• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.524-526
• /
• 2021

자동차의 발명과 차량용 도로의 건설이 시작되면서 교통사고의 발생이 늘어나기 시작하였다. 이에 도로 건설 방법의 변경 및 신호등의 신호체계들을 이용하여 교통사고를 방지하기 위한 노력이 있었으나, 현재까지도 기상악화로 인한 도로의 결빙이 원인이 된 교통사고로 매년 수많은 인명과 재산피해가 발생하고 있었다. 본 논문에서는 도로의 결빙으로 인한 교통사고 경감을 위해서 차량의 센서 데이터를 이용하여 감지한 결빙감지 데이터를 차량의 내비게이션으로 전달하는 방법을 제안한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.227-228
• /
• 2020

어린이 교통관련 안전사고 잠재적 위험요인 및 개선요인을 도출하기 위해 119구조구급자료 중 6세부터 11세까지의 어린이 사고 자료를 분석하였다. 4개 광역지자체의 2014년부터 5년간 자료에 대한 사고내용을 전수 조사하여 분석하였다. 주요 사고 장소 및 시간대 분석 결과 어린이 교통사고는 하교시간 오후 시간대에 도로에서의 집중적 관리가 필요한 것으로 나타났다. 어린이 교통사고 잠재적 위험요인을 분석한 결과 자동차와 자전거를 이외 탈 것에 관한 사고비율이 최근 높아지고 있음을 확인하였다. 연간 교통사고 전체 건수에 대한 추이는 큰 변화는 없었으나 개인 탈것의 사고 증가는 뚜렷하였다. 그 중 킥보드에 대한 사고가 가장 많았고, 퍼스널 모빌리티가 가장 뚜렷한 증가 분야였다. 현재 어린이에게 적용되고 있는 퍼스널 모빌리티 등에 대한 안전가이드라인이나 규정 등은 미비하나 향후 퍼스널 모빌리티의 보급은 크게 늘어날 것으로 전망된다. 향후 어린이 교통사고를 줄이기 위해서는 어린이가 개인 전동 이동수단 활용 시 안전에 대한 규정마련과 교육이 시급하다.

• 대한토목학회논문집
• /
• 제26권6D호
• /
• pp.1003-1010
• /
• 2006

본 논문은 현재 교통사고로 인한 피해가 심각한 상황에서 기존 교통사고 원인분석을 위한 많은 양의 자료를 효과적으로 처리할 수 있는 WebGIS 기반 교통사고 정보관리 시스템을 개발하였다. 더불어 교통정보를 어떻게 구성하고 어떤 방법으로 전달할 것인가에 대한 방안을 제시하고, 교통사고 정보에 대한 공간적인 속성 뿐만 아니라 비공간적인 속성 자료를 통합 관리할 수 있도록 하였다. Web 서비스를 제공하기 위해 ASP, 자바스크립트, ArcIMS 등을 통해 인터넷상에서 시각적인 공간도형정보와 교통사고 자료를 제공할 수 있는 모듈을 개발하고 서버를 구축하였다. 또한 교통사고 자료가 일반인들에게 제공되기 위한 준비 기간이 길었던 종래 방식에 비해 데이터 입력이 완료되는 즉시 인터넷을 통해 해당 지역의 교통사고 정보를 제공하는 실시간 교통사고 현황 정보제공 기능을 구현하였다. 이전의 단순한 집계에 의한 비공간적인 데이터를 사용한 교통사고 분석보다는 교통사고의 자세한 내용 및 통계자료와 함께 사고 위치를 시각적으로 도시하여 가시적으로 주변 환경을 파악할 수 있는 기능을 제공하였으며 사고 담당 경찰관과 직접 연계할 수 있는 인터페이스를 제공하였다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1123-1130
• /
• 2020

본 연구는 고속도로 교통사고 심각도 예측모델을 구축하기 위해 다섯가지 머신러닝 기반의 분류모형 적용하였다. 2015년~2017년 동안 전국 고속도로에서 발생한 사고 데이터 21,013건을 5가지의 분류 모형을 적용한 결과 LightGBM(Light Gradient Boosting Model)이 가장 좋은 성능을 나타내는 것으로 나타났다. LightGBM에서는 교통사고심각도 추정에 있어 우선순위 요인으로 사고차량 수, 사고유형, 사고지점, 사고차로유형, 사고차량 유형 순으로 나타났다. 이러한 모형의 결과를 기반으로 일관적인 사고심각도 예측 과정을 통하여 교통사고대응관리 전략 수립에 활용할 수 있다. 본 연구는 국내 기계학습을 활용한 사례가 적은 여건에서 향후 빅데이터 기반의 다양한 기계학습 기법을 활용이 가능함을 제시하고 있다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.250-265
• /
• 2022

