[논문 리뷰] Modelling of crash types at signalized intersections based on random effect model

Xuesong Wang, Jinghui Yuan외 1명|arXiv (Cornell University)|2018. 05. 16.

Traffic and Road Safety참고 문헌 4인용 수 3

한 줄 요약

이 연구는 미국 데이터를 활용하여 신호 교차로의 다섯 가지 충돌 유형에 대해 접근 수준의 랜덤 효과 음이항 모델을 개발하였으며, 랜덤 효과를 통해 접근 간 공간적 상관관계를 반영하고, 전체 베이지안 추론을 통해 모수를 추정하였다. 결과는 각 충돌 유형에 고유한 안전 요인을 보여주었고, 랜덤 효과가 모델 적합도를 크게 향상시켜 타겟팅된 안전 개선을 위한 충돌 유형별 모델링의 필요성을 확인하였다.

ABSTRACT

Approach-level models were developed to accommodate the diversity of approaches within the same intersection. A random effect term, which indicates the intersection-specific effect, was incorporated into each crash type model to deal with the spatial correlation between different approaches within the same intersection. The model parameters were estimated under the Bayesian framework. Results show that different crash types are correlated with different groups of factors, and each factor shows diverse effects on different crash types, which indicates the importance of crash type models. Besides, the significance of random effect term confirms the existence of spatial correlations among different approaches within the same intersection.

연구 동기 및 목표

• 충돌 유형 간 기여 요인의 차이를 가리기 쉬운 집계 충돌 모델의 한계를 해결하기 위해.
• 교차로 수준이 아닌 접근 수준에서 충돌 빈도를 모델링하여 공간적 및 운영적 변동성을 더 세밀하게 반영하기 위해.
• 동일한 교차로 내 접근 간 공간적 상관관계를 랜덤 효과를 통해 반영하기 위해.
• 모수 추정을 위해 전체 베이지안 방법을 사용하여 추론의 강건성을 향상시키기 위해.
• 특정 접근에 대한 안전 개선을 식별하고 우선순위를 정하는 데 기초가 되는 데이터 기반의 충돌 유형별 프레임워크를 제공하기 위해.

제안 방법

• 다섯 가지 충돌 유형 각각에 대해 로그선형 링크 함수와 접근 수준의 공변량을 사용한 랜덤 효과 음이항 모델을 개발하였다.
• 각 교차로당 랜덤 절편 항목(φi)을 포함하여 동일 교차로 내 접근 간 관측되지 않은 공간적 상관관계를 모델링하였다.
• 비정보성 사전분포를 사용한 전체 베이지안 추정: 회귀 계수에는 정규분포, 산란 및 분산 파ameter에는 역감마분포를 사용하였다.
• WinBUGS를 통해 기반한 MCMC를 이용한 깁스 샘플링을 사용하였으며, 총 20,000회 반복하고, 초기 2,000회를 버린 후 추정을 수행하였다.
• 충돌 유형에 특화된 교통량을 예측변수로 사용—예를 들어 좌측 전환 충돌의 경우 대향 유입량의 곱을 사용하였다.
• 변수 제거를 통해 모델 선택을 수행하였으며, 95% 신뢰구간이 0을 포함하는 변수는 제외하였다.

실험 결과

연구 질문

• RQ1 신호 교차로에서 다양한 충돌 유형에 영향을 주는 고유한 안전 요인 집합은 무엇인가?
• RQ2 동일 교차로 내 접근 간 공간적 상관관계는 충돌 빈도 모델링에 어떻게 영향을 미치는가?
• RQ3 교차로 수준 집계와 비교해 접근 수준에서의 모델링은 유의미한 안전 요인을 식별하는 데 얼마나 향상되는가?
• RQ4 다양한 신호 제어 전략(예: 좌측 전환 보호)은 충돌 유형 간 충돌 위험에 어떻게 영향을 미치는가?
• RQ5 랜덤 효과를 포함한 전체 베이지안 추정은 공간적 의존성이 있는 충돌 데이터에 대해 모델 적합도와 추론 정확도를 향상시키는가?

주요 결과

• 다양한 충돌 유형은 서로 다른 요인 집합에 영향을 받으며, 동일한 요인이 서로 다른 유형에서는 반대 또는 다양한 영향을 미치는 경우가 많아, 충돌 유형별 모델링의 필요성을 확인하였다.
• 모든 다섯 개의 모델에서 랜덤 효과 분산이 0과 유의미하게 다름을 보여, 동일 교차로 내 접근 간 강한 공간적 상관관계가 있음을 확인하였다.
• 충돌 간접 교통량은 모든 충돌 유형에 강한 정적 영향을 미치며, 특히 후방충돌 및 측면충돌에 가장 큰 영향을 미치며, 이는 시간적·공간적 겹침이 높기 때문으로 보인다.
• 좌측 전환 보호 유형은 다양한 영향을 미친다: 좌측 전용 신호 단위는 후방충돌 및 측면충돌을 증가시키지만, 반대 방향 전환 및 교차 전환 충돌은 감소시킨다.
• 신호 조율(라인 제어)은 후방충돌 위험을 유의미하게 증가시키며, 이는 높은 속도와 정지 감소 때문으로 보인다.
• 노란색 신호 및 전체 빨간색 신호 간격이 길어질수록 오목형 충돌 위험은 유의미하게 감소하며, 이는 충돌 청소 시간이 개선되어 안전성이 향상됨을 시사한다.