딥러닝 기법을 활용한 교통사고위험예측 모델개발 연구
- 주제(키워드) AI , 인공지능 , Traffic Accident , 교통사고위험 예측 , Deep Learning , 딥러닝 , Neural Network , 신경망 , DeepFM , DNN , 심층신경망 , Machine Learning , 머신러닝 , 기계학습 , Bigdata , 빅데이터 , 예측
- 발행기관 고려대학교 정책대학원
- 지도교수 신승준
- 발행년도 2019
- 학위수여년월 2019. 2
- 유형 Text
- 학위구분 석사
- 학과 정책대학원 데이터통계학과
- 원문페이지 62 p
- 실제URI http://www.dcollection.net/handler/korea/000000084105
- UCI I804:11009-000000084105
- DOI 10.23186/korea.000000084105.11009.0000927
- 본문언어 한국어
- 제출원본 000045977468
초록/요약
정부차원의 노력과 대응에도 불구하고 국내 교통사고는 해마다 조금씩 증가하고 있으며, 인구고령화와 여성운전자의 증가로 인해 여성, 노인 운전자 교통사고율이 크게 높아지고 있는 실정이다. 교통사고의 위험을 예측하고 사전에 예보한다면 운전자의 사고를 예방하고 사고에 대한 빠른 대응을 할 수 있을 것이다. 교통사고위험예측과 관련된 기존 연구는 교통사고 건수 분포에 근거한 다양한 통계방법으로 예측하였는데 교통사고 당시의 인적 상황이나 도로의 기하학적 구조 등 환경적 요인에 의한 교통사고의 인과관계만을 파악하는 분석의 한계가 있었다. 최근 들어 다양하게 수집되는 이종의 교통 데이터가 폭발적으로 증가하고 있어, 교통 빅데이터를 기반으로 심화된 분석, 예측이 가능한 새로운 머신러닝, 딥러닝 접근 방법들이 주목 받고 있다. 본 연구에서는 주요 6개도시 약 4,500개 사고다발지점을 대상으로 교통사고위험을 예측하였으며, 교통사고 및 방송제보, 교통소통현황, 날씨, 공공3.0정보를 분석정보로 활용하였다. 교통사고의 다양한 패턴을 잘 학습할 수 있는 딥러닝 모델인 DeepFM을 최종 모델로 선정하고 기존 머신러닝 모델과 정확도를 비교하여 우수함을 확인하였다. 개발된 모델을 활용한 교통사고위험예측 서비스를 통해 대국민 교통안전 및 교통사고율 감소에 기여할 것을 기대한다.
more목차
제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구 내용 및 방법 3
제2장 관련연구 고찰 4
제1절 선행연구 고찰 4
1. 교통사고위험 예측 선행연구 4
2. 선행연구와의 차별성 11
제2절 관련이론 고찰 12
1. 딥러닝 소개 12
2. 신경망 모델 14
3. 딥러닝 학습 17
4. 제안 딥러닝 알고리즘 27
제3장 교통사고위험예측 분석데이터 구성 30
제1절 분석 개요 30
1. 개요 30
2. 분석데이터 구성 과정 30
제2절 분석데이터 수집 및 처리 31
1. 데이터 개요 31
2. 원시데이터 요약 31
3. 데이터 수집, 처리 과정 32
제3절 유의변수 생성 및 데이터 통합 33
1. 기초데이터탐색 33
2. 분석데이터 생성 37
3. 데이터 통합 38
제4장 교통사고위험예측 모델 개발 41
제1절 모델 개발 41
1. 개요 41
2. 모델 개발 절차 41
3. 학습 데이터 구성 42
4. 예측 모델 개발 44
제2절 실험 및 평가 46
1. 모델 검증 방법론 46
2. 예측 모델 평가 47
제5장 결론 및 향후 연구과제 48
제1절 결론 48
제2절 한계점 및 향후 연구과제 48
참고문헌 50
