TAREF: 운전자 특성 및 실시간 행동 분석 기반 교통사고 위험도 산출 프레임워크
TAREF: Traffic Accident Risk Evaluation Framework based on Driver Characteristics and Real-Time Behavioral Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현대 사회에서 교통사고는 인간의 생명과 안전을 위협할 뿐만 아니라 국가에 경제적 손실을 일으킨다. 교통사고를 예방하여 시민들의 안전을 확보함과 동시에 국가의 경제적 손실을 감소시키는 것은 해결해야 할 매우 중대한 문제이다. 최근 딥러닝 기술의 발전에 따라 도로의 시공간적 특성을 기반으로 교통사고 위험도를 예측하는 연구가 활발히 진행되고 있다. 그러나, 교통사고에 중요한 요소인 인적 요소를 활용하여 교통사고 위험도를 산출하는 연구는 활발히 수행되지 않았다. 본 논문은 기존의 도로 시공간적 특성 기반 교통사고 확률 예측 연구에 운전자의 특성에 따른 위험도와 실시간 운전자 이상 행동 및 시선 분산에 따른 위험도를 결합하여 종합적으로 운전자에 개인화된 위험도인 Comprehensive Traffic Risk Level (CTRL)을 산출하기 위한 Traffic Accident Risk Evaluation Framework (TAREF)를 제시한다. 이러한 교통사고 위험도 산출 방법을 통해 향후 교통사고 예방을 위한 연구 및 정책 수립에 있어서 중요한 기반을 제공할 것으로 기대된다.
Abstract
In modern society, traffic accidents not only threaten human lives and safety but also result in economic losses for the nation. Preventing traffic accidents to ensure the safety of citizens while reducing the economic losses of the country is a very significant issue that needs to be addressed. With the recent advancements in deep learning technology, research on predicting the risk of traffic accidents based on the spatiotemporal characteristics of roads is actively ongoing. However, research on calculating the risk of traffic accidents by utilizing human factors, which are crucial elements in accidents, has not been actively pursued. This paper presents a Traffic Accident Risk Evaluation Framework (TAREF) to calculate the Comprehensive Traffic Risk Level (CTRL), which is personalized risk for drivers by combining the risk according to driver characteristics with real-time driver aberrant behavior and gaze dispersion. It is expected that such a method for calculating traffic accident risk will provide an important foundation for future research and policy-making aimed at preventing traffic accidents.
참고문헌 (10)
- "2022년 도로교통사고 사회적 비용,약 26조 2,833억원 발생 홈 > 소식·정보 > 알림마당 > 보도자료"[URL]
- "국가지표체계 | 지표상세정보"[URL]
- P. Trirat, "MG-TAR:Multi-View Graph Convolutional Networks for Traffic Accident Risk Prediction", IEEE Transactions on Intelligent Transportation Systems, pp.1~16 (2023)
- Y. Yao, "Clustering driver behavior using dynamic time warping and hidden Markov model", J Intell Transp Syst, 25(3), pp.249~262 (2021)
- Chen S, "Driving Behavior Risk Measurement and Cluster Analysis Driven by Vehicle Trajectory Data", Applied Sciences, 13(9), pp.5675~ (2023)
- 김태욱, "Driver Group Clustering Technique and Risk Estimation Method for Traffic Accident Prevention", 한국컴퓨터정보학회논문지 (2024)
- 송용준, "CNN-LSTM 모델을 활용한 실시간 운전자 행위 식별 시스템", 석사, pp.2021
- 김형규, "MTCNN 기반 운전자 시선정보시각화 연구", 디지털예술공학멀티미디어논문지, 9(4), pp.431~440 (2022)
- 양지웅, "운전자이상행동 및 시선에 따른 교통사고 위험도 예측", 한국컴퓨터정보학회논문지, 29(8), pp.1~9 (2024)
- "TAAS 교통사고분석시스템"[URL]