Earticle

초록

영어

Purpose: This study aims to analyze the key factors influencing the severity of rental car crashes in Jeju Special Self-Governing Province, where the rental car usage rate is high, and propose systematic measures to reduce crash severity. To achieve this, a crash severity analysis model was developed using machine learning techniques. Method: Data on rental car crashes in Jeju Special Self-Governing Province from 2018 to 2022 were analyzed using XGBoost, Decision Tree, and Random Forest models. Random Forest was identified as the optimal model, and SHAP analysis was employed to derive the feature importance of variables. Result: The Random Forest model demonstrated the highest performance. The feature importance analysis revealed that the most significant factors influencing crash severity were crash type, with “vehicle-pedestrian collisions”(0.2132169) and “vehicle-to-vehicle collisions”(0.150534) having the highest impact. Among traffic violations, “failure to drive safely” (0.145027) and “center line violations”(0.097202) were identified as critical factors. Additionally, the “intersection” road type (0.049608) was a significant factor. Environmental conditions such as rainy weather, nighttime, specific days(Sunday and Thursday), and seasons (autumn and summer) also increased crash severity. Conclusion: To reduce rental car crash severity, implementing a tailored vehicle rental system, expanding traffic safety infrastructure, and strengthening measures to prevent traffic violations are essential. Future research should expand the analysis scope and evaluate the effectiveness of policies to derive actionable and effective improvement strategies.

한국어

연구목적: 본 연구는 렌터카 이용률이 높은 제주특별자치도를 대상으로 렌터카 교통사고 심각도에 영 향을 미치는 주요 요인을 분석하고, 사고감소를 위한 체계적인 방안을 제시하는 것을 목적으로 한다. 이 를 위해 기계학습 기법을 활용하여 사고심각도 분석모델을 개발하였다. 연구방법: 2018년부터 2022년 까지의 제주특별자치도 렌터카 교통사고 데이터를 바탕으로 XGBoost, Decision Tree, Random Forest 를 비교 분석하였다. 최적의 모델로 Random Forest를 선정하고, SHAP 분석을 통해 변수 중요도를 도출 하였다. 연구결과: 랜덤 포레스트 모형이 가장 우수한 성능을 나타냈으며 변수 중요도 분석 결과, 사고 심각도에 큰 영향을 미치는 요인은 사고유형이 ‘차대 보행자’(0.2132169), ‘차대 차’(0.150534) 사고인 경우로 나타났다. 법규 위반 중 ‘안전운전 불이행’(0.145027), ‘중앙선 침범’(0.097202), 도로 형태 ‘교차로’(0.049608)인 경우에도 높은 변수 중요도를 보였다. 또한, 기상 상태_비, 야간, 특정요일(일요일, 목요일), 계절(가을, 여름)에 사고심각도 가 높게 나타났다. 결론: 렌터카 사고감소를 위해 맞춤형 차량 대여 시스템, 교통안전 시설물 확충, 법규 위반 예방조치를 강화해야 하며, 향 후 연구에서는 분석 범위를 확대하고 정책의 효과성을 평가하여 실효성 있는 개선 방안 도출이 필요하다.

목차

ABSTRACT
요약
서론
관련 이론 및 연구고찰
기계학습 알고리즘 – Random Forest
전통적 통계분석 방법을 활용한 연구고찰
연구의 차별점
렌터카 교통사고 현황
데이터 수집 및 전처리
제주특별자치도 교통수단 현황 및 사고 발생 현황
제주특별자치도 렌터카 안전지수 등급
렌터카 교통사고 심각도 분석
제주특별자치도 렌터카 교통사고 분석 자료 구성
구축 데이터 샘플
모형성능 평가지표 선정
분석모델 선정
하이퍼 파라미터(Hyper Parameter) 설정 및 성능평가
분석결과
결론
Acknowledgement
References

키워드

저자

• 윤병조 [ Byoung-Jo Yoon | Professor, College of Urban Science, Incheon National University, Incheon, Republic of Korea ] Corresponding Author
• 이선민 [ Sun-min Lee | Researcher, College of Urban Science, Incheon National University, Incheon, Republic of Korea ]
• 박형근 [ Hyung-Geun Park | Researcher, College of Urban Science, Incheon National University, Incheon, Republic of Korea ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국재난정보학회논문집 [Journal of The Korean Society of Disaster Information]

• 간기

  계간

• pISSN

  1976-2208

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 338 DDC 361