도로교통사고 표본조사 데이터 기반 탑승자 부상 중증도 예측

초록

본 논문은 NHTSA의 CRSS(Crash Report Sampling System) 데이터베이스 중 차량 관련 정보를 기반으로 하여, 교통사고 발생 시 승객의 상해 여부를 예측하는 머신러닝 모델과 관련 데이터 분석 결과를 제시한다. 예측 모델 구축과 분석을 위하여 다양한 데이터 전처리를 수행하고, 주요 변수를 선별한 후, Random Forest, Logistic Regression, LightGBM, XGBoost, DeepMLP 등 다양한 머신러닝 및 딥러닝 알고리즘을 활용하여 모델의 예측 성능을 비교하였다. 특히 클래스 불균형 문제를 해결하기 위해 언더샘플링 기법을 적용하였으며, AUROC 지표를 활용하여 모델의 분류 성능을 평가하였다. 그 결과, XGBoost와 랜덤포레스트 모델이 가장 높은 AUROC와 정확도를 보이며 우수한 성능을 입증하였다. 또한, 연관 규칙 분석을 통해 사고 및 차량 특성과 상해 여부 간의 관계를 규명하고자 하였으며, 모델 해석력을 높이는 데 기여하였다. 본 연구는 향후 교통안전 분석 및 사고 피해 경감 전략 수립에 유용한 근거를 제공할 수 있다.

키워드