• 한국안전학회지
• /
• 제33권1호
• /
• pp.148-161
• /
• 2018

A traffic fatality by young people marked average annual decrease of 4.5% since 2011. Meanwhile, a traffic fatality by senior over 65 years old marked average annual increase of 7.9% for the last five years which means that the annual increase of traffic fatality by senior will be a serious problem. This study started questioning that senior drivers over 65 years old did not retain the same causal factor of fatal traffic accidents and thus extensively analyzed a risk of it by age group quantitatively, dividing the senior driver group into the early, middle and latter stages. Depending on the aging level, the risk of traffic fatality showed a wide difference in seven different types of traffic accidents generally, and happened to increase with latter and middle parts of the senior driver more than the early part. Therefore, this study proposes four policy suggestions: 1) The senior driver need to be offered customized driving educations and the improvement of road environment is also recommended. 2) Political assistance is needed to support and guide a safety related technology installation for the new or existing car. 3) Renewal of driving license and an aptitude test(physical examination, cognitive test) for drivers over 75 years old should take in a less than 3 years and an additional road test is needed as occasion demands. 4) Like the United States and Europe, development and extension of customized treatment guidebook for medical teams who examine senior drivers is needed and establishment of education and administration system that a supervisor of driving license renewal can impose safety restriction and American anonymity reporting system is considered to institutionalize in the medium to longer term.

• 디지털융복합연구
• /
• 제19권4호
• /
• pp.25-31
• /
• 2021

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 결과에 따르면 Logistic과 SVM 모형이 상대적으로 높은 예측력을 보였으며, 정확도 측면에서는 RF가 높은 것으로 나타났다. 추가적으로 각 중요 변수들을 이용하여 교차분석을 수행한 후 그 결과를 제시하였다. 본 연구의 결과들은 고령화시대에 고령운전자에 의한 사고심각성을 예방하기 위한 안전정책 및 인프라 개발에 활용될 것으로 판단된다.

• 한국통신학회논문지
• /
• 제39C권10호
• /
• pp.887-895
• /
• 2014

졸음운전은 전체 교통사고 원인 중 큰 비중을 차지하며 그 위험성이 음주운전보다도 크다고 알려져 있다. 따라서 운전자의 졸음을 판단하고 경고하는 시스템 개발에 대한 관심이 높아지고 있으며, 뇌파를 분석하는 것이 운전자의 피로와 졸음을 감지하는데 효과적이라는 연구결과들이 발표되었다. 본 논문은 짧은 시간에 높은 해상도를 가지는 auto-regressive 모델 기법 중 잡음에 강인한 errors-in-variables(EIV) 방법을 이용하여 특징벡터를 추출하고, 다층신경망(multilayer perceptron; MLP)에 적용하여 운전자의 상태를 각성, 천이, 졸음의 세 가지 상태로 분류하는 졸음 감지 시스템을 제안한다. 생체신호의 측정 환경에 따른 성능을 평가하기 위해 높은 진단률을 갖도록 하는 EIV차수를 결정하고, 잡음에 대한 강인성을 확인하기 위해 신호대 잡음비(signal-to-noise ratio; SNR)에 따른 성능을 선형 예측 부호화(linear predictive coding; LPC) 방법과 비교하였다. 이 결과로부터 제안한 EIV와 MLP를 결합한 졸음 감지 시스템은 기존의 LPC와 MLP를 이용한 시스템에 대해 우수한 성능을 얻을 수 있음을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.302-302
• /
• 2021

지하차도의 경우 국지 및 돌발홍수가 발생할 경우 대부분 침수됨에도 불구하고 2020년 7월 23일 부산 지역에 밤사이 시간당 80mm가 넘는 폭우가 발생하면서 순식간에 지하차도 천장까지 물이 차면서 선제적인 차량 통제가 우선적으로 수행되지 못하여 미처 대피하지 못한 3명의 운전자 인명사고가 발생하였다. 수재해를 비롯한 재난 관리를 빠르게 수행하기 위해서는 기존의 정부 및 관주도 중심의 단방향의 재난 대응에서 벗어나 정형 데이터와 비정형 데이터를 총칭하는 빅데이터의 통합적 수집 및 분석을 수행이 필요하다. 본 연구에서는 부산지역의 지하차도와 인접한 지하터널 CCTV 자료(센서)를 통한 재난 발생 시 인명피해를 최소화 정보 제공을 위한 Object Detection(객체 탐지)연구를 수행하였다. 지하터널 침수가 발생한 부산지역의 CCTV 영상을 사용하였으며, 영상편집에 사용되는 CCTV 자료의 음성자료를 제거하는 인코딩을 통하여 불러오는 영상파일 용량파일 감소 효과를 볼 수 있었다. 지하차도에 진입하는 물체를 탐지하는 방법으로 YOLO(You Only Look Once)를 사용하였으며, YOLO는 가장 빠른 객체 탐지 알고리즘 중 하나이며 최신 GPU에서 초당 170프레임의 속도로 실행될 수 있는 YOLOv3 방법을 적용하였으며, 분류작업에서 보다 높은 Classification을 가지는 Darknet-53을 적용하였다. YOLOv3 방법은 기존 객체탐지 모델 보다 좀 더 빠르고 정확한 물체 탐지가 가능하며 또한 모델의 크기를 변경하기만 하면 다시 학습시키지 않아도 속도와 정확도를 쉽게 변경가능한 장점이 있다. CCTV에서 오전(일반), 오후(침수발생) 시점을 나눈 후 Car, Bus, Truck, 사람을 분류하는 YOLO 알고리즘을 적용하여 지하터널 인근 Object Detection을 실제 수행 하였으며, CCTV자료를 이용하여 실제 물체 탐지의 정확도가 높은 것을 확인하였다.

