[논문 리뷰] Traffic Accident Analysis Using Decision Trees and Neural Networks

Miao M. Chong, Ajith Abraham외 1명|ArXiv.org|2004. 05. 16.

Traffic Prediction and Management Techniques참고 문헌 15인용 수 74

한 줄 요약

이 논문은 NASS GES의 실제 데이터를 사용하여 교통사고 부상 심각도 예측을 위한 의사결정나무와 신경망의 비교 분석을 제안한다. 결과적으로 의사결정나무가 신경망보다 우수한 성능을 보였으며, 사망 부상에 영향을 주는 상위 세 가지 요인으로는 안전벨트 착용, 도로 조명, 운전자 음주 사용이 밝혀졌다.

ABSTRACT

The costs of fatalities and injuries due to traffic accident have a great impact on society. This paper presents our research to model the severity of injury resulting from traffic accidents using artificial neural networks and decision trees. We have applied them to an actual data set obtained from the National Automotive Sampling System (NASS) General Estimates System (GES). Experiment results reveal that in all the cases the decision tree outperforms the neural network. Our research analysis also shows that the three most important factors in fatal injury are: driver's seat belt usage, light condition of the roadway, and driver's alcohol usage.

연구 동기 및 목표

• 기계학습 기법을 사용하여 교통사고에서의 부상 심각도를 모델링하고 예측하는 것.
• 실제 교통사고 데이터에서 의사결정나무와 인공신경망의 성능을 비교하는 것.
• 교통사고에서 사망 부상 결과에 가장 영향을 주는 요인을 규명하는 것.
• 데이터 기반 분석을 바탕으로 교통안전 정책 및 개입 전략에 실질적인 통찰을 제공하는 것.

제안 방법

• 실제 사고 기록을 위한 National Automotive Sampling System (NASS) General Estimates System (GES) 데이터셋을 활용하였다.
• 사고 특성에 기반한 부상 심각도를 분류하기 위해 C4.5 의사결정나무 알고리즘을 적용하였다.
• 비교 분석을 위해 동일한 데이터셋을 기반으로 전방향 전파 신경망을 훈련시켰다.
• 모델 간 호환성을 확보하기 위해 결측치 및 범주형 변수 처리를 포함한 데이터 전처리를 수행하였다.
• 정확도 및 F1-스코어와 같은 표준 분류 지표를 사용하여 모델 성능을 평가하였다.
• 부상 심각도에 대한 사고 관련 변수의 영향력을 순위 매기기 위해 특성 중요도 분석을 실시하였다.

실험 결과

연구 질문

• RQ1 의사결정나무와 신경망 중 어느 기계학습 모델이 교통사고 부상 심각도 예측에서 더 우수한 성능을 보이는가?
• RQ2 교통사고에서 사망 부상의 가능성에 가장 큰 영향을 주는 요인은 무엇인가?
• RQ3 안전벨트 착용 및 음주 소비와 같은 운전자 행동 요인이 부상 결과에 어떻게 영향을 주는가?
• RQ4 의사결정나무에서 도출된 특성 중요도 분석은 교통안전 개선 조치에 실질적인 통찰을 제공할 수 있는가?

주요 결과

• 의사결정나무는 평가된 모든 지표에서 신경망보다 일관되게 뛰어난 성능을 보였다.
• 운전자 안전벨트 착용은 사망 부상 위험 감소에 가장 중요한 요인으로 규명되었다.
• 도로 조명 조건은 부상 결과에 상당한 영향을 미쳤으며, 시야가 불량한 조건에서 사망 위험이 증가했다.
• 운전자 음주 사용은 교통사고에서 심각하거나 사망 부상에 크게 기여하는 주요 요인으로 확인되었다.
• 안전벨트 착용, 조명 조건, 음주 사용의 조합은 데이터셋 내 사망 부상 변동의 상당 부분을 설명했다.
• 의사결정나무에서의 특성 중요도 분석은 정책 수립 및 안전 계획 수립에 명확하고 해석 가능한 통찰을 제공했다.