사고위치별 로지스틱 회귀 교통사고 모형 - 청주시 4지 신호교차로를 중심으로 - Logistic Regression Accident Models by Location in the Case of Cheong-ju 4-Legged Signalized Intersections원문보기
본 연구의 목적은 사고위치별(유입부, 유출부, 교차로내 및 횡단보도) 로지스틱 회귀 교통사고 모형을 개발하는 것이다. 충북지방경찰청의 2004$\sim$2005년도 사고 자료와 현장조사 자료를 근거로, 교통사고와 관련된 기하구조 요소, 환경 요소 등이 분석되었다. 개발된 모형은 카이제곱 p 값은 0.000 그리고 Nagelkerke $R^2$값 0.363$\sim$0.819로 모두 통계적으로 유의한 것으로 분석된다. 개발된 모형의 공통 사고요인은 교통량, 횡단거리 및 좌회전전용차로이며, 특정변수는 교차로내 사고모형의 부도로 교통량, 그리고 횡단보도 사고모형의 주도로 U턴인 것으로 나타나고 있다. Hosmer & Lomeshow 검정은 유입부를 제외한 모형들은 p값이 0.05보다 크기 때문에 통계적으로 적합한 것으로 평가된다. 또한 정분류율 결과는 모든 모형식이 73.9% 이상으로 높은 예측력을 보이는 것으로 분석된다.
본 연구의 목적은 사고위치별(유입부, 유출부, 교차로내 및 횡단보도) 로지스틱 회귀 교통사고 모형을 개발하는 것이다. 충북지방경찰청의 2004$\sim$2005년도 사고 자료와 현장조사 자료를 근거로, 교통사고와 관련된 기하구조 요소, 환경 요소 등이 분석되었다. 개발된 모형은 카이제곱 p 값은 0.000 그리고 Nagelkerke $R^2$값 0.363$\sim$0.819로 모두 통계적으로 유의한 것으로 분석된다. 개발된 모형의 공통 사고요인은 교통량, 횡단거리 및 좌회전전용차로이며, 특정변수는 교차로내 사고모형의 부도로 교통량, 그리고 횡단보도 사고모형의 주도로 U턴인 것으로 나타나고 있다. Hosmer & Lomeshow 검정은 유입부를 제외한 모형들은 p값이 0.05보다 크기 때문에 통계적으로 적합한 것으로 평가된다. 또한 정분류율 결과는 모든 모형식이 73.9% 이상으로 높은 예측력을 보이는 것으로 분석된다.
The goal of this study is to develop Logistic regression model by accident location(entry section, exit section, inside intersection and pedestrian crossing section). Based on the accident data of Chungbuk Provincial Police Agency(2004$\sim$2005) and the field survey data, the geometric e...
The goal of this study is to develop Logistic regression model by accident location(entry section, exit section, inside intersection and pedestrian crossing section). Based on the accident data of Chungbuk Provincial Police Agency(2004$\sim$2005) and the field survey data, the geometric elements, environmental factor and others related to traffic accidents were analyzed. Developed models are all analyzed to be statistically significant(chi-square p=0.000, Nagelkerke $R^2$=0.363$\sim$0.819). The models show that the common factors of accidents are the traffic volume(ADT), distant of crossing and exclusive left turn lane, and the specific factors are the minor traffic volume(inside intersection model) and U-turn of main road(pedestrian crossing model). Hosmer & Loineshow tests are evaluated to be statistically significant(p$\geqq$0.05) except the entry section model. The correct classification rates are also analyzed to be very predictable(more than 73.9% to all models).
The goal of this study is to develop Logistic regression model by accident location(entry section, exit section, inside intersection and pedestrian crossing section). Based on the accident data of Chungbuk Provincial Police Agency(2004$\sim$2005) and the field survey data, the geometric elements, environmental factor and others related to traffic accidents were analyzed. Developed models are all analyzed to be statistically significant(chi-square p=0.000, Nagelkerke $R^2$=0.363$\sim$0.819). The models show that the common factors of accidents are the traffic volume(ADT), distant of crossing and exclusive left turn lane, and the specific factors are the minor traffic volume(inside intersection model) and U-turn of main road(pedestrian crossing model). Hosmer & Loineshow tests are evaluated to be statistically significant(p$\geqq$0.05) except the entry section model. The correct classification rates are also analyzed to be very predictable(more than 73.9% to all models).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 청주시 4지 신호교차로를 대상으로유입부, 유출부, 교차로내 그리고 횡단보도의 4개 사고 위치별 사고예측 모형을 개발하였다.
