• 대한안전경영과학회지
• /
• 제24권4호
• /
• pp.41-47
• /
• 2022

A reliable prediction model of national occupational accident fatality rate can be used to evaluate level of safety and health protection for workers in a country. Moreover, the socio-economic aspects of occupational accidents can be identified through interpretation of a well-organized prediction model. In this paper, we propose a machine learning based relative comparison methods to predict and interpret a national occupational accident fatality rate based on socio-economic indicators. First, we collected 29 years of the relevant data from 11 developed countries. Second, we applied 4 types of machine learning regression models and evaluate their performance. Third, we interpret the contribution of each input variable using Shapley Additive Explanations(SHAP). As a result, Gradient Boosting Regressor showed the best predictive performance. We found that different patterns exist across countries in accordance with different socio-economic variables and occupational accident fatality rate.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.95-100
• /
• 2023

Due to Traffic accidents people faces health and economical casualties around the world. As the population increases vehicles on road increase which leads to congestion in cities. Congestion can lead to increasing accident risks due to the expansion in transportation systems. Modern cities are adopting various technologies to minimize traffic accidents by predicting mathematically. Traffic accidents cause economical casualties and potential death. Therefore, to ensure people's safety, the concept of the smart city makes sense. In a smart city, traffic accident factors like road condition, light condition, weather condition etcetera are important to consider to predict traffic accident severity. Several machine learning models can significantly be employed to determine and predict traffic accident severity. This research paper illustrated the performance of a hybridized neural network and compared it with other machine learning models in order to measure the accuracy of predicting traffic accident severity. Dataset of city Leeds, UK is being used to train and test the model. Then the results are being compared with each other. Particle Swarm optimization with artificial neural network (PSO-ANN) gave promising results compared to other machine learning models like Random Forest, Naïve Bayes, Nearest Centroid, K Nearest Neighbor Classification. PSO- ANN model can be adopted in the transportation system to counter traffic accident issues. The nearest centroid model gave the lowest accuracy score whereas PSO-ANN gave the highest accuracy score. All the test results and findings obtained in our study can provide valuable information on reducing traffic accidents.

• 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.

• 한국산업정보학회논문지
• /
• 제28권6호
• /
• pp.11-20
• /
• 2023

자동차보험 교통사고 진료비는 매년 증가하고 있다. 본 연구는 교통사고 진료비용 상승의 주요 항목인 경상환자 중 장기입원환자(18일 이상)를 예측하는 모델을 decision tree 등 5개 알고리즘을 이용하여 생성하고, 장기입원에 영향을 미치는 요인을 분석했다. 그 결과, 예측 모델의 정확도는 91.377 ~ 91.451이며 각 모델 사이에 큰 차이점은 없었으나 random forest와 XGBoost 모델이 91.451로 가장 높았다. 설명변수 중요도에 있어서 병원 소재지, 상병명, 병원 종류 등 장기환자군과 비 장기입원 환자군 사이에 모델마다 상당한 차이가 있었다. 모델 평가는 훈련 데이터의 교차검증(10회)한 모델별 평균 정확도와 실험 데이터의 정확도를 상호 비교한 결과로 검정했다. 설명변수 유의성 검증을 위해 범주형 변수는 카이제곱 테스트를 실시하였다. 본 논문의 연구 결과는 경상 환자들의 과잉진료 및 사회적 보험료 비용을 줄이는 진료행태 분석에 도움이 될 것이다.

• Nuclear Engineering and Technology
• /
• 제54권4호
• /
• pp.1508-1515
• /
• 2022

In the present study, the cavity module of the MELCOR code is used for the simulation of molten corium concrete interaction (MCCI) during the late phase of postulated large break loss of coolant (LB-LOCA) accident in the APR1400 reactor design. Using the molten corium composition data from previous MELCOR Simulation of APR1400 under LB-LOCA accident, the ex-vessel phases of the accident sequences with long-term MCCI are recalculated with stand-alone cavity package of the MELCOR code to investigate the impact of water ingression and melt eruption models which were hitherto absent in MELCOR code. Significant changes in the MCCI behaviors in terms of the heat transfer rates, amount of gases released, and maximum cavity ablation depths are observed and reported in this study. Most especially, the incorporation of these models in the new release of MELCOR code has led to the reduction of the maximum ablation depth in radial and axial directions by ~38% and ~32%, respectively. These impacts are substantial enough to change the conclusions earlier reached by researchers who had used the older versions of the MELCOR code for their studies. and it could also impact the estimated cost of the severe accident mitigation system in the APR1400 reactor.

