Integrantes del equipo:

• Arindal Contreras Arrellano — 208529
• Lourdes Angélica Gutiérrez Landa — 207706
• Arturo Rodríguez Vázquez — 198271
• Bernardo González Moreno — 208780

Este proyecto busca analizar una base de datos que recopila información detallada sobre accidentes automovilísticos ocurridos en Inglaterra. Nuestro objetivo es identificar patrones y factores que influyen en los accidentes de tránsito y determinar las variables que estén asociadas con una mayor cantidad de incidencias. En particular, buscamos analizar si existe alguna relación entre las condiciones ambientales, el tipo de vehículo o la hora del día con la cantidad de accidentes que se producen. Los datos se encuentran en este link.

Este conjunto de datos fue recolectado por Xavier Berge, a partir de información proporcionada por UK Road Safety y está disponible en la plataforma Kaggle. La base de datos no cuenta con actualizaciones periódicas, ya que se trata de una recopilación estática.

Por un lado, el conocimiento de estos datos conlleva consideraciones éticas, ya que, puede ayudar a mejorar la seguridad vial, como la instalación de semáforos o la reducción de límites de velocidad en ciertas zonas. Sin embargo, también puede ser utilizado de manera negativa, como por parte de las autoridades para imponer multas de manera injusta o que personas busquen causar un accidente. Haremos uso de esta base de datos siendo conscientes de que no solamente “Accident_Index” es un identificador, sino que se hará con el respeto que se merece.

• Número de atributos: 23
• Número de tuplas: 307,973

Nota: Asegúrate de guardar el archivo .csv antes de comenzar. Se encuentra en: Base de datos

1. Crear la base de datos (desde psql):

CREATE DATABASE accidentes_trafico;

3. Conectarse a la base de datos (psql):

\c accidentes_trafico

3. Crear el esquema y la tabla (desde PostgresSQL):

   Ver carga_inicial.sql

4. Cargar datos desde un archivo .csv (desde psql):

\copy road_data.road_accidents(accident_index, accident_date, month, day_of_week, year, junction_control, junction_detail, accident_severity,latitude, light_conditions, local_authority_district, carriageway_hazards, longitude, number_of_casualties, number_of_vehicles, police_force, road_surface_conditions,road_type, speed_limit, accident_time,  urban_or_rural_area, weather_conditions, vehicle_type) 
FROM '/Users/Desktop/Road Accident Data.csv' 
WITH (FORMAT CSV, HEADER true, DELIMITER ',');

El archivo road_accidents_eda.sql contiene una colección de consultas SQL utilizadas para realizar el análisis exploratorio de los datos.

Durante el análisis exploratorio de los datos, identificamos varias inconsistencias. Por ejemplo, observamos que la variable id, que se supone que debería de ser un identificador único, presentaba únicamente 197,644 valores únicos a pesar de que el conjunto total contenía 307,973 observaciones. También notamos que en la columna "Carriage_hazards" hay 302,546 datos con el valor "none" y en la columna de "junction_control" habían 98056 datos con el valor de "Data missing or out of range".

Este repositorio contiene los datos y scripts asociados a la limpieza y preparación de datos sobre la base de datos. limpieza_datos_proyecto.sql

Las siguientes actividades fueron llevadas a cabo para limpiar los datos:

1. Para realizar la limpieza de datos se creó un nuevo esquema (cleaned_road_data) y una tabla en lugar de modificar la existente.
2. Eliminación de columnas redundantes: Se eliminaron las columnas Month, Year y Day_of_Week, ya que esta información ya está contenida en Accident Date.
3. Conversión de tipos de datos: Se transformaron las fechas (Accident Date) al tipo DATE. Se separó la hora (Time) en un campo TIME para facilitar el análisis por franjas horarias.
4. Cambio de nombres de columnas: Se renombraron columnas a un formato estandarizado y legible, por ejemplo, Number_of_Casualties a casualties.
5. Normalización de valores: Se agruparon y homogeneizaron valores en campos como Accident Severity, Weather_Conditions y Urban_or_Rural_Area.
6. Eliminación de registros o columnas: Se descartaron columnas como Accident_Index y se creó un nuevo id artificial ya que habían ids duplicados pero con datos diferentes. De igual manera se eliminó la columna "carriageway_hazard" y "juction_control" ya que habían muy pocos datos con un valor diferente a "None". Tampocó se agregaron los atributos "local_authority_district", "police_force", "road_sruface_conditions", ya que consideramos que no los usaremos para nuestro análisis y objetivo principal.

Las dependencias funcionales y multivaluadas que encontramos fueron las siguientes:

El archivo descomposicion_de_datos: contiene todas las descomposiciones necesarias para alcanzar el diagrama de entidad-relación.

