• 대한교통학회지
• /
• 제27권4호
• /
• pp.167-173
• /
• 2009

교통사고는 인간의 생명과 직결되는 문제이므로, 교통사고 예방 및 심각도 감소를 위한 연구는 매우 중요하다고 할 수 있다. 따라서 본 연구에서는 교통사고 심각도에 영향을 줄 수 있는 다양한 영향요소들을 고려하여 교통사고로 인한 피해를 최소화할 수 있는 대응책을 수립하고자 하였다. 본 연구에서는 2004~2006년 동안 서해안 고속도로에서 발생한 174개의 구간별 사고자료를 이용하여 사고 심각도 예측모형을 만들었다. 이렇게 분석된 모형을 이용하여 사고심각도에 영향을 미치는 주요요인을 찾고 이를 이용하여 교통사고로 인한 피해를 줄일 수 있는 다양한 방법들을 고려해 보았다. 분석결과 과속으로 인한 사고, 차량결함, 차대차 사고, 차대사람 사고, 교통량, 곡선반경 및 종단경사 변동계수에 의해 사고심각도가 정의되는 것을 알 수 있다. 이와 같은 사고심각도와 밀접한 관련이 있는 독립변수들을 대상으로 구간에 따른 각 영향의 정도를 그래프를 나타내 보았으며, 그 결과 심각한 사고를 유발하는 특정원인이 몇 가지 존재하며 이러한 특정원인 및 사고유형은 서해안 고속도로의 특정구간에서 주로 발생한다는 것을 알 수 있다. 이러한 결과들은 서해안 고속도로의 특정 구간에 속도제한 단속 카메라, 차내/외 경고정보제공등과 같은 선택적 교통정보 및 교통시설을 제공함으로써 사고를 예방하는 방법에 활용될 수 있을 것이다.

• 한국도로학회논문집
• /
• 제14권5호
• /
• pp.101-111
• /
• 2012

PURPOSES: Because expressway ramps are very complex segments where diverse roadway design elements dynamically change within relatively short length, drivers on ramps are required to drive their cars carefully for safety. Especially, ramps on expressways are designed to guarantee driving at high speed so that the risk and severity of traffic accidents on expressway ramps may be higher and more deadly than other facilities on expressways. Safe deceleration maneuvers are required on off-ramps, whereas safe acceleration maneuvers are necessary on onramps. This difference in required maneuvers may contribute to dissimilar patterns and severity of traffic accidents by ramp types. Therefore, this study was aimed at developing prediction models of the severity of traffic accidents on expressway on- and off-ramps separately in order to consider dissimilar patterns and severity of traffic accidents according to types of ramps. METHODS: Four-year-long traffic accident data between 2007 and 2010 were utilized to distinguish contributing design elements in conjunction with AADT and ramp length. The prediction models were built using the negative binomial regression model consisting of the severity of traffic accident as a dependent variable and contributing design elements as in independent variables. RESULTS: The developed regression models were evaluated using the traffic accident data of the ramps which was not used in building the models by comparing actual and estimated severity of traffic accidents. Conclusively, the average prediction error rates of on-ramps and offramps were 30.5% and 30.8% respectively. CONCLUSIONS: The prediction models for the severity of traffic accidents on expressway on- and off-ramps will be useful in enhancing the safety on expressway ramps as well as developing design guidelines for expressway ramps.

• 한국철도학회논문집
• /
• 제20권4호
• /
• pp.482-490
• /
• 2017

본 연구는 사고심각도 분류 및 예측을 위한 철도사고조사 통계기법에 관한 연구이다. 그동안의 선형 회귀분석은 사고 심각도 분석에 어려움이 있었으나 로지스틱회귀분석은 이를 보완할 수 있었다. 데이터마이닝 기법인 로지스틱회귀분석을 활용, 서울지하철(5~8호선) 역사 내 전도사고 중 에스컬레이터 전도사고 발생에 영향을 주는 사고예측 모형 변수는 사고자 연령, 음주여부, 사고 당시상황 및 행동, 핸드레일 잡음 여부였다. 분석의 정확도는 76.7%로 설명되었고 분석방법 결과에 따르면 정확도와 유의수준 측에서 로지스틱회귀분석 방법이 도시철도 사상사고 예측모형을 개발하는데 유용한 데이터마이닝 기법으로 판단된다.

