Professional Documents
Culture Documents
RESUMEN
291
INTRODUCCIÓN
ASPECTOS CONCEPTUALES
292
Los conceptos de exposición y riesgo no son nuevos en el campo de la investigación
en seguridad vial; su cuantificación como medida de la actividad es útil
independientemente del nivel de agregación (micro o macro) con que se aborda el problema
de seguridad vial. La información sobre accidentes de tránsito se suele analizadar con una
medida resultante de la exposición (Hakkert y Brainmaister, 2002; Sloboda, 2009). Una de
las primeras definiciones de este término se refería a la magnitud de oportunidades de que
un accidente de tránsito ocurra en un área determinada (Chapman, 1973). Dicha magnitud
se conforma, en esencia, por las características de: conductores, vehículos, vías de
comunicación y entorno (urbano y/o económico).
En este orden de ideas, el propósito radica en estimar la medida potencial para que
un accidente de tránsito ocurra (Qin y Ravishanker, 2004); en la práctica, la exposición
puede variar de acuerdo con el modo o el contexto de análisis; por ejemplo, con base en el
tamaño de las localidades urbanas, el nivel de motorización, la estructura de la población, el
nivel socioeconómico. Según Sloboda (2009), cuando se compara la seguridad vial de
diferentes entidades (usuarios de la vía, países, estados), se incluye una medida de
exposición para poner las entidades en la misma escala.
Por su parte, Jiang y Lyles (2010) mencionan que cuantificar el valor de exposición
provee a los investigadores una oportunidad para normalizar las comparaciones entre
diferentes unidades (en nuestro caso, las distintas entidades federativas de México), puesto
que, en cierta medida, representa las circunstancias de tráfico vial donde ocurren los
accidentes. Existe consenso en cuanto a que la medida idónea de exposición es la distancia
recorrida (Bossche, 2005; Sloboda, 2009; Gómez y Aparicio, 2010). Sin embargo, las
carencias de los actuales sistemas de información —México no es la excepción— han
conducido a emplear aproximaciones como el parque de vehículos, la población, la
superficie urbana y la densidad de vías.
Factores de exposición
Motorización
293
Para países como México, el reto consiste en lograr un mayor crecimiento
económico que, a la vez, se conjugue con un mayor desarrollo. Según las estimaciones, el
crecimiento económico se asocia con una mayor demanda de transporte, lo cual se vuelve
patente en el uso de automóviles. Dargay y otros (2007) estiman que para 2030 habrá en el
mundo cerca de dos mil millones de vehículos con un mínimo de cuatro ruedas (incluidos
automóviles, camiones y autobuses). De éstos, cerca del 56% se localizará en los países en
desarrollo; ello implica que, de no tomarse las medidas adecuadas, la situación de
inseguridad vial se agravará. Este factor ilustra la importancia de mantener una visión
integral del problema en su definición y solución.
Población
Diferentes grupos de población tienen diferentes exposiciones al riesgo. Las
poblaciones cambian con el tiempo; por lo tanto, la exposición total de esa población
también se modificará. En los países industrializados, los jóvenes conductores tienen un
mayor riesgo de estar involucrados en accidentes de tránsito. Los cambios demográficos de
los próximos 20 o 30 años, sin embargo, en estos países transformarán a los usuarios de
carretera con más de 65 años de edad en el mayor grupo de quienes harán uso de las vías.
Su vulnerabilidad física los colocará en alto riesgo de lesiones mortales y graves. En
países de bajos ingresos, los jóvenes usuarios de la carretera conforman el grupo
predominante implicado en accidentes de tráfico (Peden et al., 2004; Noland y Quddus,
2004).
Por ahora, el principal grupo de riesgo lo integran los jóvenes. Los trabajos en este
rubro señalan que dentro del rango de edad comprendido entre los 17 y 24 años se observan
mayores consecuencias. El riesgo de este grupo es de entre dos y tres veces mayor al de
cualquier conductor; además, por cada conductor joven que muere, 1.3 personas, ya sean
peatones o acompañantes, fallecen (Clarke et al., 2006; ERSO, 2006c).
Densidad de vías
294
Superficie urbana
ASPECTOS METODOLÓGICOS
Datos utilizados
Los polígonos de áreas urbanas y redes viales urbanas de cada entidad también se
obtuvieron de INEGI (2010), de forma desagregada. Posteriormente, se procesó la
información gráfica (polígono y línea) con la herramienta SIG (ArcView GIS). Se generó
una unión del área de cada ciudad por entidad federativa, para determinar el total de área
urbana en cada estado. En el caso de los kilómetros de red vial, se realizó la asignación
espacial del nombre de la entidad federativa al vector de calle y posteriormente se hizo una
sumatoria de la longitud de vectores de calle por entidad federativa.
