4.1. Antecedentes

El concepto de «tramo blanco» fue desarrollado por primera vez en el año 2001 por iniciativa de la Asociación Española de la Carretera y el Instituto de Seguridad Vial de la Fundación MAPFRE (22), en un trabajo en el que participaron los autores. Se pretendía identificar los tramos de la red convencional de carreteras del Estado en España, de más de 25 kilómetros, donde no se hubieran producido accidentes con víctimas durante un periodo relevante de tiempo, que se fijó en cinco años; se identificaron más de 3.000 kilómetros de tramos blancos (23).

Asimismo, en abril de 2010, la Comisión Europea, a través de la Dirección General de Movilidad y Transporte, aprobó una subvención para la realización del proyecto WHITEROADS (White Spots in the Trans-European Road Network – A positive approach to road safety), que se desarrolló hasta 2013 (24). El proyecto permitió definir e identificar 982 Tramos Blancos en la Red Transeuropea de Carreteras en los 27 Estados Miembros de la Unión Europea, en su mayor parte vías de gran capacidad.

La metodología de tramos blancos pretende identificar los tramos de vía que están experimentando un mejor comportamiento desde la perspectiva de la accidentalidad, y analizar sus características de diseño, equipamiento, tráfico, etcétera, con el objetivo de buscar pautas comunes para el diseño, construcción y explotación de carreteras con numerosos tramos blancos (carreteras blancas).

El interés del desarrollo de una nueva metodología para investigar las características de los tramos de carreteras en los que no se producen accidentes durante un tiempo suficientemente amplio, si se comparan con tramos con características generales similares, radica en la suposición de que existen parámetros específicos, no sólo de diseño viario, sino también de tráfico, que tienen influencia en el hecho de que se produzcan o no accidentes.

En el caso de las autopistas de peaje, donde se ha realizado una primera aproximación para la descripción del modelo, es preciso señalar que se trata de una red viaria con mayor homogeneidad que en el caso de las vías de un solo carril por sentido, y en principio, con una mayor coherencia en el diseño. La identificación de tramos blancos, de suficiente longitud (parámetro que debe definirse), pone de manifiesto que, bajo una situación de coherencia en el diseño en las vías de más alta calidad de una red, en algunos casos se generan situaciones de mayor seguridad que en otras.

4.2. Definición genérica de Tramo Blanco

De acuerdo con los trabajos anteriormente realizados en la identificación de tramos sin accidentes, puede plantearse la siguiente definición genérica del tramo blanco: «tramo de carretera de una determinada longitud donde no se han producido accidentes durante un periodo determinado de tiempo».

La definición genérica plantea varias incógnitas que es preciso resolver para continuar con la investigación: la clasificación de las vías a considerar en el análisis, de manera que se analicen conjuntamente tramos con características homogéneas; la definición de la longitud de referencia de carretera sin accidentes para ser considerado tramo blanco, de manera que sea estadísticamente representativo; la determinación del periodo de tiempo para el análisis; y la decisión acerca del tipo de accidente que se va a considerar.

En relación a la primera de las cuestiones, parece oportuno realizar una clasificación de las vías en función de su geometría (separando vías de gran capacidad de vías convencionales), su funcionalidad y sus niveles de tráfico total y de vehículos pesados. Para esta análisis se considerará una categorización de autopistas de peaje establecida por la Dirección General de Tráfico en el marco del proyecto europeo de investigación EASYWAY (25), que clasifica las vías de los países de la Unión Europea según sus problemas de congestión y seguridad; asimismo, se ha realizado una clasificación por niveles de tráfico valorando la Intensidad Media Diaria en los tramos analizados, de manera que las vías analizadas se caractericen por niveles similares de exposición al riesgo.

Acerca de la definición de la longitud de referencia, debe realizarse a partir de la muestra estadística de tramos sin accidentes para una determinada categoría de vía, garantizando una buena representatividad estadística. Siguiendo los criterios habituales de análisis de tráfico y accidentalidad, se considera que una longitud de referencia igual al percentil 95 de las longitudes de los tramos sin accidentes es suficientemente representativa.

