50. 영상 데이터 기반 고속도로 사고 심각도 예측: 계층적 베이지안 모델과 머신러닝 기법의 비교 / 이성준, 박준영, 조준한

구두세션, 교통안전 4, 27(금) 15:10-16:50, 해운

영상 데이터 기반 고속도로 사고 심각도 예측: 계층적 베이지안 모델과 머신러닝 기법의 비교 / 이성준(한양대학교), 박준영(한양대학교), 조준한(삼성교통안전문화연구소)

고속도로는 도시부 도로와 달리 차량 주행 속도가 상대적으로 높으므로 교통사고 발생 시 사고 피해 심각도가 크고 2차 사고나 다중사고가 발생할 가능성이 크다. 고속도로 특성상 주행 중 정면 추돌, 차로변경 중 측면추돌 등 다양한 교통 상황에서의 사고원인과 유형이 발생하기 때문에 세밀한 추돌사고 특성 분석이 필요하다. 사고 심각도 선행연구 검토 결과, 운전자 나이, 야간, 종단선형, 노면 상태 등이 교통사고 심각도 영향요인으로 나타났다. 기존 문헌은 전통적인 교통 사고조사 지표를 토대로 사고 심각도 분석을 수행하였음을 확인하였다. 본 연구에서는 고속도로 사고 데이터를 기반으로 사고 심각도에 영향을 미치는 다양한 요인을 다층적으로 분석하고, 통계적 모형과 머신러닝 기법을 비교 평가하였다. 영상 데이터를 통해 사고 지점의 도로 기하구조, 사고 직전의 주행 상황 등을 포함한 변수를 추출하였다. 고속도로 교통사고 영향요인 관련 연구는 기본적인 교통사고 조사자료를 토대로 인적요인, 도로요인, 주행요인 등 다양한 요소를 반영하여 사고 예측모형을 적용하였다. 기본적인 교통사고 관련 변수 외에 사고 영상데이터에서 추출되는 차량 행태변수, 도로 환경변수를 설명변수로 반영하여 사고 심각도 예측모형을 적용하였다. 본 연구에서는 고속도로사고 영상을 통한 전국 5년(2016~2020년) 간 교통사고 자료를 수집하였으며, 통계적 모형으로 순서형 프로빗, 계층적 베이지안 모형 등을 활용하고 머신러닝 모형으로는 SVM, XgBoost 등을 활용하였다.