도로환경 교통사고 상해도 예측을 위한 iGLAD 기반 머신러닝 모델 성능 비교

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...

Full description

Saved in:

Bibliographic Details
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
Online Access	Get full text
ISSN	1738-0774 2384-1729
DOI	10.12815/kits.2024.23.6.1

Cover

Table of Contents:

요약 ABSTRACT Ⅰ. 서론 1. 개요 2. 선행 연구 3. 연구의 필요성 Ⅱ. 학습 데이터 및 데이터 1. iGLAD(Initiative for the Global Harmonization of Accident Data) 2. Data의 특성 및 변수 Ⅲ. 학습 데이터 및 데이터 특성 1. 머신러닝 알고리즘의 개요 2. 머신러닝 앙상블 모델 3. 머신러닝 앙상블 모델별 성능 및 선정 Ⅳ. 결론 및 향후 연구과제 ACKNOWLEDGEMENTS REFERENCES