Mostrar el registro sencillo del ítem

Artificial neural networks applied in prediction systems for road safety

Redes neuronales artificiales aplicadas en sistemas de predicción para la seguridad vial

dc.creatorCarpio, Karina Patricia
dc.creatorOñate- Valdivieso, Fernando
dc.date2020-12-13
dc.date.accessioned2022-05-25T14:01:33Z
dc.date.available2022-05-25T14:01:33Z
dc.identifierhttps://revistas.unilibre.edu.co/index.php/avances/article/view/6632
dc.identifier10.18041/1794-4953/avances.2.6632
dc.identifier.urihttp://test.repositoriodigital.com:8080/handle/123456789/36197
dc.descriptionArtificial neural networks (ANN) are applied in this research for the analysis of variables that could influence the occurrence of traffic accidents on mountain roads. The model was developed through Artificial Neural Networks (RNA), and its efficiency was evaluated for the prediction of traffic accidents considering variables as radio of curvature and track slopes. RNA performance was evaluated by applying the Nash-Sutcliffe efficiency and the mean quadratic mistake. The results of the research showed a low performance of the RNA in the prediction of accidents according to the selected variables, which suggests that accidents do not appear to be due to track geometry, but to other elements such as speeding or driver’s sleight of hand. However, the research provides several alternatives for modeling the Network to achieve a more accurate prediction.en-US
dc.descriptionEn esta investigación se aplican redes neuronales artificiales para el análisis de variables que podrían tener influencia en la ocurrencia de accidentes de tránsito en carreteras de montaña. El modelo se desarrolló utilizando Redes Neuronales Artificiales (RNA) y se evaluó su eficiencia para la predicción de accidentes de tránsito considerando variables como radios de curvatura y pendientes de la vía.  El desempeño de las Redes Neuronales Artificiales se evaluó aplicando la eficiencia de Nash- Sutcliffe y en el error cuadrático medio.  Los resultados de la investigación mostraron un bajo desempeño de las Redes Neuronales Artificiales  en el pronóstico de accidentes en función de las variables seleccionadas, lo que sugiere que los accidentes aparentemente no se deben a la geometría de la vía, o topografía, geografía del terreno, sino a otros elementos tales como  el exceso de velocidad o la impericia del conductor. Sin embargo, la investigación muestra varias alternativas de modelamientos de la Red para intentar tener una mejor predicción.es-ES
dc.formatapplication/pdf
dc.formattext/xml
dc.formattext/html
dc.formatapplication/epub+zip
dc.languagespa
dc.publisherUniversidad Librees-ES
dc.relationhttps://revistas.unilibre.edu.co/index.php/avances/article/view/6632/6225
dc.relationhttps://revistas.unilibre.edu.co/index.php/avances/article/view/6632/6308
dc.relationhttps://revistas.unilibre.edu.co/index.php/avances/article/view/6632/6309
dc.relationhttps://revistas.unilibre.edu.co/index.php/avances/article/view/6632/6310
dc.rightsDerechos de autor 2020 Avances: Investigación en Ingenieríaes-ES
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0es-ES
dc.sourceAvances: Investigación en Ingeniería; Vol. 17 No. 2 (2020): Preprinten-US
dc.sourceAvances Investigación en Ingeniería; Vol. 17 Núm. 2 (2020): Especial Carreteras de montañaes-ES
dc.source2619-6581
dc.source1794-4953
dc.source10.18041/avances.v17i2
dc.subjectredes neuronales artificiales, accidentes de tránsito, predicción, elementos viales.es-ES
dc.subjectartificial neural networks, traffic accidents, prediction, road elements.en-US
dc.titleArtificial neural networks applied in prediction systems for road safetyen-US
dc.titleRedes neuronales artificiales aplicadas en sistemas de predicción para la seguridad viales-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typePeer reviewed Articleen-US


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • 4 [280]

Mostrar el registro sencillo del ítem