자율주행차의 도입으로 인적 오류에 의한 교통사고가 크게 줄어드는 것과 같은 긍정적 파급효과를 기대할 수 있다. 그러나 자율주행차의 H/W 또는 S/W의 오류 및 기능 부족등으로 새로운 교통안전 이슈가 앞으로 발생할 것으로 예상됨에 따라 자율주행차의 주행 안전성을 평가하기 위한 현실적이고 체계적인 시나리오 구축이 필요하다. 이에 본 연구에서는 경찰청 교통사고 데이터를 바탕으로 자율주행차 주행 안전성을 평가하기 위한 상황 시나리오(functional scenario)를 개발하였다. GIS 프로그램인 QGIS를 활용하여 국내 고속도로 톨게이트 및 램프 구간에서 발생한 교통사고 데이터를 추출하고 교통사고 개요 항목을 확인한 후, 교통사고 유형을 분류하였다. 또한, 교통사고 유형 분류 결과를 바탕으로 톨게이트와 램프 구간의 다양한 위험 상황을 내용으로 하는 상황 시나리오를 개발하였다.

• 해양환경안전학회지
• /
• 제28권5호
• /
• pp.780-790
• /
• 2022

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

• 대한교통학회지
• /
• 제33권5호
• /
• pp.497-507
• /
• 2015

고속도로의 비반복 혼잡은 주로 돌발상황에 의해 발생된다. 돌발상황의 주요 원인은 교통사고로 알려져 있다. 따라서 교통사고 시 사고처리시간을 정확하게 예측하는 것은 돌발상황 관리에서 매우 중요하다. 본 연구에서는 전국고속도로의 2008-2014년 총 7년치(60,473건)의 사고 자료를 이용하였다. 사고처리시간 예측모형은 과거의 교통사고 이력자료를 바탕으로 비모수모형인 KNN (K-Nearest Neighbor) 알고리즘을 활용하였다. 사고자료 현황 분석결과 사고등급별로 사고처리시간에 미치는 영향이 매우 큰 것으로 분석되었다. 따라서 사고처리시간은 사고등급별로 분류하여 모형을 구축하였다. 그리고 현재 발생한 사고의 교통상황과 도로 기하구조를 반영하기 위하여 교통량, 차로수, 시간대를 구분하여 데이터를 추출하였다. 추출된 데이터 중 현재 교통사고와 유사한 사고를 검색하기 위하여 사고처리시간에 영향을 미치는 요인들을 분석하였다. 마지막으로, 상태간 거리 산정을 위해서 세부항목별 가중치를 산정하였다. 가중치산정은 정규분포 표준화방법을 적용하였고, 이를 통해 사고처리시간을 예측하였다. 본 연구에서 개발된 모형의 예측결과는 기존의 연구들의 결과에 비해 낮은 예측오차(MAPE)를 보여 모형의 우수성을 입증할 수 있다고 판단된다. 본 연구를 통해 고속도로의 돌발상황 발생 시 효율적인 고속도로의 운영관리에 기여할 수 있고, 기존의 모형들이 갖고 있던 한계를 개선 및 보완할 수 있을 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제20권3호
• /
• pp.59-73
• /
• 2021

교통사고로 인한 많은 인명피해가 발생하고 있으나, 첨단 기술의 발전에도 불구하고 교통사고 발생은 줄어들지 않고 있다. 교통사고를 사전에 예방하기 위해서는 향후 사고가 어떻게 변화하여 갈 것인지를 정확하게 예측할 필요가 있다. 지금까지 교통사고 발생 빈도 예측은 주요 연구 분야가 아니었으며 주로 과거 일정 기간의 통계를 기반으로 전통적인 방법으로 미시적으로 분석되어 왔다. 최근 AI 기술이 교통사고 분야에 도입 되었음에도 불구하고 주로 교통 흐름 예측에 초점을 맞추고 있어, 본 연구에서는 2014년부터 2019년까지 국내에서 발생한 1,339,587건의 교통사고 기록을 시계열 데이터로 변환하고 AI 알고리즘 LSTM을 이용하여 연령별, 시간별 교통사고 발생 빈도를 예측하였다. 또한 코로나-19로 인한 교통 환경의 변화에 맞추어 예측값과 실제값을 비교 검증하였다. 향후 이러한 연구결과가 교통사고 예방의 정책개선으로 이어지고 사고 예방에 활용 될 것으로 기대된다.

