[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-123794-es":3,"doc-seo-123794-110":31,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},123794,962084928432,"Emma Wilson","https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d",41,"Investigación e Informes","Búsqueda de Patrones con Machine Learning en Datos de Siniestros de Tránsito","El estudio aplica técnicas de Machine Learning para identificar patrones en datos de siniestros de tránsito. Se utiliza clustering K-Means y reducción de dimensionalidad mediante PCA sobre un conjunto de 21,352 registros, clasificando los accidentes en cuatro clusters con diferencias relevantes en ubicación, hora del día, causas y condiciones ambientales. Los resultados resaltan la complejidad de los factores asociados y sustentan la necesidad de intervenciones personalizadas para mejorar la seguridad vial. Se propone extender investigaciones con más variables, comparar modelos y realizar análisis longitudinales para evaluar la evolución de patrones y la efectividad de políticas.","BÚSQUEDA DE PATRONES CON MACHINE LEARNING EN DATOS DE SINIESTROS  \nDE TRÁNSITO  \nPATTERN SEARCH WITH MACHINE LEARNING ON TRAFFIC ACCIDENT DATA  \nEmanuel Guillermo Muñoz Muñoz  \nUniversidad Nacional Tumbes, Perú  \nDouglas Andrés Verduga Alcívar  \nUniversidad Nacional Tumbes, Perú  \nGuerrero AlcívarYandri Francinet  \nUniversidad Nacional Tumbes, Perú  \nMiguel Angel Lapo Palacios  \nUniversidad Nacional Tumbes, Perú  \nOctavio Zorrilla Briones  \nUniversidad Nacional Tumbes, Perú  \nDOI: [https://doi.org/10.37811/cl_rcm.v8i2.10592](https://doi.org/10.37811/cl_rcm.v8i2.10592)  \nBúsqueda de Patrones con Machine Learning en Datos de Siniestros de Tránsito  \nEmanuel Guillermo Muñoz Muñoz1  \n[emunozm@untumbes.edu.pe](emunozm@untumbes.edu.pe)  \n[https://orcid.org/0000-0002-0997-0578](https://orcid.org/0000-0002-0997-0578)  \nUniversidad Nacional Tumbes, Perú Departamento de Matematicas y Estadistica Facultad de Ciencias Básicas  \nUniversidad Técnica de Manabí, Perú  \nGuerrero Alcívar Yandri Francinet  \n[yguerreroa@untumbes.edu.pe](yguerreroa@untumbes.edu.pe)  \n[http://orcid.org/0000-0003-1504-6135](http://orcid.org/0000-0003-1504-6135)  \nUniversidad Nacional Tumbes, Perú Departamento de Matematicas y Estadistica Facultad de Ciencias Básicas  \nUniversidad Técnica de Manabí, Ecuador  \nOctavio Zorrilla Briones  \n[ozorrillab@untumbes.edu.pe](ozorrillab@untumbes.edu.pe)  \n[https://orcid.org/0009-0006-4632-3202](https://orcid.org/0009-0006-4632-3202)  \nUniversidad Nacional Tumbes, Perú Departamento de Matematicas y Estadistica Facultad de Ciencias Básicas  \nUniversidad Técnica de Manabí, Ecuador  \nDouglas Andrés Verduga Alcívar  \n[dverdugaa@untumbes.edu.pe](dverdugaa@untumbes.edu.pe)  \n[https://orcid.org/0000-0003-4984-0441](https://orcid.org/0000-0003-4984-0441)  \nUniversidad Nacional Tumbes, Perú Departamento de Matematicas y Estadistica Facultad de Ciencias Básicas  \nUniversidad Técnica de Manabí, Ecuador  \nMiguel Angel Lapo Palacios  \n[mlapop@untumbes.edu.pe](mlapop@untumbes.edu.pe)  \n[https://orcid.org/0000-0003-4183-4290](https://orcid.org/0000-0003-4183-4290)  \nUniversidad Nacional Tumbes, Perú Departamento de Matematicas y Estadistica Facultad de Ciencias Básicas  \nUniversidad Técnica de Manabí, Ecuador  \nRESUMEN  \nEste estudio investiga la aplicación de técnicas de Machine Learning (ML), específicamente el algoritmo de clustering K-Means y la reducción de dimensionalidad mediante PCA, para identificar patrones en datos de siniestros de tránsito. Analizando un conjunto de datos que incluye 21,352 registros de siniestros, este trabajo clasifica los accidentes en cuatro clusters distintos, revelando diferenciassignificativas en las características de los siniestros relacionadas con la ubicación, hora del día, causasy condiciones