DOI QR코드

DOI QR Code

퍼지 및 신경망이론을 이용한 도시부 신호교차로 교통사고예측모형 개발

Development of Traffic Accident Frequency Prediction Model in Urban Signalized Intersections with Fuzzy Reasoning and Neural Network Theories

  • 강영균 (현대건설 개발사업본부 인프라팀) ;
  • 김장욱 (현대해상교통기후환경연구소) ;
  • 이수일 (현대해상교통기후환경연구소) ;
  • 이수범 (서울시립대학교 교통공학과)
  • 투고 : 2010.08.11
  • 심사 : 2011.02.21
  • 발행 : 2011.03.15

초록

본 연구는 신호교차로 교통사고예측모형 구축 과정 중 일반적으로 제한된 변수의 선정 및 모형의 구축에만 주로 초점이 맞추어진 기존 방법론의 문제점을 개선하고, 자료조사 및 수집 과정에서 발생하는 자료의 불확실한 상태를 인정하면서 자료의 불확실성을 최소화하여 이용할 수 있는 방법론을 개발하는데 연구의 주안점을 두었다. 퍼지추론이론과 신경망이론을 이용한 모형을 구축하였고, 마지막으로 구축된 퍼지추론이론 모형 및 신경망이론 모형과 기존 회귀모형인 포아송 회귀모형간의 통계적인 검증과 실제 Data를 이용한 모형의 적정성을 검토하였다. 모형의 통계적인 검증시 기존모형에 비해 퍼지추론모형과 신경망이론모형이 더 설명력이 높은 것으로 나타났고, 검증에서도 퍼지추론이론과 신경망이론이 적절한 것으로 나타났으며 기존모형보다 사고건수를 예측하는 설명력이 높은 것으로 입증되었다. 본 연구에서 개발된 모형은 계획 및 운영단계에서 신호교차로의 안전성을 측정하는데 활용될 수 있으며, 궁극적으로는 신호교차로에서 교통사고를 줄이는데 기여할 수 있을 것으로 판단된다.

This study is to suggest a methodology to overcome the uncertainty and lack of reliability of data. The fuzzy reasoning model and the neural network model were developed in order to overcome the potential lack of reliability which may occur during the process of data collection. According to the result of comparison with the Poisson regression model, the suggested models showed better performance in the accuracy of the accident frequency prediction. It means that the more accurate accident frequency prediction model can be developed by the process of the uncertainty of raw data and the adjustment of errors in data by learning. Among the suggested models, the performance of the neural network model was better than that of the fuzzy reasoning model. The suggested models can evaluate the safety of signalized intersections in operation and/or planning, and ultimately contribute the reduction of accidents.

키워드

참고문헌

  1. 김원철, 외(2001), "교차로 안전진단을 위한 교통사고건수예측모형화 수법에 관한 연구", 대한토목학회지 제21권 제4호.
  2. 김장욱 외 3인(2006), "퍼지 및 신경망 이론을 이용한 교통사고예측모형 개발에 관한 연구", 대한교통학회지 제24권 제7호
  3. 김효종(1997), "교통사고 유형에 미치는 영향요인 분석에 관한 연구", 전남대학교 대학원
  4. 임윤택, "도로특성이 교통사고에 미치는 영향분석", 연세대학교 대학원 건축공학과, 1993
  5. 하오근(2005), "국도변 신호교차로 안전성 평가를 위한 사고예측모형 개발과 심각도 분석", 한양대 대학원
  6. 하태준 외 3인(2001), "신호교차로 교통사고예측모형의 개발 및 적용(광주광역시 4지신호교차로를 중심으로)", 대한교통학회지, 제19권 제6호 대학교통학회
  7. 홍정열(2002), "신호교차로에서의 사고예측모형개발 및 위험수준 결정 연구", 한양대학교 대학원
  8. Chin, H. C., and Quddus, M.A. (2002). , "Applying the Random Effect Negative Binomial Model to Examine Traffic Accident Occurrence at Signalized Intersections", Accident Analysis and Prevention 34
  9. Daniel, J., Tsai, C., and Chien, S. (2002). , "Factors Influencing Truck Crashes on Roadways with Intersections", Paper submitted to the Transportation Research Board, Washington, D.C.
  10. Hoong Chor Chin, Mohammed Abdul Quddus(2001), "Appyling the random effect negative binomial model to examine traffic accident occurrence at signalized intersection", November, Accident Analysis & Prevention
  11. James A. Bonneson(1993), "Estimation of safety at two-way stopcontrolled intersections on rural highway", TRR 1401
  12. Maher, M. J. and Summersgill, I. (1996). A comprehensive Methodology for the Fitting of Predictive Accident Models. Accident Analysis & Prevention 28(3), pp 281-296 https://doi.org/10.1016/0001-4575(95)00059-3
  13. Miaou, S. P. Hu, Wright, T., Davis, S.C., and Rathi, A.K. (1993), "Development of Relationship between Truck Accidents and Geometric Design", FHWA-RD-91-124, Federal Highway Administration, Washington, D.C.
  14. Retting, R., Williams, A. F., Prusser, D. F., and Weinstein, H. B. (1995), "Classifying Urban Crashes for Countermeasure Development", Accident Analysis & Prevention 27(3), pp 283-294 https://doi.org/10.1016/0001-4575(94)00068-W
  15. Sheffer and Janson(1999), "Accident and capacity comparisons of leading and lagging left-turn signal phasings", January, Transportation Research Board, National Research Council, Washington, DC

피인용 문헌

  1. A Comparative Study On Accident Prediction Model Using Nonlinear Regression And Artificial Neural Network, Structural Equation for Rural 4-Legged Intersection vol.32, pp.3, 2014, https://doi.org/10.7470/jkst.2014.32.3.266