• Proceedings of the KOR-KST Conference
• /
• 2007.11a
• /
• pp.315-322
• /
• 2007

신호교차로 교통사고는 90년대 이후 도시가 발달하고 산업이 고도화됨에 따라 교통 혼잡 문제와 함께 심각한 사회문제로 대두되고 있다. 특히 신호교차로의 교통사고는 인적요인, 차량요인, 환경적 요인 등이 복합적으로 작용하여 발생하는데, 교통량의 집중과 도로의 기하구조, 운전자 과실 등이 교통사고의 주요 인자로 작용하고 있다. 본 연구에서 교통사고 예측모형을 개발하기 위해서 2003년부터 2006년도까지 실제 경기도의 신호교차로에서 발생한 교통사고자료를 기초로 하였다. 구체적으로는 시내가 아닌 지방부 성격을 지닌 일반국도를 대상으로 하였다. 지방부 일반국도의 신호교차로 교통사고 분석에 단순통계분석과 다중회귀분석을 사용하였다. 사고와 관계가 높은 신호주기, 방향별 접근 교통량, 회전교통량 둥과 같은 도로, 교통, 운영조건들로 변수를 정하여 교통사고 예측모형을 도출하였다. 본 연구에서는 도로조건, 교통조건, 운영조건들과 사고와의 관계를 이용하여 경기도 일반국도의 신호교차로 교통사고예측모형을 개발하였고, 이는 지방부 성격을 지닌 교차로에 적용이 가능하다고 판단된다.

• Journal of Korean Society of Transportation
• /
• v.22 no.3 s.74
• /
• pp.127-135
• /
• 2004

교차로 안전성 진단과 관련된 기존의 연구는 교차로 상에서 발생한 사고 자료에 기초하여 교차로 기하구조 요소, 교통량 및 신호운영방법 등과 관련된 요인을 변수로 사용하여 교통사고건수 예측모형 개발에 관한 연구가 대부분이다. 그러나, 분석하고자 하는 대상 교차로의 사고건수 예측모형을 개발하기 위해 필요한 교통사고 자료의 경우 단 기일에 걸쳐 획득되지 않으며 몇 년간의 사고 자료를 요구할 수도 있다. 이러한 자료를 이용하더라도 사고 발생 기간동안 교차로 사고에 영향을 미치는 요인(교차로 운영방법, 기하구조 등)이 변화될 수도 있다는 문제점을 지닌다. 이와 같은 이유로 교차로 안전성을 진단하는데 있어 기존 교통사고 자료는 언제나 절대적인 자료가 될 수 없다. 이에 대한 보완책으로, 3일에서 5일정도의 조사 자료만으로도 안전성 진단이 가능한 상충자료를 이용하여 교차로 안전성 진단을 할 수 있다. 본 연구는 기존사고 자료를 이용하여 사고 발생에 기인하는 여러 변수들을 교통사고심각도와의 상관관계를 분석하고, 상관관계가 높은 변수를 이용하여 신경망 사고심각도 예측모형을 개발하였으며, 모형 검증을 위해 다중회귀사고심각도 예측모형을 개발하여 비교 평가한 결과 신경망 사고심각도 예측모형의 예측력이 우수한 것으로 나타났다. 현장에서 조사된 상충자료를 신경망 사고심각도 예측모형에 적용하여 상충이 사고로 연결 될 경우 사고심각도를 예측하였으며, 예측된 사고심각도에 가중치를 부여하여 대상 교차로 위험우선순위를 결정한 결과 사고비용에 기초한 위험우선순위 결정법과 같은 순위의 결과를 도출하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.146-147
• /
• 2023

