XGBoost를 활용한 이륜자동차 교통사고 심각도 비교분석
Comparative Analysis of Traffic Accident Severity of Two-Wheeled Vehicles Using XGBoost
1
조회
0
다운로드
13
인용
0
참고문헌
키워드
초록
최근 코로나 19의 영향으로 이륜자동차 교통사고의 발생은 이전보다 급격히 증가하게 되었고 이륜자동차 사고방지를 위한 다각적인 노력이 필요한 시점이다. 본 연구에서는 XGBoost를활용하여 최근 10년간 발생한 이륜자동차 교통사고 자료로 사고 심각도에 영향인자를 도출하여 각 영향인자가 주는 영향력을 분석하였다. 전체 변수 중 교통사고 심각도에 영향을 주는변수는 신호 위반을 하였을 경우가 압도적으로 높았으며, 운전자 연령대가 60대 이상일 경우, 이륜자동차 단독사고일 경우, 중앙선 침범 사고일 경우 순으로 높은 것으로 나타났다. 연구 결과를 바탕으로 이륜자동차의 심각한 교통사고의 방지와 안전관리를 강화하기 위한 합리적인제도 개편방안을 제시하였다.
Abstract
Emergence of the COVID 19 pandemic has resulted in a sharp increase in the number of two-wheeler vehicular traffic accidents, prompting the introduction of numerous efforts for their prevention. This study applied XGBoost to determine the factors that affect severity of two-wheeled vehicular traffic accidents, by examining data collected over the past 10 years and analyzing the influence of each factor. Among the total factors assessed, variables affecting the severity of traffic accidents were overwhelmingly high in cases of signal violations, followed by the age group of drivers (60s or older), factors pertaining only to the car, and cases of centerline infringement. Based on the research results, a reasonable legal reform plan was proposed to prevent serious traffic accidents and strengthen safety management of two-wheeled vehicles. Based on the research results, we propose a reasonable legal reform plan to prevent serious traffic accidents and strengthen safety management of two-wheeled vehicles.
참고문헌 (20)
- Annie R. R., "Prediction of Road Accident Severity Using Machine Learning Algorithm", International Journal of Advanced Science and Technology, 29(6), pp.116~120 (2020)
- Chen T., "XGBoost: A scalable tree boosting system", Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.785~794 (2016)
- Chen T., "XGBoost: A scalable tree boosting system", Proc. 22nd ACM SIGKDD Int. Conf. Knowl. Discovery Data Mining, pp.785~794 (2016)
- 최찬용, "차량가속도데이터를 이용한 머신러닝 기반의 궤도품질지수(TQI) 예측", 한국지반신소재학회 논문집, 19(1), pp.45~53 (2020), 한국지반신소재학회
- 한다정, "PM(Personal mobility) 교통사고의 심각도 요인 분석", 대한교통학회지, 38(3), pp.232~247 (2020), 대한교통학회[DOI]
- Jessica P. N., "Predicting Motor Insurance Claims Using Telematics Data-XGBoost versus Logistic Regression", MDPI, 7(70), pp.1~16 (2019)
- Jun M., "Analyzing the Leading Causes of Traffic Fatalities Using XGBoost and Grid-Based Analysis: A City Management Perspective", IEEE, 7, pp.148062~148072 (2019)
- 김태호, "순서형 프로빗 모형을 적용한 이륜차사고 심각도 요인분석 : 인천광역시를 대상으로", 한국도로학회논문집, 21(2), pp.71~79 (2019), 한국도로학회
- Korea National Police Agency, "Traffic accident statistics", ~ (2021)
- Traffic accident characteristics of elderly drivers over the past 5 years, "KOROAD", ~ (2016)
- Legal System Improvement Plans for Accident Prevention and Safety Management of Motorcycle in Korea, "KOTI", ~ (2014)
- KOTI, "KOTI Special Edition 05"", 24~29 (2020)
- 이용준, "XGBoost를 활용한 고속도로 콘크리트 포장 파손 예측", 한국건설관리학회 논문집, 21(6), pp.46~55 (2020), 한국건설관리학회[DOI]
- MOLIT, "Total Registered Motor Vehicles", ~ (2021)
- Mussone L., "Analysis of factors affecting the severity of crashes in urban road intersections", Accident Anal. Prevention, 103, pp.112~122 (2017)
- 나희, "순서형 로짓모형을 이용한 오토바이 사고심각도 분석", 국토계획, 47(4), pp.233~240 (2012), 대한국토·도시계획학회
- 박장우, "서울시 공공자전거 운행 거리 예측을 위한 머신 러닝 모델의 비교 연구", 한국지식정보기술학회 논문지, 14(6), pp.625~634 (2019), 한국지식정보기술학회[DOI]
- 박수진, "도로기하구조가 기상상태에 따라 고속도로 교통사고 심각도에 미치는 영향 분석", 한국ITS학회 논문지, 18(2), pp.12~28 (2019), 한국ITS학회[DOI]
- 윤준호, "서울시 주·야간 시간대 보행자 교통사고 심각도 요인 비교 분석", 국토계획, 54(7), pp.70~88 (2019), 대한국토·도시계획학회[DOI]
- Zhang D., "Novel framework for image attribute annotation with gene selection XGBoost algorithm and relative attribute model", Appl. Soft Comput, 80, pp.57~79 (2019)