Rubio Proaño, Andrés XavierMorillo Hernández, Jean Kevin2026-02-112026-02-112025Morillo, Jean (2025). Predicción de la severidad de accidentes de tránsito en Quito mediante inteligencia artificial: Un enfoque de clasificación binaria.https://hdl.handle.net/20.500.14809/8191En Ecuador, los accidentes de tránsito representan un desafío creciente para la seguridad vial, agravado por un incremento del 20,10% del parque vehicular en Pichincha durante 2023 y por el hecho de que el 44,38% de los accidentes involucraron víctimas. Esta situación evidencia deficiencias en la planificación y gestión de la movilidad y seguridad vial. El objetivo de esta investigación fue desarrollar modelos de inteligencia artificial para la predicción binaria de la severidad de los accidentes de tránsito en Quito, clasificándolos en “con víctimas” y “sin víctimas”. La metodología incluyó la recopilación de datos de la Agencia Nacional de Tránsito entre enero de 2017 y abril de 2024, obteniéndose 35.632 registros tras filtrado geográfico y preprocesamiento mediante codificación cíclica y análisis de correlación. Se evaluaron los algoritmos Random Forest, XGBoost, LightGBM y FFNN en versiones base y optimizadas, priorizando la reducción de falsos negativos. Los resultados mostraron mayor frecuencia de accidentes los sábados y durante horas pico, siendo los atropellos los más propensos a generar víctimas; además, factores como exceso de velocidad y no ceder el paso a peatones resultaron determinantes. El modelo LightGBM optimizado obtuvo el mejor desempeño, con recall del 87% y AUC-ROC de 0,9373, reduciendo los falsos negativos a 648 casos. El análisis con SHAP indicó que variables como “Motocicleta” y “Peatón” aumentan la probabilidad de accidentes con víctimas, mientras que “Conductor Ausente” reduce ese riesgo. En conclusión, los modelos de inteligencia artificial demostraron alta capacidad predictiva, identificando patrones y factores críticos que influyen en la severidad de los accidentes en Quito, apoyando decisiones de gestión vial y priorización de recursos de emergencia.application/pdfspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Accidentes de tránsito, Inteligencia artificial, Predicción de severidad, Modelos predictivos.info:eu-repo/semantics/masterThesishttp://purl.org/pe-repo/ocde/ford#1.02.00