차대차 교통사고에 대한 상해 심각도 예측 연구
A Study on Injury Severity Prediction for Car-to-Car Traffic Accidents
1
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
자동차는 우리의 일상에 필수재가 된 지 오래지만 자동차 교통사고로 인한 사회적 비용이국가 예산의 9%를 넘을 정도로 심각하여 이에 대한 국가적인 예방 및 대응 체계 구축이 매우필요한 실정이다. 이에 본 연구에서는 빅데이터 분석 기법을 활용하여 차대차 교통사고의 상해 심각도를 정확히 예측할 수 있는 모형을 제시하고자 하였다. 이를 위해 과거 3년간의 전국교통사고 발생 데이터를 토대로, K-최근접 이웃, 로지스틱 회귀분석, 나이브베이즈, 의사결정나무, 앙상블 알고리즘을 적용하여 각 모델의 상해 심각도 분류의 성능을 비교 분석하였다. 특히 이 과정에서 각 상해 심각도 수준 간의 데이터 수에 차이가 있음에 주목하여 표본수가 많은그룹에 대해서는 과소표본추출을 시행하는 등의 방법을 통해 분류 예측의 정확도를 높일 수있었고, 분산 분석을 통해 모델의 유의성을 검증하였다.
Abstract
Automobiles have long been an essential part of daily life, but the social costs of car traffic accidents exceed 9% of the national budget of Korea. Hence, it is necessary to establish prevention and response system for car traffic accidents. In order to present a model that can classify and predict the degree of injury in car traffic accidents, we used big data analysis techniques of K-nearest neighbor, logistic regression analysis, naive bayes classifier, decision tree, and ensemble algorithm. The performances of the models were analyzed by using the data on the nationwide traffic accidents over the past three years. In particular, considering the difference in the number of data among the respective injury severity levels, we used down-sampling methods for the group with a large number of samples to enhance the accuracy of the classification of the models and then verified the statistical significance of the models using ANOVA.
참고문헌 (24)
- Breiman L., "Random forest", Machine Learning, 45, pp.5~32 (2001)
- Breiman L., "Classification and Regression Trees", pp.3~4 (1984), Chapman & Hall
- Cover T. M., "The nearest neighbor decision rule", IEEE Transactions on Information Theory, 13(1), pp.21~27 (1967)
- Dietterich T. G., "Machine learning research : four current directions", AI Magazine, 18(4), pp.97~136 (1997)
- Gentle J. E., "Handbook of Computational Statistics: Concepts and Methods", pp.985~1022 (2012)
- 한덕웅, "교통환경과 운전자 행동 요인의 전국 지역별 비교", 한국심리학회지: 문화 및 사회문제, 8(1), pp.17~40 (2002), 한국문화및사회문제심리학회
- Hastie T., "The Elements of Statistical Learning", pp.307~310 (2009), Springer
- 홍성은, "공공데이터를 활용한 교통사고 상해 심각도 예측 모델 연구", 한국정보기술학회논문지, 13(5), pp.109~118 (2015), 한국정보기술학회[DOI]
- Isaac J., "Logistic regression within DBMS", 2nd International Conference on Contemporary Computing and Informatics (IC3I), pp.661~666 (2016)
- Jeong H. J., "Classification or motor vehicle crash injury severity : A hybrid approach for imbalanced data", Accident Analysis and Prevention, 120, pp.250~261 (2018)
- 정하림, "나이브 베이즈 빅데이터 분류기를 이용한 렌터카 교통사고 심각도 예측", 한국ITS학회 논문지, 16(4), pp.1~12 (2017), 한국ITS학회[DOI]
- 정연해, "앙상블기법을 이용한 다양한 데이터마이닝 성능향상 연구", Communications for Statistical Applications and Methods, 17(4), pp.561~574 (2010), 한국통계학회
- Kang P., "EUS SVMs : Ensemble of Under sampled SVMs for Data Imbalance Problems", Lecture Notes in Computer Science, 4232, pp.837~846 (2006)
- Kass G., "An exploratory technique for investigating large quantities of categorical data", Applied Statistics, 29(2), pp.119~127 (1980)
- Korea Road and Traffic Authority, "Estimation of Traffic Accident Costs by region", ~ (2014)
- Korea Road and Traffic Authority, "Estimation and Evaluation of Traffic Accident Costs", ~ (2018)
- Korea Road and Traffic Authority, "Comparison of Traffic Accident of OECD Members States", ~ (2019)
- Lee J. S., "Injury Severity Prediction of Traffic Accident using Data Mining", Proceedings of the 2011 Fall Conference of Korean Intelligent Information Systems Society, pp.199~206 (2011)
- Lee J. S., "Analysis of Traffic Accidents using Decision Tree Ensemble Model", Proceedings of the 2009 Fall Conference of Korean Intelligent Information Systems Society, pp.211~218 (2009)
- 이지연, "의사결정나무분석을 활용한 교양강좌 강의평가 결정 요인 탐색", 교양교육연구, 12(6), pp.67~93 (2018), 한국교양교육학회
- Quinlan J. R., "C4.5 : Programs for machine learning" (1993), Morgan Kaufmann
- Sohn S. Y., "Data Mining for Road Traffic Accident Type Classification", Journal of the Korean Institute of Industrial Engineers, pp.542~549 (1998)
- Uddin M., "Injury severity analysis of truck-involved crashes under different weather conditions", Accident Analysis and Prevention, 141 (2020)
- 유진은, "랜덤 포레스트: 의사결정나무의 대안으로서의 데이터 마이닝 기법", 교육평가연구, 28(2), pp.427~448 (2015), 한국교육평가학회