Abstract
En la actualidad, los accidentes de tráfico representan una cuestión de elevado impacto
individual y generan una gran preocupación social. La seguridad vial, cuyo objetivo
primordial es conocer en profundidad los factores que causan los accidentes de tráfico
con el fin de prevenirlos, es uno de los desafíos más intrincados de las sociedades
modernas.
Los profesionales de la seguridad vial tratan de estimar el riesgo relativo de los
accidentes de tráfico, entendiendo como riesgo todo aquel elemento, condición, acción
humana o circunstancia que aumente la probabilidad de sufrir un accidente. Para
determinar dicho riesgo es necesario, pero no suficiente dada su complejidad, introducir
el concepto de exposición.
El método de la exposición cuasi inducida supone que los conductores responsables no
seleccionan a sus víctimas (conductores no responsables), sino que estas son elegidas
aleatoriamente; y además estos últimos juegan un papel pasivo en el accidente. Por
ello, la asignación de responsabilidad de los conductores es una de las tareas más
críticas de los investigadores de accidentes de tráfico.
El objetivo del presente trabajo de fin de grado es facilitar el proceso de asignación de
responsabilidad de los conductores implicados en accidentes de tráfico mediante la
aplicación de técnicas de clustering: k-means y Self-organizing maps (SOM). Estas
técnicas están apoyadas en una base de datos de accidentes reales y permiten la
identificación de patrones de accidentabilidad que poseen información implícita,
desconocida a priori, y potencialmente útil para segmentar datos y plantear hipótesis.