Earticle

초록

영어

In recent years, it has become technically easier to explain factors related with traffic accidents in the Big Data era. Therefore, it is necessary to apply the latest analysis techniques to analyze the traffic accident data and to seek for new findings. The purpose of this study is to compare the predictive performance of the negative binomial regression model and the deep learning method developed in this study to predict the frequency of traffic accidents in expressways. As a result, the MOEs of the deep learning model are somewhat superior to those of the negative binomial regression model in terms of prediction performance. However, using a deep learning model could increase the predictive reliability. However, it is easy to add other independent variables when using deep learning, and it can be expected to increase the predictive reliability even if the model structure is changed.

한국어

최근 빅데이터 시대의 도래와 함께 교통사고와 관련된 요인을 설명하기 용이해졌다. 이에 따라 최신 분석 기법을 적용하여 교통사고 자료를 분석하고 시사점을 도출할 필요가 있다. 본 연구의 목적은 고속도로 교통사고 자료를 이용하여 고속도로의 주요 분석 단위인 콘존의 교통사고 건수를 예측하기 위하여 음이항 회귀모형과 딥 러닝을 이용한 기법을 적용하고 예 측 성능을 비교하였다. 예측 성능 비교 결과, 딥 러닝 모형의 MOE들이 음이항 회귀모형에 비해 다소 우수한 것으로 나타났으나, MAD 기준으로 차이는 미미한 것으로 나타났다. 하지 만 딥 러닝을 이용할 경우 다른 독립변수들을 추가하는 것이 용이하고, 모형의 구조 등을 변 경할 경우 예측 신뢰도를 더욱 증가시킬 수 있을 것으로 판단된다.

목차

요약
 ABSTRACT
 Ⅰ. 서론
  1. 연구의 배경 및 목적
  2. 연구의 범위 및 방법
 Ⅱ. 관련 이론 및 연구 고찰
  1. 관련 이론 고찰
  2. 관련 연구 고찰
 Ⅲ. 자료 수집 및 구축
  1. 변수 선정
  2. 자료 수집 및 가공
 Ⅳ. 모형 검증 방법
  1. 학습 및 검증 데이터 분리
  2. 모형 검증 방법
 Ⅴ. 교통사고 예측모형 개발 및 비교
  1. 음이항 회귀모형을 이용한 고속도로 교통사고 예측모형 개발
  2. 딥 러닝을 이용한 고속도로 교통사고 건수 예측모형 개발
  3. 모형 성능 비교
 Ⅵ. 결론 및 향후 연구과제
  1. 결론
  2. 향후 연구과제
 ACKNOWLEDGEMENTS
 REFERENCES

키워드

저자

• 류종득 [ Jong-Deug Rye | 한국도로공사 수도권건설사업단 단장 ] 주저자
• 박상민 [ Sangmin Park | 아주대학교 건설교통공학과 박사과정 ] 공저자
• 박성호 [ Sungho Park | 아주대학교 건설교통공학과 박사과정 ] 공저자
• 권철우 [ Cheolwoo Kwon | 아주대학교 건설교통공학과 석사과정 ] 공저자
• 윤일수 [ Ilsoo Yun | 아주대학교 교통시스템공학과 부교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338