이에 본 연구는 청주시 4지 신호교차로를 대상으로 사고위치를 4곳으로 세분하고 도로조건, 교통 조건 및 교통운영 조건을 조사하여 자료를 구축한 뒤, 통계적 방법을 활용하여 교차로의 위치별 교통사고와 위의 조건들 간의 관계를 파악하고, 개발된 모형 식이 통계적으로 어떠한 의미를 가지는지 분석하는데 그 목적이 있다.
제안 방법
이용하였다. 그리고 사고 관련 변수에 대해서는 다음 그림과 같이 교차로를 유입부 (A, B, C, D), 유출부(A”, B”, C, " D”), 교차로내, 횡단보도 및 기타로 분류한 후, 각 지점별로 MS- Excel을 이용하여 자료를 수집 .정리하였다.
좌회전 전용차로, 유턴 그리고 교통섬을 제외한 변수들은 자료가 범주형태를 띄어 유.무에 따른 이산변수(없음:0, 있음: 1)로 자료를 변형하였다.
본 연구에서는 ①유입부, ②유출부, ③횡단보도, ④교차로내 및 ⑤기타로 사고위치를 구분한다. 분석 결과, 교차로내가 805건으로 33.
본 연구에서는 이항 로지스틱 회귀분석 기법을 교통사고 확률모형에 적용함에 있어 , 사고건수 자료를 “0”과 T'의 사고 유무 값으로 변형하여 사고 여부를 예측한다. 여기에서 종속변수 "1”은 사고확률이 100%임을 뜻하게 된다.
대상으로 하였다. 여기에서 발생한 교통사고 2, 340건을 사고위치에 따라 유입부, 유출부, 교차로 내 및 횡단보도로 구분하였고, 「충북지방경찰청의 2004~2005년도 사고관리시스템 (TAMS)과 도로교통공단의 사고 중돌도」를 활용하여 교통사고 유형 및 교통조건을 분석하였다.
조사된 교통량, 교차로 기하구조, 운영조건 등을 정리하여 기존문헌을 검토한 후, 총 13개의 변수를 선정하였다. 특히 이 연구에서는 기존 문헌들의 변수와는 다르게 교통량.
대상 데이터
본 연구는 도시부 신호교차로에서 발생한 교통사고 현황 및 특성을 파악하고 모형을 개발하기 위해 청주시의 2004~2005년의 4지 신호교차로 ]8] 개소를 대상으로 하였다. 여기에서 발생한 교통사고 2, 340건을 사고위치에 따라 유입부, 유출부, 교차로 내 및 횡단보도로 구분하였고, 「충북지방경찰청의 2004~2005년도 사고관리시스템 (TAMS)과 도로교통공단의 사고 중돌도」를 활용하여 교통사고 유형 및 교통조건을 분석하였다.
청주시 4지 신호교차로 181개 지점에 대한 사고자료는 충북지방경찰청의 2004~2005년도 사고관리시스템(TAMS)을 이용하였다. 그리고 사고 관련 변수에 대해서는 다음 그림과 같이 교차로를 유입부 (A, B, C, D), 유출부(A”, B”, C, " D”), 교차로내, 횡단보도 및 기타로 분류한 후, 각 지점별로 MS- Excel을 이용하여 자료를 수집 .
총 181개 교차로 중 교통사고 발생지점은 144개소, 교통사고 미발생지점은 37개소이다. 위치별 사고 발생 현황을 보면, 사고발생 지점은 교차로내가 136개소로 가장 많고, 사고 미발생 지점은 기타가 324개소로 가장 많다.
데이터처리
독립변수들 간의 독립성을 보기위해 상관분석을 실시하였다. 독립변수 간의 유의한 관계, 특히 주도로횡단거리와 다른 독립변수들 간의 유의확률이 높은 것으로 분석되었다.
