Earticle

초록

영어

As the link between traffic accidents and social and economic losses has been confirmed, there is a growing interest in developing safety policies based on crash data and a need for countermeasures to reduce severe crash outcomes such as severe injuries and fatalities. In this study, we select Daejeon city where the relative proportion of fatal crashes is high, as a case study region and focus on the severity of pedestrian crashes. After a series of data manipulation process, we run machine learning algorithms for the optimal model selection and variable identification. Of nine algorithms applied, AdaBoost and Random Forest (ensemble based ones) outperform others in terms of performance metrics. Based on the results, we identify major influential factors (i.e., the age of pedestrian as 70s or 20s, pedestrian crossing) on pedestrian crashes in Daejeon, and suggest them as measures for reducing severe outcomes.

한국어

교통사고와 사회·경제적 손실 간의 연계성이 확인됨에 따라 사고 데이터에 기반을 둔 안전 정책 마련 및 중상․사 망 등 그 심각도가 높은 교통사고의 절감 방안의 필요성이 제기되고 있다. 본 연구에서는 인구 대비 교통사고 사망자 비율이 높은 대전시를 대상지역으로 설정하고 보행자 교통사고 데이터를 수집한 후, 기계학습을 통해 최적알고리즘과 심각도 분류의 주요 인자를 도출하였다. 연구의 결과에 따르면, 적용한 9개 알고리즘 중 앙상블 기반의 학습 기법인 AdaBoost (Adaptive Boosting)와 RF (Random Forest)가 최적의 성능을 보여주었다. 이를 기반으로 도출된 대전시 보행자 교통사고 심각도의 주요 인자는 보행자의 연령이 70대 및 20대이거나 사고유형이 횡단사고에 의한 경우로 나타 남에 따라 대전시 보행자 사고 저감 대책을 위한 고려요인으로 제안하였다.

목차

요약
Abstract
1. 서론
2. 관련 이론 및 연구고찰
2.1 교통사고 심각도 분류를 위한 기계학습 알고리즘
3. 기계학습을 통한 대전시 보행자 교통사고 심각도 분류
3.1 연구 절차 및 방법
3.2 데이터수집 및 전처리
3.3 기계학습 알고리즘 선정 및 모델 생성
4. 기계학습 결과분석
4.1 대전시 교통사고 심각도 분류 모델 성능평가
5. 결론 및 향후 연구방향
REFERENCES

키워드

보행자 교통사고 사고 심각도 분류 앙상블 기계학습 대전시 랜덤 포레스트 아다부스트 Pedestrian crashes Crash severity classification Ensemble machine learning Daejeon city Random Forests AdaBoost

저자

• 강흥식 [ Heungsik Kang | 충남대학교 메카트로닉스공학과 박사수료 ]
• 노명규 [ Myounggyu Noh | 충남대학교 메카트로닉스공학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물