해양사고는 도로교통과 달리 지속적으로 증가하고 있으며, 인명피해가 주로 발생하는 주요 사고의 치사율은 도로교통의 11.7배 이상이다. 해양사고는 외부 환경에 따라 사고 위치가 변하고 즉각적인 조치가 어려워 타 교통에 비해 대형 사고로 이어질 가능성이 매우 크다. 그러나 여전히 사고가 발생하고 난 후 대응하는 등 사후적 관리 단계에 무르고 있어 사고의 주요 요인을 사전에 식별·관리하는 선제적 관리단계로의 전환 필요성이 대두되고 있다. 따라서 본 연구에서는 해양사고 발생 지점 밀도 기반의 가변 공간 군집체계를 반영한 해양사고 예측모델을 개발하였다. 반복적인 공간 가산분석을 통해 밀도가 높을수록 작은 규모의 격자 체계를 가질 수 있도록 상세한 공간 군집체계를 구성하였으며, 단순 사고 위험도 예측뿐만 아닌 사고 인과관계를 설명할 수 있는 BN(Bayesian Network) 기반의 모형을 사용하여 해양사고 위험예측 모델을 개발하였다. 또한, Cost-of-Omission을 통해 해양사고 예측확률의 변화와 각 변수들의 영향력을 확인하였으며, 월별 해양사고예측 결과를 GIS를 활용하여 2D/3D 기반으로 시각화하였다.

• Journal of Korean Society of Transportation
• /
• v.29 no.6
• /
• pp.39-56
• /
• 2011

This study proposed a traffic accident prediction model developed based on administrative districts of Seoul. The model was to find the relationship between accident rates and the representative land usage of the districts (development density) - the higher the development density (building floor area) is, the higher the traffic accident rate is. The findings showed that traffic accident statistics differ from (1) residential building floor area, (2) commercial building floor area and (3) business building floor area.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.20 no.3
• /
• pp.59-73
• /
• 2021

There are many lives lost due traffic accidents, and which have not decreased despite advances in technology. In order to prevent traffic accidents, it is necessary to accurately forecast how they will change in the future. Until now, traffic accident-frequency forecasting has not been a major research field, but has been analyzed microscopically by traditional methods, mainly based on statistics over a previous period of time. Despite the recent introduction of AI to the traffic accident field, the focus is mainly on forecasting traffic flow. This study converts into time series data the records from 1,339,587 traffic accidents that occurred in Korea from 2014 to 2019, and uses the AI algorithm to forecast the frequency of traffic accidents based on driver's age and time of day. In addition, the forecast values and the actual values were compared and verified based on changes in the traffic environment due to COVID-19. In the future, these research results are expected to lead to improvements in policies that prevent traffic accidents.

• Journal of Korean Society of Transportation
• /
• v.19 no.6
• /
• pp.207-218
• /
• 2001

As a city and industries are developed rapidly, a traffic accident and congestion take places on the road link become serious and it can be a large problem of the society in the future. Especially, most of the traffic accidents on the signalized intersection are caused by the human factor, vehicle and environmental factor mutually. The relation of the traffic accident and volume is acting on the outbreak of the traffic accident and the mistake of driver altogether as a major cause. The purpose of this paper is to develop a model for the forecasting of the traffic accident and to use research data gained to predict many traffic accidents. The data of this study were used with real one of the 73 areas of the four-legged signalized intersection in Kwang-ju city from 1996 to 1998 for three years to develop a model for the forecasting of the traffic accident. The statistical methods used in this paper are the principal component, regression and correlation analysis. We studied accident models to find out useful data from the statistics method and applied the data to the different area of the Choun-La province for the verification of the model. So, the result of this paper showed a reasonable model for the forecasting or the traffic accident and possibility of the model for simulating on real case. Finally, This study would be made of a study continually for the safe design and plan for the four-legged signalized intersection.

• Journal of the Institute of Convergence Signal Processing
• /
• v.24 no.4
• /
• pp.178-185
• /
• 2023

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.

