Spatiotemporal Feature-based LSTM-MLP Model for Predicting Traffic Accident Severity

시공간 특성 기반 LSTM-MLP 모델을 활용한 교통사고 위험도 예측 연구

Rapid urbanization and advancements in technology have led to a surge in the number of automobiles, resulting in frequent traffic accidents, and consequently, an increase in human casualties and economic losses. Therefore, there is a need for technology that can predict the risk of traffic accidents to prevent them and minimize the damage caused by them. Traffic accidents occur due to various factors including traffic congestion, the traffic environment, and road conditions. These factors give traffic accidents spatiotemporal characteristics. This paper analyzes traffic accident data to understand the main characteristics of traffic accidents and reconstructs the data in a time series format. Additionally, an LSTM-MLP based model that excellently captures spatiotemporal characteristics was developed and utilized for traffic accident prediction. Experiments have proven that the proposed model is more rational and accurate in predicting the risk of traffic accidents compared to existing models. The traffic accident risk prediction model suggested in this paper can be applied to systems capable of real-time monitoring of road conditions and environments, such as navigation systems. It is expected to enhance the safety of road users and minimize the social costs associated with traffic accidents.

급격한 도시화와 기술의 발전으로 자동차 보급 대수가 급증하면서 교통사고가 빈번하게 발생하고, 이로 인해 인적 피해와 경제적 손실이 증가하고 있다. 따라서 교통사고의 예방과 사고로 인한 피해를 최소화하기 위해 교통사고의 위험성을 예측 할 수 있는 기술이 필요하다. 교통사고는 교통 혼잡도, 교통 환경, 도로 상태를 포함한 다양한 요인들로 인해 발생한다. 이러한 요인들을 기반으로 교통사고는 시공간적인 특성을 가지게 된다. 본 논문은 교통사고 데이터를 분석하여 교통사고의 주요 특성들을 파악하고, 이를 기반으로 시계열 형식의 데이터로 재구성하였다. 그리고 시공간적인 특성을 우수하게 파악할 수 있는 LSTM-MLP 기반 모델을 구축하여 교통사고 예측에 활용하였다. 실험을 통해 제안한 모델은 기존의 교통사고 위험도 예측 모델 보다 더 합리적이고 정확한 예측함을 입증하였다. 본 논문에서 제안하는 교통사고 위험도 예측 모델은 내비게이션 등의 도로 상황과 환경을 실시간으로 파악할 수 있는 시스템에 적용할 수 있다. 이를 통해 도로 사용자들의 안전성을 향상시키고 교통사고로 인한 사회적 비용을 최소화하는 데 기여할 것으로 기대된다.