INNOVA Research Journal, ISSN 2477-9024  
Julio, 2018). Vol. 3, No.7 pp. 114-123  
(
DOI: https://doi.org/10.33890/innova.v3.n7.2018.605  
URL: http://revistas.uide.edu.ec/index.php/innova/index  
Correo: innova@uide.edu.ec  
Calibración del modelo predictivo de accidentes de tránsito del HSM en  
carreteras del cantón Loja (Ecuador)  
Calibration of the highway safety manual accident prediction model of HSM  
in two lane roads in Loja canton (Ecuador)  
Yasmany García-Ramírez  
Pamela Rojas  
Edwin Duque  
Henrry Rojas-Asuero  
Universidad Técnica Particular de Loja, Ecuador  
Autor para correspondencia: ydgarcia1@utpl.edu.ec, pamelarojascazar@hotmail.com,  
epduque@utpl.edu.ec, hvrojas@utpl.edu.ec  
Fecha de recepción: 26 de enero de 2018 - Fecha de aceptación: 25 de julio de 2018  
Resumen: El modelo de predicción de accidentes de tránsito del Manual de Seguridad de Carreteras  
(HSM por sus siglas en inglés) es una herramienta que permite justificar el diseño de una carretera, sin  
embargo, antes de usarlo, éste debe ser calibrado de acuerdo a las condiciones locales. En ese escenario,  
el presente trabajo tuvo por objetivo estimar el factor de calibración del módulo de predicción de  
accidentes del HSM en carreteras principales del cantón Loja. Para ello, en primer lugar, se  
seleccionaron los tramos de estudio, para luego recolectar información histórica de los accidentes de  
tránsito y de las variables geométricas y de operación de cada tramo. Con la aplicación del modelo de  
predicción se obtuvieron los factores de calibración para carreteras de dos carriles en zonas rurales y  
suburbanas. Las primeras obtuvieron factores entre 0,12 a 0,25, lo cual indica que el modelo subestima  
el número de accidentes registrados en esas vías, mientras, que las carreteras sub-urbanas estuvieron  
entre 0,00 a 3,24, lo cual muestra que en algunos casos el modelo subestima los datos reales y en otros  
los sobreestima; lo cual sugiere la obligatoriedad de la calibración del modelo en cualquiera de estos  
casos. Además, de estos factores de calibración, este trabajo aporta con el detalle de la metodología  
usada en la calibración del modelo de predicción de accidentes del HSM para zonas rurales y  
suburbanas.  
Palabras Claves: calibración; modelo predictivo de accidentes del HSM; carreteras de dos carriles;  
urbana y sub-urbana; Loja (Ecuador)  
Abstract: Accident predictive model of the Highway Safety Manual is a tool that helps justifying the  
design of a road, however, before using it; it must be calibrated according to local conditions. In this  
scenario, the aim of this work was to estimate a calibration factor of HSM accident predictive model  
in the main roads of Loja canton. To do this, firstly, study sections were selected, then historical traffic  
information and geometric and operational variables of each section were collected. Using accident  
predictive model, the calibration factors for two-lane roads in rural and suburban areas were estimated.  
The calibration factors in two-lane rural roads were between 0.12 to 0.25, which indicates that the  
model underestimates the number of accidents recorder in these roads, while the two-lane sub-urban  
roads were between 0.00 to 3.24, which shows that in in some cases the model underestimates the real  
data and in others it overestimates it; which suggests that calibration is mandatory in any of these cases.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
114  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
In addition, to the calibration factors, this work provides detailed methodology, used in the calibration  
of accident prediction models of the HSM for rural and suburban areas.  
Key Words: calibration; accident predictive model of HSM; two-lane roads; urban and suburban;  
Loja (Ecuador)  
Introducción  
En general, el costo de construcción y mantenimiento de carretera, ya sea proyecto nuevo  
o rediseño, es uno de los elementos más importantes en la toma de decisiones. En algunos casos,  
también se incluyen los costos vehiculares (combustible, neumáticos, aceites, etc.) y costos de  
los usuarios (tiempo de demora), sin embargo, no es común incluir los costos por accidentes de  
tránsito probables en esas vías, lo cual es limitante, dado que las carreteras también deben  
brindar un nivel de seguridad adecuado. Ante esta necesidad se elaboró el Manual de Seguridad  
de Carreteras (AASHTO, 2010) con el fin proponer modelos que permitan predecir accidentes de  
tránsito en las vías (frecuencia y gravedad), el cual ha sido ampliamente aplicado en varias  
regiones a nivel mundial. El HSM (AASHTO, 2010) es aplicable para carreteras rurales de dos  
carriles y rurales multicarril, además también para vías arteriales, urbanas y suburbanas y debe  
ser calibrado para las condiciones locales, dado que sin eso, el modelo puede sobreestimar o  
subestimar el número de accidentes de tránsito. En todos los casos, los modelos de predicción  
consideran un período de tiempo, volumen del tránsito y la geometría y operación de la carretera.  
