[논문]계층적 군집분석 기반의 Continuous Risk Profile을 이용한 고속도로 사고취약구간 선정

이서영; 김철순; 김동규; 이청원

doi:10.7470/jkst.2013.31.4.085

문제 정의

이것은 고속도로 DB가 제대로 구축되어 있지 않은 국가나 지역에서는 CRP의 활용이 제한적이라는 것을 의미한다. 따라서 본 연구에서는 안전성능함수의 구축이 어려운 국가나 지역에서도 활용할 수 있는 CRP 방법론을 제시하고자 한다. 기존 방법론에서 활용되는 안전성능함수 구축을 위해서는 고속도로 DB와 숙련된 연구진이 필요하다.
이를 통하여 군집분석을 이용한 CRP도 기존의 CRP처럼 다른 사고취약구간 선정 방법 론에 비해 효과적으로 사고취약구간을 선정함을 검증하였다. Ⅴ장에서는 결론 및 향후 연구과제를 기술하였다.
Yu (2008)는 2007년 개발된 CRP를 국내 실정에 맞게 변수를 조정하고 곡선반경 및 교통량을 고려하여 국내 고속도로 4개 구간 207km에서 일어난 최근 10년간 사고 자료에 적용하였다. 이 연구를 통해 국내 고속도로의 연속된 위험도를 파악하고자 하였다.
그러나 CRP는 분석하고자 하는 국가나 지역에 안전성능함수가 구축되어있느냐에 따라 사용가능여부가 달려있으며, 안전성능함수를 규모조정계수로 적용하지 않은 경우는 다른 방법론에 비해 사고취약구간을 효과적으로 선정한다고 말할 수 없다. 따라서 본 연구에서는 안전성능함수가 구축되어 있지 않은 국가나 지역에서도 활용할 수 있는 새로운 CRP 분석 방법론을 개발하고자 한다.
우리나라의 경우에는 단순한 사고건수를 활용하여 고속도로 노선별로 사고잦은 지점을 선정하고 개선사업을 시행하고 있지만 실제 위험 구간에 대한 관리가 이루어지지 못하고 있는 실정이다. 이러한 이유로 본 연구에서는 국내의 자료를 이용하기에는 한계가 있으므로 미국 캘리포니아州의 고속도로 자료와 안전성능함수를 토대로 분석을 시행하고자 한다.
이러한 자료는 단기간 내에 구축이 힘들뿐만 아니라 방대한 관련 자료가 갖춰져 있어야 한다. 따라서 본 연구에서는 안전성능함수가 구축되어있지 않은 국가나 지역에서 사용할 수 있도록 그룹별 평균사고건수를 규모조정계수로 사용하여 사고취약구간을 선정하고자 한다.
본 연구에서는 안전성능함수 구축을 필요로 하는 기존의 CRP 기법과 달리 다양한 통계자료 구축이 미비한 국가나 지역에서도 활용이 가능한 방법론을 모색하는 데 중점을 두었다. 연구의 목적을 달성하기 위해 안전성능 함수 대신 간단한 고속도로 정보만을 가지고 계층적 군집분석을 시행하여 얻은 그룹별 평균사고건수를 사용하였다.

가설 설정

, 2010). 본 연구에서는 노출변수(exposure variable)의 분산을 최소화함으로써 각 그룹별 유사성이 정의된다고 가정하였다. 이러한 이유로 본 연구에서는 SPSS를 이용하여 Ward 군집법으로 계층적 군집분석을 시행하였다.