• 한국안전학회지
• /
• 제27권4호
• /
• pp.108-114
• /
• 2012

Traffic Accident Merging Index(TAMI) is developed for TMACS(Traffic Safety Information Management Complex System). TAMI is calculated by combining 'Severity Index' and 'Frequency'. This paper suggest the accurate TAMI prediction model by time series forecasting. Preventing the traffic accident by accurately predicting it in advance can greatly improve road traffic safety. Searches the model which minimizes the error of 230 local self-governing groups. TAMI of 2007~2009 years data predicts TAMI of 2010. And TAMI of 2010 compares an actual index and a prediction index. And the error is minimized the constant where selects. Exponential Smoothing model was selected. And smoothing constant was decided with 0.59. TAMI Forecasting model provides traffic next year safety information of the local government.

• 스마트미디어저널
• /
• 제5권4호
• /
• pp.75-82
• /
• 2016

우리나라의 경제 성장과 도로 환경의 변화를 통해 국내 자동차 시장이 성장하였으나, 이로 인해 교통사고율 또한 증가하였고, 인명 피해가 심각한 수준이다. 이에 따라, 정부에서는 교통사고 데이터를 개방하고 문제를 해결하기 위한 정책을 수립 및 추진 중이다. 본 논문에서는 교통사고 데이터를 이용하여 클래스의 불균형을 해소하고, Hybrid Model 구축을 통한 교통사고 예측을 위해 원본 교통사고 데이터와 Sampling을 수행한 데이터를 학습 데이터로 사용한다. 두 학습데이터에 연관규칙 학습기법인 FP-Growth 알고리즘을 이용하여 교통사고 상해 심각도와 연관된 패턴을 학습한다. 두 학습 데이터의 연관 패턴을 분석을 통해 같은 연관된 패턴을 추출하고 의사결정트리와 다항 로지스틱 회귀분석기법에 연관된 속성에 가중치를 부여하여 융합형 Hybrid Model을 구축하고 교통사고 피해자 상해 심각도를 예측하는 방법에 대해 제안한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권8호
• /
• pp.301-310
• /
• 2021

TATI 모델이란 Traffic Accident Text to RGB Image 모델로, 교통사고 심각 정도 예측을 위한 본 논문에서 제안하는 방법론이다. 교통사고 치사율은 매년 감소하는 추세이나 OECD 회원국 중 하위권에 속해있다. 교통사고 치사율 감소를 위해 많은 연구들이 진행되었고, 그 중에서 교통사고 심각 정도를 예측하여 발생 및 치사율을 줄이기 위한 연구가 꾸준하게 진행되고 있다. 이와 관련하여 최근에는 통계 모델과 딥러닝 모델을 활용하여 교통사고 심각 정도 예측을 하는 연구가 활발하다. 본 논문에서는 교통사고 심각 정도를 예측하기 위해서 교통사고 데이터를 컬러 이미지로 변환하고, CNN 모델을 통해 이를 수행한다. 성능 비교를 위해 제안하는 모델과 다른 모델들을 같은 데이터로 학습시키고, 예측결과를 비교하는 실험을 진행했다. 10번의 실험을 통해 4개의 딥러닝 모델의 정확도와 오차 범위를 비교하였다. 실험 결과에 따르면 제안하는 TATI 모델의 정확도가 0.85로 가장 높은 정확도를 보였고, 0.03으로 두 번째로 낮은 오차 범위를 보여 성능의 우수성을 확인하였다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1123-1130
• /
• 2020

본 연구는 고속도로 교통사고 심각도 예측모델을 구축하기 위해 다섯가지 머신러닝 기반의 분류모형 적용하였다. 2015년~2017년 동안 전국 고속도로에서 발생한 사고 데이터 21,013건을 5가지의 분류 모형을 적용한 결과 LightGBM(Light Gradient Boosting Model)이 가장 좋은 성능을 나타내는 것으로 나타났다. LightGBM에서는 교통사고심각도 추정에 있어 우선순위 요인으로 사고차량 수, 사고유형, 사고지점, 사고차로유형, 사고차량 유형 순으로 나타났다. 이러한 모형의 결과를 기반으로 일관적인 사고심각도 예측 과정을 통하여 교통사고대응관리 전략 수립에 활용할 수 있다. 본 연구는 국내 기계학습을 활용한 사례가 적은 여건에서 향후 빅데이터 기반의 다양한 기계학습 기법을 활용이 가능함을 제시하고 있다.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.95-100
• /
• 2023