Cada modelo inicia con una predicción que toma en cuenta ciertas condiciones base, y que luego  
son modificadas por los factores de modificación de accidentes y por el factor de calibración.  
En ese escenario, esta investigación tiene por objetivo calibrar el modelo de predicción de  
accidentes del HSM (AASHTO, 2010) para carreteras rurales de dos carriles y suburbanas de las  
cuatro vías principales del cantón Loja. Para exponer los resultados de esta investigación, en  
primer lugar, se describen las principales ecuaciones que intervienen en el modelo predictivo de  
accidentes de tránsito para carreteras rurales y suburbanas. Posteriormente, en la sección de  
materiales y métodos, se describe la obtención de geometría, las estadísticas de accidentes de  
tránsito y la estimación del tránsito. Luego, en la sección de resultados se muestra los resultados  
de los factores de calibración de las carreteras rurales y urbanas de las vías en estudio. También  
se discute los resultados antes de presentar las principales conclusiones del estudio.  
Modelo predictivo de accidentes de tránsito para carreteras rurales de dos carriles del  
HSM (AASHTO, 2010)  
En número de accidentes previsto de una carretera rural de dos carriles en un año  
determinado (Nrs) se obtiene mediante el producto del número previstos de accidentes para las  
condiciones base (Nspf-rs) por los factores de modificación de accidentes (CMFnr) y el factor de  
calibración para ajustarse a las condiciones locales (Cr), tal como se muestra en la siguiente  
ecuación:  
푁 = 퐶 푁  
(퐶푀퐹 ∗ … ∗ 퐶푀퐹 )  
(1)  
푟푠  
푟
푠푝푓−푟푠  
1푟  
푛푟  
Cuando las características geométricas y de operación de la carretera son las mismas que  
las condiciones base, los factores de modificación de accidentes son igual a 1, caso contrario  
pueden éstos ser mayores a uno, cuando la característica ayuda al incremento de accidentes, y  
éstos son menores a uno, cuando la característica favorece la reducción de accidentes de tránsito.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
115  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
Dentro de la ecuación anterior, el número previsto de accidentes de tránsito para las condiciones  
base se obtienen mediante la expresión:  
푁푝푓−푟푠 = 푇푀퐷퐴 ∗ 퐿 ∗ 365 ∗ ꢀ0−ꢁ ∗ 푒−ꢂ,ꢃ12  
(2)  
Donde:  
TMDA: tránsito promedio diario anual (veh/día),  
L: Longitud del segmento de la carretera (millas), y,  
3
65: valor usado para determinar una estimación anual.  
La ecuación anterior es aplicable para TMDA hasta 17800 veh/dia. Las condiciones base  
son: 12 pies para el ancho del carril, 6 pies para el ancho del espaldón, espaldón pavimentado, 3  
como índice de peligrosidad de zonas laterales, 5 accesos por milla, sin curvatura horizontal o  
vertical, sin banda sonora central, sin carril de adelantamiento o de giro a la izquierda, sin  
iluminación, sin sistema de ayuda automática de la velocidad y pendiente longitudinal plana.  
Los factores de modificación de accidentes (CMF) para carreteras rurales de dos carriles  
son 12. Mayor detalle en su estimación puede ser observada en el Manual de Seguridad Vial  
(AASHTO, 2010). Esos CMFs se muestran a continuación: CMF1r: ancho de carril, CMF2r:  
ancho y tipo de espaldón, CMF3r: curvatura horizontal, CMF4r: peralte, CMF5r: pendiente  
longitudinal, CMF6r: densidad de accesos, CMF7r: banda sonora central, CMF8r: carriles de  
adelantamiento, CMF9r: carriles de giro a la izquierda, CMF10r: zonas laterales de la carretera,  
CMF11r: iluminación, y CMF12r: sistema automático de control de la velocidad.  