제안 방법

본 연구의 Ⅱ장에서는 사고취약구간을 선정하는 방법 론에 대한 이해를 위해 기존문헌 고찰을 수행하였다. Ⅲ장에서는 분석에 필요한 자료를 정리하고, 기존의 CRP 와 본 연구에서 제시하는 새로운 방법의 CRP 분석을 동시에 수행하였다.
Ⅲ장에서는 분석에 필요한 자료를 정리하고, 기존의 CRP 와 본 연구에서 제시하는 새로운 방법의 CRP 분석을 동시에 수행하였다. 가장 기본적인 고속도로 자료인 AADT와 차로 수를 이용하여 계층적 군집분석(hierarchical clustering analysis)을 시행하였으며, 그 결과로 산출된 그룹별 평균사고건수를 기존 CRP 분석에서 활용되는 안전성능함수 대신 사용하였다. Ⅳ장에서는 분석 결과를 통해 새로운 방법론의 적용 가능성을 검토하였다.
Ⅳ장에서는 분석 결과를 통해 새로운 방법론의 적용 가능성을 검토하였다. 먼저 기존의 CRP와 본 연구에서 제시하는 CRP 분석을 통해 선정된 사고취약구간을 비교하였다. 최종적으로 다른 사고취약구간 선정 방법론(SMW, PS)과의 효율성 분석을 시행하였다.
먼저 기존의 CRP와 본 연구에서 제시하는 CRP 분석을 통해 선정된 사고취약구간을 비교하였다. 최종적으로 다른 사고취약구간 선정 방법론(SMW, PS)과의 효율성 분석을 시행하였다. 이를 통하여 군집분석을 이용한 CRP도 기존의 CRP처럼 다른 사고취약구간 선정 방법 론에 비해 효과적으로 사고취약구간을 선정함을 검증하였다.
먼저 주어진 구간에 대한 평가지표를 산출하여 가중이동평균법(weighted moving average)을 이용하여 자료에 존재하는 임의의 잡음(random noise)을 제거함으로써 기본적인 그래프를 도시한다. 여기에 안전성능함수를 규모조정계수로 활용하여 실제 위험구간을 검토한다. 최종적으로 연도별 재현성(reproducibility)을 검토하여 사고취약구간을 선정하게 된다.
(2010)은 CRP를 이용하여 사고취약구간으로 분류될만한 사고율을 가지지는 않았지만 시스템적인 악화가 관측되는 장소를 사전 감지하는 알고리즘에 관하여 연구하였다. 이 연구를 통해 가중이동평균법이 적용된 CRP와 CUSUM algorithm을 사용하여 시스템적인 악화가 관측되는 구간을 선정하였다.
사고취약구간 선정을 위해 선택 가능한 평가지표는 평균사고건수, 사고율, 대물피해환산법을 적용한 평균사고건수, 안전성능함수를 이용한 초과 예측된 평균사고건수, EB Adjustment를 이용한 예측된 평균사고건수 등이 있다(AASHTO, 2010). 본 연구에서는 평균사고건수를 평가지표로 선택하여 분석을 진행한다.
I-880 고속도로의 Highway Rate Group에 해당하는 Base Rate과 ADT Factor, 해당 구간의 AADT를 이용하여 예측사고건수를 산출한다. 식(2), (3), (4)는 안전성능함수를 통해 사고건수의 예측치를 구하는 과정을 보여주고 있다.
본 연구의 차별성은 CRP 분석에서 규모조정계수로 방대한 자료가 필요한 안전성능함수 대신 상대적으로 필요한 자료가 적고, 계산이 용이한 계층적 군집분석을 사용한다는 것이다.
이 중 AADT와 차로 수의 경우 구득 및 활용이 비교적 용이한 반면, 기하구조와 안전시설물의 경우 실제 설계도면 및 안전시설물 설치 사업의 디지털화 과정을 포함하고 있어 DB 구축에 많은 비용과 시간이 소요된다. 따라서 본 연구에서는 구득 및 활용이 용이한 AADT와 차로 수 정보를 기반으로 ⅰ) AADT+차로 수, ⅱ) 차로 수, ⅲ) AADT를 변수로 하는 계층적 군집분석을 수행하였다. SPSS를 이용한 계층적 군집분석을 통해 4가지 그룹으로 분류한 후, 그룹별 평균사고건수를 규모조정계수, B(d)로 설정하여 M(d)에 적용하였다.
ⅰ) AADT+차로 수, ⅱ) 차로 수, ⅲ) AADT를 변수로, 단위이정 당 평균사고건수를 분석 시나리오로 설정하여 계층적 군집분석을 수행한 후, 설정된 군집에 따라 평균사고건수를 도출하여 이를 규모조정계수로 활용하였다.
Table 3, 4, 5는 계층적 군집분석을 활용한 그룹별 평균사고건수의 결과를 보여주고 있다. 군집분석을 통하여 분석 시나리오마다 총 4개의 그룹으로 분류되었으며, 각 그룹별 평균사고건수를 산정하였다. 이 값이 규모조정계수 B(d)로 적용된다.
이것은 I-880 Southbound 적용사례에서도 본 연구의 CRP 방법론이 false negatives를 발생시키지 않는다는 것을 의미한다. 선정된 사고취약구간의 길이가 짧은 순서는 기존의 CRP, AADT와 차로 수를 변수로 한 군집법을 이용한 CRP, AADT를 변수로 한 군집법을 이용한 CRP, 차로 수를 변수로 한 군집법을 이용한 CRP, PS, SMW 순이다. Northbound와 Southbound의 경우를 비교해보면, 계층적 군집분석을 이용한 CRP의 변수에 따라 순서의 차이가 있으며, SMW와 PS의 순서에도 차이가 있다.
연구의 목적을 달성하기 위해 안전성능 함수 대신 간단한 고속도로 정보만을 가지고 계층적 군집분석을 시행하여 얻은 그룹별 평균사고건수를 사용하였다. 그룹별 평균사고건수를 규모조정계수로 이용한 CRP의 성능을 확인하기 위해, 안전성능함수가 구축되어 있는 캘리포니아州 Alameda의 I-880 고속도로 사고 자료를 이용하여 다양한 방법론이 사고취약구간을 선정하는 성능을 false positive rate과 false negative rate 측면에서 비교하였다.

