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.