• Journal of Korean Society of Transportation
• /
• v.16 no.4
• /
• pp.187-194
• /
• 1998

본 연구는 교통사고 심각도와 관련된 중요변수를 찾고 이들 변수를 바탕으로 신경망, Decision Tree, 로지스틱 회귀분석을 이용하여 사고 심각도 분류 예측모형을 추정하였다. 다수의 범주형 변수로 이루어진 교통사고 통계원표상의 설명변수 들로부터 사고 심각도 변화에 영향력 있는 변수 선택을 위하여 독립성 검정을 위한 $x^2$ test와 Decision Tree를 이용하였고, 선택된 변수들은 신경망과 로지스틱 회귀분석의 기초로 이용되었다. 분석결과 세가지기법간에 분류정확도에는 유의한 차이가 없는 것으로 나타났다. 그러나 Decision Tree가 설명변수 선택능력과 분석수행시간, 사고 심각도 결정요인 식별의 용이함 측면에서 범주형 종속변수인 사고 심각도의 분석에 적합한 것으로 보이며 사고 심각도에는 보호장구가 가장 큰 영향을 미치는 것으로 재입증되었다.

• Proceedings of the KOR-KST Conference
• /
• 1998.10a
• /
• pp.373-381
• /
• 1998

본 연구는 교통사고 심각도와 관련된 중요변수를 찾고 이들 변수를 바탕으로 신경망, Decision Tree, 로지스틱 회귀분석을 이용하여 사고 심각도 분류 예측모형을 추정하였다. 다수의 범주형 변수로 이루어진 교통사고 통계원표상의 설명변수 들로부터 사고 심각도변화에 영향력 있는 변수선택을 위하여 $X^2$ 독립성 검정과 Decision Tree를 이용하였고, 선택된 변수들은 신경망과 로지스틱 회귀분석의 기초로 이용되었다. 분석결과 세가지기법간에 분류정확도에는 유의한 차이가 없는 것으로 나타났다. 그러나 decision Tree가 설명변수 선택능력과 분석수행시간, 사고 심각도 결정요인 식별의 용이함 측면에서 범주형 종속변수인 사고 심각도의 분석에 적합합 것으로 보이며 사고 심각도에는 보호장구가 가장 큰 영향을 미치는 것으로 재입증되었다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2000.04a
• /
• pp.597-600
• /
• 2000

계속적인 증가 추세를 보이고 있는 교통량으로 인해 환경 문제뿐 아니라 교통사고로 인한 사상자 및 물적피해가 상당량으로 집계되고 있다. 본 논문에서는 데이터융합 및 앙상블 클러스터링방법을 이용한 교통사고 심각도 분류분석방법을 제안함으로서 교통사고예방에 기여하고자 한다. 이를 위하여 신경망과 Decision-Tree기법을 이용하여 얻은 물적피해와 신체상해가 발생할 확률을 융합하는 전형적인 데이터 융합기법(템스터-쉐퍼, 베이지안 방법, 로지스틱융합방법)을 사용하였다. 또한, 분류정확도를 향상시키고자 Bootstrap 재추출 방법을 이용해 얻어진 여러 개의 분류예측 결과 중 다수의 분류결과를 선택하는 앙상블 (arcing, bagging)기법을 적용하였다. 더불어, 본 연구에서는 클러스터링 방법을 제시하고, 이 방법이 기존의 융합기법, 앙상블기법과 비교한 결과, 분류예측면에서 정확도가 향상됨을 보였다.

• Journal of Digital Convergence
• /
• v.20 no.5
• /
• pp.39-46
• /
• 2022

As the link between traffic accidents and social and economic losses has been confirmed, there is a growing interest in developing safety policies based on crash data and a need for countermeasures to reduce severe crash outcomes such as severe injuries and fatalities. In this study, we select Daejeon city where the relative proportion of fatal crashes is high, as a case study region and focus on the severity of pedestrian crashes. After a series of data manipulation process, we run machine learning algorithms for the optimal model selection and variable identification. Of nine algorithms applied, AdaBoost and Random Forest (ensemble based ones) outperform others in terms of performance metrics. Based on the results, we identify major influential factors (i.e., the age of pedestrian as 70s or 20s, pedestrian crossing) on pedestrian crashes in Daejeon, and suggest them as measures for reducing severe outcomes.

