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
- 2024.10
- 수록면
- 579 - 594 (16page)
- DOI
- 10.7470/jkst.2024.42.5.579
이용수
초록· 키워드
오류제보하기
항만 터미널에서는 작업자와 다양한 중장비가 근거리에서 작업하며 사고 발생 시 심각도가 높을 수 있다. 따라서 중대 사고를 예방하기 위한 적절한 주의와 안전 조치가 필요하다. 본 연구에서는 항만 사고 심각도 예측 모델을 개발하기 위해 기계 학습 방법론인 인공 신경망(ANN)을 적용했다. 이를 위해, 항만 사고 데이터를 증강하고 사고 특징에 따라 사고 위험 상황을 구분하기 위해 오버샘플링 및 클러스터링 기법을 적용했다. 그 결과, 항만 사고의 이질성을 반영한 군집화된 사고 데이터를 사용하여 항만 사고심각도 모델을 개발하였고, 이를 군집화하지 않은 사고 데이터를 사용하여 개발한 심각도 모델과 성능을 비교 분석했다. 분석 결과, 군집 데이터를 활용한 사고 모델의 F1-score가 0.890, 비군집 데이터를 활용한 사고 모델의 F1-score가 0.674로 도출되어 군집 데이터 모델이 비군집 데이터 모델 보다 더 나은 성능을 보였다. 마지막으로, ANN 모델 기반 설명 가능한 인공지능(XAI) 분석을 수행하고 항만 내 중대 사고에 영향을 미치는 주요 변수 10개를 도출하였다. 본 연구는 항만 사고 심각도를 평가하기 위한 고성능 및 설명 가능한 분석 모델을 소개하여 항만 안전 전문가에게 의사 결정을 위한 통찰력을 제공한다. 또한, 본 연구의 결과는 항만 터미널 내 사고 심각도를 줄이고 안전성을 높여 항만 사고로 인한 경제적 손실을 줄이는 데 중요한 역할을 할 수 있다.
목차
Abstract
초록
서론
방법론
데이터 설명
분석 결과
결론
REFERENCES
참고문헌 (43)
참고문헌 신청
Ahmed A., Topuz K., Moqbel M., Abdulrashid I. (2023), What Makes Accidents Severe! Explainable Analytics Framework with Parameter Optimization, Eur. J. Oper. Res.
Alvarez J. A., Legler P. M., Dean S. N., Malanoski A. P., Naval Research Lab Washington DC. (2022), Applying Machine Learning with Model Interpretability for Sequence-based Protein Solubility Prediction.
Amini M., Bagheri A., Delen D. (2022), Discovering Injury Severity Risk Factors in Automobile Crashes: A Hybrid Explainable AI Framework for Decision Support, Reliab. Eng. Syst. Saf., 226, 108720.
Ashraf M. T., Dey K., Mishra S. (2023), Identification of High-risk Roadway Segments for Wrong-way Driving Crash using Rare Event Modeling and Data Augmentation Techniques, Accid. Anal. Prev., 181, 106933.
Azevêdo L., Duarte H., Galvão D., Michima P., Veleda D., Kreuger A. (2021), Methodology for Maritime Risk Assessment in Ports due to Meteo-oceanographic Factors: The Case of the Port of Suape, Brazil, Risk Anal., 41(10), 1823-1839.
Alvarez J. A., Legler P. M., Dean S. N., Malanoski A. P., Naval Research Lab Washington DC. (2022), Applying Machine Learning with Model Interpretability for Sequence-based Protein Solubility Prediction.
Amini M., Bagheri A., Delen D. (2022), Discovering Injury Severity Risk Factors in Automobile Crashes: A Hybrid Explainable AI Framework for Decision Support, Reliab. Eng. Syst. Saf., 226, 108720.
Ashraf M. T., Dey K., Mishra S. (2023), Identification of High-risk Roadway Segments for Wrong-way Driving Crash using Rare Event Modeling and Data Augmentation Techniques, Accid. Anal. Prev., 181, 106933.
Azevêdo L., Duarte H., Galvão D., Michima P., Veleda D., Kreuger A. (2021), Methodology for Maritime Risk Assessment in Ports due to Meteo-oceanographic Factors: The Case of the Port of Suape, Brazil, Risk Anal., 41(10), 1823-1839.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
항만 안전사고 데이터를 활용한 사전학습 언어모델 기반 안전사고 예측 모델 개발
한국통신학회 학술대회논문집
2023 .02
-
항만사고 심각도 영향요인 분석
대한교통학회 학술대회지
2021 .02
-
구조방정식 기반의 항만 영향권별 사고 심각도 요인 도출
대한교통학회 학술대회지
2023 .10
-
항만 안전관리를 위한 SafePort 스마트안전관리시스템 개발
대한교통학회 학술대회지
2021 .11
-
차대차 사고 분석을 통한 피해차량용 사고 시나리오 설계
한국자동차공학회 춘계학술대회
2018 .06
-
구조방정식 기반의 항만 영향권별 사고 심각도 요인 도출
대한교통학회 학술대회지
2023 .10
-
기상 데이터를 활용한 가스사고위험 예보에 관한 연구
한국가스학회지
2018 .10
-
항만 이동장비 사고위험 연구 발전 방향
대한교통학회 학술대회지
2019 .09
-
다항로짓모형을 이용한 고속도로 다중추돌사고 특성 분석
한국ITS학회 논문지
2020 .01
-
K-평균 군집모형 및 순서형 로짓모형을 이용한 버스 사고 심각도 유형 분석 측면부 사고를 중심으로
자동차안전학회지
2021 .09
-
관광숙박시설 안전사고내용과 사고요인과의 관계 분석에 관한 연구
대한건축학회연합논문집
2019 .01
-
개인형 이동장치와 자전거의 사고 심각도 모형 개발을 통한 사고 요인 비교 ‧ 분석
디지털콘텐츠학회논문지
2023 .12
-
머신러닝을 활용한 학교안전사고 예측모형 개발 연구
Proceedings of KIIT Conference
2022 .06
-
공공 데이터의 빅데이터 분석을 통한 사회 안전망 시스템
한국위성정보통신학회논문지
2015 .01
-
스쿨존 내에서 사고심각도 영향요인분석
대한교통학회 학술대회지
2022 .04
-
PM (Personal mobility) 교통사고의 심각도 요인 분석
대한교통학회지
2020 .06
-
화학사고에 의한 인명사고 특성 분석에 관한 연구
한국화재소방학회 논문지
2017 .01
-
순서형 프로빗 모형을 이용한 고속도로 2차사고 심각도 분석
대한교통학회 학술대회지
2019 .02
-
공공데이터를 활용한 교통사고 상해 심각도 예측 모델 연구
한국정보기술학회논문지
2015 .05
-
로지스틱회귀분석 모델을 활용한 도시철도 사상사고 사고예측모형 개발에 대한 연구
한국철도학회 논문집
2017 .08
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0