메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이호준 이수기 (한양대학교)
저널정보
대한공간정보학회 대한공간정보학회지 대한공간정보학회지 제29권 제2호
발행연도
2021.6
수록면
3 - 15 (13page)
DOI
10.7319/kogsis.2021.29.2.003

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구는 보행자 교통사고 사고 심각도 예측에 유형 분류 기계학습 알고리즘들을 적용하고 그 성능을 비교하여 교통사고 심각도 예측에 가장 적합한 알고리즘을 도출하는 것을 목적으로 한다. 또한, 기존 선행연구에서 한계점으로 지적되어온 사고 심각도별 데이터 불균형 문제를 보완하기 위해 사고 심각도 데이터셋에 오버샘플링 기법을 적용하여 모형을 학습하였다. 서포트 벡터 머신, 랜덤 포레스트, 멀티 레이어 퍼셉트론, 랜덤 오버 샘플링과 같은 주요 머신러닝 기법을 사용하였으며, SMOTE, ADASYN과 같은 데이터셋의 불균형을 보정할 수 있는 오버샘플링 기법을 적용하였다. 분석 결과, 오버 샘플링 기법을 적용한 모형이 기존 불균형 데이터셋을 사용해 학습된 모형에 비해 사망사고 정확도가 크게 개선되는 것을 확인하였다. 또한, 모형 간 비교 분석 결과 SMOTE 기법을 사용한 데이터셋으로 학습한 다층 퍼셉트론 모형이 G-Mean 값을 기준으로 가장 좋은 성능을 보이는 것으로 나타났다.
#보행자 교통사고 #교통사고 심각도 #머신러닝 #불균형 데이터셋 #Pedestrian Crash #Crash Severity #Machine Learning #Imbalanced Dataset

목차

要旨
Abstract
1. 서론
2. 선행연구 고찰
3. 연구의 방법
4. 분석 결과
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

서울시 주·야간 시간대 보행자 교통사고 심각도 요인 비교 분석
윤준호 ,  이수기 국토계획 2019 .12
COVID-19 확산에 따른 통행 수단 선택 변화 분석 : 서울시 사례를 중심으로
김진만 ,  기동환 ,  이수기 국토계획 2021 .06
서울시 보행자 교통사고에 영향을 미치는 물리적 환경요인에 관한 연구 : 2014 TAAS 자료를 중심으로
서지민 ,  이수기 국토계획 2016 .06
해석가능한 기계학습을 활용한 보행목적별 보행만족도 영향요인 분석
박준상 ,  이수기 국토계획 2022 .02
이기종 머신러닝 모델 기반 치매예측 모델
이태인 ,  오하영 한국정보통신학회논문지 2021 .12

최근 본 자료

전체보기

댓글(0)

0