Citation

Son S, Park J. J. Korean Soc. Transp. 2022; 40(2): 190-204.

Vernacular Title

데이터마이닝 기반의 사고심각도 가중치 적용 예측변수를 활용한 교차로 사고예측모형 개발

Copyright

(Copyright © 2022, Korean Society of Transportation)

DOI

10.7470/jkst.2022.40.2.190

PMID

unavailable

Abstract

In this study, crash prediction models for urban intersections were developed using an index as dependent variables reflecting the crash severity weight from data mining technique. In general, the crash prediction model is also called Safety performance function (SPF), and is a regression model with the number of crashes aggregated in the sections or intersections to be analyzed as dependent variables. However, the number of crashes is simply the counted frequency of crashes, and the data does not reflect the characteristics of the crash severity factors. In this study, the crash severity analysis were conducted on crashes that occurred at urban intersections. In addition, the crash prediction models were developed using the crash score index reflecting the results of the severity analysis as a dependent variable. Random forest (RF) and Extreme boosting (XGB) were used for the analysis of intersection crash severity, and NB, Com-poisson, and XGB regression tree model were developed for crash prediction models. Finally, the index reflecting the RF and XGB weight results showed the best predictive performance. Since the proposed dependent variable reflects the results of crash severity analysis as well as excellent predictive performance, important implications based on severity factors can be presented. The model presented in this study can be used for safety evaluation and policy design of individual intersections.

===

본 연구에서는 데이터마이닝 기법을 통해 도출한 사고심각도 가중치를 적용한 환산 사고건수를 종속변수로 하는 도심부 교차로 사고예측모형을 개발하였다. 일반적으로 사고예측모형(Crash prediction model)은 안전성능함수(Safety performance functions)로도 불리며, 분석 대상인 구간 또는 교차로에서 집계된 사고건수를 종속변수로 하는 회귀모형이다. 그러나 여기서 사고건수는 단순히 집계된 사고의 빈도이며 사고심각도 및 사고의 특성변수가 반영되지 않은 데이터이다. 본 연구는 국내 교차로에서 발생한 사고를 대상으로 사고심각도 분석을 수행하여 심각한 사고 발생에 유의한 영향을 미치는 변수를 정량화하였으며, 이를 사고건수에 반영한 가중치 적용 사고건수를 종속변수로 설정하여 모형을 개발하였다. 교차로 사고심각도 분석에는 Random forest(RF)와 Extreme gradient boosting(XGB) 방법론이 활용되었으며, 사고예측모형은 NB, Com-poisson, 그리고 XGB 회귀트리가 활용되었다. 최종적으로 RF와 XGB 가중치 결과가 반영된 지표가 예측성능이 가장 우수한 것으로 나타났다. 제안된 종속변수는 우수한 예측성능 뿐만 아니라 사고심각도 분석 결과를 반영하고 있기 때문에, 심각도 요인 기반의 중요한 시사점을 제시할 수 있다. 본 연구에서 제시한 모형은 개별 교차로의 안전성 평가 및 정책 설계에 유효한 자료로 활용될 수 있다.

Language: ko