295
El número de autos registrados en circulación de cada entidad también se obtuvo de
INEGI (2010). Se tomó el total de carros registrados por entidad, pues el dato por zona
urbana no se tiene.
Una vez obtenidos los datos, el primer paso consistió en relativizar la información.
Con la finalidad de tener parámetros de medida más apegados a la realidad de cada entidad,
al hacer el comparativo de los datos relativizados con los absolutos, se observan cambios
significativos. Se generan relaciones directas (índices) de accidentes que son considerados
relevantes para comparar entidades de diferente peligrosidad (Cal y Mayor, 2007): índice
de accidentes respecto de la población; índice de accidentes respecto del parque vehicular;
y accidentes en relación con la longitud de vectores de calle, área urbana y número de
personas por auto (Reyes, 2007). Véase tabla 1.
296
Tabla 1.
Variables relativizadas
Promedio de Accidentes por cada Accidentes por cada Accidentes por Accidentes por área Razón personas por
Entidad Federativa
Accidentes 100 000 habitantes 10 000 vehículos kilómetro urbano urbana auts.
… … … … … … …
Una vez relativizadas las variables, el paso siguiente es formular una postura
comparativa tanto transversal como vertical de las 32 entidades federativas del país, al
considerar los cinco factores de estudio (población, carros registrados, áreas urbanas, vías
urbanas y grado de marginación). Se utilizó el método de clasificación de Dalenius y
Hodge1, con la finalidad de garantizar que todas las variables tengan la misma estructura de
clasificación (Cadena, citado en Campos, 2009: 210-212). Este método de estratificación
ayuda a obtener una agrupación lo más homogénea posible entre las observaciones de una
base de datos, a la vez que permite construir tantos estratos como se deseen, así como
considera la distribución de los datos y minimiza la varianza.
1
El método de Dalenius y Hodge es una técnica estadística de estratificación univariada que ordena, clasifica
y agrupa un conjunto de datos en rangos, a partir de su estandarización (Campos, 2009: 210).
297
3. Se divide el rango entre 15 intervalos.
4. Se generan los límites de cada rango (límite inferior y superior). Se parte del valor
mínimo del total de observaciones, y se le suma la amplitud del intervalo.
5. Una vez construidos los intervalos, se estiman las frecuencias. Se utiliza una función que
permite obtener los valores por debajo de un valor determinado (en este caso se utilizan los
límites superiores de cada intervalo). Dicha fórmula es =Contar.Si(rango que contiene los
valores del índice;”<=límite superior de cada intervalo”).
6. El paso cinco dará como resultado las frecuencias de las observaciones por debajo sólo
de un límite superior, por lo que se le denominará “frecuencia sin discriminar”. Para
conocer el número de observaciones reales dentro de cada grupo, se crea una nueva
columna llamada “frecuencia discriminada”, donde se resta a partir del segundo valor, el
valor inmediato anterior, y así, se puede conocer el número de casos dentro de cada
intervalo.
7. Se calcula la raíz cuadrada de la columna de frecuencia discriminada.
8. Se realiza la suma acumulada del paso siete, en una nueva columna.
9. El último valor de la columna de sumas acumuladas de las raíces cuadradas de las
frecuencias acumuladas (paso ocho) será dividido entre cinco (que son los estratos
requeridos para el índice). El valor resultante se multiplicará por 2, 3, 4 y 5. Estos valores
se utilizan para encontrar los nuevos grupos. Recurriendo nuevamente a la columna del
paso ocho, se elige el valor que más se le acerque al correspondiente de los cinco nuevos
estratos.
10. Una vez seleccionados los cinco estratos, se establecen nuevos límites inferior y
superior para cada uno de ellos. Los estratos se clasifican con su variable nominal en Muy
bajo, Bajo, Medio, Alto y Muy alto.
Tabla 2.