Por otra parte, el factor de calibración se obtiene de la relación entre la sumatoria del  
número de accidentes observados en la carretera dividido para la sumatoria del número de  
accidentes previstos con el modelo para un mismo periodo de tiempo, tal como se muestra en la  
siguiente ecuación:  
∑
푁표푏푠  
푐푟 =  
(3)  
∑
푁푝푟ꢄ  
Este factor de calibración ha sido obtenido varios investigadores, por ejemplo: 0,17  
Martinelli, La Torre, & Vadi, 2009), 0,74 (Xie, Gladhill, Dixon, & Monsere, 2011), 1,47  
(
(
Lubliner, 2011), 1,40 (Williamson & H., 2012), 0,19 (García & Altamira, 2012a), 0,15 (García  
Altamira, 2012b), 0,82 (Sun, Brown, Edara, Carlos, & Nam, 2013), 0,85 (Berardo, Freire,  
&
Marchesini, Tartabini, & Vanoli, 2013), 1,50 (Berardo, 2015). En estos casos, la mayoría de los  
factores de calibración son menores a 1, lo que significa que el modelo de predicción de  
accidentes del HSM (AASHTO, 2010) sobreestima el número de accidentes reales. Sólo en tres  
casos, reportados en Estados Unidos de América (Lubliner, 2011; Williamson & H., 2012) y  
Brasil (Berardo, 2015) tuvieron valores mayores a 1, lo que significa que el modelo del HSM  
(AASHTO, 2010) subestima el número de accidentes reales en esas carreteras.  
Modelo predictivo de accidentes de tránsito para carreteras suburbanas de dos carriles del  
HSM (AASHTO, 2010)  
El módulo predictivo de accidentes de tránsito en el área suburbana toma en cuenta los  
accidentes ocasionados por los vehículos, bicicletas, peatones y entre ellos, excepto los choques  
entre bicicletas y peatones. Mayores detalles del cálculo se puede observar en el capítulo 12 del  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
116  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
Manual de Seguridad Vial (AASHTO, 2010). El número de accidentes previsto para carreteras  
suburbanas de dos carriles se calcula con la siguiente ecuación:  
푁 = 퐶 ꢅ푁 + 푁 + 푁푏푖푘ꢄ푟  
푝ꢄ푑푟  
ꢆ
(4)  
푟푠  
푟
푏푟  
Donde:  
Nrs: número de accidentes previsto para el segmento de carretera considerado,  
Cr: factor de calibración para ajustarse a las condiciones locales,  
Nbr: número de accidentes previstos para las condiciones base después de la aplicación de  
factores de modificación de accidente, excepto vehículo-peatón y vehículo-bicicleta,  
Npedr: número de accidentes previsto entre vehículo-peatón,  
Nbiker: número de accidentes previstos entre vehículo-bicicleta.  
El número de accidentes previsto para las condiciones base (Nbr) se calcula con la siguiente  
expresión:  
푁 = 푁  
(퐶푀퐹 ∗ … ∗ 퐶푀퐹 )  
(5)  
푟푠  
푠푝푓−푟푠  
1푟  
푛푟  
Donde:  
Nspf-rs: número de accidentes previstos para las condiciones base,  
CMFnr: factores de modificación de accidentes.  
Adicionalmente, Nspf-rs se calcula con la siguiente expresión:  
푁푠푝푓−푟푠 = 푁푏푟푚푣 + 푁푏푟푠푣 + 푁푏푟푑푤푦  
(6)  
Donde:  
Nbrmv: número de accidentes previstos entre varios vehículos para las condiciones base,  
Nbrsvr: número de accidentes previstos que involucran a un solo vehículo para las condiciones  
base, y,  
Nbrdwy: número de accidentes previstos entra varios vehículos relacionados con la vía para las  
condiciones base.  
Asimismo, el Nbrmv, Nbrsvr y Nbrdwy para dos carriles no divididos (2U) se calcula con las  
ecuaciones:  
푁푏푟푚푣 = 푒ꢅ−1ꢇ,22ꢈ1,ꢁ8∗ꢉ푛(ꢊꢋꢌꢍ)ꢈꢉ푛(ꢉ)ꢆ  
푁푏푟푠푣 = 푒ꢅ−ꢇ,47ꢈꢂ,ꢇꢁ∗ꢉ푛(ꢊꢋꢌꢍ)ꢈꢉ푛(ꢉ)ꢆ  
(
7)  
8)  
(
푡
푇푀퐷퐴  
(9)  
푁푏푟푑푤푦 = ꢎ ꢏꢐ푁 ꢑ  
ꢒ ꢓ  
5000  
푗
ꢀ
Donde:  
TMDA: tránsito promedio diario anual (veh/día),  
L: longitud del segmento (millas), y,  
Nj: varía en función del tipo de vía (mayor comercial: 0,158, menor comercial: 0,050, mayor  
industrial/institucional: 0,172, menor industrial/institucional: 0,023, mayor residencial: 0,083,  
menor residencial: 0,016, otro: 0,025).  