El marco temporal se establece de acuerdo a los análisis de accidentalidad que se realizan habitualmente en carreteras, donde se recomienda utilizar al menos datos de tres años, e idealmente, de un periodo de cinco años. En el análisis que se presenta en este artículo, el periodo de estudio ha sido 2006-2010, ambos incluidos.

En relación al tipo de accidente a valorar, es preciso decidir entre la consideración de accidentes con víctimas mortales, heridos graves y heridos leves. Se decide considerar únicamente los accidentes con víctimas mortales y heridos graves, para no aumentar excesivamente el tamaño de la muestra con accidentes de impacto reducido.

Por último, es importante añadir un requisito adicional a los tramos blancos, relacionado con la peligrosidad total de las vías en las que se encuentran; de esta manera, no parece apropiado considerar un tramo blanco que se localiza en una carretera con una peligrosidad muy superior a la media para la categoría de vías a la que pertenece; adicionalmente, no se consideran tramos blancos los tramos sin accidentes que se localizan muy próximos a tramos de elevada accidentalidad. La presencia de tramos blancos debe estar asociada a una reducción en la peligrosidad media de la vía respecto a los valores medios de cada categoría.

Así, la definición genérica de tramo blanco, para el estudio que se presenta en este estudio, figura a continuación:

«Tramo de vía, de longitud igual al percentil 95 de las longitudes de tramos sin accidentes con heridos graves o víctimas mortales durante el periodo 2006-2010 (para una misma categoría de vía, definida según la tipología de vía y un nivel similar de exposición al riesgo), en el que no se han producido accidentes con heridos graves o víctimas mortales en ese periodo, que cumplan, además, con el criterio de no localizarse entre tramos de alto riesgo y no situarse en una vía cuya peligrosidad (definida como la relación entre los accidentes con víctimas y el tráfico en millones de vehículos-kilómetro) sea superior a la media de esa categoría».

5.1. Categorización de vías

La categorización de las autopistas de peaje se ha realizado de acuerdo a los datos facilitados por la Dirección General de Tráfico en el contexto del proyecto Easyway, mencionado anteriormente. Los trabajos desarrollados a lo largo de este estudio se han centrado en una parte significativa de la red de autopistas de peaje (1542 kilómetros en cada sentido de circulación), han permitido identificar un conjunto de tramos blancos, en diferentes categorías de vías. Se han considerado las autopistas que se incluyen en la Tabla 1.

Se han considerado todas las autopistas de peaje de España a excepción de la AP-7, debido a una kilometración duplicada de algunos tramos.

En el caso de las autopistas de peaje españolas, no se apreció distinción entre el tráfico de vehículos pesados en las categorías B y C.

5.2. Identificación de tramos sin accidentes y definición de longitud de referencia de tramo blanco

La investigación continúa realizando un análisis de las longitudes de tramos sin accidentes en las autopistas mencionadas anteriormente, a partir de los datos de accidentalidad para el periodo 2006-2010, facilitados por la Dirección General de Tráfico. Los sentidos de las vías se analizan de manera separada en vías de dos o más carriles por calzada, como es el caso de las autopistas de peaje.

Así, se consideran las siguientes longitudes de referencia (percentil 95 de las longitudes de tramos sin accidentes), dentro de cada categoría de vía, para que un tramo sin accidentes pueda ser considerado como un tramo blanco, si se igual o supera esta longitud:

1. Categoría A: 42,4 kilómetros
2. Categoría B: 14,9 kilómetros
3. Categoría C: 14,2 kilómetros
4. Categoría D: 5,4 kilómetros

El hecho de que la longitud de referencia del tramo blanco prácticamente coincida para las categorías de vías B y C apunta nuevamente a la unión de ambas categorías.