Estimación de los intervalos para el índice de accidentes de tránsito por kilómetro de calles
urbanas (IATKMU)
Intervalo Suma
Índice de Límite Límite Raíz 5 estratos Grado de
para Frecuencia acumulada
accidentes mínimo máximo Frecuencia cuadrada en Límite Límite accidentes
construir sin de las Estratos
por km de 15 de 15 discriminada de frecuencias mínimo máximo por km
15 discriminar raíces
urbano rangos rangos frecuencias acumuladas urbano
rangos cuadradas
5.01178 0.3341 0.01 0.34 5 5 2.236068 2.236068 3.077145 1 0.01 0.35 Muy bajo
0.35 0.68 11 6 2.449490 4.685558 6.154291 2 0.35 1.01 Bajo
0.69 1.01 14 3 1.732051 6.417609 9.231436 3 1.01 1.35 Medio
1.02 1.35 18 4 2.000000 8.417609 12.308582 4 1.35 2.01 Alto
1.36 1.68 23 5 2.236068 10.653677 15.385727 5 2.01 5.02 Muy Alto
1.69 2.01 26 3 1.732051 12.385727
2.02 2.35 30 4 2.000000 14.385727
2.36 2.68 30 0 0.000000 14.385727
2.69 3.02 31 1 1.000000 15.385727
3.03 3.35 31 0 0.000000 15.385727
3.36 3.69 31 0 0.000000 15.385727
3.70 4.02 31 0 0.000000 15.385727
4.03 4.35 31 0 0.000000 15.385727
4.36 4.69 31 0 0.000000 15.385727
4.70 5.02 31 0 0.000000 15.385727
Fuente: Elaboración propia con base en INEGI (2010) y Campos (2009).
298
Tabla 3.
Resumen de índices de accidentes de tránsito por entidad federativa.
Una vez que se obtuvieron los datos de estratificación para cada variable, se mapeó
la información en ArcGIS; ello permitió identificar el comportamiento y consistencia de los
datos de accidentes de tránsito en zonas urbanas por entidad federativa, así como hacer las
comparaciones y análisis pertinentes.
299
RESULTADOS Y ANÁLISIS
300
Figura 1.
Índice de accidentes de tránsito por entidad federativa (IAT) (2004-2010)
Figura 2.
Índice de marginación por entidad federativa (2010)
301
Tabla 4.
Relación entre accidentes de tránsito, vehículos y población (2004-2008)
Accidentes
Accidentes de tránsito por
Año Población Vehículos registrados Accidentes Razón per/veh de tránsito por
100 000 hab.
10 000 veh.
2004 101 815 788 20 878 438 443 607 7.4 435.7 212.5
2005 103 483 934 22 138 478 452 233 4.7 437.0 204.3
2006 104 409 692 24 907 229 471 272 4.2 451.4 189.2
2007 105 338 769 26 747 197 476 279 3.9 452.1 178.1
2008 106 242 582 29 287 903 466 435 3.6 439.0 159.3
Fuente: Elaboración propia con base en INEGI, Estadísticas de accidentes de tránsito terrestre en zonas
urbanas y suburbanas. Datos del CONAPRA (2010) y CONAPO (2010).
1. El Distrito Federal y el Estado de México son las entidades con mayor parque vehicular
registrado en el país (4 028 300 y 2 529 495, respectivamente). No obstante, el índice de
accidentalidad respecto del parque vehicular es muy bajo. El dato se vuelve más consistente
aún si se considera el índice de marginación (CONAPO, 2010), pues el Distrito Federal
presenta el índice de marginación más bajo del país.
302
automóvil, y mayor probabilidad de sufrir un accidente (Jones, et al., 2008). Sin embargo,
no necesariamente funcionan así las cosas. Las entidades de Chihuahua, Nuevo León y
Colima se ajustan a esta lógica pues, presentan índices de marginación bajo y muy bajo;
Querétaro tiene un índice medio.
Figura 3.
Índice de accidentes de tránsito por autos registrados (IATAR)
303
urbano. De cada 100 habitantes, 99 viven en zonas urbanas para el Distrito Federal; para el
estado de Jalisco, 87 de cada 100; y para el Estado de México, 85 de cada 100. Cabe
recordar que el Estado de México y el Distrito Federal se encuentran en el rango de
accidentalidad muy bajo respecto de su población.
El índice de accidentes por área urbana (IAPTAU) también es consistente con los
índices anteriores. Las entidades de Nuevo León, Chihuahua, Jalisco, Querétaro y Colima
resultan las de accidentalidad muy alta, puesto que registran 7.3, 4.5, 3.8, 3.7 y 3.6
accidentes por kilómetro cuadrado (km²) urbano, respectivamente. Jalisco tiene una de las
áreas urbanas más grandes del país (en cuanto a extensión, ocupa el cuarto lugar a nivel
nacional). Los estados de Querétaro y Colima registran las áreas más pequeñas; ocupan el
lugar 28 y 31 a nivel nacional, respectivamente.
304
Figura 4.
Índice de accidentes de tránsito por población urbana (IAPPU)
Lo anterior se asocia con la aseveración previa según la cual los accidentes tienden a
disminuir al llegar a cierto nivel económico y los actores involucrados prestan más atención
305
al problema generando políticas y programas certeros que tratan de aplicar de manera
rígida; además de otros indicadores, como el manejo con más pericia (OECD/ITF, 2008:
26).