Due to Traffic accidents people faces health and economical casualties around the world. As the population increases vehicles on road increase which leads to congestion in cities. Congestion can lead to increasing accident risks due to the expansion in transportation systems. Modern cities are adopting various technologies to minimize traffic accidents by predicting mathematically. Traffic accidents cause economical casualties and potential death. Therefore, to ensure people's safety, the concept of the smart city makes sense. In a smart city, traffic accident factors like road condition, light condition, weather condition etcetera are important to consider to predict traffic accident severity. Several machine learning models can significantly be employed to determine and predict traffic accident severity. This research paper illustrated the performance of a hybridized neural network and compared it with other machine learning models in order to measure the accuracy of predicting traffic accident severity. Dataset of city Leeds, UK is being used to train and test the model. Then the results are being compared with each other. Particle Swarm optimization with artificial neural network (PSO-ANN) gave promising results compared to other machine learning models like Random Forest, Naïve Bayes, Nearest Centroid, K Nearest Neighbor Classification. PSO- ANN model can be adopted in the transportation system to counter traffic accident issues. The nearest centroid model gave the lowest accuracy score whereas PSO-ANN gave the highest accuracy score. All the test results and findings obtained in our study can provide valuable information on reducing traffic accidents.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.132-145
• /
• 2022

본 연구는 고속도로에서 발생한 교통사고 블랙박스 영상을 기반으로 군집분석과 예측모형 비교를 수행하였다. 분석자료로 사고 직전의 도로 및 교통 상황을 파악할 수 있는 차량 주행행태, 노면 상태 등 사고 영상에서 추출이 가능한 항목을 설명변수로 활용하였다. 여러 요소에 의해 영향을 받는 교통사고 데이터의 특징을 고려하여 데이터의 이질성을 반영하는 군집분석을 활용하였다. 군집분석으로 분류된 각 군집을 사고 심각도 수준의 비율을 기준으로 나누고, 종속변수인 인명피해 수준을 반영하여 사고 예측 평가를 수행하였다. 사고 예측모형은 로짓 모형(Logit model)을 적용한 결과, 전체 데이터를 분석한 경우보다 군집분석에 의해 두 개의 사고 심각도 그룹을 분류하여 예측했을 때 우수한 예측 능력을 보여주었다. 이는 군집분석을 통한 그룹별 사고 특성과 사고 심각도를 반영하여 사고위험을 예측하는 것이 더 효과적인 것으로 판단된다. 또한 2차 사고와 같은 정차 중 추돌사고, 차로변경 중 측면 추돌사고 등이 중요한 주행행태변수로 작용하는 것으로 나타났다.

• 대한교통학회지
• /
• 제28권2호
• /
• pp.123-133
• /
• 2010

현재 국내의 횡단보도 설치 관련 기준은 육교 지하차도 및 다른 횡단보도로부터 200m 이내는 중복설치를 금하고 있다. 만약 횡단보도를 설치하고자 할 때는 지방경찰청장이 타당성을 검토하여 설치하도록 규정하고 있으나, 횡단보도의 설치형태와 세부기준은 미흡한 실정이다. 본 연구에서는 Mid-Block상의 버스정류장 배치형태(접근부, 유출부)에 따른 각각의 사고예측모형을 개발하였으며, 사고건수와 사고심각도를 종속변수, 버스정류장과 횡단보도 이격거리, 교통량, 보행량을 독립변수로 하는 포아송 회귀모형식을 개발하였다. 유출부모형의 경우 연간 교통사고 심각도는 버스정류장과 횡단보도간의 이격거리, 교통량, 보행량의 증가에 따라 사고와 양(+)의 관계로 증가하고, 접근부 모형의 경우는 교통량, 보행량의 증가에 따라 사고와 양(+)의 관계로 증가하지만 버스정류장과 횡단보도간의 이격거리는 음(-)의 관계로 분석되었다. 따라서, 교통사고를 최소화할 수 있는 버스정류장과 횡단보도 이격거리는 횡단보도 접근형과 유출형의 혼합형인 횡단보도의 경우는 이격거리 65m일 때 최적의 배치형태로 분석되었으며, 유출부와 접근부 사고 모형식을 통해서 얻은 최적 이격거리가 60m~70m로 나타났다.