머신러닝을 활용한 고속도로 자동 돌발상황 검지 모형 개발 연구

Abstract

우리나라 고속도로 교통사고는 매년 감소하는 추세지만 교통사고로 인한 사망자 수는 줄어들지 않았다. 특히 2차 사고로 인한 치사율은 일반 사고 치사율에 비해 5배 이상 높은 수준으로 매우 심각하다. 이처럼 고속도로에서는 돌발상황을 즉각적으로 인지하고 운전자에게 교통 서비스를 제공하는 것이 요구된다. 이를 해결하기 위해 기존에 돌발상황 검지 모형들이 많이 개발되었고 국내에서도 활용되었지만 현장 활용도가 부족하다는 지적이 제기되고 있다.

이에 본 연구에서는 최근 여러 분야에서 활발하게 적용되는 머신러닝 기법을 활용하여 우리나라 고속도로에 적용하여 자동 돌발상황 검지 모형을 개발 및 평가하는 것을 목적으로 하였다. 공간적 범위는 경부 고속도로 목천 IC부터 옥산 하이패스 IC까지로 설정하였고 시간적 범위는 2014년부터 2017년을 정하였다. 고속도로 교통사고 자료와 VDS 자료를 수집하였으며 VDS는 교통량, 속도, 점유율 정보로 이루어졌다. 수집한 자료는 훈련 데이터와 시험 데이터로 구분하였다. 훈련 데이터로는 2014년부터 2016년으로 설정하였고 2017년 자료는 시험 데이터로 평가하였다. 머신러닝 기법으로는 로지스틱 회귀, 의사결정나무, 나이브 베이즈 분류, 심층신경망을 활용하였으며 모형의 성능은 검지율과 오검지율, 정분류율로 평가하였다.

분석 결과 개발한 모형 중 심층신경망을 제외하고 기존 McMaster 모형과 마찬가지로 우수한 검지율을 지닌 것으로 나타났으며 오검지율과 정분류율의 경우 심층신경망이 가장 뛰어났고 다음으로 로지스틱 회귀 모형으로 분석되었다. 심층신경망이 오검지율과 정분류율에서 우수한 성능을 보였지만 검지 모형에서 가장 중요한 검지율이 좋지 않은 성능을 지녔다. 따라서 본 연구의 범위에서는 로지스틱 회귀을 활용한 돌발상황 검지 모형의 성능이 가장 좋았던 것으로 나타났다. 개발한 돌발상황 검지 모형을 실질적으로 활용하기 위해서는 성능 개선이 필요할 것으로 사료된다.