대상 데이터

분석의 시간적·공간적 범위와 분석에 필요한 자료는 Table 1과 같다. 캘리포니아 교통국의 Statewide Integrated Traffic Records System (SWITRS) 자료를 활용하였다.
재현성까지 검토가 완료된 구간을 CRP에 의한 최종 사고취약구간을 선정한다. Figure 5는 기존의 CRP에 의해 선정된 I-880 northbound의 2004년부터 2008년까지의 주요 사고취약구간이다.
분석 대상구간의 총 길이는 45.72mile로, Table 6을 참고하여 선정된 사고취약구간의 길이가 짧은 순서대로 나열할 수 있다. 그 순서는 기존의 CRP, 차로 수를 변수로 한 군집법을 이용한 CRP, AADT를 변수로 한 군집법을 이용한 CRP, AADT와 차로 수를 변수로 한 군집법을 이용한 CRP, SMW, PS 순이다.

데이터처리

본 연구에서는 안전성능함수 구축을 필요로 하는 기존의 CRP 기법과 달리 다양한 통계자료 구축이 미비한 국가나 지역에서도 활용이 가능한 방법론을 모색하는 데 중점을 두었다. 연구의 목적을 달성하기 위해 안전성능 함수 대신 간단한 고속도로 정보만을 가지고 계층적 군집분석을 시행하여 얻은 그룹별 평균사고건수를 사용하였다. 그룹별 평균사고건수를 규모조정계수로 이용한 CRP의 성능을 확인하기 위해, 안전성능함수가 구축되어 있는 캘리포니아州 Alameda의 I-880 고속도로 사고 자료를 이용하여 다양한 방법론이 사고취약구간을 선정하는 성능을 false positive rate과 false negative rate 측면에서 비교하였다.

