지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 212 - 230 (19page)
- DOI
- 10.7470/jkst.2024.42.2.212
이용수
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
국내 도로교통 사고의 높은 인적피해비용과 신호교차로의 사고 특성을 감안시, 신호교차로에 대한 사고심각도 연구가 필요하다. 특히, 교차로 접근부에 대한 사고 요인 분석이 이루어진다면 교차로 사고를 미연에 방지할 수 있다. 본 연구는 신호교차로 접근부에서 발생하는 추돌사고의 심각도 요인을 분석하였다. 연구를 위해 충청북도 청주시의 57개 신호교차로 접근부에서 최근 3년간(2020-2022년) 발생되었던 171건의 추돌사고 자료와 교통량 자료, 신호운영 자료, 도로 기하구조 자료 등이 수집되었으며 두 가지 방법(머신러닝 분류모형의 사용/미사용)을 적용하였다. 연구 결과, 머신러닝 기법을 사용한 방법의 정확도(Accuracy)가 0.8338, F1 score가 0.9058로 미사용 방법 대비 높은 성능을 나타냈다. 그리고 총 8개(노면상태, 가해 운전자의 음주운전 여부, 가해 운전자의 차종, 피해 운전자의 연령대, 종단선형, 직진 차로수, 유턴구역, 미끄럼방지포장) 요인이 통계적으로 유의(p＜0.05)한 것으로 나타났다. 본 연구 결과는 심각 추돌사고를 미연에 방지하기 위한 교통안전대책 수립에 활용될 수 있을 것이며 이를 통해 교통사고로 인한 사회적 비용 감소에 기여할 수 있을 것으로 기대된다. 향후에는 집산도로나 비신호교차로 등에 대한 사고 심각도 연구, 동일 위계 도로에서의 추돌사고가 많은 교차로와 적은 교차로 간 특성 비교, 운전행태 데이터 분석 등이 필요할 것으로 판단된다.
목차
Abstract
초록
Introduction
Literature Review
Data and Methodology
Result and Discussion
Conclusion
REFERENCES
참고문헌 (31)
참고문헌 신청
Awasthi S. (2020), Random Forests in Machine Learning: A Detailed Explanation, datamahadev.com.
Brownlee J. (2020), Imbalanced Classification with Python: Better Metrics, Balance Skewed Classes, Cost-sensitive Learning, Machine Learning Mastery.
Champahom T., Jomnonkwao S., Watthanaklang D., Karoonsoontawong A., Chatpattananan V., Ratanavaraha V. (2020), Applying Hierarchical Logistic Models to Compare Urban and Rural Roadway Modeling of Severity of Rear-end Vehicular Crashes, Accident Analysis and Prevention, 141, 105537.
Chen T., Guestrin C. (2016), Xgboost: A Scalable Tree Boosting system, In Proceedings of the 22nd Acm Sigkdd International Conference on Knowledge Discovery and Data mining, 785-794.
Cho E.S., Jo Y., Gu, Y. S., Oh C., Lee G. W. (2023), Detection of Risk Riding Events for Delivery Scooter : Methodology and Application, J. Korean Soc. Transp., 41(1), Korean Society of Transportation, 19-34.
Brownlee J. (2020), Imbalanced Classification with Python: Better Metrics, Balance Skewed Classes, Cost-sensitive Learning, Machine Learning Mastery.
Champahom T., Jomnonkwao S., Watthanaklang D., Karoonsoontawong A., Chatpattananan V., Ratanavaraha V. (2020), Applying Hierarchical Logistic Models to Compare Urban and Rural Roadway Modeling of Severity of Rear-end Vehicular Crashes, Accident Analysis and Prevention, 141, 105537.
Chen T., Guestrin C. (2016), Xgboost: A Scalable Tree Boosting system, In Proceedings of the 22nd Acm Sigkdd International Conference on Knowledge Discovery and Data mining, 785-794.
Cho E.S., Jo Y., Gu, Y. S., Oh C., Lee G. W. (2023), Detection of Risk Riding Events for Delivery Scooter : Methodology and Application, J. Korean Soc. Transp., 41(1), Korean Society of Transportation, 19-34.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0