보행교통사고 다발지역 예측을 위한 딥러닝의 적용 : 수도권 노인과 어린이 보행교통사고를 중심으로 (A Deep Learning Approach to Predict Elderly and Child Pedestrian Crash Hot Spots in the Seoul Metropolitan Area)

서지정보

· 발행기관 : 대한국토·도시계획학회
· 수록지 정보 : 국토계획 / 56권 / 7호 / 115 ~ 127페이지
· 저자명 : 전희정, 강승엽, 정수영, 김태완, 조철호, 주원영, 김지영, 허재필

초록

본 연구는 주요 교통약자로서 위험에 대한 인지나 신체 반응 능력이 상대적으로 떨어진다는 공통점을 가지는 노인과 어린이 집단을 대상으로 보행교통사고 다발지역을 예측하는 딥러닝 모델을 도출하는 것을 목적으로 한다. 보다 세부적으로 수도권 내 노인과 어린이 보행교통사고 다발 및 비다발지역을 구분하고, 객관적 자료로서 해당 지역의 GSV 이미지를 획득하여 컴퓨터 비전과딥러닝 기법을 활용하여 보행교통사고 다발 지역과 비다발지역을 예측하는 모형을 구축하고 평가한다. 연구를 수행하기 위해서도로교통공단에서 제공하는 실제 보행교통사고 다발지역 자료를활용하였고 서울, 경기, 인천을 포함하는 수도권을 대상으로 분석하였다. 또한, 노인과 어린이 보행교통사고를 유발하는 주요객체를 시각화하기 위해서 Class Activation Map(이하 CAM) 분석을 실시하였다.
본 연구는 노인과 어린이를 대상으로 보행교통사고에 대한 기존의 선행연구와는 달리, 실제 보행교통사고 지역의 물리적 환경자료를 바탕으로 예측력이 뛰어난 딥러닝 기법을 적용한다는 점에서 차별화된다. 더불어 사고 유발 주요 객체에 대한 분석을 제시하는 점에서 선행연구와는 차별화된 정책적 시사점을 제공할것으로 판단된다. 이는 보행교통사고 다발가능 지역에 대한 효과적인 예측을 가능하게 함으로써 저출산 고령화 시대에 스마트도시 관리를 위한 정보를 제공할 것으로 기대된다.

영어초록

An efficient prediction of the pedestrian crash hot spots of the transportation disadvantaged is important for pedestrian-friendly environments and the promotion of sustainable development. This study aims to predict elderly and child pedestrian hot spots in the Seoul Metropolitan Area. For the empirical analysis, we used the traffic accident analysis system data and collected Google Street View images of elderly and child pedestrian crash hot spots and non-hot spots. Then, we conducted experiments using five deep learning models, including VGG16, VGG19, ResNet50, ResNet101, and InceptionV3. We also employed the CAM analysis to visualize the factors contributing to pedestrian crashes. The empirical analysis showed that the VGG16 model was the best model in predicting elderly and child pedestrian crash hot spots. In addition, the CAM analysis suggested that narrow widths of roads, physical facilities for transportation safety, and low openness were related to the pedestrian safety of the elderly and children.

참고자료

· 없음