La consideración de tramos blancos con longitud igual o superior a la longitud de tramo blanco de referencia incluida anteriormente da lugar a la identificación de 35 potenciales tramos blancos en la red de autopistas de peaje. Como se ha indicado anteriormente, es preciso descartar tramos blancos en vías cuya peligrosidad sea significativamente superior a la de la media de su categoría (se asume que este valor sea el doble del valor medio de peligrosidad de las vías de su categoría; por este motivo se descartan 6 potenciales tramos blancos); asimismo, no se admite la presencia de un verdadero tramo blanco si éste se encuentra entre dos tramos de alta peligrosidad (por este motivo se descarta 1 potencial tramo blanco).

De esta manera, se asume que un verdadero tramo blanco hace que el tramo contiguo de la vía siga teniendo una peligrosidad inferior a la media y la vía de la que forma parte sea, en términos globales, más segura que las carreteras de su misma categoría. Los 28 tramos blancos identificados se distribuyen en las diferentes categorías de vías según se muestra a continuación:

1. Categoría A: 1 tramo blanco (en la R4)
2. Categoría B: 23 tramos blancos (en la AP2, AP36, AP51, AP53, AP61, AP68 y AP71)
3. Categoría C: 4 tramos blancos (en la AP9 y AP68)
4. Categoría D: 0 tramos blancos

Dada la escasa representatividad de tramos blancos en la categoría A, se decide continuar el análisis en las vías de categorías B y C; en el análisis se incorporan tanto las vías que presentan tramos blancos, citadas anteriormente, como aquéllas en las que no se han localizado tramos blancos, según el criterio definido de manera provisional (es el caso de la AP66, AP4, AP9F y AP6, entre los puntos kilométricos 53 y 109).

5.3. Caracterización de variables y datos para el modelo

Para cada una de las autopistas consideradas en el análisis, se ha realizado una caracterización de las variables del estudio, que se enumeran posteriormente, considerando una tramificación delas vías de acuerdo a los siguientes criterios:

1. Los tramos tienen una longitud igual a la longitud de referencia del tramo blanco.
2. Los tramos son deslizantes, es decir, se van deslizando de 100 en 100 metros, de manera que un tramo i de longitud igual a la de referencia es seguido por un tramo i+1 que comienza 100 metros después del tramo i y acaba 100 metros después de dónde acaba el tramo i. Si bien esta circunstancia introduce una correlación espacial entre los tramos, análisis posteriores han demostrado que el modelo generado se ajusta bien a la explicación de los Tramos Blancos identificados.

El tamaño de la muestra inicial (con todas las categorías de vías) ascendía a 30.792 registros que, al considerar exclusivamente las categorías B y C, quedan reducidos a 22.754 registros.

A cada tramo, según el criterio definido anteriormente, se le añaden los datos relativos a las siguientes variables (a cada tramo se le atribuye, para cada variable, el promedio de los valores disponibles; se analizó, así mismo, la posibilidad de incluir, para las variables de diseño geométrico, los valores que sólo superan el 15% o el 85% de los registros, si bien los resultados obtenidos fueron muy similares a los generados con los valores promedio):

1. Existencia de tramo blanco; se refleja en la base de datos con el valor «SI» (=1); consecuentemente, figura «NO» (=0) cuando no existe tramo blanco. Es la variable dependiente.
2. Tráfico: Intensidad Media Diaria.
3. Tráfico de vehículos pesados: tanto la Intensidad Media Diaria de vehículos pesados como el porcentaje sobre el tráfico total.
4. Velocidad media de circulación.
5. Accidentes con heridos graves o víctimas mortales.
6. Número de fallecidos.
7. Número de heridos graves.
8. Exposición: tráfico en millones de vehículos – kilómetro.
9. Índice de peligrosidad: relación entre el número de accidentes que se han producido en los 5 años (2006-2010) y el tráfico en esos 5 años en millones de vehículos – kilómetro.
10. Índice de mortalidad: relación entre el número de víctimas mortales que se han producido en los 5 años (2006-2010) y el tráfico en esos 5 años en millones de vehículos – kilómetro.

