earticle

한국어

교통사고 데이터는 EPDO>3의 중대 사고보다 EPDO<=3의 경미 사고가 많은 불균형 구조를 나타내고 있으며, 이러한 데이 터 불균형은 예측 모델의 성능을 저하시키는 문제를 가지고 있다. 이에 본 연구는 데이터 증강기법인 언더샘플링과 CTGAN을 사용하여 데이터를 각각 증강시킨 후 예측모델에 학습시켜 두 증강기법의 예측성능을 비교 분석하였다. 분석 결과 CTGAN으 로 생성된 합성데이터의 예측 모델의 성능이 전반적으로 뛰어난 것으로 나타났다. 이는 CTGAN이 실제 사고 데이터의 변수 및 복합적 패턴을 잘 반영한 것을 시사한다.