이론/모형

CRP 분석과정은 Figure 3과 같다. 먼저 주어진 구간에 대한 평가지표를 산출하여 가중이동평균법(weighted moving average)을 이용하여 자료에 존재하는 임의의 잡음(random noise)을 제거함으로써 기본적인 그래프를 도시한다. 여기에 안전성능함수를 규모조정계수로 활용하여 실제 위험구간을 검토한다.
Chung and Ragland (2007)는 SMW를 보완하기 위한 새로운 방법론인 CRP를 개발했다. 단위거리 당 평균사고건수를 평가지표로 사용하였다. 연도별 CRP 그래프를 통해 연속적으로 Peak를 기록하는 지점을 사고취약구간으로 선정하게 된다.
선택된 평가지표인 평균사고건수에 가중이동평균법을 적용한다. 이 과정은 평가지표에 포함된 임의의 잡음을 제거하기 위해 적용되는 단계로, Window의 중심에 가중치를 주는 가중이동평균법을 이용하면 CRP 그래프의 Peak를 시각적으로 뚜렷하게 표현할 수 있다는 장점이 있다.
본 연구에서는 노출변수(exposure variable)의 분산을 최소화함으로써 각 그룹별 유사성이 정의된다고 가정하였다. 이러한 이유로 본 연구에서는 SPSS를 이용하여 Ward 군집법으로 계층적 군집분석을 시행하였다.
본 연구에서는 노출변수(exposure variable)의 분산을 최소화함으로써 각 그룹별 유사성이 정의된다고 가정하고 Ward 군집법을 활용하였다. 향후 부족한 사고정보를 가지고 좀 더 효율적으로 그룹별 평균사고건수를 산출할 수 있는 군집방법을 연구하는 것은 흥미로운 주제가 될 것이다.