Asimismo, se añaden las siguientes variables relativas a la geometría de la vía, obtenidas del inventario de carreteras realizado por el Ministerio de Fomento entre 2006 y 2009; para cada uno de estos valores se calcula el promedio en el tramo:

1. Número de carriles
2. Anchura del arcén derecho
3. Anchura del arcén izquierdo
4. Valor absoluto del radio de curvatura
5. Valor absoluto del peralte
6. Valor absoluto de la pendiente
7. Ancho de calzada principal
8. Ancho de plataforma
9. Ancho de carril (obtenido a partir de los datos de ancho de calzada y número de carriles)

De cara a evitar la dependencia y duplicidad de las variables consideradas, no se introducen en el análisis las siguientes variables:

1. Número de accidentes con víctimas, fallecidos y heridos graves, por estar implícitamente consideras en la existencia o no de tramo blanco.
2. Exposición, por estar incluida en la variable de intensidad media de tráfico y la consideración de las longitudes de los tramos.
3. Índices de peligrosidad y mortalidad, por estar relacionadas con los parámetros expuestos anteriormente (accidentes, víctimas mortales y niveles de tráfico).

El análisis supone manejar más de 340.000 datos.

La caracterización de las variables, una vez eliminados los extremos de las mismas, se incluyen en la Tabla 2. En la Tabla 3 se incluyen los resultados del cálculo de correlaciones entre variables, que demuestra que no existe una fuerte correlación entre la variable dependiente (existencia de tramo blanco) y el resto de las variables; se aprecia, asimismo, correlación entre las variables de tráfico total y tráfico de vehículos pesados, por lo que no entran simultáneamente en el modelo.

De cara a conocer si existen diferencias estadísticamente significativas en la variable dependiente motivadas por cada una de las variables independientes, se utiliza la prueba de contraste T de Student, que comprueba la hipótesis nula de que no existen diferencias estadísticamente significativas en la variable dependiente provocadas por la variable independiente; si el parámetro es estadísticamente significativo (p<0,05) se rechaza la hipótesis nula, asumiendo que existen diferencias. Para este caso, se observa que, para los dos grupos de registros considerados, todas las variables independientes generan diferencias estadísticamente significativas en la variable dependiente. Esta prueba permite rechazar la hipótesis nula de que las medias de ambos grupos (Tramos Blancos y tramos no blancos) son iguales, constatando la existencia de diferencias significativas entre los valores de las variables independientes en ambos casos.

5.4. Definición del modelo estadístico para la identificación de tramos blancos

El análisis estadístico de la accidentalidad en carretera suele realizar con modelos multivariantes, tras los primeros modelos de regresión lineal univariantes, que arrojaron resultados poco satisfactorios en muchos casos. Existe un consenso en el ámbito de la investigación en seguridad vial acerca de la modelización de los accidentes, que asume que los modelos lineales generales con las distribuciones de Poisson o binomial negativa son apropiados para modelar la frecuencia o tasa de accidentes (26). Miaou (27) realizó una comparación entre estos modelos, concluyendo la idoneidad de ambos para modelar accidentes, y recomendando la distribución binomial negativa para casos de sobredispersión de los datos. Desde entonces, numerosas investigaciones han aplicado estos procedimientos, que han sido valorados junto con otros modelos (28).

Mediante el uso de estos modelos, se han realizado multitud de investigaciones para predecir los niveles de accidentalidad asociados a características de la geometría de la vía y variables de tráfico. Existen referencias a las dificultades metodológicas de la aplicación de los modelos de regresión múltiple, debidas a la variabilidad propia del fenómeno de la accidentalidad y a la gran cantidad de factores que influyen en él, que se consideran asociados a los índices de determinación bajos que suelen presentar estos modelos (29).

