비관측 이질성이 있는 잠재 계층별 실시간 교통사고 처리시간 예측 : 불균형 데이터 적용을 위한 접근

이송하; 박준영

doi:10.7470/jkst.2024.42.3.370

추천

검색

질문

자료유형: 학술저널

저자정보: 이송하 (한양대학교) 박준영 (한양대학교)

저널정보: 대한교통학회 대한교통학회지 대한교통학회지 제42권 제3호

발행연도: 2024.6

수록면: 370 - 384 (15page)

DOI: 10.7470/jkst.2024.42.3.370

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2024

비관측 이질성이 있는 잠재 계층별 실시간 교통사고 처리시간 예측 : 불균형 데이터 적용을 위한 접근

이송하 , 박준영 대한교통학회지 2024.06 학술저널

비관측 이질성이 있는 잠재계층별 실시간 교통사고 처리지속시간 예측: 불균형 데이터 적용을 위한 접근

이송하 , 박준영 대한교통학회 학술대회지 2024.03 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

신속한 교통사고 처리 대응을 통해 부정적인 영향을 최소화하는 것은 교통 기관에 매우 중요하다. 특히, 교통사고 대응 전략 중 정확한 사고 처리시간 예측은 사고 영향 범위를 평가하고 예측 결과에 따른 경로 안내 전략을 제공함으로써 사고로 인한 혼잡을 줄일 수 있다. 이를 위해 다양한 연구들이 수행되지만 대부분 국외 연구로, 제안하는 방법론과 다른 기하학적, 교통 조건을 가지고 있는 국내 교통환경에 적용하기에는 어려움이 있고, 동적 데이터보다는 과거에 집계한 이력 데이터를 활용하여 실시간으로 변화하는 교통 특성과 사고 처리시간에 관련된 탐색적인 연구는 제한적이다. 따라서 본연구는 다양한 환경요인을 고려하여 임의 효과를 가진 잠재 계층 분석과 부스팅 계열 알고리즘을 결합하여 실시간 사고 처리시간 예측 모형을 개발하였다. 또한, 긴 꼬리 분포를 가진 사고 처리시간 데이터의 불균형을 해결하는 샘플링 기법과 설명가능한 인공지능을 적용하여 모형 성능 개선 및 신뢰성 있는 연구 결과를 도출하였다. 연구 결과, 관찰되지 않은 이질성이 포함된 사고 처리시간 데이터를 합성한 잠재 클래스 기반 예측 모델이 가장 성능이 우수하였고 실시간 교통류의 시공간적 차이, 화물차, 미작동한 조명시설이 사고 처리시간과 높은 상관관계가 있음을 보여주었다. 이 연구 결과는 일반 교통류에 비해 부족한 사고 교통류의 다양한 사고 처리시간 크기를 더욱 정확하게 예측하고 실시간성 교통 특성 및 이력 자료를 기반으로 체계적인 교통사고 대응 전략 수립을 지원할 수 있을 것으로 기대한다.

Minimizing the negative impacts of traffic crashes after they occur is crucial for transportation agencies. Especially, accurate traffic incident clearance time prediction, among post-traffic crash management strategies, can reduce congestion by evaluating the crash impact area and providing route guidance strategies on the predicted time. Currently, several approaches have been developed various methodologies for estimating traffic incident clearance time and explaining the relationship between the time and exploratory factors. However, most of the studies were conducted overseas, making it challenging to apply them to the Korean highway road segments, which have different geometric and traffic conditions, unlike the proposed methodology. Moreover, the previous studies utilized historical data rather than dynamic data and exploratory studies about the relationship between real-time characteristics and clearance time are limited. As such, for predicting accuracy with dynamic data, novel approach is proposed for combining latent class analysis with unobserved heterogeneity and boosting algorithms, addressing with various environmental factors. Furthermore, by implementing sampling techniques and explainable artificial intelligence to resolve the imbalance clearance time data with a long tail distribution, model performance was improved and reliable results were revealed. As a result, the latent class-based prediction model that synthesized the time data with unobserved heterogeneity showed the best performance, and spatio-temporal differences in real-time traffic characteristics, trucks, and lighting facilities were highly correlated with the time variables. In the future, the results are expected to more accurately predict the range of clearance times, which is insufficient compared to general traffic, and support the establishment of systematic traffic crash management strategies based on real-time traffic characteristics and history data.

#ensemble model #imbalanced data #latent class analysis with random effect #real-time data #traffic incident clearance time #앙상블 모형 #불균형적인 데이터 #임의 효과 기반 잠재 계층분석 #실시간성 데이터 #교통사고 처리시간

참고문헌 (37)

참고문헌 신청

Beath K. J. (2017), RandomLCA: An R Package for Latent Class with Random Effects Analysis, Journal of Statistical Software, 81, 1-25.

Branco P., Torgo L., Ribeiro R. P. (2017), SMOGN: A Pre-processing Approach for Imbalanced Regression, In First International Workshop on Learning with Imbalanced Domains, Theory and Applications, 36-50, PMLR.

Branco R., Ribeiro P., Torgo L. (2016a), UBL: An R Package for Utility-based Learning, ArXiv Preprint ArXiv:1604.08079.

Chen T., Guestrin C. (2016), Xgboost: A Scalable Tree Boosting System, In Proceedings of the 22nd Acm sigkdd International Conference on Knowledge Discovery and Data Mining, 785-794.

Chung Y., Kim S. (2020), Identification of Critical Factors for Crash Duration with Consideration of Unobserved Heterogeneity, J. Korean Soc. Transp., 38(6), Korean Society of Transportation, 536-546.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (37)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)