• 대한교통학회지
• /
• 제25권5호
• /
• pp.135-148
• /
• 2007

교통사고의 특성과 사고에 대한 지속시간 사이의 관계에 대한 이해는 사고의 효과적인 대응과 사고에 의한 혼잡을 감소시키는데 핵심 요소가 된다. 때문에 본 연구의 목적은 AFT metric 모형을 적용한 사고 지속시간을 분석하는 것이다. 비록 로그 로지스틱 및 로그 정규 AFT 모형이 통계적 이론과 기존 연구 사례를 기반으로 선정되었으나, 로그 로지스틱 모형이 보다 우수하게 추정되었다. AFT 모형은 예측 목적으로도 널리 사용되기 때문에, 추정된 모형은 사고 발생시 사고 관련 기본 정보 접수 즉시 고속도에서의 사고 지속시간 예측에 사용될 수 있다. 결과적으로, 예측된 사고 지속시간 정보는 사고를 처리하기 위한 제반 의사 결정에 도움을 줄 뿐 아니라 교통 혼잡의 감소 및 추가 사상자의 감소로 그 효과가 이어질 것으로 판단된다.

• 대한교통학회지
• /
• 제26권4호
• /
• pp.99-110
• /
• 2008

교차로는 단일로에 비해 많은 상충점을 가지고 있어 사고의 잠재성이 더욱 높다고 볼 수 있다. 2006년 경찰청 자료에 의하면 교차로 부근의 교통사고가 단일로 교통사고에 비해 크게 증가하고 있는 것으로 나타났다. 그 중 신호교차로의 경우는 비신호교차로에 비해 교통사고 영향요인이 다양하고 개선의 여지가 많아 사고가 일어나는 원인을 예측하고, 교차로 위험요소에 따른 적절한 대비책을 사전에 마련할 수 있다면 안전측면에서 큰 효과를 얻을 것으로 기대된다. 본 연구에서는 도시부 4지 신호교차로를 대상으로 과거 사고이력자료와 교차로 현장 조사를 활용하여 사고예측 모형 및 사고심각도 모형을 개발하였다. 본 연구는 크게 4단계로 나누어 진행되었다. 첫째, 기존 연구된 사고모형을 분석하였으며 둘째, 교통사고에 영향을 미치는 변수를 선정하였고 셋째, 통계적 방법론을 활용한 사고예측모형을 개발, 넷째, 모형의 검증을 실시하였다. 본 연구에서 개발된 신호교차로 교통사고 모형은 계획 및 운영단계에서 신호교차로의 안전성을 측정하는데 활용될 수 있으며, 궁극적으로 신호교차로의 교통사고를 줄이는데 기여할 수 있을 것으로 판단된다.

• 대한교통학회지
• /
• 제30권2호
• /
• pp.101-116
• /
• 2012

사고예측모형은 장래 계획 노선이나 다른 노선에 적용되어 사고를 예측하거나 안전개선사업 및 교통정책의 평가 등에 활용된다. 본 연구에서는 고속도로 본선에 대해 이러한 용도로 활용될 수 있는 사고예측모형을 구축하고자 한다. 또한 자료 구축이 용이한 변수를 선정하여 모형을 쉽게 활용할 수 있도록 하는 것을 기본 목표로 하였다. 모형은 종속변수를 사고건수와 사상자발생사고건수로 하여 사고모형과 사상자발생사고모형을 각각 구축하였다. 모형에 적용된 확률구조는 음이항 분포와 포아송 분포이며, 추정에 의해 적합한 모형을 선별하였다. 국내 고속도로중 주요한 9개 노선을 선정하였고, 시간적으로는 2003~2007년까지 5개년도 자료를 활용하였다. 모형의 설명변수는 교통류 특성을 나타내는 교통량 등의 예측 가능한 변수와 기하구조 요인 등을 적용하였다. 최우추정법에 의한 추정 결과 사고모형의 경우 구간길이, 일교통량, 버스비율, 곡선구간수가 유의한 변수로 추정되었으며 사상자발생사고모형에서는 구간 길이와 일교통량, 버스비율이 유의한 변수로 추정되었다. 모형의 공간적 시간적 전이 가능성을 확인하기 위해 우도비 검정을 수행한 결과, 사고모형은 6차로 이상이나 4차로의 교통류 및 기하구조 특성을 가지는 도로로의 전이가 가능하였다, 반면 사상자발생 사고모형은 모든 도로와 시간대로의 전이가 가능하여, 모형의 활용도가 높게 나타났다. 결과적으로 본 연구에서 구축된 모형은 다른 노선과 장래 계획, 정책 평가 등에 다양하게 활용될 수 있을 것이다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 2007년도 제56회 학술발표회논문집
• /
• pp.218-226
• /
• 2007

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 2007년도 제56회 학술발표회논문집
• /
• pp.171-178
• /
• 2007