교통사고 정보를 이용한 과실비율 산정 모델 개발
Development of a Model for Calculating the Negligence Ratio Using Traffic Accident Information
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
국내에서 발생하는 교통사고는 손해보험협회에서 작성한 「자동차사고 과실비율 인정기준」 에 따라 과실비율을 산정하며, 이를 통해 보험사의 합의나 판결이 내려진다. 하지만, 과실비율산정에 있어 분쟁이 빈번하게 일어나고 있다. 따라서, 교통사고 발생 시 경찰공무원에 의해 작성되는 교통사고 정보를 이용하여 「자동차사고 과실비율 인정기준」상의 교통사고 유형을 신속하게 확인할 수 있다면, 보다 효과적인 대응이 가능할 것으로 사료된다. 이에 본 연구에서는경찰에 의해 작성된 교통사고 정보를 학습시켜 「자동차사고 과실비율 인정기준」에서 제시하는 교통사고 유형으로 분류하는 모델을 개발하고자 한다. 특히, 데이터마이닝을 통해 경찰청교통사고 데이터에서 「자동차사고 과실비율 인정기준」의 교통사고 유형으로 분류하는 데 필요한 핵심어들을 추출하였다. 그리고, 키워드를 의사결정나무 및 랜덤 포레스트 모델을 통해학습시켜 교통사고 유형을 도출하는 모델을 개발하였다.
Abstract
Traffic accidents occur in Korea are calculated with the 「Automobile Accident Negligence Ratio Certification Standard」 prepared by the ‘General Insurance Association of Korea’ and the insurance company's agreement or judgment is made. However, disputes are frequently occurring in calculating the negligence ratio. Therefore, it is thought that a more effective response would be possible if accident type according to the standard could be quickly identified using traffic accident information prepared by police. Therefore, this study aims to develop a model that learns the accident information prepared by the police and classifies it to match the accident type in the standard. In particular, through data mining, keywords necessary to classify the accident types of the standard were extracted from the accident data of the police. Then, models were developed to derive the types of accidents by learning the extracted keywords through decision trees and random forest models.
참고문헌 (18)
- Brreiman, L., "Random forests", Machine Learning, 45, pp.5~32 (2001)
- "General Insurance Association of Korea" (2022)[URL]
- 허태임, "랜덤포레스트와 적외선 분광법을 이용한 팽나무속 (Celtis) 수종 식별 및 분광학적 특성 중요도 분석", 한국데이터정보과학회지, 32(6), pp.1183~1194 (2021), 한국데이터정보과학회[DOI]
- 장철호, "의사결정나무모형을 이용한 공정무역상품의 소비활성화 전략", 식품유통연구, 26(1), pp.51~71 (2009), 한국식품유통학회
- Jeong, H. R., "Reclassification of Traffic Crashes Using Traffic Crash Report Data and Keyword Analysis", 13th International Conference on Probabilistic Safety Assessment and Management (2016)
- Joen, S., "A study on the determination of fault rates by adjusters in automobile accidents", Doctor, pp.2019
- 정수진, "교통사고 소송에서의 과실의 개념 - 공동불법행위 성립요건으로서의 과실과 과실상계에서의 과실의 비교 -", 법조, 61(9), pp.174~207 (2012), 법조협회[DOI]
- 강구홍, "네트워크 비정상 탐지를 위한 속성 축소를 반영한 의사결정나무 기술", 정보보호학회논문지, 29(4), pp.795~805 (2019), 한국정보보호학회[DOI]
- 강수철, "교통사고 조사관의 적정 사고처리 건수에 관한 연구", 경찰학연구, 13(3), pp.143~162 (2013), 경찰대학[DOI]
- 김은경, "자동차보험에서 과실비율에 따른책임배상과 위험분산의 법리에 대한 고찰", 일감법학, (39), pp.25~51 (2018), 법학연구소[DOI]
- 김성진, "기업신용등급 예측을 위한 랜덤 포레스트의 응용", 산업혁신연구, 32(1), pp.187~211 (2016), 산업개발연구소[DOI]
- Korea Duck Association, "Compensation for Damages Cused by a Farmer’s Traffic Accident", Monthly Duck’s Village, (57), pp.58~62 (2008)
- 이극노, "이동통신고객 분류를 위한 의사결정나무(C4.5)와 신경망 결합 알고리즘에 관한 연구", 지능정보연구, 9(1), pp.139~155 (2003), 한국지능정보시스템학회
- 이성직, "TF‐IDF의 변형을 이용한 전자뉴스에서의 키워드 추출 기법", 한국전자거래학회지, 14(4), pp.59~73 (2009), 한국전자거래학회
- 박상민, "5-레이어 포맷을 이용한 자율주행자동차 실험 시나리오 개발(커뮤니티부 도로를 중심으로)", 한국ITS학회 논문지, 18(2), pp.114~128 (2019), 한국ITS학회[DOI]
- Powers, D. M., "Evaluation : From Precision, Recall and F-measure to ROC, Informedness, Markedness & Correlation", Journal of Machine Learning Technologies, 2(1), pp.37~63 (2011)
- Singh, S., "Comparative study ID3, cart and C4. 5 decision tree algorithm : A survey", International Journal of Advanced Information Science and Technology(IJAIST), 27(27), pp.97~103 (2014)
- 유진은, "랜덤 포레스트: 의사결정나무의 대안으로서의 데이터 마이닝 기법", 교육평가연구, 28(2), pp.427~448 (2015), 한국교육평가학회