고속도로 교통사고 처리시간 예측을 위한 Hybrid모형 개발
Development Hybrid Model for Incident Clearance Time Prediction in Highway
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
고속도로 교통사고 시 비반복적으로 발생하는 교통혼잡을 예측하는 것은 매우 어렵지만, 도로 용량 감소로 인해 발생하는 막대한 비용 손실 최소화를 위해서는 효율적인 방법으로 교통사고 처리시간을 정확하게 예측하는 것이 중요하다. 교통사고 처리시간은 사고발생 후 작업차량이 현장에 도착한 이후부터 교통사고를 종료시킬 때 까지 시간을 의미한다. 기존연구에서 교통사고 처리시간은 교통류상태, 사고특성, 기하구조, 환경상태 등 다양한 원인에 의해 결정되므로, 정확하게 예측하는데 한계가 있었다. 본 연구에서는 개별 모형들의 단점을 보완할 수 있도록 기존 연구에서 적용한 모형들 중에 의사결정나무와 데이터 기반의 비모수모형(KNN)을 융합한 하이브리드(hybrid) 모형을 개발하였고, 추가적으로 과거이력자료 이상치 제거를 위한 방법을 제안하였다. 본 연구에서 개발된 모형(이상치 제거)을 기존연구에서 활용된 의사결정나무와 비교하였을 때 MAPE는 9.4%, MAE는 2.2분 , HR()은 5.4% 개선되는 것으로 분석되었다. 본 연구에서 개발된 모형은 기존 모형들에 비해 정확도는 향상되었으나, 교통사고 처리시간이 높은 경우 과소 추정되는 한계를 보였다. 향후 현장에서 적용하기 위해서는 모형 정확도 개선을 위하여 지속적인 연구가 필요하다.
Abstract
It is very difficult to predict non-recurring traffic congestion in highway traffic accidents. However, it is important to accurately predict accident clearance time in an efficient manner in order to minimize the enormous cost loss caused by reduced road capacity. Incident clearance time means the time from when the work vehicle arrives at the site until it is finished. In the previous study, accident clearance time was determined by various causes such as traffic flow condition, accident characteristics, geometry and environmental conditions, so there was a limit to accurately predicting. In this study, we developed a hybrid model that combines decision trees and data-based nonparametric model (KNN) to compensate for the shortcomings of individual models. In addition, it proposed a method for eliminating outliers. The Hybrid model developed in this study (outlier elimination) was compared to the decision tree utilized in the previous study, and it was improved MAPE 9.4%, MAE 2.2 minutes, HR 5.4%. The model developed in this study has improved accuracy compared to the existing models, but shows a limit that is underestimated when the accident clearance time is high. For future application in the field, continuous research is needed to improve the accuracy of the model.
참고문헌 (24)
- 신치현, "고속도로 돌발상황 지속시간 예측모형 개발", 대한교통학회지, 20(3), pp.17~30 (2002), 대한교통학회
- 이기영, "고속도로 교통사고 시 돌발상황 지속시간 영향 요인 분석", 한국도로학회논문집, 14(1), pp.85~94 (2012), 한국도로학회
- 정연식, "Cox 모형을 활용한 고속도로 사고 처리시간 영향인자 분석", 대한토목학회논문집(국문), 37(6), pp.1017~1023 (2017), 대한토목학회[DOI]
- 정연식, "AFT 생존분석 기법을 이용한 고속도로 교통사고 지속시간 예측모형", 대한교통학회지, 25(5), pp.135~148 (2007), 대한교통학회
- 하오근, "고속도로 사고등급별 돌발상황 처리시간 예측모형 및 의사결정나무 개발", 한국ITS학회 논문지, 9(1), pp.101~110 (2010), 한국ITS학회
- Chang, H, L., "Prediction of Freeway Incident Duration based on Classification Tree Analysis", Eastern Asia Society for Transportation Studies, 9, pp.1964~1977 (1977)
- Chang, H., "Dynamic multi-interval bus travel time prediction using bus transit data", Transportmetrica, 6(1), pp.19~36 (2010)
- Gaetano, V., "A comparative study of models for the incident duration prediction", Eur. Transp. Res. Rev, 2, pp.103~111 (2010)
- Garib A, "Estimating Magnitude and duration of Incident delays", J Transp Eng, 123(6), pp.459~468 (1997)
- Hojati A., "Modelling total duration of traffic incidents including incident detection and recovery time", Accid Anal Prev, 71, pp.296~305 (2014)
- Hothorn T., "Unbiased recursive partitioning : a conditional inference 15 framework", Journal of Computational and Graphical Statistics, 15, pp.651~674 (2006)
- Khattak A, "Modeling traffic incident duration using quantile regression", Transp Res Rec, (2554), pp.139~148 (2016)
- Kim, W., "Development of a hybrid prediction model for freeway incident duration : a case study in Maryland", Int J Intell Transp Syst Res, 10(1), pp.22~33 (2012)
- Kim, W., "Analysis of Freeway Incident Duration for ATIS Applications", 15th World Congress on Intelligent Transport Systems and ITS America’s 2008 Annual Meeting (2008)
- Knibbe, W, "Automated estimation of incident duration on Dutch highways", Proceedings of the 2006 IEEE intelligent transportation systems conference, pp.870~874 (2006)
- Lin, L., "A combined M5P tree and hazard-based duration model for predicting urban freeway traffic accident durations", Accid Anal Prev, 91, pp.114~126 (2016)
- Qi, Y., "Identifying Nearest Neighbors in a Large-Scale Incident Data Archive", Journal of the Transportation Research Board, (1879), pp.89~98 (2004)
- Qing, H., "A Hybrid Tree and Quantile Regression Method for Incident Duration Prediction", TRB 91th Annual Meeting (2011)
- Ruimin, L., "Incident Duration Model on Urban Freeways Using Three Different Algorithms of Decision Tree", 2010 International Conference on Intelligent Computation Technology and Automation, pp.526~528 (2010)
- Smith, B., "Comparison of parametric and nonparametric models for traffic flow forecasting", Transportation Research Part C, 10, pp.303~321 (2002)
- Vlahogianni E, "Fuzzy-entropy neural network freeway incident duration modeling with single and competing uncertainties", Copmut Aided Civil Infrastruct Eng, 28(6), pp.420~433 (2013)
- Wang J., "Estimating freeway incident duration using accelerated failure time modeling", Safety Science, 54, pp.43~50 (2013)
- Wang S., "Application of nonparametric regression in predicting traffic incident duration", TRANSPORT, 33(1), pp.22~31 (2018)
- Wu W, "Traffic incident duration prediction based on support vector regression", Proceedings of the ICCTP 2011, pp.2412~2421 (2011)