It is very difficult to predict non-recurring traffic congestion in highway traffic accidents. However, it is important to accurately predict accident clearance time in an efficient manner in order to minimize the enormous cost loss caused by reduced road capacity. Incident clearance time means the time from when the work vehicle arrives at the site until it is finished. In the previous study, accident clearance time was determined by various causes such as traffic flow condition, accident characteristics, geometry and environmental conditions, so there was a limit to accurately predicting. In this study, we developed a hybrid model that combines decision trees and data-based nonparametric model (KNN) to compensate for the shortcomings of individual models. In addition, it proposed a method for eliminating outliers. The Hybrid model developed in this study (outlier elimination) was compared to the decision tree utilized in the previous study, and it was improved MAPE 9.4%, MAE 2.2 minutes, HR 5.4%. The model developed in this study has improved accuracy compared to the existing models, but shows a limit that is underestimated when the accident clearance time is high. For future application in the field, continuous research is needed to improve the accuracy of the model.
더보기고속도로 교통사고 시 비반복적으로 발생하는 교통혼잡을 예측하는 것은 매우 어렵지만, 도로 용량 감소로 인해 발생하는 막대한 비용 손실 최소화를 위해서는 효율적인 방법으로 교통사고 처리시간을 정확하게 예측하는 것이 중요하다. 교통사고 처리시간은 사고발생 후 작업차량이 현장에 도착한 이후부터 교통사고를 종료시킬 때 까지 시간을 의미한다. 기존연구에서 교통사고 처리시간은 교통류상태, 사고특성, 기하구조, 환경상태 등 다양한 원인에 의해 결정되므로, 정확하게 예측하는데 한계가 있었다. 본 연구에서는 개별 모형들의 단점을 보완할 수 있도록 기존 연구에서 적용한 모형들 중에 의사결정나무와 데이터 기반의 비모수모형(KNN)을 융합한 하이브리드(hybrid) 모형을 개발하였고, 추가적으로 과거이력자료 이상치 제거를 위한 방법을 제안하였다. 본 연구에서 개발된 모형(이상치 제거)을 기존연구에서 활용된 의사결정나무와 비교하였을 때 MAPE는 9.4%, MAE는 2.2분 , HR()은 5.4% 개선되는 것으로 분석되었다. 본 연구에서 개발된 모형은 기존 모형들에 비해 정확도는 향상되었으나, 교통사고 처리시간이 높은 경우 과소 추정되는 한계를 보였다. 향후 현장에서 적용하기 위해서는 모형 정확도 개선을 위하여 지속적인 연구가 필요하다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2019-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2016-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2012-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2011-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2009-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.47 | 0.47 | 0.46 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.42 | 0.42 | 0.798 | 0.12 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)