• 지적과 국토정보
• /
• 제47권2호
• /
• pp.233-254
• /
• 2017

본 연구는 교통사고 가운데 인적피해를 동반한 교통사고에 대해 교통사고의 시공간적 특성과 교통사고 심각도에 영향을 미치는 주요인을 분석하고자 하였다. 이를 위해 2012년부터 2015년 까지 4년간 서울시에서 발생한 교통사고 데이터 가운데 인적사고가 있는 데이터를 교통사고 심각도에 따라 경상, 중상, 사망 교통사고로 분류하고, 교통사고의 시공간특성분석은 커널분석, 핫스팟분석, 스페이스타임큐브분석, EHSA(Emerging HotSpot Analysis)를 수행하였으며, 교통사고 심각도에 영향을 미치는 요인 분석은 데이터마이닝 기법중의 하나인 의사결정나무 모형을 활용하였다. 분석결과 서울시 교통사고는 도심부 보다는 외곽지역에서 많이 발생하며 특히 한강 이남의 상업 활동이 많은 곳에서 교통사고가 많음을 확인할 수 있었다. 특히 서초와 강남의 일부 상업 및 유흥지역을 중심으로 교통사고 집중지역이 나타나며 교통사고 다발지역은 시간이 흐름에 따라 그 현상이 더욱 심화되는 경향을 보이고 있었다. 사망교통사고의 경우 지역적으로는 영등포구, 구로구, 종로구, 중구, 성북구 일부지역에 통계적으로 유의미한 핫스팟지역이 나타나지만 시간대별로 구분해보면 오후 퇴근시간 부터 새벽까지 일부 구간에서 핫스팟이 나타나며 시간 고려 없이 분석된 결과와는 상이한 패턴이 나타남을 알 수 있었다. 서울시 교통사고 심각도에 영향을 미치는 주요 요인으로는 사고유형이 가장 중요한 역할을 하며 도로의 종류, 차량의 종류, 교통사고 발생 시간, 법규위반 종류 등의 순으로 중요도가 나타났다. 교통사고 가운데 심각한 교통사고로 이어지는 경우는 차대 사람이나 차량단독으로 사고가 나는 경우 고속도로나 특별광역시도와 같이 폭원이 넓고 차량속도가 높은 곳에서 승합차나 화물차에서 중상의 교통사고가 일어날 가능성이 높으며, 동일한 상황에서 승합차나 화물차가 아닌 승용차, 자전거, 이륜차 등의 경우에는 새벽시간에 심각한 교통사고로 이어질 가능성이 높은 것으로 나타났다.

• 대한교통학회지
• /
• 제25권5호
• /
• pp.149-160
• /
• 2007

차량용 블랙박스는 사고 및 평시 주행 정보를 저장 제공한다. 이러한 주행 사고 정보들을 가지고 과학적인 교통사고 데이터베이스를 구축할 수 있으며, 여러 산업 분야에서 활용될 수 있다. 본 연구에서는 주행 데이터 특성 분석과 위험 운전 인지 체계 구축을 목적으로 한다. 위험 운전 유형을 차량의 거동(가속, 감속, 선회)과 교통사고 통계 자료들을 고려하여 4가지 유형으로 분류하였다. 위험 운전 데이터는 차량용 블랙박스를 활용한 실차 실험을 통해 수집하였으며, 위험 운전 분류를 위하여 주행 데이터의 특성을 분석하였다. 위험 운전 인지를 위하여, 기준 임계치를 선정하고 위험 운전 인지 알고리즘을 구성하였다. 개발한 알고리즘을 구현한 차량용 블랙박스 탑재 실차 실험을 통하여 검증하였다. 본 논문에서 제시하는 위험 운전 인지 방안은 온라인/오프라인 운전자 및 차량 관리 등 시스템에 활용할 수 있다.