딥 러닝을 이용한 고속도로 교통사고 예측모델 개발
- 주제(키워드) 딥 러닝 , 교통사고 예측모형 , 고속도로
- 발행기관 아주대학교
- 지도교수 윤일수
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 박사
- 학과 및 전공 일반대학원 건설교통공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000027296
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
기존에는 대부분의 교통사고 자료 분석이 전통적인 통계적 방법인 포아송 회귀모형 또는 음이항 회귀모형 등을 기반으로 시행되어져 왔다. 이러한 통계적 방법은 교통사고와 관련된 다양한 인적, 도로 기하구조적 그리고 환경적 요인들과 교통사고 간의 인과관계를 찾고, 교통사고 빈도를 예측하고 그리고 분석된 결과를 바탕으로 교통안전 등급을 산출하는 등 다양한 방식으로 활용되어져 왔다. 하지만, 최근 머신 러닝 및 딥 러닝과 같은 빅데이터 분석 기법을 활용한 새로운 접근 방법들이 주목을 받기 시작하였다. 이러한 머신 러닝 및 딥 러닝 기법은 이종(異種)의 대량 자료를 활용하여 교통사고와 관련된 요인들을 분석하는 데 장점을 보이고 있으며, 이미 교통 및 다른 분야에서는 활발하게 적용되어 우리들의 일상을 변화시키고 있다. 이에 본 연구의 목적은 고속도로 교통사고 자료를 이용하여 고속도로의 주요 분석 단위인 콘존의 교통사고 빈도수를 예측하기 위하여 전통적인 통계적 기법과 딥 러닝을 이용한 기법을 적용하고 각 기법들의 예측 성능을 비교하였다. 예측 성능 비교 결과, 딥 러닝 모형의 MOE들이 전통적인 통계 모형에 비해 다소 우수한 것으로 나타났다. 하지만 MAD 기준으로 차이가 0.27로 전통적인 통계적 기법 기반으로도 교통사고 건수를 충분히 예측이 가능하다고 판단되며, 특히 음이항 회귀모형이 포아송 회귀모형보다 우수한 것으로 나타났다. 또한 노출 계수(AADT, 콘존 길이)를 활용하는 모형이 더욱 우수한 것으로 판단된다. 하지만 딥 러닝을 이용할 경우 예측 신뢰도를 더욱 증가 시킬 수 있다. 또한, 딥 러닝의 경우에는 아직 교통사고 건수 예측에 활용한 사례가 적기 때문에 적절한 구조 등에 대한 추가 연구가 필요하다. 특히 본 연구에서 은닉층 및 노드 개수뿐만 아니라 Optimizer, 노드 구조 등에도 많은 영향을 받는 것으로 확인 되었다.
more목차
제1장 서론 1
제1절 연구의 배경 및 목적 1
1. 연구의 배경 1
2. 연구의 목적 2
제2절 연구의 범위 3
제3절 연구의 수행절차 및 방법 4
제2장 관련 이론 및 연구 고찰 6
제1절 관련 이론 고찰 6
1. 안전성능함수 6
2. 포아송 회귀모형 9
3. 음이항 회귀모형 11
4. 인공 신경망 13
5. K-means 클러스터링 18
제2절 기존 연구 고찰 20
1. 전통적인 통계기법을 이용한 안전성능함수 구축 사례 20
2. Neural Network 및 딥 러닝을 이용한 안전성능함수 26
제3장 딥러닝을 이용한 고속도로 교통사고 예측모형 개발을 위한 자료 수집 및 분석 28
제1절 자료 수집 및 분석 개요 28
제2절 고속도로 교통사고 현황 분석 29
1. 고속도로 교통사고 추세 분석 29
2. 교통사고 등급별 발생 현황 31
3. 교통사고 위치별 발생 현황 32
제3절 변수 선정 및 자료 수집 34
제4절 수집 자료 가공 37
1. 자료 가공 단위 개요 37
2. 콘존 매칭을 통한 자료 가공 37
3. 공간 연산을 통한 자료 가공 38
제5절 분석 테이블 구축 및 기초 통계분석 39
1. 분석 테이블 구축 39
2. 기초 통계분석 40
제4장 고속도로 교통사고 예측모형 구축 41
제1절 고속도로 교통사고 예측모형 구축 방법론 41
1. 개요 41
2. 데이터 구분 42
3. 모형 검증 방법론 42
제2절 전통적인 통계 방법의 고속도로 교통사고 예측모형 구축 44
1. 구축 절차 44
2. 모형식 종류 45
3. 다중공선성 분석 46
4. 과분산 검정 47
5. 최종 안전성능함수 구축 및 검증 53
제3절 딥 러닝을 이용한 교통사고 예측모형 구축 59
1. 딥 러닝을 이용한 교통사고 예측모형 구축 배경 59
2. 딥 러닝 개요 61
3. 구축 절차 61
4. 딥 러닝을 이용한 교통사고 예측모형 구축 62
5. 최종 선정 모형 및 결과 71
6. 고속도로 교통사고 예측모형 비교 72
제4절 딥 러닝을 이용한 교통사고 건수 예측모형 구축 절차 및 활용 방안 74
1. 구축 절차 74
2. 활용 방안 및 기대효과 75
제5장 결론 및 향후 연구 과제 77
제1절 결론 77
제2절 연구의 한계 및 향후 연구과제 78
1. 연구의 한계 78
2. 향후 연구과제 79
참고문헌 80
부록 1. 클러스터링 기법을 이용한 고속도로 교통사고 예측모형 구축 85
1. 구축 배경 및 절차 85
2. 클러스터링 기법을 통한 자료 유형 구분 86
3. 안전성능함수 구축 및 검증 88
4. 시사점 도출 91