Cuando la variable dependiente es de tipo cualitativo, se aplican con frecuencia los modelos logísticos para evaluar la contribución de factores de influencia sobre variables como la severidad de los accidentes de tráfico; Dominguez (30) desarrollo un modelo de regresión logística binario para la estimación de la gravedad de los accidentes por salida de calzada. En la regresión de tipo binario, la variable dependiente puede tomar el valor de 1 con una probabilidad de suceso p, o el valor de 0 con la probabilidad 1-p. En una regresión logística, la relación entre la variable dependiente y las variables independientes no es una función de tipo lineal; la estructura de un modelo de regresión logística binaria figura en las ecuaciones [1] y [2] es (31):

Siendo Z:

La formulación de un modelo de regresión logística binario para las autopistas de peaje consideradas se realizó considerando como variable dependiente la existencia de tramo blanco (1: existe tramo blanco; 0: no existe tramo blanco), mientras que como variable independiente se consideraron la Intensidad Media Diaria de Tráfico total (IMD), la Intensidad Media Diaria de Tráfico de vehículos pesados (IMD_p) el porcentaje de vehículos pesados (PP), la velocidad media de circulación (VM), el número de carriles (NC), la anchura del arcén derecho (AAD), la anchura del arcén izquierdo (AAI), el ancho de carril (AC), el valor absoluto del radio de curvatura (RC),el valor absoluto del peralte (PR), el valor absoluto de la pendiente (P), el ancho de calzada principal (ACP) y el ancho de la plataforma principal (APP).

En una primera aproximación, se realizó un modelo de regresión logística binario para la totalidad de los tramos definidos de las autopistas de peaje a las que se ha hecho referencia, independientemente del nivel de tráfico; el modelo obtuvo unos resultados muy limitados en cuanto al porcentaje de casos de existencia o no de tramo blanco clasificados correctamente. Ante esta situación, se decidió realizar una división de tramos en función de la intensidad media diaria, por medio de un análisis cluster, que permitió establecer diferencias de grupos según la IMD. Así, se dividió la muestra en tres grandes grupos:

1. Grupo 1: IMD inferior a 10.000 vehículos al día (6264 registros)
2. Grupo 2: IMD entre 10.000 y 20.000 vehículos al día (8085 registros)
3. Grupo 3: IMD superior a 20.000 vehículos al día (5053 registros)

A continuación se realizó un análisis de varios modelos logísticos binarios para cada uno de los grupos definidos anteriormente; mientras que para el grupo 1 y grupo 3 los modelos arrojaron unos resultados pobres en cuanto a clasificación correcta de los casos, en el grupo 2 se obtuvieron resultados más favorables.

De entre todos los modelos desarrollados para los niveles de tráfico entre 10.000 y 20.000 vehículos diarios, que incluían todas las variables en el estudio, el que arrojó mejores resultados, en términos de clasificación correcta de los casos y análisis de sensibilidad es el que se incluye a continuación en la Tabla 4.

El resto de las variables queda fuera del modelo en este análisis provisional, por no ser significativas.

Así, el parámetro Z se define de la siguiente manera en la ecuación [3]:

Donde ACP es el Ancho de la Calzada Principal, IMD_p es la Intensidad Media Diaria de vehículos pesados, PP es el Porcentaje de vehículos Pesados, VM es la Velocidad Media de circulación, NC es el Número de Carriles, AAD es la Anchura del Arcén Derecho y AC es el Ancho de Carril.

Y la probabilidad de encontrar un tramo blanco puede formularse como aparece en la ecuación [4]:

En la Tabla 5 se resumen las características del modelo.

Si bien el estadístico «–2 log de la verosimilitud» obtenido en el modelo es elevado, presenta una notable reducción respecto a los modelos que introducen otras variables. El estadístico «R cuadrado de Cox y Snell» y el estadístico «R cuadrado de Nagelkerke», versión corregida del anterior, hace referencia a la capacidad del modelo para explicar la variación de la variable dependiente; el valor obtenido hace referencia a que las variables independientes explican aproximadamente el 30 % de la existencia de tramo blanco.

Sin embargo, los resultados concluyen provisionalmente que el modelo predice de manera correcta el 91,1 % de las observaciones, repartidas en un 96,4 % de predicción correcta en los tramos no blancos y un 54,5 % de predicción correcta en los tramos blancos.