Selecting Technique of Accident Sections using K-mean Method

K-평균법을 이용한 고속도로 사고분석구간 분할기법 개발

A selection of the analysis section for traffic accidents is used to analyze definitely the cause of accidents sorting similar accidents by a group and to raise the effect of improvement projects deciding the priority of accidents. In the existing method, an uniformly dividing method based on road mileages has been used, which has no consideration for similarities among accidents. Consequently, in recent, a slider-length method considering accident types rather than road mileages is widely used. In this study, using K-mean method, a non-hierarchical grouping technique used in the Cluster Analysis ai a applicatory method for the slider length method, a method classifies accidents that occurred the most nearby mileages into one group is proposed. To verify the proposed method, a comparison between the f-mean method and the dividing method at regular intervals on the data of a total of 25.6km lengths along Kyung-bu freeway in Pusan direction was made so that the K-mean method was proved to an effective method considering the similarities and adjacencies of accidents.

교통사고 분석구간 선정은 유사한 사고유형을 하나의 동일집단으로 처리함으로써 분석의 효율성을 높이고, 효과적인 개선 사업을 위해 그 순위를 결정하는데 필요한 작업이다. 기존에는 도로이정에 기초하여 균등하게 분할하는 방법을 주로 사용하여 왔는데 사고간의 유사성을 전혀 고려하지 못하는 단점이 있다. 따라서 최근 도로이정보다는 사고간의 유사성을 고려하여 구간을 선정하는 방식인 Slider length 적용기법이 사용되고 있다. 본 연구에서는 Slider length 적용기법의 한 방법론으로써, 군집분석에 사용되는 비계층적 분류기법인 K-평균법을 사용하여 가장 인근거리에 발생된 사고들이 최대한 하나의 집단으로 분류될 수 있는 기법을 제시하고자 한다. 또한 이의 검증을 위해 경부고속도로 부산방향으로 총연장 25.6km구간에 대하여 균일간격에 의한 분할방식과 K-평균법을 이용한 분할방식에 대해 상호 비교를 통해 그 효율성을 검토하였으며, K-평균법이 사고의 유사성이나 인접성을 감안하여 효율적으로 분석구간 선정에 적용될 수 있음을 검증하였다.