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
- 학위논문
- 저자정보
- 지도교수
- 김화종
- 발행연도
- 2015
- 저작권
- 강원대학교 논문은 저작권에 의해 보호받습니다.
이용수18
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
교통사고가 발생했을 때, 교통사고의 피해는 물적피해와 인적피해로 나누어 볼 수 있다. 일회성 비용의 성격을 갖는 물적 피해와는 다르게, 인적 피해는 상해 심각도 수준에 따라 피해의 정도가 비용 및 기간별로 다양하게 나타나며 이에 따른 개인적, 사회적 비용의 차이도 크게 된다.
사고 유형에 따른 인적 피해의 상해 심각도 예측 모델은 사고 후에 예상되는 피해 정도를 추정하고, 심각도가 크게 나타나는 사고 유형에 대한 대비책을 세우거나, 또는 보험회사에서의 고객의 상해에 따른 보상비용 등을 산정할 때 이상치를 판단하는 자료 등으로 사용할 수 있다.
이에 본 논문에서는 교통사고 상해 심각도 예측 모델에 대한 연구를 수행한다. 본 논문에서는 데이터 불균형 문제를 해소하기 위하여 업 샘플링기법을 사용하였으며, 다중 클래스 예측에 one-vs-all(OVA)기법을 사용하고 변수선택법을 활용한다. 변수 선택법에 CART의사결정트리 알고리즘과 정규화 랜덤 포레스트을 사용하고, 랜덤포레스트 알고리즘과 로지스틱회귀분석에 적용함으로써 하이브리드 모델링 기법을 활용한 예측모델을 구축한다.
사고 유형에 따른 인적 피해의 상해 심각도 예측 모델은 사고 후에 예상되는 피해 정도를 추정하고, 심각도가 크게 나타나는 사고 유형에 대한 대비책을 세우거나, 또는 보험회사에서의 고객의 상해에 따른 보상비용 등을 산정할 때 이상치를 판단하는 자료 등으로 사용할 수 있다.
이에 본 논문에서는 교통사고 상해 심각도 예측 모델에 대한 연구를 수행한다. 본 논문에서는 데이터 불균형 문제를 해소하기 위하여 업 샘플링기법을 사용하였으며, 다중 클래스 예측에 one-vs-all(OVA)기법을 사용하고 변수선택법을 활용한다. 변수 선택법에 CART의사결정트리 알고리즘과 정규화 랜덤 포레스트을 사용하고, 랜덤포레스트 알고리즘과 로지스틱회귀분석에 적용함으로써 하이브리드 모델링 기법을 활용한 예측모델을 구축한다.
목차
Ⅰ. 서 론 1Ⅱ. 관련연구 및 연구동기 32.1 선행연구 32.2 연구의 필요성 112.3 이론적 배경 13Ⅲ. 교통사고 상해심각도 예측모델 203.1 데이터 집합 203.2 상해심각도 예측 모델 22Ⅳ. 모델 성능평가 및 비교 28Ⅴ. 결론 및 향후과제 31Ⅵ. 참고문헌 33
최근 본 자료
댓글(0)
0