도로환경 교통사고 상해도 예측을 위한 iGLAD 기반 머신러닝 모델 성능 비교

• Published in: 韓國ITS學會 論文誌 Vol. 23; no. 6; pp. 1 - 12
• Main Authors: 정승윤, 김천호, 김형규, 최용순, 백세룡
• Format: Journal Article
• Language: Korean
• Published: 한국ITS학회 30.12.2024
• Subjects: 전자/정보통신공학; 앙상블 학습법; 머신러닝; Ensemble Learning; 데이터베이스; iGLAD; 교통사고; Machin learning; Data Base; Traffic Accidenrs
• ISSN: 1738-0774; 2384-1729
• DOI: 10.12815/kits.2024.23.6.1

본 연구는 iGLAD 데이터를 활용하여 교통사고 시 발생하는 상해도를 예측하는 머신러닝 모델을 개발하고 평가하는 것을 목적으로 한다. iGLAD는 국제적인 교통사고 데이터베이스로, 상해도 예측에 중요한 7가지 변수를 선정해 분석을 진행했다. 이를 통해 4가지의 머신러닝 모 델들(랜덤 포레스트, 서포트 벡터 머신, 아다부스트, 캣부스트)을 비교하고, 이 중 랜덤 포레스 트가 86%의 가장 높은 정확도를 보이며 최적의 모델로 선정되었다. 본 연구는 교통사고에 의 한 인명 피해 감소와 교통 안전 강화를 위한 정책 및 인프라 개선에 기여할 수 있는 기초 연구 로서의 가치가 있으며, 머신러닝을 활용한 교통사고 예측 및 분석은 교통 시스템의 효율성 증 가 및 사회적 비용 절감에 중요한 역할을 할 것으로 기대된다.