Implementación y Análisis de Modelos PHYD (Pay How You Drive) Utilizando Telemática y Machine Learning para la Reducción de Accidentes de Tráfico en España

Abstract

Este Trabajo de Fin de Grado investiga la implementación e impacto de los modelos PHYD (Pay How You Drive) en los accidentes de tráfico en España, con el objetivo de analizar los datos de accidentes para entender las variables que influyen en las fatalidades y lesiones, y proponer medidas preventivas para reducir las tasas de accidentes. Utilizando un enfoque deductivo que combina métodos cuantitativos y cualitativos, se recopilaron datos de la Dirección General de Tráfico (DGT) de 2017 a 2022, incluyendo registros detallados de accidentes, información de vehículos y datos demográficos de los conductores.

La limpieza de datos implicó eliminar duplicados, corregir inconsistencias y asegurar un formato correcto de los datos numéricos. Posteriormente, los datos limpios se visualizaron utilizando Power BI y Python para identificar patrones y tendencias en las tasas de accidentes. El análisis se centró en la siniestralidad en España y las características de los vehículos involucrados en accidentes. Se utilizaron mapas de calor y otras herramientas visuales para resaltar las distribuciones geográficas y demográficas de los accidentes, revelando áreas críticas y poblaciones en mayor riesgo.

Se desarrollaron varios modelos de aprendizaje automático, incluyendo Random Forest, Redes Neuronales Artificiales (ANN) y Regresión Lasso, para predecir el número de fallecidos y heridos en accidentes de tráfico. Estos modelos fueron evaluados utilizando métricas como el Error Cuadrático Medio (MSE) y el coeficiente de determinación (R^2), identificando factores significativos que contribuyen a las lesiones y fatalidades en los accidentes de tráfico.

La investigación subraya el potencial del aprendizaje automático para mejorar la seguridad vial y reducir fatalidades, permitiendo desarrollar intervenciones específicas. Aprovechando datos detallados de accidentes y análisis predictivos, se pueden implementar medidas para reducir las fatalidades de tráfico y mejorar la seguridad vial en general.

This Final Degree Project investigates the implementation and impact of PHYD (Pay How You Drive) models on traffic accidents in Spain. The main objective is to analyse traffic accident data to understand the variables influencing fatalities and injuries and to propose preventive measures to reduce accident rates. The study adopts a deductive approach, combining quantitative and qualitative methods. Quantitative data on traffic accidents, vehicle information, and injuries were collected from the DGT (Dirección General de Tráfico) for the period from 2017 to 2022. These datasets were cleaned and prepared for analysis using statistical techniques and machine learning models. The datasets include detailed records of traffic accidents, vehicle registrations, and demographic information about drivers. Data cleaning involved removing duplicates, correcting inconsistencies, and ensuring numerical data were properly formatted. The data was then visualized using Power BI and Python to identify patterns and trends. The analysis focused on the sinistrality in Spain and the characteristics of vehicles involved in accidents. Heat maps and other visual tools were used to highlight geographic and demographic distributions of accidents, revealing critical areas and populations at higher risk. Several machine learning models were developed to predict the number of fatalities and injuries in traffic accidents. The models included Random Forest, ANN (Artificial Neural Networks), and Lasso Regression. These models were evaluated using metrics such as Mean Squared Error (MSE) and the coefficient of determination (R²). The models identified significant factors contributing to injuries and fatalities in traffic accidents. This research highlights the potential of machine learning to improve road safety and reduce fatalities in traffic accidents. By leveraging detailed accident data and predictive analytics, stakeholders can develop targeted interventions to reduce traffic fatalities and improve overall road safety.