LSTM을 이용한 교통사고 발생 패턴 예측 = Forecasting of Traffic Accident Occurrence Pattern Using LSTM

국문 초록 (Abstract)

교통사고로 인한 많은 인명피해가 발생하고 있으나, 첨단 기술의 발전에도 불구하고 교통사고 발생은 줄어들지 않고 있다. 교통사고를 사전에 예방하기 위해서는 향후 사고가 어떻게 변화하여 갈 것인지를 정확하게 예측할 필요가 있다. 지금까지 교통사고 발생 빈도 예측은 주요 연구 분야가 아니었으며 주로 과거 일정 기간의 통계를 기반으로 전통적인 방법으로 미시적으로 분석되어 왔다. 최근 AI 기술이 교통사고 분야에 도입 되었음에도 불구하고 주로 교통 흐름 예측에 초점을 맞추고 있어, 본 연구에서는 2014년부터 2019년까지 국내에서 발생한 1,339,587건의 교통사고 기록을 시계열 데이터로 변환하고 AI 알고리즘 LSTM을 이용하여 연령별, 시간별 교통사고 발생 빈도를 예측하였다. 또한 코로나-19로 인한 교통 환경의 변화에 맞추어 예측값과 실제값을 비교 검증하였다. 향후 이러한 연구결과가 교통사고 예방의 정책개선으로 이어지고 사고 예방에 활용 될 것으로 기대된다.

참고문헌 (Reference)

• 1 류종득, "딥 러닝을 이용한 고속도로 교통사고 건수 예측모형 개발에 관한 연구" 한국ITS학회 17 (17): 14-25, 2018
• 2 이수범, "도로 및 교통특성에 따른 계획 단계의 도시부 도로 교통사고 예측모형개발" 대한교통학회 21 (21): 133-144, 2003
• 3 Jakub Kvita, "https://kvitajakub.github.io/2016/04/14/rnn-diagrams/"
• 4 Chris Olah, "https://colah.github.io/posts/2015-08-Understanding-LSTMs/"
• 5 Christopher O., "Understanding LSTM Networks"
• 6 Koroad, "Traffic accident statistical analysis"
• 7 Zhihao Z., "Traffic Accident Prediction Based on LSTM-GBRT Model" 2020 : 1155-, 2020
• 8 Hinton G. E., "The A fast learning algorithm for deep belief nets" 18 (18): 1527-1554, 2006
• 9 Makridakis S., "Statistical and Machine Learning forecasting methods: Concerns and ways forward" 13 (13): e0194889-, 2018
• 10 Sameen M. I., "Severity Prediction of Traffic Accidents with Recurrent Neural Networks" 7 (7): 476-, 2017
• 11 Benoit F., "Road accidents in Switzerland forecasting — A brief comparison between Facebook Prophet and LSTM neural networks" Towards Data Science 2019
• 12 KOTI, "Results of Investigation on Victims of Traffic Accidents and Improvement Plans for Victim Support System" National Assembly Traffic Safety Forum 2018
• 13 Bengio Y., "Representation Learning : A Review and New Perspectives" 35 (35): 1798-1828, 2013
• 14 Tomas M., "Recurrent neural network based language model" Interspeech 1045-1048, 2010
• 15 Reimers N., "Optimal hyper-parameters for deep lstm-networks for sequence labering tasks"
• 16 Armstrong J. S., "Long-rang Forcasting: From Cristal Ball to Computer" Wiley 1985
• 17 Hochreiter S., "Long Short-Term Memory" 9 (9): 1735-1780, 1997
• 18 Jason B., "Learning for Time Series Forecasting" 123-160, 2020
• 19 Nikhil B., "Fundamentals of Deep Learning" O’reilly 88-115, 2017
• 20 Chung J., "Empirical evaluation of gated recurrent neural netwotks on sequence modeling"
• 21 Guangyuan P., "Development of a global road safety performance function using deep neural networks" 6 (6): 159-173, 2017
• 22 Lee K., "Development of Traffic Accident Prediction Model Using Probability Parameter - Targeted at 4 Intersections in the Metropolitan Area and Busan Metropolitan City" 14 (14): 101-111, 2015
• 23 Christian S., "Deep neural networks for object detection" 2013
• 24 Witten I. H., "Data Mining : Practical Machine Learning Tools and Techniques" Morgan Kaufimann 2011
• 25 Krizhevsky A., "Convolutional Deep Belief Networks on CIFAR-10, vol. 1"
• 26 Jang W. J., "Applications of deep learning methods in transportation research" Koti 13-21, 2019
• 27 Honglei Ren, "A deep learning approach to the prediction of short-term traffic accident risk"
• 28 Oh J., "A comparative study of the performance of the traffic accident prediction model at the intersection of the four districts using nonlinear regression analysis, artificial neural network, and structural equation" 32 (32): 266-279, 2014
• 29 National Police Agency, "A Study on the Revision of Traffic Accident Statistics" National Police Agency 39-69, 2004
• 30 Han J. S., "A Study on the Development of a Traffic Accident Risk Prediction Model Using Deep Learning Techniques" Korea University 2019