• 한국도로학회논문집
• /
• 제11권2호
• /
• pp.195-203
• /
• 2009

본 연구는 교통사고의 발생 유형과 교통사고 심각도(Severity)와의 관계를 규명함으로써 위험유형을 제시하고, 운전자 특성과 교통사고의 관계를 규명하고자 하였다. 교통사고 유형을 여덟 가지로 세분하고, 결과의 객관성 확보를 위해 안전벨트 착용여부를 추가하여 상해정도와의 관계를 분석하였으며, 위험그룹의 분류를 위한 운전자의 특성은 성별, 차종, 연령 등을 대상으로 하였다. 카테고리 자료의 분석을 위하여 로그-선형 모형 및 로짓 모형을 사용하였다. 분석결과 사고유형과 심각도와의 관계에서는 정면충돌 사고와 앞지르기시, 우회전시 사고가 부상 또는 사망사고에 연루될 가능성이 높았다. 위험그룹 분석에서는 20세 미만의 이륜차 운전자, 41세에서 50세까지의 택시 운전자가 가장 위험한 집단으로 분석되었으며 또한 남자보다는 여자가 승용차와 중형화물 등에 관계되었을 때 더 위험한 것으로 분석되었다. 따라서 교통사고 발생시 인명 피해를 줄이기 위해서는 정면충돌 사고와 앞지르기시, 우회전시 발생하는 사고를 줄일 수 있는 방안이 연구되어야 하고, 교통사고 취약계층으로 분석된 위험그룹에 대한 교통안전 교육 및 단속이 강화되어야 할 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.537-542
• /
• 2017

공격적인 성향의 운전은 자동차 사고의 주요한 원인이 된다. 기존 연구에서는 공격적 성향의 운전을 검출하기 위해, 주로 청년을 대상으로 연구가 이뤄졌으며 기계학습의 순수한 Clustering 또는 Classification 기법을 통해 이뤄졌다. 그러나 노인들은 취약한 신체적 조건에 의해 젊은 운전자와는 다른 운전 강도를 가지고 있어 기존의 방식으로는 검출이 불가능 하며, 데이터를 보정하는 등의 새로운 방법이 필요하다. 그리하여, 본 연구에서는 기존의 클러스터링 기법(K-means, Expectation - maximization algorithm)에, 새롭게 제안하는 ECA(Enhanced Clustering method for Acceleration data)기법을 추가하여, 주행 차량에 위치한 스마트폰으로부터 수집된 가속도 데이터를 분석하고 공격적인 운전 형태를 검출해 낸다. ECA는 모든 피험자의 데이터에서 K-means와 EM을 통해 검출된 군집군의 데이터 중 높은 강도의 데이터를 선별하여, 특징을 스케일링한 값을 통해 모델링한다. 본 방식을 통해 기존의 연구의 순수한 클러스터링 방식과는 달리, 모든 청장년 및 노인 실험 참가자 개인들의 공격적인 운전 데이터가 검출되었으며, 클러스터링 기법간의 비교를 통해 K-means 기법이 보다 높은 검출 효율을 갖고 있음을 확인했다. 또한, K-means 방식을 검출한 공격적인 운전 데이터에서는 젊은 운전자가 노인운전자에 비해 1.29배의 높은 운전 강도를 가지고 있음을 발견했다. 이와 같이 본 연구에서 제안된 방식은 낮은 운전 강도를 갖고 있는 노인의 데이터에서 공격적인 운전을 검출 가능하게 되었으며, 특히. 제안된 방법은 노인 운전자를 위한 맞춤형 안전운전 시스템을 구축이 가능하며, 추후 다양한 연구을 통해 이상 운전 상태를 검출하고 조기 경보하는데 활용이 가능할 것이다.

