Modelos para reducir la siniestralidad en las carreteras

Durante los meses de julio y agosto, 191 personas han perdido la vida en las carreteras españolas, once menos que en el mismo periodo del año pasado y 24 menos que en 2019, año de referencia estadístico por lo atípico que fue el verano 2020 debido a la pandemia sanitaria. Son datos de la DGT que también reflejan un descenso en el número de accidentes mortales y en el de heridos hospitalizados. Uno de los factores que contribuyen a este descenso es que los conductores puedan conocer los riesgos asociados a las vías por las que circulan para que puedan extremar la preocupación. Una información que se basa en modelos de la siniestralidad observada en los que trabaja Enrique Castillo, catedrático de Matemática Aplicada de la Universidad de Cantabria y miembro de la Real academia de Ingeniería.
La siniestralidad observada es simplemente una lista o relación de los accidentes que se han producido en el pasado, incluyendo su lugar de ocurrencia, el tipo de incidente, su gravedad, las circunstancias que lo produjeron, etc.
Se incluye todo tipo de accidentes, que pueden ser muy graves, graves, medios y leves, de forma que unos cuantos de cada clase puede suponerse que equivalen a uno de la clase de mayor gravedad, lo que puede hacerse, por ejemplo, valorando económicamente, los daños producidos.
Con esta información, la DGT elabora unos estudios que determinan la peligrosidad de cada tramo de carretera y, si se da una coincidencia de incidentes de gravedad en algunos de ellos, los declara como tramos de concentración de accidentes con la esperanza de que los conductores extremen las precauciones.
La principal ventaja de este modelo es que la información se da en el momento y lugar en que es necesaria, cuando el conductor se encuentra en una zona de elevado riesgo de accidente. El problema es que estos tramos se señalan solo cuando ya se han producido siniestros muy graves.
El grupo de Enrique Castillo trabaja para mejorar estos resultados con una información más pormenorizada.