성능/효과

최종적으로 다른 사고취약구간 선정 방법론(SMW, PS)과의 효율성 분석을 시행하였다. 이를 통하여 군집분석을 이용한 CRP도 기존의 CRP처럼 다른 사고취약구간 선정 방법 론에 비해 효과적으로 사고취약구간을 선정함을 검증하였다. Ⅴ장에서는 결론 및 향후 연구과제를 기술하였다.
(2009)은 CRP 적용을 통해 젖은 노면상태에서 높은 사고율을 야기하는 지점의 특성에 대해 알아보았다. 적용 결과, 속도는 노면상태에 관계없이 사고에 영향을 주는 요소지만 젖은 노면 상태인 경우 더 중요한 영향을 미친다고 기술하였다.
Kim (2011)은 3년간의 경부선, 서해안선 사고 자료에 CRP를 적용해보고, EPDO(equivalent property damage only) 가중치를 적용함에 따라 나타나는 차이를 비교하는 연구를 진행하였다. 적용 결과, EPDO 가중치를 이용하는 것이 상대적으로 안정적인 결과를 도출하는 것으로 나타났다.
(2012)의 논문은 세 가지 방법론의 효율성을 평가하기 위해 작성되었다. 동질구간 분할에 상관없이 CRP에 의한 실제 위험구간을 포함하는 사고취약구간의 수가 가장 적으므로 CRP의 성능이 우수하다는 결론을 내렸다.
CRP는 개발초기단계로, 안전성능함수를 규모조정계수로 이용한 CRP가 다른 사고취약구간 선정 방법론에 비해 효과적이라는 사실이 앞서 설명한 다양한 연구결과를 통해 입증되었다. 그러나 CRP는 분석하고자 하는 국가나 지역에 안전성능함수가 구축되어있느냐에 따라 사용가능여부가 달려있으며, 안전성능함수를 규모조정계수로 적용하지 않은 경우는 다른 방법론에 비해 사고취약구간을 효과적으로 선정한다고 말할 수 없다.
false negatives는 예산의 배분문제가 아니라 운전자의 안전과 직접적인 연관이 있으므로 새로운 방법이 false negatives를 발생시킨다면 적용이 불가능하다는 의미가 된다. 계층적 군집분석을 활용한 CRP에 의해 도출된 사고취약구간이 기존의 CRP에 의한 사고취약구간을 모두 포함하므로 본 논문에서 제시하고 있는 새로운 CRP 방법론은 false negatives를 발생시키지 않음을 알 수 있다.
그 순서는 기존의 CRP, 차로 수를 변수로 한 군집법을 이용한 CRP, AADT를 변수로 한 군집법을 이용한 CRP, AADT와 차로 수를 변수로 한 군집법을 이용한 CRP, SMW, PS 순이다. 즉, 해당 결과는 false positive rate이 작은 순서도 이와 같다는 의미이며, 이를 통해 계층적 군집분석을 이용한 CRP가 안전성능함수를 이용하는 기존의 CRP 보다는 성능이 다소 떨어지지만, 다른 사고취약구간 선정 방법론인 SMW와 PS보다 성능이 우수하다고 할수 있다.
이상의 분석 결과에서 알 수 있듯이 본 연구에서 제시한 계층적 군집분석 기반의 CRP는 기존의 CRP 기법과 비교할 때, false negatives는 발생시키지 않는 반면, 양방향 모두 false positive rate이 다소 증가하는 것으로 분석되었다. 그럼에도 불구하고 데이터의 간편성과 분석의 용이성 측면에서 더 넓게 적용이 가능할 수 있으리라 판단되며, 기존에 널리 사용되고 있는 SMW와 PS 보다는 성능이 우수하다는 것이 양방향에서 모두 확인되었다.
이상의 분석 결과에서 알 수 있듯이 본 연구에서 제시한 계층적 군집분석 기반의 CRP는 기존의 CRP 기법과 비교할 때, false negatives는 발생시키지 않는 반면, 양방향 모두 false positive rate이 다소 증가하는 것으로 분석되었다. 그럼에도 불구하고 데이터의 간편성과 분석의 용이성 측면에서 더 넓게 적용이 가능할 수 있으리라 판단되며, 기존에 널리 사용되고 있는 SMW와 PS 보다는 성능이 우수하다는 것이 양방향에서 모두 확인되었다.
CRP 방법론을 통해 선정된 사고취약구간이 SMW나 PS를 통해 선정된 사고취약구간에 비해 false positive rate이 적으며, 이는 CRP가 다른 사고취약구간 방법론에 비해 효율성이 우수하다는 것을 의미한다. 이러한 결과는 다양한 연구를 통해 입증된 바 있다.
계층적 군집분석(변수: AADT, 차로 수, AADT+차로 수)을 통해 얻은 그룹별 평균사고건수를 규모조정계 수로 이용한 CRP를 통해 선정된 사고취약구간이 기존의 CRP로 선정된 사고취약구간을 모두 포함하며(false negatives가 발생하지 않음), SMW나 PS로 선정된 사고취약구간보다 false positive rate이 작다는 것을 확인할 수 있었다. 이는 군집법을 이용한 CRP의 성능이 기존의 CRP보다는 다소 떨어지지만, 다른 사고취약구간 선정 방법론보다는 우수하다는 의미를 지닌다.
계층적 군집분석을 이용한 CRP를 사고취약구간 선정에 적용함으로써, false positive rate을 줄여 사고취약구간을 효과적으로 선정할 수 있으며, 이는 한정된 예산을 사고감소효과가 높은 구간에 효율적으로 배분하는 데에 기여할 수 있다. 또한, 사고취약구간 선정 결과를 바탕으로 고속도로의 실제 위험구간 탐색에 투여되는 전문가들의 시간 및 노동력을 절감하는 효과를 얻을 수 있다.
새로운 방법론은 구득이 용이한 기본적인 고속도로 정보를 활용할 수 있으며, 기존의 방법론에 비해 상대적으로 분석이 쉽고 간단하여 활용성이 높다는 장점이 있다. 그러나 안전성능함수를 활용하는 기존의 방법론에 비해 사고위험구간을 검지하는 성능이 다소 떨어지는 점은 분명한 한계점이라 할 수 있다.