Las condiciones base para segmentos suburbanos son: no tiene estacionamiento en la  
calle, no hay objetos fijos en el borde la carretera, el ancho de la mediana es de 15 pies, no tiene  
iluminación y tampoco tiene un sistema de ayuda automático de la velocidad.  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
117  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
Los factores de modificación de accidentes (CMF) para el Nbr son los siguientes: CMF1r:  
estacionamiento en la calle, CMF2r: objetos fijos en las zonas laterales de la carretera, CMF3r:  
ancho de la mediana, CMF4r: iluminación, y CMF5r: sistema automático de control de la  
velocidad. Por otro lado, el número de accidentes vehículo-peatón (Npedr) para dos carriles de  
un segmento de la carretera se determina usando la ecuación:  
푁푝ꢄ푑푟 = 푁 ∗ ꢔ  
(10)  
푏푟  
푝ꢄ푑푟  
Donde:  
fpedr: factor de ajuste de accidentes peatonales (0,036 para velocidad límite de 48 km/h o menos y  
,005 para velocidades límite mayores a 48 km/h).  
0
Por otra parte, el número de accidentes entre vehículos y ciclistas en carreteras de dos carriles en  
un segmento se calcula por:  
푁푏푖푘ꢄ푟 = 푁 ∗ ꢔ  
(11)  
푏푟  
푏푖푘ꢄ푟  
Donde:  
Fbiker: factor de ajuste de accidentes en ciclistas (0,018 para velocidad límite de 48 km/h o menos  
y 0,004 para velocidades límite mayores a 48 km/h).  
Los factores de calibración de carreteras suburbanas se obtienen se igual forma que los  
factores de calibración de carreteras rurales, es decir, relacionando el número de accidentes  
observados y el número de accidentes observados con el modelo del HSM (AASHTO, 2010).  
Los estudios de calibración del modelo predictivo de accidentes de tránsito en carreteras  
suburbanas han sido escasos. El único encontrado fue el realizado en Missouri con un valor de  
0
,84 (Sun et al., 2013). En este caso, el modelo predictivo del HSM (AASHTO, 2010)  
sobredimensiona el número de accidentes reales que ocurrieron en esas carreteras.  
Métodos  
Para aplicar el método predictivo del HSM (AASHTO, 2010) es necesario contar con la  
geometría de la carretera, estadísticas de accidentes de tránsito y la estimación del tránsito, lo  
cual se describe en esta sección.  
Obtención de la geometría de la carretera  
La geometría de la carretera comprende el alineamiento horizontal, vertical y sección  
transversal. El alineamiento horizontal fue principalmente determinado mediante imágenes  
satelitales (Autodesk, 2015; Bing, 2015), mientras que el alineamiento vertical (pendientes) fue  
estimada mediante el uso de equipos con GPS. Asimismo, la sección transversal (ancho de carril,  
ancho de espaldón) fue determinada mediante mediciones en campo. Este procedimiento fue  
aplicado para todas las carreteras, excepto para la vía Loja-Catamayo, considerando de que se  
contó con el estudio proyecto de esa carretera (MTOP & Asociación del Sur, 2015). Otras  
características de las carreteras como iluminación, presencia de banda sonora, presencia de carril  
de adelantamiento, entre otras, fueron determinadas mediante recorridos vehiculares o con el uso  
del Street View (Google, 2015). Algunos resultados de estos cálculos se pueden ver en la Tabla 1  
y 2. La Tabla 1 contiene los tramos rurales de las carreteras en estudio, mientras que la Tabla 2  
contiene los tramos suburbanos.  