1. Tipos de Vehículos Más Comunes en Accidentes
Consulta: Cuenta la cantidad de accidentes por tipo de vehículo involucrado.

Hallazgo: Los automóviles por sí solos representan el 78 % de todos los accidentes registrados, por lo que cualquier estrategia de seguridad vial debe centrarse en el comportamiento de los autos particulares (velocidad, distracción, deterioro de las capacidades).

2. Tipos de Cruces Más Peligrosos
Consulta: Analiza la cantidad de accidentes por tipo de cruce.

Hallazgo: Casi la mitad de todas las colisiones ocurren en intersecciones en T, desfasadas o en cruceta, zonas donde las normas de prioridad suelen malinterpretarse. La solucion seria mejorar la señalizacion y la visibilidad en estos puntos.

3. Condiciones Climáticas Más Frecuentes en Accidentes
Consulta: Cuenta la cantidad de accidentes según el clima reportado.

Hallazgo: La lluvia es menos frecuente, pero se correlaciona con un mayor número de lesiones. Las medidas preventivas para carreteras mojadas, como el drenaje de superficie y los recubrimientos antideslizantes, ofrecen un alto impacto.

4. Accidentes por Período del Día
Consulta: Agrupa los accidentes según el momento del día.

Hallazgo: Las tardes concentran el mayor número de accidentes, probablemente debido a la hora pico de salida laboral.

5. Horas con Mayor Número de Accidentes
Consulta: Muestra las horas del día con más accidentes.

Hallazgo: Las 17:00 h es la hora con mayor incidencia, lo que refuerza el hallazgo anterior.

1. Severidad de accidentes por tipo de vía y límite de velocidad
   Consulta: Clasifica accidentes por gravedad, tipo de vía y límite de velocidad.
   Hallazgo: Vías rápidas con límites superiores a 80 km/h tienen alta incidencia de accidentes severos o fatales.

2. Combinación clima más iluminación
   Consulta: Agrupa accidentes por clima e iluminación.

Hallazgo: El día y el clima seco representan más de la mitad del conjunto de datos, pero el riesgo de mortalidad aumenta en escenas oscuras y sin iluminación, lo que justifica las inversiones en iluminación vial. 3. Análisis jerárquico de cruces peligrosos
Consulta: Usa ROLLUP para jerarquizar cruces por gravedad y número de víctimas.
Hallazgo: Los cruces tipo "T" con alta proporción de accidentes graves/fatales deberían ser intervenidos prioritariamente.

4. Combinaciones de factores de riesgo
   Consulta: Agrupa por tipo de vía, clima e iluminación.

Hallazgo: Estos puntos críticos guían la ubicación de cámaras de velocidad y la revisión de los límites de velocidad.

6. Coordenadas geográficas con accidentes recurrentes
   Consulta: Ubicaciones exactas donde se repiten accidentes bajo las mismas condiciones de luz.

8. Vehículos en accidentes fatales
   Consulta: Identifica los tipos de vehículos con más participación en accidentes fatales.

   Tipo de Vehículo	Accidentes Fatales
   Car	432
   Van / Goods < 3.5t	321
   Motorcycle > 500cc	210
   Bus/ coach (> 17 seats)	86
   Motorcycle < 125cc	81

   

   Hallazgo: Los automóviles siguen siendo los más mortales simplemente por su exposición, pero las motocicletas de alta cilindrada están sobrerrepresentadas en relación con su participación en el tráfico.

9. Porcentaje de accidentes fatales
   Consulta: Sobre el numero de accidentes totales, sacar el porcentaje de accidentes mortales.

   Tipo de Vehículo	Total de accidentes	Accidentes Fatales	Tasa de Mortalidad
   Car	432	239,794	0.18%
   Van / Goods < 3.5t	321	15,695	2.04%
   Motorcycle > 500cc	210	11,226	1.87%
   Bus/ coach (> 17 seats)	86	8,686	0.99%
   Motorcycle < 125cc	81	6,852	1.18%

   Hallazgo: Apesar de que hay un numero mayor de automoviles el porcantaje de accidentes mortales sobre la cantidad total de accidentes es mayor en vehiculos de carga o en motocicletas.

Posdata Es Importante recalcar que estos hallazgos no sólo son insumos para análisis técnico, sino también una herramienta ética y social. Con el cual nos preguntamos como podemos contribuir para disminuir el número de accidentes y disminuir el número de afectados. Es un recordatorio de que detrás de cada número hay una vida, y que los datos, usados con responsabilidad y empatía, también pueden salvarlas.