선정된 변수들의 통계적 특징을 파악하기 위해 독립변수의 기술통계를 분석하였다. 기술통계란 변수들의 평균, 분산 등의 기본적인 통계 값을 살펴봄으로써, 대표 값, 변동의 크기, 분포의 형태 등을 파악하여, 방대한 자료집합의 특징을 쉽게 알아 볼 수 있는 통계적 방법이다.
모형식은 다음 표와 같다. 이들 모형식의 검증을 위해 로지스틱 회귀모형의 일반적인 검증방법인 Hosmer & Lomeshow 검정과 정분류율(correct classification rate) 분석을 실시하였다.
수 있게 된다. 이렇게 각 범주 간 평균에 대한 검정을 위해서 독립표본 검정을 실시하였다.
05보다 크면 정규성이 있는 것으로 판단한다. 이를 위해 이 연구에서는 Kolmogorov-Smirnov 검정을 실시하였다.
정리된 자료의 통계적 분석을 위해 SPSS 12.0K 를 이용하여 로지스틱 회귀분석을 통해 사고모형을 개발하였다. 연구의 수행 흐름은 다음과 같다.
추정된 모형식의 검증을 위해 Hosmer & Lomeshow 검정과 정분류율을 분석하였다. Hosmer & Lomeshow 검정결과, 유입부를 제외한 모형들의 P값이 0.
이론/모형
부른다. 로지스틱 회귀분석에서는 우도(Likelihood), 즉 사건의 발생가능성을 크게 하는 최대우도추정법을 이용하여 계수를 추정한다(이용준, 2006).
성능/효과
개발된 모형식의 카이제곱, 값이 0.000으로 통계적으로 모두 유의하며 , Nagelkerke 값이 0.363~0.819로 추정되어, 로지스틱 모형이 변수들을 잘 설명하는 것으로 분석되었다.
검정 결과, 13개 변수 중 9개 변수인 주도로 교통량X-, ), 부도로 교통량(X-”), 주도로 횡단 거리(XD, 부도로횡단거리(X, 주도로제한속도(XQ, 부도로제한속도(XQ, 좌회전전용차로(), 유턴 (Xu) 그리고 교통섬(Xi의 유의확률이 0.000( 0.05)으로 나타나, 두 집단(사고발생과 사고미발생) 간 차이가 있는 것으로 분석되었다.
독립변수 간의 유의한 관계, 특히 주도로횡단거리와 다른 독립변수들 간의 유의확률이 높은 것으로 분석되었다.
독립변수의 기술통계 분석결과, 교통량의 경우 주도로(a~b)방향의 평균이 부도로(c~d)보다 높아 주도로 교통량이 많은 것으로 나타났고, 모든 독립변수의 왜도와 첨도 값이 크지 않아 심하게 왜곡된 형태의 분포를 보이지 않음을 알 수 있다.
05보다 크기 때문에 통계적으로 적합한 모형인 것으로 분석되었다. 또한 정분류율 결과는 모든 모형식이 73.9% 이상으로 높은 예측력을 보이는 것으로 평가되었다.
개발하였다. 사고모형은 과산포 검정을 통해 음이항 모형을 개발하였으며 , 모형식의 공통변수는 교통량으로 나타났고 특정변수로는 직진의 경우 평균 황색 신호 시간, 우회전의 경우 정류장유무, U턴의 경우 중차량비율이 교통사고에 영향을 미치는 요소로 제시되었다.
위치별 사고모형의 변수들을 분석한 결과, 교통량, 횡단거리 및 좌회전 전용차로가 a = 0.05 하에서 통계적으로 유의하여, 사고위치별 사고에 공통 적으로 영향을 미치는 변수로 분석된다. 또한 교차로 내 사고모형은 부도로 교통량이 , 횡단보도 사고모형은 주도로 유턴이 특정 변수로 분석된다.
참고문헌 (7)
김순귀.정동빈.박영술(2003), 로지스틱 회귀모형의 이해와 응용, 자유아카데미.
김숙희.장정아.최기주(2005), "사고다발지점의 안전 성능 진단 및 위치별 사고요인분석(수원시를 중심으로)", 대한교통학회지, 대한교통학회, 제23권 제1호, pp. 9-20.
Hoong Chor Chin.ohammed Abdul Quddus (2003). Applying the random effect negative binomial model to examine traffic accident occurrence at signalized intersections, accident analysis &prevention 35, pp. 253-259.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.