RT Generic
T1 Análisis de la gravedad de los accidentes en Reino Unido entre 2005 y 2014
A1 Gayo Rodríguez, Sara
AB Este Trabajo de Fin de Grado estudia los factores que influyen en la gravedad de los accidentes de tráfico en el Reino Unido (2005–2014) usando las bases de datos Accidents, Vehicles y Casualties para crear un conjunto de datos con información sobre las personas implicadas en el accidente, los vehículos y las condiciones y el entorno del accidente. Se seleccionaron 32 variables tras limpiar y agrupar datos, definiendo como variables a predecir Accident_Severity (leve, moderado, grave) y Accident_Severity_Score (suma ponderada). El análisis descriptivo univariante mostró que el 85.2% de los siniestros fueron leves, los conductores tenían una edad media cercana a 40 años y predominaban los vehículos de 5–10 años de antigüedad, entre otros. En el estudio bivariante se hallaron fuertes vínculos entre las características de los accidentados y el grado de severidad, así como entre las variables sobre la edad. Con clústeres k-medias (k=5, 7) se agruparon los accidentes según sus características, formando grupos de accidentes similares. Para predecir la gravedad se usaron regresión logística ordinal y árboles de clasificación para Accident_Severity, y regresión lineal y árboles de regresión para Accident_Severity_Score, identificando que edades avanzadas en los accidentados, las condiciones lumínicas y meteorológicas y la velocidad de la vía, entre otros, son algunos de los factores más influyentes. En conclusión, los factores humanos (edad y número de implicados) pesan más que los del entorno, aunque la combinación de ambos mejora las predicciones y puede guiar campañas de prevención centradas en motoristas, personas mayores y zonas con velocidad limitada a 15 mph, donde el riesgo de accidentes graves es mayor.
AB Abstract:This project studies the factors that influence the severity of traffic accidents in the United Kingdom (2005–2014) using the databases Accidents, Vehicles, and Casualties to create a dataset containing information about the people involved in the accident, the vehicles, and the conditions and environment of the accident. Thirty-two variables were selected after cleaning and grouping data, defining as target variables Accident_Severity (slight, serious, fatal) and Accident_Severity_Score (weighted sum). The univariate descriptive analysis showed that 85.2% of incidents were slight, drivers had an average age close to 40 years, and vehicles aged 5–10 years predominated, among other findings. In the bivariate study, strong links were found between the characteristics of the accident victims and the degree of severity, as well as among age-related variables. With k-means clustering (k = 5, 7), accidents were grouped according to their characteristics, forming clusters of similar accidents. To predict severity, ordinal logistic regression and classification trees were used for Accident_Severity, and linear regression and regression trees wereused for Accident_Severity_Score, identifying that advanced ages of the accident victims, lighting and weather conditions, and road speed, among others, are some of the most influential factors. In conclusion, human factors (age and number of people involved) weigh more than environmental factors, although the combination of both improves predictions and can guide prevention campaigns focused on motorcyclists, older people, and areas with a speed limit of 15 mph, where the risk of severe accidents is higher.
YR 2025
FD 2025-06
LK https://hdl.handle.net/20.500.14352/125060
UL https://hdl.handle.net/20.500.14352/125060
LA spa
DS Docta Complutense
RD 30 dic 2025