• 대한토목학회논문집
• /
• 제26권5D호
• /
• pp.709-716
• /
• 2006

최근 들어 싱글족, 맞벌이 부부 증가 등 가구구성 체계에 많은 변화가 발생하였고, 이로 인한 개인들의 일상적인 업무수행의 변화는 통행행태에도 지대한 영향을 미치게 되었다. 이 중 중요한 특징 중의 하나는 예를 들어 출근 중에 자녀들을 등교시키거나, 퇴근 길에 구매 또는 여가활동을 수행하는 다수의 통행목적을 하나의 out-going 통행으로 처리되는 비중이 늘고 있다는 것이다. 따라서 통행을 하나의 목적을 수행하기 위하여 독립적으로 발생하는 것이 아닌 하루 동안 개인이 다양한 활동을 수행하기 위하여 장소를 이동한 activity-based 개념의 통행고리의 형태로 파악하고 이에 기반 한 통행발생 모형의 필요성이 높다. 본 논문은 통행발생 모형에 있어서 직업, 승용차 보유여부 등을 기준으로 "유사한 통행특성"을 갖는 집단을 분류하고, 집단별 구성원들의 평균적인 1일 중 activity diary를 분석하여 업무수행 순서, 통행고리별 발생시간, 이용 교통수단 등 통행특성에 의하여 총 통행량을 추정하는 모형을 개발하였다. 실증적인 검증으로서 공주시 가구통행실태조사를 수행하여 "유사통행행태" 집단의 분류, 집단별 통행행태의 특성과 이에 기초한 교통지구 별 통행발생량을 추정하였다. "유사통행행태" 집단의 구분은 통행발생에 있어서 유의성이 높은 설명인자인 직업과 승용차의 보유여부, 학생인지의 여부를 기준으로 하였다. 분석결과 이와 같은 구분기준이 기존 국내 교통계획모형에서 일반적으로 적용되고 있는 산업군 분류기준에 비하여 비교적 통행특성을 잘 반영하고 있는 것으로 나타났다. 또한 집단별 통행고리 특성에 기반 한 통행발생 추정 결과 교통지구별 통행발생량들이 교통지구별 인구, 직장인수, 자동차 보유율과 인구유입시설 등의 각종 사회 경제지표의 특성 등도 잘 반영하는 것으로 나타났다.

• 지능정보연구
• /
• 제16권3호
• /
• pp.99-120
• /
• 2010

최근 고객들의 비대면 접점 서비스 이용도가 높아짐에 따라, 비대면 채널은 다양한 데이터의 분석을 통해 고객 만족도를 향상시킬 수 있는 유용한 창구로 인식되고 있다. 이러한 비대면 채널의 대표적 영역으로 콜센터를 들 수 있으며, 콜센터 운영에서 고객 만족도에 가장 큰 영향을 미치는 요소는 상담 인력의 규모인 것으로 알려져 있다. 즉, 일정수준 이상의 고객 만족도를 유지하기 위해서는 충분한 상담 인력을 확보하는 것이 관건이지만, 불필요하게 많은 인력을 확보하는 것은 인건비 측면에서 비용의 낭비를 초래할 수 있다. 따라서 부족하지도 않고 넘치지도 않을 정도의 적정 인력을 산출하는 능력은 콜센터 운영의 핵심 경쟁력으로 인식되고 있으며, 최근 콜센터에서는 적정 인력의 규모를 예측하기 위해 WFM(Work Force Management) 업무 전담 부서를 설치하고 콜량을 정확하게 예측하기 위한 노력을 기울이고 있다. 콜량 예측을 위해 현업에서 주로 사용되는 방법은 담당자의 직관에 의존하는 방법으로, 일정기간의 콜량 평균을 담당자가 주관적 판단에 의해 보정함으로써 이루어진다. 하지만 이러한 방식은 담당자의 주관적 성향에 크게 좌우된다는 한계를 갖고 있어서, 최근에는 다양한 예측 모형을 시스템화한 WFMS(Workforce Management System) 패키지가 널리 활용되고 있다. 하지만 이 시스템은 초기 도입 시 매우 고가의 구축비용이 발생하며, 신규 요인 발굴 시 이를 즉각적으로 시스템에 반영하기 어렵다는 한계점을 갖고 있다. 이를 극복하기 위해 본 연구에서는 데이터 마이닝의 대화식 의사결정나무 기법을 이용함으로써, 객관적이면서도 업무 배경 지식을 충분히 활용할 수 있는 예측 모형을 수립하고자 한다. 또한, 본 연구에서 수립한 모형의 정확성 평가를 위해, 국내 최대 규모의 한 자동차 보험사 콜센터의 4년 8개월 간의 실 데이터를 사용한 실험을 수행하고 그 결과를 제시하였다. 실험에서는 기존의 WFMS와 본 연구에서 제안하는 두 가지 모형인 대화식 의사결정나무 기반의 예측 모형, 일반 의사결정나무 기반의 예측 모형의 세 가지 모형에 대해, 다양한 오차 허용범위 하에서의 사고콜 및 고장콜에 대한 예측 적중률을 평가하였다.