ambientales. Los resultados destacan la complejidad de los factores que contribuyen alos siniestros de tránsito y subrayan la necesidad de intervenciones personalizadas para mejorar laseguridad vial. Este enfoque permite una comprensión más profunda de los patrones de siniestros, facilitando el desarrollo de políticas y estrategias de prevención más efectivas. Este estudio no solo amplía la literatura existente, ofreciendo una metodología analítica robusta para el análisis de datos desiniestros, sino que también proporciona orientación práctica para la implementación de intervenciones de seguridad vial dirigidas y basadas en evidencia. Recomendamos futuras investigaciones para incluirmás variables, comparar diferentes modelos de ML y realizar estudios longitudinales que permitan evaluar la evolución de los patrones de siniestros y la efectividad de las políticas de seguridad vial implementadas.  \nPalabras clave: machine learning, clustering k-means, reducción de dimensionalidad, siniestros de tránsito, seguridad vial  \n1 Autor principal.  \nCorrespondencia: [emunozm@untumbes.edu.pe](emunozm@untumbes.edu.pe)  \nPattern Search With Machine Learning on Traffic Accident Data  \nABSTRACT  \nThis study explores the applicatio","cbCaifa0SaW1ZfrX","https://ap.wps.com/l/cbCaifa0SaW1ZfrX","pdf",985937,3,1,23,"Spanish","es",110,"# Resumen\n# Introducción","[{\"question\":\"Qué técnicas de Machine Learning se emplean para la búsqueda de patrones en los siniestros?\",\"answer\":\"Se emplea clustering K-Means y reducción de dimensionalidad mediante PCA para identificar patrones en los datos de siniestros de tránsito.\"},{\"question\":\"Cómo se estructura la clasificación de los accidentes en el estudio?\",\"answer\":\"Los 21,352 registros se clasifican en cuatro clusters distintos, mostrando diferencias en características vinculadas a ubicación, hora del día, causas y condiciones ambientales.\"},{\"question\":\"Por qué los resultados respaldan intervenciones personalizadas para la seguridad vial?\",\"answer\":\"Porque los clusters evidencian que intervienen múltiples factores con alta complejidad, lo que hace necesario diseñar acciones basadas en evidencia y ajustadas a las características observadas.\"}]","Búsqueda de Patrones con Machine Learning en Datos de Siniestros de Tránsito | PDF",1785818592,35,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"pattern-search-with-machine-learning-on-traffic-accident-data","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/es/document/investigación-e-informes/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/es/document/pattern-search-with-machine-learning-on-traffic-accident-data/123794/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-17","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qué técnicas de Machine Learning se emplean para la búsqueda de patrones en los siniestros?","Question",{"text":76,"@type":77},"Se emplea clustering K-Means y reducción de dimensionalidad mediante PCA para identificar patrones en los datos de siniestros de tránsito.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Cómo se estructura la clasificación de los accidentes en el estudio?",{"text":81,"@type":77},"Los 21,352 registros se clasifican en cuatro clusters distintos, mostrando diferencias en características vinculadas a ubicación, hora del día, causas y condiciones ambientales.",{"name":83,"@type":74,"acceptedAnswer":84},"Por qué los resultados respaldan intervenciones personalizadas para la seguridad vial?",{"text":85,"@type":77},"Porque los clusters evidencian que intervienen múltiples factores con alta complejidad, lo que hace necesario diseñar acciones basadas en evidencia y ajustadas a las características observadas.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":47,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]