$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

데이터 마이닝을 이용한 차량 사고자 사망확률 모형

Development of Car Accidents Person Fatality Model using Data Mining

초록

본 논문에서는 데이터 마이닝을 이용한 차량 사고 사망확률 모형을 제안하였다. 본 논문의 목표는 제안된 모델을 이용하여 기술적, 환경적 개선을 통해 교통사고를 줄이는 것으로 교통사고 데이터를 수집하여 데이터 마이닝 알고리즘을 적용하여 사망 원인에 대한 분석을 통해 사망확률 모형을 개발하였다. 이를 위해서 훈련 데이터와 테스트 데이터를 이용하여 최적의 모형을 개발하였다. 이모형을 통해 교통 사망사고에 대한 사망확률을 구할 수 있고 사망 사고의 원인이 되는 중요한 요인을 알아낼 수 있다. 교통사고의 원인이 되는 요인을 기술 개발과 교통 환경 개선에 활용한다면 향후 교통사고를 줄이는데 기여할 것이다.

Abstract

In this paper, a fatality model of car accident using data mining is proposed with the goal of reducing fatality of traffic accident. The analysis results with a proposed fatality model are utilized to improve a technology and environment for driving. For this, traffic accident data are collected, a data mining algorithm is applied to this data, and then, a fatality model of car accident is developed based on the analysis. The training data as well as test data are utilized to develop the fatality model. The important factors to cause fatality in traffic accidents can be investigated using the model. If these factors are taken into account in traffic policies and driving environment, it is expected that the fatality rate of traffic accident can be reduced hereafter.

참고문헌 (10)

  1. http://www.foxnews.com. 1998. 5. 15 
  2. 이홍로, 2004년도 교통문화지수 조사 보고서, 교통안전공단, 2004.12 
  3. Kim, K., Nitz, L., Richardson, J., & Li, L., Personal and Behavioral Predictors of Automobile Crash and Injury Severity. Accident Analysis and Prevention, Vol. 27, 40. 4, 1985, pp. 469-481 
  4. Ossenbruggen, P.J., Pendharkar, J. and Ivan, J. 2001, 'Roadway safety in rural and small urbanized areas'. Accidents Analysis and Prevention, 33 (4), pp.485 - 498 
  5. Sohn, S. Y., and Lee, S. H. 2003, 'Data Fusion, Ensemble and Clustering to Improve the Classification Accuracy for the Severity Road Traffic Accidents in Korea'. Safety Science, 4(1), pp. 1-14 
  6. Abdelwahab, H. T. and Abdel-Aty, M. A. 2001, 'Development of Artificial Neural Network Models to Predict Driver Injury Severity in Traffic Accidents at Signalized Intersections'. Transportation Research Record 1746, Paper No. 01-2234 
  7. Pieter Adriaans, Dolf Zantinge, . Data Mining, Addision wesley longman, 1996 
  8. 김대수, 신경망 이론과 응용, 진한엠앤비 2005 
  9. 허명회, 이용구, 데이터마이닝 모델링과 사례, 아카데미 출판사, 2003.7 
  10. weka, http://www.cs.waikato.ac.nz/ml/weka/ 

이 논문을 인용한 문헌 (1)

  1. Kim, Jin-Ho ; Park, In-Sik ; Kim, Bong-Ok ; Yang, Yoon-Seok ; Won, Yong-Gwan ; Kim, Jung-Ja 2011. "Podiatric Clinical Diagnosis using Decision Tree Data Mining" 電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. CI, 컴퓨터, 48(2): 28~37 

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

이 논문과 연관된 기능

DOI 인용 스타일