Luis Enrique Cespedes

Luis Enrique Cespedes


Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
MSMiguel Santolino
Miguel Santolino
LCLuis Enrique Cespedes
Luis Enrique Cespedes
Mercedes AyusoMercedes Ayuso
Mercedes Ayuso
Against a general trend of increasing driver longevity, the injuries suffered by vehicle occupants in Spanish road traffic crashes are analyzed by the level of severity of their bodily injuries (BI). Generalized linear mixed models are applied to model the proportion of non-serious, serious, and fatal victims. The dependence between vehicles involved in the same crash is captured by including random effects. The effect of driver age and vehicle age and their interaction on the proportion of injured victims is analyzed. We find a nonlinear relationship between driver age and BI severity, with young and older drivers constituting the riskiest groups. In contrast, the expected severity of the crash increases linearly up to a vehicle age of 18 and remains constant thereafter at the highest level of BI severity. No interaction between the two variables is found. These results are especially relevant for countries such as Spain with increasing driver longevity and an aging car fleet.

13 December 2024 in Anales del Instituto de Actuarios Españoles
Verified
Journal Article
Open access
PDF file
LCLuis Enrique Cespedes
Luis Enrique Cespedes
Mercedes AyusoMercedes Ayuso
Mercedes Ayuso
MSMiguel Santolino
Miguel Santolino
Este trabajo se centra en la utilización de fuentes de información pública en la aplicación de modelos relacionales en las entidades aseguradoras, para el mejor conocimiento de las características de los riesgos y asistir a la toma de decisiones en nuevos entornos de sostenibilidad. Primero, proponemos utilizar la metodología de grado de urbanización de Eurostat para agrupar siniestros o pólizas de automóviles en categorías potencialmente más homogéneas en el sector asegurador (urbano / suburbano / rural) para su segmentación y análisis. Segundo, analizamos como las compañías aseguradoras pueden utilizar información climatológica local conjuntamente con el grado de urbanización para modelizar el número de siniestros de automóviles en una zona geográfica específica. Finalmente, aplicamos modelos relacionales a bases de datos con información anonimizada de pasajeros en accidentes de tráfico proporcionadas por la Dirección General de Tráfico de España con el objetivo de definir mejor las características de los siniestros en función del perfil de las personas que se encuentran dentro del vehículo. Se trata de conocer, por ejemplo, el perfil de los pasajeros de vehículos conducidos por personas mayores, también en relación con el sexo y la zona geográfica. Las compañías aseguradoras conocen la enorme potencialidad del análisis de datos y deben apostar por la búsqueda de relaciones usando información que puede estar dispersa en múltiples bases de datos, incluyendo aquella que es de uso público y que puede facilitar la homogeneización y comparación de resultados, junto al diseño de políticas preventivas y de gestión de riesgos. Incluimos los códigos en R poniéndolos a disposición del sector asegurador y de la academia para su uso.

6 September 2025 in Research in Transportation Economics
Verified
Journal Article
Open access
LCLuis Enrique Cespedes
Luis Enrique Cespedes
MSMiguel Santolino
Miguel Santolino
MAMercedes Ayuso
Mercedes Ayuso