A Study on Machine Learning-Based Estimation of Roadkill Incidents and Exploration of Influencing Factors

기계학습 기반의 로드킬 발생 예측과 영향 요인 탐색에 대한 연구

This study aims to estimate roadkill occurrences and investigate influential factors in Chungcheongnam-do, contributing to the establishment of roadkill prevention measures. By comprehensively considering weather, road, and environmental information, machine learning was utilized to estimate roadkill incidents and analyze the importance of each variable, deriving primary influencing factors. The Gradient Boosting Machine (GBM) exhibited the best performance, achieving an accuracy of 92.0%, a recall of 84.6%, an F1-score of 89.2%, and an AUC of 0.907. The key factors affecting roadkill included average local atmospheric pressure (hPa), average ground temperature (℃), month, average dew point temperature (℃), presence of median barriers, and average wind speed (m/s). These findings are anticipated to contribute to roadkill prevention strategies and enhance traffic safety, playing a crucial role in maintaining a balance between ecosystems and road development.

본 연구에서는 충청남도를 중심으로 로드킬 발생을 예측하고 영향을 미치는 요인을 탐구하여 로드킬 예방 대책 수립에 이바지하고자 하였다. 날씨, 도로 및 환경 정보를 종합적으로 고려하여 기계학습을 기반으로 로드킬 발생을 예측하고 각 변수의 중요성을 분석하여 주요 영향 요인을 도출하였다. 가장 우수한 성능을 보인 Gradient Boosting Machine(GBM)은 정확도 92.0%, 재현율 84.6%, F1-score 89.2%, AUC 0.907을 기록했다. 로드킬에 영향을 미치는 주요 요인은 평균 지역 기압(hPa), 평균 지면 온도(℃), 월, 평균 이슬점 온도(℃), 중앙 분리대 존재 여부, 평균 풍속(m/s)이었다. 이러한 결과는 로드킬 예방 및 교통안전에 이바지할 것으로 기대되며, 생태계와 도로 개발 간의 균형 유지에 중요한 역할을 할 것으로 예상한다.