후속연구

이를 통해 안전성능함수가 구축되어 있지 않은 국가나 지역에서도 계층적 군집분석을 이용하여, 다른 방법론보다 성능이 우수한 CRP를 사고취약구간 선정에 적용할 수 있을 것이다. 또한 고속도로 DB의 구축능력을 보유하고 있는 국가나 지역이라 할지라도 누적된 자료가 부족한 신규 고속도로의 안전계획을 수립하는데 활용할 수 있을 것이다.
본 연구에서는 노출변수(exposure variable)의 분산을 최소화함으로써 각 그룹별 유사성이 정의된다고 가정하고 Ward 군집법을 활용하였다. 향후 부족한 사고정보를 가지고 좀 더 효율적으로 그룹별 평균사고건수를 산출할 수 있는 군집방법을 연구하는 것은 흥미로운 주제가 될 것이다. 다양한 환경 속에서 적용이 가능한 변수를 탐색하고, 다양한 군집화 방법을 적용하여 개선된 방법론을 제안할 수 있을 것이다.
향후 부족한 사고정보를 가지고 좀 더 효율적으로 그룹별 평균사고건수를 산출할 수 있는 군집방법을 연구하는 것은 흥미로운 주제가 될 것이다. 다양한 환경 속에서 적용이 가능한 변수를 탐색하고, 다양한 군집화 방법을 적용하여 개선된 방법론을 제안할 수 있을 것이다.
또한, 고속도로 DB의 구축수준이 다른 실제 국가 및 지역에 대한 사례분석이 필요하다. 사례분석을 토대로본 연구에서 제시하는 방법론의 전이성 및 활용성에 대한 평가를 수행하고, 이를 토대로 개선방안을 모색하는 것도 중요한 향후 연구과제 중 하나일 것으로 사료된다.

핵심어	질문	논문에서 추출한 답변
	CRP이란?	Continuous Risk Profile(CRP)은 고속도로의 사고취약구간을 선정하는 방법론 중에서 정확성과 효율성이 뛰어난 것으로 알려져 있다. 그러나 전통적인 CRP는 데이터베이스 구축을 위한 대규모 투자를 필요로 하는 안전성능함수를 이용한다.
	전통적인 CRP는 무엇을 이용하여 사용하는 방법인가?	Continuous Risk Profile(CRP)은 고속도로의 사고취약구간을 선정하는 방법론 중에서 정확성과 효율성이 뛰어난 것으로 알려져 있다. 그러나 전통적인 CRP는 데이터베이스 구축을 위한 대규모 투자를 필요로 하는 안전성능함수를 이용한다. 본 연구는 안전성능함수 대신 동질 그룹들의 평균사고건수를 규모조정계수로 이용하는 CRP를 제안하는 것을 목적으로 한다.
	도로의 실제 위험구간을 탐색하기 위한 전문가의 시간과 노동력은 무엇과 관련되어 있나?	또한 사고취약구간(hotspot)을 선정하는 과정에서 효과적인 방법론을 적용한다면, 도로의 실제 위험구간(true hotspot)을 탐색하기 위해 소요되는 전문가의 시간 및 노동력을 절약할 수 있다. 이것은 고속도로 안전 개선사업의 효율적 예산분배 문제와 직결되어 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 계층적 군집분석 기반의 Continuous Risk Profile을 이용한 고속도로 사고취약구간 선정
Identifying Hotspots on Freeways Using the Continuous Risk Profile With Hierarchical Clustering Analysis 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 계층적 군집분석 기반의 Continuous Risk Profile을 이용한 고속도로 사고취약구간 선정 Identifying Hotspots on Freeways Using the Continuous Risk Profile With Hierarchical Clustering Analysis 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

김철순 (1) 김동규 (15)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 계층적 군집분석 기반의 Continuous Risk Profile을 이용한 고속도로 사고취약구간 선정
Identifying Hotspots on Freeways Using the Continuous Risk Profile With Hierarchical Clustering Analysis 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

활용도 Top5 논문