CEEMDAN 알고리즘을 이용한 자료 적응적 CRP 개발과 교통사고 잦은 곳 선정에의 적용방안

Alternative Title
Seongchae Ahn
Author(s)
안성채
Alternative Author(s)
Seongchae Ahn
Advisor
최기주
Department
일반대학원 건설교통공학과
Publisher
The Graduate School, Ajou University
Publication Year
2014-02
Language
kor
Keyword
Data Adaptive Continuous Risk ProfileComplete Ensemble Empirical Mode Decomposition with Adaptive NoiseNetwork Screening ProcedureHigh Collision LocationsSafety Improvement
Abstract
교통사고위험도가 높은 교통사고 잦은 곳을 선정하고 효과적인 교통안전 개선사업을 시행하는 일은 교통안전 보장을 위해서 매우 중요한 업무이다. 특히 교통사고 잦은 곳을 선정하는 단계는 교통안전관리의 첫 단추라 할 수 있다. 본 연구에서는 교통사고 잦은 곳 선정을 위한 방법으로 CRP_CEEMDAN 기법을 개발하였다. CRP_CEEMDAN 기법은 교통사고분야에서 최근 사용되는 기존의 연속적 위험 프로파일(CRP: Continuous Risk Profile) 기반 위에 Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) 알고리즘을 이용한 개선된 기법으로 볼 수 있다. 자료 적응적이며 비정상/비선형 데이터 분석에 용이한 장점을 가진 CRP_CEEMDAN 기법은 CRP의 이점을 유지하면서, CRP 계산과정에 있는 이동평균법의 제약을 해소한다. CRP는 단위거리 당 사고위험도를 연속적으로 표출하기 때문에, 기존의 Sliding Moving Window 기법이나 Peak Searching 기법들의 비현실적인 가정을 극복하고 더 낮은 잘못된 양성반응과 잘못된 음성반응의 결과를 얻을 수 있다. 본 논문에서는 우선, 개발된 CRP_CEEMDAN 기법을 검증하기 위하여 캘리포니아 주의 실제 교통자료를 이용하고 기존 CRP 기법의 도출 결과와 비교 검토하였다. 기법의 검증과 함께 CRP_CEEMDAN 기법의 지역적 적응성이 확인되고 있다. 또한 교통안전 개선사업 시 CRP_CEEMDAN 기법의 국내 적용방안을 제안하였다. 연도별 CRP_CEEMDAN 이력과 기존 개선사업내역을 비교 검토하였으며, 교통사고발생 특성별(기상요인, 인적요인) Potential for Safety Improvement (PSI)로 각각의 우선순위표를 작성하여 개선사업 선정 시 활용방안을 제안하였다. 아울러 기상요인에 대한 검토로 맑은 날씨와 우천 시 교통사고위험도를 분석하였으며, 주요 인적요인에 대한 검토로 졸음, 과속, 주시태만 요인을 분석하였다. CRP_CEEMDAN 기법은 자료 적응적이며, 교통사고자료만 있으면 그 지역의 교통사고위험도를 구현할 수 있는 강점이 있다. 더욱이 기존에 고민해야 했던 window 크기를 고려하지 않기 때문에, 교통사고 기반자료가 부족한 국가나 지역에서 그 효과가 클 것으로 기대된다. 연구의 한계와 향후 연구과제는 기술하였다.
URI
https://dspace.ajou.ac.kr/handle/2018.oak/12976
Fulltext

Appears in Collections:
Graduate School of Ajou University > Department of Construction and Transportation Engineering > 3. Theses(Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse