[논문 리뷰] Extracting useful information from Basic Safety Message Data: An empirical study of driving volatility measures and crash frequency at intersections

Mohsen Kamrani, Ramin Arvin외 1명|arXiv (Cornell University)|2018. 03. 06.

Traffic and Road Safety인용 수 5

한 줄 요약

이 연구는 고주기 기본 안전 메시지(BSM) 데이터를 사용하여 주행의 변동성 측도—예를 들어, 평균에서의 속도 및 가속도 이탈—를 유도하여 교차로 사고 위험의 대체 지표로 활용하는 것을 제안한다. 검증된 미시간 안전파ilot 데이터를 기반으로 한 포아송 회귀 모델 분석 결과, 특히 ±2σ 기준을 초과하거나 확률적 변동성이 증가할 경우, 사고 빈도가 유의미하게 증가함을 확인하였으며, 이는 고위험 지역에서 사전 안전 조치를 취하는 데 유용하다.

ABSTRACT

With the emergence of high-frequency connected and automated vehicle data, analysts have become able to extract useful information from them. To this end, the concept of is defined and explored as deviation from the norm. Several measures of dispersion and variation can be computed in different ways using vehicles' instantaneous speed, acceleration, and jerk observed at intersections. This study explores different measures of volatility, representing newly available surrogate measures of safety, by combining data from the Michigan Safety Pilot Deployment of connected vehicles with crash and inventory data at several intersections. The intersection data was error-checked and verified for accuracy. Then, for each intersection, 37 different measures of volatility were calculated. These volatilities were then used to explain crash frequencies at intersection by estimating fixed and random parameter Poisson regression models. Results show that an increase in three measures of driving volatility are positively associated with higher intersection crash frequency, controlling for exposure variables and geometric features. More intersection crashes were associated with higher percentages of vehicle data points (speed & acceleration) lying beyond threshold-bands. These bands were created using mean plus two standard deviations. Furthermore, a higher magnitude of time-varying stochastic volatility of vehicle speeds when they pass through the intersection is associated with higher crash frequencies. These measures can be used to locate intersections with high driving volatilities, i.e., hot-spots where crashes are waiting to happen. Therefore, a deeper analysis of these intersections can be undertaken and proactive safety countermeasures considered at high volatility locations to enhance safety.

연구 동기 및 목표

• 교차로에서의 고주기 연결 차량 데이터를 활용해 새로운 대체 안전 측도를 개발하고 검증한다.
• 사고 빈도와 상관관계가 있는 주행의 변동성 지표—속도, 가속도, 급격한 가속도 변화를 기반으로 한 지표—를 식별한다.
• 이러한 변동성 측도를 노출도 및 기하학적 자료와 융합하여 사고 예측 모델을 향상시킨다.
• 변동성 기반의 사전 안전 계획 수립을 가능하게 하여, 비정상적인 주행 행동으로 인한 사고가 발생할 가능성이 높은 '핫스팟'을 식별한다.

제안 방법

• 미시간 안전파ilot 배포에서 수집 및 검증된 고주기 기본 안전 메시지(BSM) 데이터를 확보한다.
• 교차로에서의순간 속도, 가속도 및 급격한 가속도 데이터를 기반으로 37개의 별도된 변동성 측도를 계산한다.
• 평균 ±2 표준편차 기준으로 임계값 밴드를 정의하여 정상 주행 패턴에서 크게 이탈한 데이터 포인트를 식별한다.
• 고정 및 무작위 파rameter 포아송 회귀 모델을 적용하여 사고 빈도가 변동성, 노출도 및 교차로 기하학적 특성에 따라 어떻게 변하는지 추정한다.
• 모델 정확도를 확보하기 위해 오류 검증 및 검증된 교차로 인벤토리 및 사고 데이터를 사용한다.
• 차량이 교차로를 통과할 동안의 시간에 따라 변하는 확률적 변동성을 차량 속도 측도로 정량화하여 동적인 주행 행동을 평가한다.

실험 결과

연구 질문

• RQ1 BSM 데이터에서 유도된 주행의 변동성 측도 중 어느 것이 교차로 사고 빈도와 가장 강하게 연관되어 있는가?
• RQ2 정상 주행 행동에서 벗어난 속도 및 가속도의 이격(±2σ 초과)은 사고 발생과 어떻게 관련되어 있는가?
• RQ3 차량 속도의 시간에 따라 변하는 확률적 변동성의 크기는 사고 빈도를 어느 정도 예측할 수 있는가?
• RQ4 노출도 및 기하학적 특성과 융합된 변동성 측도는 교차로 안전 위험의 신뢰할 수 있는 대체 지표로 기능할 수 있는가?
• RQ5 이러한 변동성 지표는 사고가 발생하기 전에 고위험 교차로를 식별하는 데 도움이 될 수 있는가?

주요 결과

• 노출도 및 기하학적 요인을 보정한 후에도 주행의 변동성 측도 중 세 가지 지표가 증가할수록 교차로 사고 빈도가 유의미하게 증가함을 확인하였다.
• 속도 및 가속도에서 평균 ±2 표준편차 밴드를 초과하는 차량 데이터 포인트 비율이 높을수록 사고 빈도가 유의미하게 증가함을 확인하였다.
• 차량이 교차로를 통과할 동안의 시간에 따라 변하는 확률적 변동성이 클수록 사고 빈도가 높아짐을 확인하였다.
• 이러한 변동성 측도는 사고가 발생할 가능성이 높은 '핫스팟'을 효과적으로 식별할 수 있으며, 사전 안전 조치를 취하는 데 기여한다.
• 고주기 BSM 데이터는 교통 당국이 실질적인 데이터 기반 안전 통찰을 확보하는 데 유용하다는 점을 입증하였다.
• 연구 결과는 특히 속도 및 가속도에서의 주행 변동성이 교차로에서의 사고 위험을 강력한 대체 지표로 제공한다는 점을 확인하였다.