• Proceedings of the KOR-KST Conference
• /
• 1998.10b
• /
• pp.409-409
• /
• 1998

본 연구는 운전자 특성 및 교통사고 발생유형에 따른 사고 심각도(Severity)를 분석함으로써 교통사고를 유발키 쉬운 운전자 집단과 사고 발생시 위험도가 높은 사고유형을 규명하고자 하였다. 교통사고 위험집단 분석을 위한 운전자 특성은 성별, 차종, 연령 등을 대상으로 하였으며, 사고유형별 심각도 분석은 사고유형을 여덟 가지로 분류하고, 결과의 신뢰성 확보를 위하여 안전벨트 착용여부를 추가하여 상해정도와의 관계를 비교하였다. 로그-선형 모형 및 로짓 모형을 사용하여 카테고리 자료를 분석하였으며, 그 결과 위험집단 분석에서는 '20세 미만의 이륜차 운전자', '41세에서 50세까지의 택시운전자'가 가장 위험한 것으로, 또한 남자보다는 여자가 승용차, 택시, 이륜차 등에 관계되었을 때 위험한 것으로 조사되었다. 사고유형과 심각도와의 관계에서는 정면충돌 사고와 앞지르기 시 우회전시 사고가 기여위험도(Odds Multiplier)가 매우 높아 부상 또는 사망사고와 연계될 가능성이 큰 것으로 나타났다. 따라서 교통사고의 예방과 사고발생시의 심각도 경감을 위해서는 교통사고 취약계층으로 분석된 위험집단에 대한 교통안전 교육 및 홍보가 강화되어야 하고, 정면충돌 사고와 앞지르기 시 우회전시 발생하는 사고를 줄일 수 있는 방안이 연구되어야 할 것이다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2016.11a
• /
• pp.265-266
• /
• 2016

본 연구에서는 수집된 자료에서 화물차 교통사고를 분류하고 계절과 기상상태, 도로유형, 법규위반, 사고유형 측면에서 각각의 변수들이 사고 심각도에 미치는 영향을 파악함으로써 유의하게 화물차 교통사고 심각도를 높이는 요인을 분석하고자 하였다. 화물차 사고는 가을의 경우 사고 심각도의 오즈비가 1.23배로 증가하고, 안개가 꼈을 경우 사고 심각도는 16.49배 증가하는 것으로 나타났다. 법규위반, 도로형태, 사고유형 등 여러 요인에 의한 사고 위험도가 증가했지만 특히 도로 외 이탈로 인한 추락사고에서 사고 위험도가 크게 나타났으며 전도전복으로 인한 사고 위험도도 큰 것으로 나타났다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.21 no.6
• /
• pp.132-145
• /
• 2022

This study was based on the black box images of traffic accidents on highways, cluster analysis and prediction model comparisons were carried out. As analysis data, vehicle driving behavior and road surface conditions that can grasp road and traffic conditions just before the accident were used as explanatory variables. Considering that traffic accident data is affected by many factors, cluster analysis reflecting data heterogeneity is used. Each cluster classified by cluster analysis was divided based on the ratio of the severity level of the accident, and then an accident prediction evaluation was performed. As a result of applying the Logit model, the accident prediction model showed excellent predictive ability when classifying groups by cluster analysis and predicting them rather than analyzing the entire data. It is judged that it is more effective to predict accidents by reflecting the characteristics of accidents by group and the severity of accidents. In addition, it was found that a collision accident during stopping such as a secondary accident and a side collision accident during lane change act as important driving behavior variables.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.6
• /
• pp.1123-1130
• /
• 2020

This study aims to classify the severity in car crashes using five classification learning models. The dataset used in this study contains 21,013 vehicle crashes, obtained from Korea Expressway Corporation, between the year of 2015-2017 and the LightGBM(Light Gradient Boosting Model) performed well with the highest accuracy. LightGBM, the number of involved vehicles, type of accident, incident location, incident lane type, types of accidents, types of vehicles involved in accidents were shown as priority factors. Based on the results of this model, the establishment of a management strategy for response of highway traffic accident should be presented through a consistent prediction process of accident severity level. This study identifies applicability of Machine Learning Models for Predicting of the Severity of Car Traffic Accidents on a Highway and suggests that various machine learning techniques based on big data that can be used in the future.

• Journal of Korean Society of Transportation
• /
• v.29 no.4
• /
• pp.43-51
• /
• 2011

Since a variety of factors are associated with crash occurrence, the analysis of causes of crash is a hard task for traffic researchers and engineers. Among contributing factors leading to crash, the characteristics of driver is of keen interest. This study attempted to identify factors affecting the severity of pedestrian in the collision between pedestrian and vehicle. In particular, our analyses were focused on the novice driver. A binary logistic regression technique was adopted for the analyses. The results showed that driver's age, crash location, and the frequency of violations were dominant factors for the severity. Findings are expected to be useful information for deffective policy- and education-based countermeasures.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.16 no.4
• /
• pp.1-12
• /
• 2017

Traffic accidents are caused by a combination of human factors, vehicle factors, and environmental factors. In the case of traffic accidents where rental cars are involved, the possibility and the severity of traffic accidents are expected to be different from those of other traffic accidents due to the unfamiliar environment of the driver. In this study, we developed a model to forecast the severity of rental car accidents by using Naive Bayes classifier for Busan, Gangneung, and Jeju city. In addition, we compared the prediction accuracy performance of two models where one model uses the variables of which statistical significance were verified in a prior study and another model uses the entire available variables. As a result of the comparison, it is shown that the prediction accuracy is higher when using the variables with statistical significance.