Tabla 1. Características de los tramos rurales del estudio  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
118  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
Carretera  
Longitud  
de tramo  
Ancho  
de carril  
(m)  
Ancho de  
espaldón  
(m)  
Pendiente  
longitudinal  
(%)  
Accesos  
(u/km)  
Índice de  
peligrosidad  
(
código)  
(
km)  
Loja –  
29,21  
3,65  
1,20  
0,44 – 7,00  
0 – 1,16  
3 – 7  
Catamayo  
E35/E50)  
Loja – Oña  
E35)  
(
92,89  
9,62  
3,65  
3,65  
1,20  
0,30  
0,07 – 6,81  
3,08 – 8,71  
0 – 1,16  
0 – 0,38  
3 – 6  
4 – 6  
(
Loja –  
Sabanilla  
(
E50)  
Loja –  
19,11  
3,65  
0,60  
4,90 – 10,00  
0 – 0,39  
4 – 7  
Malacatos  
(
E682)  
Todos los tramos rurales de medición atravesaron terreno montañoso o escarpado. Estas  
carreteras no tuvieron franjas sonoras, las cuales puede ayudar a reducir accidentes de tránsito  
por somnolencia. Tampoco tuvieron carriles de adelantamiento, lo cual reduce la posibilidad de  
accidente frontal, ni tampoco tienen sistemas automáticos de control de velocidad, lo que al  
limitar la velocidad, también puede reducir la frecuencia de accidentes, sobretodo la gravedad  
del accidente. Asimismo, cabe aclarar que las carreteras de prueba no tuvieron iluminación, a  
excepción de una pequeña parte al llegar o salir de la ciudad de Loja. Otros detalles de estos  
tramos se pueden ver en la Tabla 1. En esta tabla se pueden ver las diferencias entre carreteras  
con respecto a la longitud del tramo, ancho del espaldón, pendiente longitudinal, accesos por  
kilómetro y el índice de peligrosidad.  
Los tramos suburbanos se encuentran en las mismas carreteras rurales descritas  
anteriormente. Todo este tramo tiene iluminación en casi toda su longitud, no tienen  
estacionamientos laterales y su distancia a la que están ubicados los objetos laterales es de 1,50  
m. El ancho del carril y ancho de espaldón fueron similares a los de la Tabla 1. Mayores detalles  
se pueden ver en la Tabla 2.  
Tabla 2. Características de los tramos suburbanos del estudio  
Carretera (código)  
Loja – Catamayo (E35/E50)  
Loja – Oña (E35)  
Descripción del tramo suburbano  
Longitud  
km)  
Tipo de zona  
(
Salida de Loja  
Llegada a Catamayo  
Salida de Loja  
Santiago  
3,61  
2,46  
4,57  
0,87  
1,46  
2,53  
3,75  
5,41  
Residencial  
Residencial  
Otras  
Otras  
Residencial  
Otras  
San Lucas  
Saraguro  
Salida de Loja  
Salida de Loja  
Loja – Sabanilla (E50)  
Loja – Malacatos (E682)  
Otras  
Residencial  
Industrial  
Otras  
Rumishitana  
Landangui  
Llegada a Malacatos  
0,64  
1,63  
1,23  
Otras  
Otras  
Accidentes de tránsito  
Las estadísticas de accidentes de tránsito se obtuvieron de la base de datos de la Policía  
Nacional para los años 2014, 2015 (Policía Nacional, 2017). De esta base de datos, se obtuvo el  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
119  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
número de accidentes de tránsito registrados para los tramos rurales y suburbanos para los tres  
años en consideración. En los tramos rurales, el número de accidentes de tránsito estuvo de  
acuerdo al siguiente detalle: Loja – Catamayo: 28 accidentes, Loja – Oña: 26 accidentes, Loja –  
Sabanilla: 8 accidentes y Loja – Malacatos: 15 accidentes. Por otro lado, en los tramos  
suburbanos se registraron accidentes de tránsito en esos mismos años según el siguiente detalle:  
Salida a Loja (Loja-Catamayo): 6 accidentes, Llegada a Catamayo (Loja- Catamayo): 1  
accidente, Salida de Loja (Loja-Oña): 6 accidentes, Santiago (Loja-Oña): 0 accidentes, San  
Lucas (Loja-Oña): 0 accidentes y Saraguro (Loja-Oña): 4 accidentes, Salida de Loja (Loja-  
Sabanilla): 8 accidentes, Salida de Loja (Loja-Malacatos): 8 accidentes, Rumishitana (Loja-  
Malacatos): 1 accidente, Landangui (Loja-Malacatos): 3 accidentes, Llegada a Malacatos (Loja-  
Malacatos): 0 accidentes..  
Estimación del tránsito  
El tránsito promedio diario anual (TMDA) es una variable muy influyente en la  
calibración del modelo de accidentes, el cual debe ser de los mismos años en consideración. El  
tránsito promedio diario del año 2016 fue establecido con mediciones con tubos piezométricos  
obtenidos previamente por otras investigaciones (Ortiz, 2017; Zúñiga, 2017).  
