자율주행차 사고심각도의 영향요인 분석에 관한 연구: 사고데이터와 교통인프라 정보를 결합하여
A Study on Factors Influencing the Severity of Autonomous Vehicle Accidents: Combining Accident Data and Transportation Infrastructure Information
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
자율주행 기술이 고도로 발전하고, 관련 시장이 급격하게 성장하고 있어 머지않은 시기 내에 완전 자율주행 시대가 도래할 것으로 예상된다. 한편, 자율주행 기술의 발전과 함께 기술안전성에 대한 의문이 제기되고 있으며, 관련 사고 소식이 보도되면서 기술에 대한 우려는 증대되고 있다. 자율주행차의 안전성 향상을 위해, 사고 사례를 분석하고 사고 원인을 규명하는행위가 선행될 필요가 있다. 이에, 본 연구는 자율주행 사고데이터를 통해 자율차 사고의 심각도에 대한 영향요인을 분석하였다. 연구 데이터는 CA DMV에서 수집·배포하고 있는 자율주행차 사고 레포트를 중심으로 사고 지점의 공간 정보, 교통 정보를 사용하였다. 중점 데이터가사고 레포트임을 고려할 때, 사건 발생 횟수의 기댓값이 반영될 수 있도록 포아송 회귀 분석을사용하여 모델링을 진행하였다. 모형 분석 결과, 자율주행차 사고 심각도는 조도가 낮을 때, 자전거·버스 전용 차로가 존재할 때, 보행자와 자전거 사고 이력이 많은 지역에서 증가한다는결과가 도출되었다. 본 연구 결과는 향후, 자율주행차 안전성 개선을 위한 알고리즘 개발 및관련 교통 인프라 설치를 위한 기초자료로 활용될 수 있을 것이다.
Abstract
With the rapid advance of autonomous driving technology, the related vehicle market is experiencing explosive growth, and it is anticipated that the era of fully autonomous vehicles will arrive in the near future. However, along with the development of autonomous driving technology, questions regarding its safety and reliability continue to be raised. Concerns among technology adopters are increasing due to media reports of accidents involving autonomous vehicles. To promote the improvement of the safety of autonomous vehicles, it is essential to analyze previous accident cases and identify their causes. Therefore, in this study, we aimed to analyze the factors influencing the severity of autonomous vehicle accidents using previous accident cases and related data. The data used for this research primarily comprised autonomous vehicle accident reports collected and distributed by the California Department of Motor Vehicles (CA DMV). Spatial information on accident locations and additional traffic data were also collected and utilized. Given that the primary data used in this study were accident reports, a Poisson regression analysis was conducted to model the expected number of accidents. The research results indicated that the severity of autonomous vehicle accidents increases in areas with low lighting, the presence of bicycle or bus-exclusive lanes, and a history of pedestrian and bicycle accidents. These findings are expected to serve as foundational data for the development of algorithms to enhance the safety of autonomous vehicles and promote the installation of related transportation infrastructure.
참고문헌 (23)
- Chen, H., "Analysis of Factors Affecting the Severity of Automated Vehicle Crashes Using XGBoost Model Combining POI Data", Journal of Advanced Transportation, pp.1~12 (2020)
- Coxe, S., "The analysis of count data : A gentle introduction to Poisson regression and its alternatives", Journal of Personality Assessment, 91(2), pp.121~136 (2009)
- Favarò, F. M., "Examining accident reports involving autonomous vehicles in California", PLoS One, 12(9), pp.e0184952~ (2017)
- Frome, E. L., "The Analysis of Rates Using Poisson Regression Models", Biometrics, 39(3), pp.665~674 (1983)
- Ha, T., "Effects of explanation types and perceived risk on trust in autonomous vehicles", Transportation Research Part F : Traffic Psychology and Behaviour, 73, pp.271~280 (2020)
- Hayat, M. J., "Understanding Poisson regression", The Journal of Nursing Education, 53(4), pp.207~215 (2014)
- 전연수, "도로안전진단항목의 교통사고밀도에 대한 영향분석 - 서울특별시 자치구를 중심으로 -", 서울도시연구, 21(2), pp.67~84 (2020), 서울연구원[DOI]
- Jessalyn, K. H., "Comparing regression modeling strategies for predicting hometime", BMC Medical Research Methodology, 21(138) (2021)
- Kim, K., "Lessens Learned from Crash Types of Automated Vehicles : Based on Accident Data of Automated Vehicles in California, USA", Journal of Korean Society of Civil Engineers, 17(2), pp.34~42 (2020)
- 이희승, "제주지역에서 렌터카 교통사고는 사망 위험성이 더 높은가?", 대한응급의학회지, 33(4), pp.406~415 (2022), 대한응급의학회
- Ma, Y., "A Review on Dimension Reduction", International Statistical Review, 81(1), pp.134~150 (2013)
- National Safety Council, "Vehicle Damage Scale for Traffic Accident Investigators" (1983), Highway Safety Research Center
- 오주택, "국도변 신호교차로 안전성 향상을 위한 사고예측모형개발", 대한토목학회 논문집D, 25(1D), pp.9~15 (2005), 대한토목학회
- 박병호, "지방부 신호교차로 사고특성분석 및 모형개발 (청주·청원을 중심으로)", 대한교통학회지, 26(2), pp.35~46 (2008), 대한교통학회
- Park, B., "Prediction of traffic accidents and traffic volume using simultaneous equations", Journal of Construction Engineering and Technology, 33(1), pp.1~6 (2014)
- 박상조, "교통사고 운전자 상해 중증도 추정", 교통연구, 24(1), pp.1~15 (2017), 한국교통연구원[DOI]
- Ringnér, M., "What is principal component analysis?", Nature Biotechnology, 26, pp.303~304 (2008)
- 성병준, "진주시 교통사고의 시계열적 공간분포특성 분석", 대한공간정보학회지, 23(2), pp.3~9 (2015), 대한공간정보학회[DOI]
- 심관보, "교통사고 위험도 지수 산정 모델 개발 - 춘천시 교차로를 중심으로 -", 한국도로학회논문집, 11(3), pp.61~74 (2009), 한국도로학회
- Shlens, J., "A tutorial on principal component analysis, arXiv preprint", arXiv preprint arXiv:1404.1100, ~ (2014)
- Ver, H. J., "Quasi-Poisson vs. negative binomial regression : How should we model overdispersed count data?", Ecology, 88(11), pp.2766~2772 (2007)
- Xu, C., "Statistical analysis of the patterns and characteristics of connected and autonomous vehicle involved crashes", Journal of Safety Research, 71, pp.41~47 (2019)
- Yong, A. G., "A Beginner's Guide to Factor Analysis : Focusing on Exploratory Factor Analysis", Tutorials in Quantitative Methods for Psychology, 9(2), pp.79~94 (2013)