earticle

논문검색

정책

머신러닝 기반의 수도권 지역 고령운전자 차대사람 사고심각도 분류 연구

원문정보

Classifying Severity of Senior Driver Accidents In Capital Regions Based on Machine Learning Algorithms

김승훈, 임영빈, 김기정

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Moving toward an aged society, traffic accidents involving elderly drivers have also attracted broader public attention. A rapid increase of senior involvement in crashes calls for developing appropriate crash-severity prediction models specific to senior drivers. In that regard, this study leverages machine learning (ML) algorithms so as to predict the severity of vehicle-pedestrian collisions induced by elderly drivers. Specifically, four ML algorithms (i.e., Logistic model, K-nearest Neighbor (KNN), Random Forest (RF), and Support Vector Machine (SVM)) have been developed and compared. Our results show that Logistic model and SVM have outperformed their rivals in terms of the overall prediction accuracy, while precision measure exhibits in favor of RF. We also clarify that driver education and technology development would be effective countermeasures against severity risks of senior driver-induced collisions. These allow us to support informed decision making for policymakers to enhance public safety.

한국어

고령화 시대에 따라 고령운전자 역시 증가하고 있으며, 이들에 의한 교통사고 심각성에 대한 관심이 높아지고 있다. 이에 고령운전자에 의한 사고심각도 예측 모형의 필요성이 점차 요구됨에 따라, 본 연구에서는 기계학습 기법을 활용하여 고령운전자에 의한 차대사람 사고심각도 예측을 위한 모형 정립 및 분석을 수행하고자 한다. 이를 위해 4개의 기계학습 알고리즘 (Logistic Model, KNN, RF, SVM)을 활용, 예측 모형을 개발하고 각 결과를 비교하였다. 연구 결과 에 따르면 Logistic과 SVM 모형이 상대적으로 높은 예측력을 보였으며, 정확도 측면에서는 RF가 높은 것으로 나타났 다. 추가적으로 각 중요 변수들을 이용하여 교차분석을 수행한 후 그 결과를 제시하였다. 본 연구의 결과들은 고령화시 대에 고령운전자에 의한 사고심각성을 예방하기 위한 안전정책 및 인프라 개발에 활용될 것으로 판단된다.

목차

요약
Abstract
1. 서론
2. 선행 연구
2.1 고령운전자 교통사고 연구
2.2 기계학습기반 교통사고 연구
3. 연구방법 및 범위
3.1 연구 범위
3.2 연구 방법
4. 결과
4.1 모형학습 결과
4.2 모형 예측력 평가
4.3 사고심각도 영향 요인
5. 결론
REFERENCES

저자정보

  • 김승훈 Seunghoon Kim. 오하이오주립대학교
  • 임영빈 Youngbin Lym. 한국과학기술원
  • 김기정 Ki-Jung Kim. 두원공과대학교

참고문헌

자료제공 : 네이버학술정보

    ※ 기관로그인 시 무료 이용이 가능합니다.

    • 4,000원

    0개의 논문이 장바구니에 담겼습니다.