El  
TMDA para años 2014 y 2015 fueron estimados a partir el TMDA del 2016, y usando la  
ecuación del crecimiento vehicular con una tasa estimada por el Ministerio de Transporte y  
Obras Públicas (MTOP, 2012). Esta metodología ya fue usada por otro investigador (Berardo,  
2
015). El resultado de la estimación del tránsito se puede ver en la Tabla 3.  
Tabla 3. Tránsito promedio diario anual (TMDA) para las carreteras del estudio  
Carretera (código)  
TMDA (veh/día)  
2
014  
2015  
3533  
2252  
1791  
2732  
2016  
Loja – Catamayo (E35/E50)  
Loja – Oña (E35)  
Loja – Sabanilla (E50)  
Loja – Malacatos (E682)  
3381  
2155  
1714  
2614  
3708  
2363  
1879  
2867  
Resultados  
En esta sección se detallan los resultados obtenidos del factor de calibración en tramos  
rurales y suburbanos. Los resultados de la calibración del modelo en los tramos rurales se pueden  
ver en la Tabla 4. En esta tabla se puede observar, en todos los casos, que el modelo de  
predicción del HSM (AASHTO, 2010) sobreestima el número de accidentes de tránsito, dado  
que los accidentes previstos para esos tres años son mucho mayores que los accidentes  
observados o registrados en esos tres años. Cabe mencionar que los sitios de medición fueron  
superiores a los solicitados en el HSM (AASHTO, 2010), por lo que, los estos resultados podrían  
tener una mayor confiabilidad.  
Tabla 4. Factores de calibración (fc) para los tramos rurales de las vías en estudio  
Carretera (código)  
Sitios  
Accidentes  
previstos  
114,00  
Accidentes  
observados  
28  
fc  
Loja – Catamayo  
214  
0,25  
(
E35/E50)  
Loja – Oña (E35)  
Loja – Sabanilla (E50)  
Loja – Malacatos (E682)  
694  
113  
168  
226,53  
38,32  
76,52  
26  
8
15  
0,12  
0,21  
0,20  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
120  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
Por otro lado, los resultados de calibración de los tramos suburbanos se pueden ver en la  
Tabla 5. En esta tabla, existen tramos en donde el modelo de predicción de accidentes  
sobreestima el número de accidentes, sin embargo, en la mayoría de casos, el modelo los  
subestima. Esto posiblemente se deba a que en un ambiente suburbano existen mayores  
interacciones entre los usuarios viales, por ejemplo, más vehículos, más peatones, más objetos  
fijos, en fin, más información que el conductor debe procesar.  
Tabla 5. Factores de calibración (fc) para los tramos suburbanos de las vías en estudio  
Sitio de la carretera  
código)  
Salida de Loja (E35/E50)  
Llegada a Catamayo  
Sitios  
Accidentes  
previstos  
4,17  
Accidentes  
observados  
6,00  
fc  
(
19  
15  
1,44  
0,33  
3,00  
1,00  
(
E35/E50)  
Salida de Loja (E35)  
Santiago (E35)  
San Lucas (E35)  
32  
3
3,68  
0,68  
1,14  
1,99  
2,47  
5,16  
0,56  
1,83  
1,13  
6,00  
0,00  
0,00  
4,00  
8,00  
8,00  
1,00  
3,00  
0,00  
1,63  
0,00  
0,00  
2,01  
3,24  
1,55  
1,79  
1,64  
0,00  
25  
15  
38  
49  
9
Saraguro (E35)  
Salida de Loja (E50)  
Salida de Loja (E682)  
Rumishitana (E682)  
Landangui (E682)  
Llegada a Malacatos (E682)  
11  
2
En ambos casos, los resultados refuerzan la idea de que para usar el modelo de predicción  
de accidentes de tránsito del HSM (AASHTO, 2010) es obligatoria su calibración, en caso de no  
poder hacerlo (por ejemplo, debido a la falta de datos), se puede adoptar un coeficiente de  
calibración de otra vía que tenga similares características geométricas y de operación.  
