This study addresses the prediction of two-wheeler accident severity, taking into account the challenges of imbalanced data. We employ a deep neural network (DNN) withcost-sensitive weight. Our approach incorporates urban planning, sociodemographic, and transportation indicators as input variables. To assess the performance of our methodology,we systematically evaluate results across various hyperparameters and conduct a comparative analysis against related methodologies. By applying cost-sensitive learning to our DNNmodel, we identify optimal hyperparameters that achieved positive results, with an accuracy rate of 73% and an F1-score of 80%. Our methodology demonstrates the ability to predictaccident severity across different classes with less bias than other sampling and classification methods. The importance of Random Forest analysis highlights the significance of variablessuch as the number of intersections, number of restaurants, population, road hierarchy, and youth dependency ratios in determining accident severity. Our study contributes valuableinsights for informing two-wheeler insurance and safety policy initiatives.
더보기최근 비대면 서비스의 증가로 이륜차의 이용 및 그에 따른 사고 건수가 증가하고 있다. 본 연구에서는 불균형한 사고 데이터의 특성을 고려하여 이륜차의 사고 심각도를 예측하고, 비용 민감 학습을 적용한 심층신경망(DNN)을 활용하여 사고 심각도가 높은 지역을 도출하였다. 서울특별시 내의 2014년부터 2019년의 사고 데이터셋을 구득 하고, 도시계획, 사회통계학, 교통과 관련한 지표를 모델 입력변수로 삽입하였다.
제안하는 방법론의 성능을 평가하고자 Hyperparameter에 따른 결과를 확인하고 비용 민감 학습과 다른 유사 방법론 간의 비교 분석을 수행하였다. 연구 결과, 본 연구에서 제안하는 모델이 73%의 정확도와80%의 F1-score의 성능을 보였다. 제안된 방법론은 기존의 불균형 데이터 처리 기법 및 방법론에 비하여 사고 심각도를 클래스별로 균형적으로 예측한 것을 확인하였다. Random Forest를 활용한 요인의중요도 분석 결과, 음식점 수, 교차로 수, 인구, 도로 위계, 유년부양비의 비율이 중요도가 높은 요인으로 도출되었다. 본 연구는 이륜차의 사교 규모를 모형화하고 국내를 대상으로 그리드별 사고 심각도 예측을수행함으로써 사고 규모를 산출하였다. 본 연구의 결과를 활용하여 이륜차 보험 및 안전 정책에 기여할수 있을 것으로 기대한다.
분석정보
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)