• Journal of Korean Society of Transportation
• /
• v.14 no.4
• /
• pp.155-178
• /
• 1996

신호교차로 서비스수준은, 객관적으로 측정 할 수 있는 여러 가지 기준에 의해 결정될 수 있다. 예를 들면, 지체시간(Delay), 교통사고수(Number of Accident), 교통사고율(Accident Rate), 충돌수(Traffic Conflict), 그리고 교통사고에 노출된 차량수(Exposure)등이다. 지금까지는 1985 Highway Capacity Manual(HCM)에서 소개된 지체시간에 의한 서비스수준 결정방법이 널리 사용되어 왔다. 본 논문에서는 1985 HCM 방법의 중용성과 유용성에 대해 논하지 않고, 교통안전(Safety)에 의한 신호교차로 서비스수준 결정방법을 제시하였다. 교차로의 위험도(Degree of Intersection Hazard)를 예측하기 위해, 교통사고빈도 수가 가장 높은 두가지 교통사고 유형, 즉 좌회전추돌(Left-Tum)과 후미추돌(Rear-End) 예측 모형이 개발되었다. 여기서 첫째, 좌회전추돌 위험도를 예측하기 위하여 음지수 분포(Negative-Exponential Distribution)를 이용한 확률적 모형이 개발되었다. 둘째, 후미추돌 위험도를 예측하기 위하여 연속류 모형(Continuum Model)을 이용한 거시적 모형이 개발되었다. 개발된 두가지 모형을 이용하여 신호교차로 안전도를 예측하였으며 교차로 서비스수준이 안전도에 의해 결정되었다. 본 논문에서 제시된 교통안전에 의한 신호교차로 서비스수준 결정방법은 연동교차로를 제외한 독립교차로에만 적용이 된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.441-442
• /
• 2022

교통사고 예측은 차량의 블랙박스 동영상을 통해 사고 발생을 최대한 빨리 예측하는 것을 목표로 한다. 이는 안전한 자율주행 시스템을 보장하는 데 중요한 역할을 한다. 다양한 교통 상황과 카메라의 제한된 시야로 인해 프레임에서 사고 가능성을 조기에 관찰하는 것은 어려운 도전이다. 예측의 핵심 기술은 객체의 시공간 관계를 학습하는 것이다. 본 논문에서는 블랙박스 동영상에서 사고 예측을 위한 계산 모델을 제안한다. 이것을 사용하여 사고 예방을 강화한다. 이 모델은 사고 위험에 대한 운전자의 시각적 인식에서 영감을 받았다. 객체 탐지기는 동영상 프레임에서 다양한 객체를 탐지한다. 탐지한 객체는 노드 생성기와 특징 추출기 동시에 통과한다. 노드 생성기에서 생성한 노드는 GCN 실행기를 사용한다. GCN 실행기는 각 프레임에 대한 객체의 3D 위치 관계를 계산한 후 공간 특징을 취득한다. 동시에 공간 특징과 특징 추출기에서 얻은 객체의 특징은 GRU 실행기로 보내진다. GRU 실행기 안에 시공간 특징을 암기하고 분석하여 교통사고 확률을 예측한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.144-145
• /
• 2023

육상, 철도, 항공 등 타 교통분야에서 지속적으로 사고와 인명피해가 줄어든 반면, 해양분야는 해양사고가 증가하며 실효적 해양교통안전관리에 대한 필요성이 대두되고 있다. 최근 3년간 국내 해상에서 발생한 충돌사고 중 어선을 포함한 충돌사고가 전체의 약 84%를 차지하며, 해상교통의 주요 변수인 어선을 포함한 국가의 해상교통량 파악은 반드시 필요한 실정이다. 본 연구에서는 현 정부 국정과제인 '디지털 해상 교통망 구축'과 더불어 해양교통안전관리체계 마련의 일환으로 국내 전체 선박위치발신장치(AIS, V-PASS) 데이터를 활용하여 해상교통량을 분석하고 예측 모델을 개발한다. 이를 위해 선박 밀집도를 통한 그리드별 공간가산분석과 항적 데이터 전처리 및 선형화, 선박 길이에 따른 점용면적 산정을 통한 단위 그리드별 해상교통량을 분석한다. 또한, 과거 교통량 데이터는 딥러닝 기반의 시계열 특성을 지닌 RNN과 LSTM 모델을 활용하여 교통량 예측 모형을 개발한다. 본 연구의 결과는 해상교통량과 해양사고의 연관성 분석 및 속력제한구역 등 해상정책 수립의 정량적 근거를 제공하며, 국민에게 해상교통정보 제공을 통해 교통복지 증진에 기여할 수 있다.