Discusión  
La mayoría de las características geométricas de las carreteras fueron tomadas de manera  
indirecta, mediante imágenes satelitales o recorridos virtuales. Cabe aclarar que esta metodología  
no fue un propuesta original de este estudio, ya que fue usada y probada por otro investigador  
(Berardo, 2015). La ventaja de este estudio comparada con el de Berardo (2015), es que, en este  
caso, se tuvo acceso a los planos de la vía Loja-Catamayo, los cuales fueron levantados por  
medios topográficos tradicionales, por lo tanto, fueron de mayor precisión. Entonces, se  
desarrolló una metodología para obtener la geometría con las imágenes satelitales, la cual fue  
corregida con la ayuda de los planos topográficos que se disponían, lo cual, mejora la precisión  
en la estimación. Una vez que la metodología fue corregida, el procedimiento fue aplicado a las  
otras tres carreteras.  
Por otro lado, el HSM (AASHTO, 2010) sugiere que se tengan entre 30-50 sitios de  
medición, lo cual, no pudo ser cumplido en 8 de los 11 tramos suburbanos, debido a que no  
habían más sitios disponibles en esas carreteras, tomándose toda la población y no una muestra,  
lo cual es representativo del lugar. El HSM (AASHTO, 2010) recomienda que la longitud  
mínima de cada segmentos analizado sea aproximadamente 161 m (0,10 millas), no obstante, en  
esta investigación hubieron pocos segmentos que no alcanzaron esa longitud, esto se debe a que  
se tomaron como segmentos a las rectas y curvas horizontales por separado, y algunas de ellas  
tuvieron menos de 161 m, lo cual, puede mejorar la precisión del modelo, dado que un segmento  
incluye un solo elemento geométrico. También el HSM (AASHTO, 2010) sugiere que el número  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
121  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
mínimo de accidentes en cada segmento analizado sea de 100, lo que no se fue posible obtener  
en esta investigación, dado que sólo se contabilizaron los accidentes registrados por la Policía  
Nacional. Esto puede afectar levemente a la estimación de los factores de calibración.  
Una de las limitaciones principales del estudio es que existen muchos accidentes de  
tránsito que no se registran por diversas causas, tales como accidentes leves en donde el dueño  
llama al mecánico, sin pasar por un informe de la policía; o cuando ha existido un accidente entre  
dos vehículos y los propietarios realizan un acuerdo extrajudicial, tampoco es reportado. En ese  
escenario, los accidentes reportados son menores a los accidentes reales (reportados y no  
reportados), por lo cual, los valores de factores de calibración tenderán a ser mayores. No  
obstante, ante la falta de datos no reportados, este estudio sólo trabajó con estadísticas de fuentes  
oficiales. A pesar de estas limitaciones, el presente estudio usó la información que tenía a  
disposición, la que posiblemente sea similar a otros lugares del país e incluso en otros sitios de  
otros países, por lo tanto, servirá como un estudio de comparación. Cabe mencionar que el  
estudio fue realizado en topografía montañosa o escarpada, en donde las carreteras suelen tener  
un mayor número de accidentes de tránsito, lo cual también se constituye un aporte al estado del  
arte.  
Conclusión  
El objetivo de este artículo fue estimar el factor de calibración del módulo de predicción  
de accidentes del HSM (AASHTO, 2010) en carreteras principales del cantón Loja. Estos  
factores servirán predecir el número de accidentes en estas carreteras o en carreteras con  
similares características geométricas, de entorno y operación. Luego del análisis de los resultados  
de esta investigación, se plantearon las siguientes conclusiones:  
Aunque en los tramos rurales se tuvieron más accidentes observados que en los tramos  
suburbanos, en general, éstos tuvieron menores valores de factores de calibración que los de los  
tramos suburbanos. Esto posiblemente se deba a que los tramos rurales fueron más largos que los  
tramos suburbanos o que a las variables consideradas en cada modelo. En este caso, el modelo  
predictivo sobreestima el número de accidentes reales en carreteras rurales de dos carriles,  
mientras que, en carreteras suburbanas el modelo, en algunos casos, sobreestima y en otros  
subestima. El modelo de predicción de accidentes del HSM (AASHTO, 2010) es una  
herramienta muy útil al momento de justificar un proyecto nuevo de carreteras o un rediseño, ya  
que la alternativa de diseño que presente el menor número de accidentes, también presentará  
menores costos de operación. Sin embargo, este modelo debe ser previamente calibrado para las  
condiciones locales con el fin de obtener estimaciones más precisas.  
Agradecimientos  
Los autores agradecen a la Secretaría Nacional de Educación Superior, Ciencia,  
Tecnología e Innovación (SENESCYT) de la República del Ecuador y a la Universidad Técnica  
Particular de Loja por la ayuda otorgada para el desarrollo de esta investigación.  