En general, los índices de accidentalidad muy alta (por población, por autos
registrados, por área urbana y por kilómetro urbano) son consistentes para las entidades de
Chihuahua, Nuevo León y Colima. En cuanto a los índices de población urbana y autos
registrados, se suman los estados de Baja California Sur, Querétaro y Campeche. En los
índices de kilómetros de calles urbanas y áreas urbanas, se agregan las entidades de Jalisco,
Quintana Roo y Querétaro.
CONCLUSIONES
En este artículo se desarrolló una serie de índices de accidentes de tránsito donde se
relacionan los datos de accidentes de tránsito con características de las zonas urbanas del
país por entidad federativa (factores de exposición): población, autos registrados en
circulación, áreas urbanas, vías urbanas y grado de marginación. Se emplean herramientas
de análisis espacial combinadas con métodos estadísticos como el método de estratificación
de Dalenius y Hodge; lo que permitió relativizar, jerarquizar y visualizar de forma objetiva
y con certeza la distribución del fenómeno de accidentes de tránsito a nivel nacional para
áreas urbanas.
Aun cuando existen pocas evidencias de trabajos en el ámbito nacional, este nivel
de agregación permite regionalizar, bajo el supuesto de que el fenómeno de la
accidentalidad no se distribuye al azar, sino que hay zonas de mayor riesgo relacionadas
con el nivel de crecimiento de cada entidad. Los resultados son satisfactorios y dan cuenta,
desde una perspectiva nacional, de consistencias con otros estudiosos del tema (Regidor, et
al., 2002; Jones, et al., 2008; Noland y Quddus, 2004; y Reyes, 2007).
306
Un avance en estos estudios sería cambiar el nivel de resolución hacia las áreas
urbana con lo cual podría ser correlacionado con otros factores (uso de suelo, actividad
económica, ingresos, características de vialidades, etc.) y ampliar hacia otros tipos de
accidentes (atropellamientos, choques) y diferentes desenlaces (fatal, lesiones severas,
lesiones leves) aspecto que ayudarán a ampliar las posibilidades explicativas.
BIBLIOGRAFÍA
BOSSCHE, G. 2005. The role of exposure in the analysis of road accidents: A Belgian
Case-study. Transportation Research Insitute. Diepenbeek, Belgium: Limburgs Universitair
Centru [http://www.steunpuntmowverkeersveiligheid.be/modules/press/store/88.pdf: 12 de
septiembre, 2012].
CLARKE, D. et al. 2006. Young driver accidents in UK: the influence of age, experience,
and time of day. Accident Analysis and Prevention, 38(5):871-878.
DARGAY, J., GATELY; M. SOMMER, 2007. Vehicle ownership and income growth,
worldwide: 1960-2030.
[http://www.econ.nyu.edu/dept/courses/gately/DGS_Vehicle%20Ownership_2007: 1 de
octubre de 2012]
307
HAKKERT, A.S.; BRAINMAISTER, L. 2002. The uses of exposure and risk road safety
studies.
[http://www.swov.nl/rapport/R-2002-12.PDF: 18 de septiembre de 2012].
JIANG, X.; LYLES, R.W. 2010. A review of the validity of the underlying assumptions of
quasi-induced exposure. Accident Analysis and Prevention. 42:1352-1358.
JONES, A.P. et al. 2008. Geographical variations in mortality and morbidity from road
traffic accidents in England and Wales. Health & Place. 14:519–535.
NOLAND R.B.; QUDDUS, M.A. 2004. A spatially disaggregate analysis of road casualties in
England. Accident Analysis and Prevention. 36:973–984.
NOLAND R.B.; QUDDUS, M.A. 2005. Congestion and safety: A spatial analysis of London.
Transportation Research Part A: Policy and Practice. 39(7–9):737–754.
PEDEN, M. et al. 2004. World report on road traffic injury prevention. World Health
organization, Geneva.
QIN, X.; IVAN, J.; RAVISHANKER, N. 2004. Selecting exposure measures in crash rate
prediction for two-lane highway segments. Accident analysis & prevention. pp. 183-191.
308
REGIDOR, E. et al. 2002. Fracaso en el control del número de víctimas por accidentes de
tráfico en España: ¿La respuesta correcta a la pregunta equivocada? Revista Española de
Salud Publica (online), 76(2):105-113.
Hinojosa Reyes, R.; Jiménez Sánchez, P.L.; Hernández Hernández, V.; Campos Alanis, J.
2012. Siniestralidad por accidentes de tránsito en México: Una aproximación desde el
análisis espacial. Geografía y Sistemas de Información Geográfica. (GESIG-UNLU,
Luján). Año 4, N° 4, Sección I: 291-309
On-line: www.gesig-proeg.com.ar
309