컨볼루션 신경망을 활용한 협력형 차량 안전 시스템의 잠재적 안전 효과 분석 연구

Abstract

본 연구에서는 국내 사망교통사고 데이터를 활용한 협력형 차량 안전 시스템의 잠재적 안전효과 분석 방법론 및 시스템의 인증을 위한 대표 평가 시나리오 선정 방법론을 제안하고자 한다. 첨단 차량 안전 시스템의 시장형성 및 기술도입을 위해서는 안전효과를 정량화 하여 도입 타당성을 보이고 인증평가 절차를 마련하여야 한다. 이 두 가지 요구 사항을 만족 시키기 위해서는 교통사고 데이터를 시나리오에 기반하여 통계적으로 분석하여야 한다. 국내 교통사고 데이터를 이용하여 첨단 차량 안전 시스템의 경제성 또는 안전효과를 추정한 연구들이 있으나, 교통사고 시나리오 기반이 아닌 충돌유형을 기반으로 분석하고 있어 안전효과가 확대 해석될 측면이 있고 또한 시스템의 인증 평가 절차에 필요한 평가 시나리오를 도출하는데 한계가 있다. 따라서 본 연구에서는 교통사고 시나리오 기반 통계적 분석법을 국내 사망교통사고 데이터에 적용한다. 먼저, 일부 텍스트로 작성되어 있는 국내 교통사고 데이터를 미국, 유럽의 교통사고 분석 체계에서 사용하는 교통사고 시나리오로 분류한다. 분류 작업을 하는데 있어 효율성을 높이기 위한 방법의 일환으로 Convolutioal Neural Networks (CNN)를 활용한 결과를 보인다. 이 후 협력형 차량 안전 시스템으로 예방 가능한 사고 시나리오를 선정하고 선정된 사고 시나리오의 발생빈도를 통계화함으로써 안전 시스템의 잠재적 안전 효과를 정량화한다. 마지막으로, 안전 시스템 별 선정된 사고 시나리오 중 발생빈도가 높은 시나리오를 안전 시스템의 인증을 위한 평가 시나리오로 제시한다.