Earticle

초록

영어

Automobiles have long been an essential part of daily life, but the social costs of car traffic accidents exceed 9% of the national budget of Korea. Hence, it is necessary to establish prevention and response system for car traffic accidents. In order to present a model that can classify and predict the degree of injury in car traffic accidents, we used big data analysis techniques of K-nearest neighbor, logistic regression analysis, naive bayes classifier, decision tree, and ensemble algorithm. The performances of the models were analyzed by using the data on the nationwide traffic accidents over the past three years. In particular, considering the difference in the number of data among the respective injury severity levels, we used down-sampling methods for the group with a large number of samples to enhance the accuracy of the classification of the models and then verified the statistical significance of the models using ANOVA.

한국어

자동차는 우리의 일상에 필수재가 된 지 오래지만 자동차 교통사고로 인한 사회적 비용이 국가 예산의 9%를 넘을 정도로 심각하여 이에 대한 국가적인 예방 및 대응 체계 구축이 매우 필요한 실정이다. 이에 본 연구에서는 빅데이터 분석 기법을 활용하여 차대차 교통사고의 상 해 심각도를 정확히 예측할 수 있는 모형을 제시하고자 하였다. 이를 위해 과거 3년간의 전국 교통사고 발생 데이터를 토대로, K-최근접 이웃, 로지스틱 회귀분석, 나이브베이즈, 의사결정 나무, 앙상블 알고리즘을 적용하여 각 모델의 상해 심각도 분류의 성능을 비교 분석하였다. 특 히 이 과정에서 각 상해 심각도 수준 간의 데이터 수에 차이가 있음에 주목하여 표본수가 많은 그룹에 대해서는 과소표본추출을 시행하는 등의 방법을 통해 분류 예측의 정확도를 높일 수 있었고, 분산 분석을 통해 모델의 유의성을 검증하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 연구의 배경 및 목적
Ⅱ. 선행 연구 및 관련 연구 고찰
1. 선행 연구 고찰
2. 데이터 마이닝 이론 고찰
Ⅲ. 데이터 수집 및 데이터 집합 구성
1. 데이터 수집
2. 변수 선정 및 데이터 전처리
Ⅳ. 상해 심각도 예측 모델
1. 모델 성능 평가
2. 문제 재정의
Ⅴ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 고창완 [ Changwan Ko | 전남대학교 산업공학과 석사과정 ] 주저자
• 김현민 [ Hyeonmin Kim | 전남대학교 산업공학과 공학사 ] 공저자
• 정영선 [ Young-Seon Jeong | 전남대학교 산업공학과 부교수 ] 교신저자
• 김재희 [ Jaehee Kim | 전북대학교 경영학과 교수 ] 공저자

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