머신러닝 기법을 활용한 사고심각도 기반 도심부 교차로 안전성 평가

도시부 교차로는 도시 내 둘 이상의 도로가 교차하는 지점을 말한다. 이러한 구조적 특성에 기인하여 교차로에서는 많 은 교통사고가 발생하고 있으며 이를 해결하기 위해 특별한 관리가 요구된다. 일반적으로 수행되는 교차로 안전성 평가 연구는 교통량 및 사고빈도 데이터를 활용한 Hotspot identification 방법으로 수행된다. 그러나 이러한 방법은 사고 심각 도에 영향을 미치는 상황 요인을 반영할 수 없기 때문에 신뢰도가 낮은 결과를 초래할 수 있다. 본 연구는 사고 심각도 요인 분석 결과를 활용한 도시부 교차로 안전성 평가 프레임워크를 제안한다. 먼저 머신러닝 방법인 Random forest(RF) 및 Extreme gradient boosting(XGB) 기법을 활용하여 교차로 사고 심각도에 영향을 미치는 변수를 도출하였다. 도출된 변수의 중요도는 AHP 분석 및 엔트로피 방법론을 통해 혼합 가중치로 산출된다. 산출된 혼합 가중치를 통해 각 교차로 별 평가 score를 계산하였으며, 교차로 간 안전성 우선순위를 제시하였다. 제시한 우선순위는 기존 연구에서 활용되고 있는 안전성 평가지표인 사고빈도 기반 PSI(Potential for safety improvement) 분석 결과와 비교하여 검증하였다. 분석은 2017-2019년 서울시, 부산시내의 80개 교차로에서 발생한 사고를 대상으로 하였다. 1) 심각도 분석 결과 충돌 유형, 가 해운전자 연령, 세부사고유형, 사고발생 위치 변수가 심각도에 유의한 영향을 미치는 변수로 도출되었다. 2) 해당 변수 들은 AHP 및 엔트로피 방법론을 통해 교차로 요인별 혼합 가중치 및 안전성 평가 score로 산출되었으며, 3) 평가 score 기반의 안전성 평가결과 사고심각도를 고려한 안전성이 취약한 교차로 서울, 부산시의 상위 5개 교차로를 도출하였다. 심각도 기반의 분석결과는 기존 빈도분석 기반의 PSI 평가결과와 비교했을 때 일부 교차로와 유사한 결과를 보이는 것 으로 나타났다. 이는 기존 빈도분석 기반의 안전성 평가가 갖는 접근방식과 달리 개별 사고가 갖는 특징을 반영했다는 점에서 세밀한 안전성 개선방안 도출을 할 수 있다는 점에서 의의를 갖는다.