Bibliografía  
AASHTO. (2010). Highway Safety Manual (Primera). Washington, EE. UU.  
Autodesk. (2015). AutoCAD Civil 3D. Retrieved from https://www.autodesk.com/education/free-  
software/autocad  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
122  
INNOVA Research Journal 2018, Vol 3, No. 7, pp. 114-123  
Berardo, M. G. (2015). Aplicación del modelo de predicción de accidentes viales del HSM (2010) en  
camino rural de dos carriles en Brasil. In Departamento de Construcciones Civiles, Facultad  
de Ciencias Exactas, Físicas y Naturales, Universidad Nacional de Córdoba (Vol. 2).  
Berardo, M. G., Freire, R. G., Marchesini, P., Tartabini, M., & Vanoli, G. (2013). Ajuste de Parámetros  
en Modelo de Predicción de Accidentes Viales del HSM (2010) para Argentina. In 9no  
Congreso de la Vialidad Uruguaya (pp. 1–23).  
Bing. (2015). Mapa de las vías del cantón Loja. Retrieved from https://www.bing.com/maps  
García, Y., & Altamira, A. (2012a). Calibración del módulo de accidentes del Highway Safety Manual  
(HSM). In XVI Congreso Argentino de Vialidad y Tránsito. Córdoba, Argentina.  
García, Y., & Altamira, A. (2012b). Calibración del módulo de accidentes del Interactive Highway  
Safety Design Model (IHSDM) Caso de aplicación a San Juan Argentina. In III Congreso  
Iberroamericano de Seguridad Vial. Bogotá, Colombia.  
Google. (2015). Street View Panamericana Norte. Retrieved from https://www.google.com.ec/maps  
Lubliner, H. (2011). Evaluation of the Highway Safety Manual Crash Prediction Model for Rural Two-  
Lane Highway Segments in Kansas. University of Kansas. Retrieved from  
https://kuscholarworks.ku.edu/handle/1808/8777?show=full  
Martinelli, F., La Torre, F., & Vadi, P. (2009). Calibration of the Highway Safety Manual’s Accident  
Prediction Model for Italian Secondary Road Network. Transportation Research Record:  
Journal  
of  
the  
Transportation  
Research  
Board,  
2103(2),  
1–9.  
http://doi.org/https://doi.org/10.3141/2103-01  
MTOP. (2012). Programa de inversión “Mantenimiento por nivel de servicio.” Quito. Retrieved from  
http://www.obraspublicas.gob.ec/wp-content/uploads/downloads/2015/12/Conservacion-  
Niveles-De-Servicio.pdf  
MTOP, & Asociación del Sur. (2015). Estudios para la ampliación a cuatro carriles de la carretera  
Loja-Catamayo incluye el acceso al aeropuerto, ubicado en la provincia de Loja. Loja,  
Ecuador. Quito.  
Ortiz, A. (2017). Estudio y Sistematización de diferentes variables de tráfico para la visualización a  
traves de un geovisor en las vías de acceso a la ciudad: Loja-Catamayo y Loja-Cuenca.  
Universidad  
http://dspace.utpl.edu.ec/handle/123456789/17068  
Policía Nacional. (2017). Siniestros ANT 2014-2015-2016.  
Sun, C., Brown, H., Edara, P., Carlos, B., & Nam, K. (2013). Calibration of the Highway Safety  
Manual for Missouri. Missouri. Retrieved from  
https://library.modot.mo.gov/rdt/reports/tr201302/cmr14-007_reduced.pdf  
Técnica  
Particular  
de  
Loja.  
Retrieved  
from  
Williamson, M., & H., Z. (2012). Develop Calibration Factors for Crash Prediction Models for Rural  
Two-Lane Roadways in Illinois. Procedia - Social and Behavioral Sciences, 43, 330–338.  
Xie, F., Gladhill, K., Dixon, K., & Monsere, C. (2011). Calibrating the Highway Safety Manual  
Predictive Models for Oregon State Highways. Transportation Research Record: Journal of  
the Transportation Research Board, 2241, 19–28. http://doi.org/https://doi.org/10.3141/2241-  
0
3
Zúñiga, B. (2017). Estudio de las diferentes variables de tráfico vehicular en las vías Loja – Malacatos  
y Loja - Zamora para la visualización de información en un geovisor. Universidad Técnica  
Particular de Loja. Retrieved from http://dspace.utpl.edu.ec/handle/123456789/17069  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
123