni-
ques in Maharashtra, India. Gagandeep Kaur International
Journal of Engineering Technology Science and Research
IJETSR Www.Ijetsr.Com ISSN, 4(1), 2394–3386.
Calle Reinoso, E. F., Sarabia Paucay, L. T. (2020).
Desarrollo de una base de datos para evaluar la percepcion
de la seguridad vial en Ecuador. Universidad Politecnica
Salesiana.
Constante Tipán, N. V. (2017). Accidentes de Tránsito
producidos por Imprudencia y Negligencia de Conductores
y Peatones en la Avenida Simón Bolívar del DMQ, Año
2016. UNIVERSIDAD CENTRAL DEL ECUADOR.
Gomes, R., Barcellos, S. (2020). Brazilian federal roads:
identifying patterns in traffic accidents using data mining
techniques with apriori algorithm. December..
IBM. (2021). SPSS Software | IBM.
https://www.ibm.com/analytics/spss-statistics-software
INEC, T. (2020). Anuario de Estadísticas de Transporte
2019.
López Maldonado, G. (2013). Análisis de la severidad de
los accidentes de tráfico utilizando Técnicas de Minería de
Datos. Universidad de Granada.
Makkar, A., Gill, H. S., Scholar, M. T., y Science, C.
(2017). A Radical Approach to Forecast the Road Accident
Using Data Mining Technique. 2(8).
Organización Mundial de la Salud. (2018). Informe sobre
la situación mundial de la seguridad vial 2018.
Ospina-Mateus, H., y Quintana Jiménez, L. A. (2019).
Predicción de accidentes viales en Cartagena, Colombia,
con árboles de decisión y reglas de asociación. Economía
Región, 13(2), 83–115.
Pumares, A. (2019). Minería de datos en el análisis de
causas de accidentes de tránsito en el Ecuador. Universidad
Tecnológica Israel.
Rodriguez Hassiger, M. M. (2014). Aplicacion de tecnicas
de mineria de datos en accidentes de trafico. Universidad
Politecnica de Valencia.
Roman Matamoros, D. X. (2015). Integracion de un pro-
grama de seguridad vial al modelo Ecuador [Universidad San
Francisco de Quito-Ecuador, Universidad de Huelva-Espana]
Yuan, Z., Zhou, X., Yang, T., Tamerius, J., y Mantilla, R.
(2017). Predicting Traffic Accidents Through Heterogeneous
Urban Data: A Case Study. Urban Computing, 1–9.
132
