[논문]확률모수를 이용한 교통사고예측모형 개발: 지방부 다차로 도로를 중심으로

임준범; 이수범; 김준기; 김정현

doi:10.7470/jkst.2014.32.6.662

확률모수를 이용한 교통사고예측모형 개발: 지방부 다차로 도로를 중심으로
A Development of Traffic Accident Estimation Model by Random Parameter Negative Binomial Model: Focus on Multilane Rural Highway 원문보기

大韓交通學會誌 = Journal of Korean Society of Transportation, v.32 no.6, 2014년, pp.662 - 674

임준범 (서울시립대학교 교통공학과) , 이수범 (서울시립대학교 교통공학과) , 김준기 (국토연구원 국토인프라연구본부) , 김정현 (한국철도기술연구원 녹색교통물류시스템공학연구소)

초록
AI-Helper

본 연구는 전국 8개 권역(경기, 강원, 충남, 충북, 전남, 전북, 경남, 경북)에 4차로 이상도로(다차로 도로)구간 약 780km(4,372개구간)의 기하구조, 안전시설물, 교통량 및 기상, 토지이용, 도로설계기준 만족여부 등의 변수를 수집하여 사고건수 예측모형을 구축하였다. 모형은 고정모수 모형(fixed parameter model)과 확률모수 모형(random parameter model)을 사용하였다. 확률 모수 음이항 모형의 경우에 계수가 고정된 것이 아닌 특정확률을 가지고 범위로 표현함으로써 부호가 반대가 되는 경우도 일부 나타났다. 고정모수의 음이항 모형은 독립변수가 사고건수에 미치는 영향을 모든 구간에서 하나의 계수로 해석할 수 밖에 없었으나, 확률모수를 이용한 음이항 모형에서는 더욱 다양한 해석이 가능하였다. 특히, 곡선반경, 길 어깨 확보유무, 종단경사 설계기준 만족유무는 특정확률을 가지고 양의영향과 음의영향이 모두 나타났다. 이러한 현상은 모든 구간에서 일률적으로 사고건수 증감에 영향을 미친다기 보다는 일부구간에서는 운전자의 행동특성, 도로구간의 특성에 따라서 반대의 효과가 나타나기도 하는 것을 의미한다.

Abstract ▼ AI-Helper

In this study, accident frequency prediction models were constructed by collecting variables such as geometric structures, safety facilities, traffic volume and weather conditions, land use, highway design-satisfaction criteria along 780km (4,372 sections) of 4 lane-highways over 8 areas. As for models, a fixed parameter model and a random parameter model were employed. In the random parameter model, some influences were reversed as the range was expressed based on specific probability in the case of no fixed coefficients. In the fixed parameter model, the influences of independent variables on accident frequency were interpreted by using one coefficient, but in the random parameter model, more various interpretations were took place. In particular, curve radius, securement of shoulder lane, vertical grade design criteria satisfaction showed both positive and negative influence, according to specific probability. This means that there could be a reverse effect depending on the behavioral characteristics of drivers and the characteristics of highway sections. Rather, they influence the increase of accident frequency through the all sections.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한 해당구간 도로에 인접한(반경200m내에) 학교가 있는지 여부를 조사하였다. 학교는 초등학교수(eschool), 중학교수(mschool), 고등학교수(hschool), 대학교수 (univer)를 포함하였다.
본 연구는 전국 국도, 국지도 4차로 이상 데이터를 수집하여 교통사고예측모형을 정립하고자 한다. 기존에 주로 국내외에서 사용하는 포아송 및 음이항 모형에서 더욱 발전된 형태인 확률모수를 이용한 음이항 모형을 이용하여 모형을 정립하도록 한다.
본 연구에서는 확률모수를 이용한 음이항 모형이 고정모수의 음이항 모형과 다르게 해석할 수 있다는 것에 중점을 두었다. 최근 국외에서 사고예측모형을 이용하여 안전성능함수(Safety Performance Function, SPF)와 사고수정계수(Crash Modification Factor, CMF)를 개발하여 위험도로구간을 판단하는데 활용하고 있다.
이러한 한계점으로 인하여 본 논문에서는 최근 국외에서 연구되고 있는 확률모수 모형을 국내 4차로이상 도로에 적용하여 보고, 기존의 고정모수 음이항 모형과 비교·해석하는 것이 목적이다.

제안 방법

(본 연구에서 사용한 자료는 “도로안전성 분석 모형에 관한 연구 : 전락북도 국도 권역을 중심으로(임준범, 2014)”의 논문과 같습니다.) 기존연구에서 사고에 영향이 있다고 알려진 변수들을 수집하고, 기존연구에서 시도하지 않았던 설계기준 만족여부를 추가로 수집하였다. 사고건수는 교통안전공단에서 제공하는 2008-2010년 3년간 자료를 수집하였다(Table 3, 4, 5 등에서 나오는 변수명의 의미는 본 장에서 확인할 수 있다).
교통량은 전국 교통량 조사 및 상시 조사 결과를 활용하였다. 또한 본 연구에서 정하는 일정 단위구간별 교통량 수집에는 한계가 있으므로 교통량이 조사된 지점의 교통량을 적용하며, 교통량 수집지점의 AADT와 차종별 AADT를 수집한 후 동질성 구간별로 해당 교통량 데이터를 적용하여 DB를 구축하였다.
수집된 자료는 구간 분할법에 따라 분할하였다. 구간 분할은 평면선형 구분에 따라 직선과 곡선으로 1차 분할하고, 종단선형의 경사의 변화에 따라 2차 분할하였다. Figure 2는 23호선(영전사거리-봉황교차로) 자료를 구간 분할한 예시이다.
셋째, 자료를 수집하고 상관 분석, 빈도분석, 분포도 분석을 수행하여 부적정변수는 삭제한다. 넷째, 최종 포함된 초기모형 변수를 바탕으로 음이항 모형 및 확률모수를 이용한 음이항 모형을 정립하고, 적합도를 검증한다. 마지막으로 모형의 해석 및 결론, 한계점 및 향후 연구 과제를 제시한다.
도로의 설계기준 만족여부는 도로의 구조시설 기준에 관한 규칙(국토교통부, 2009)에서 제시하고 있는 도로 설계기준 중 곡선반경(Ra_sati), 종단경사(Gr_sati), 곡선길이(CL_sati) 설계기준에 만족하는지 여부를 판단하였다(Table 2 참고). 또한 위험한 설계로 알려져있는 복합선형(평면선형과 종단선형이 모두 적용된 선형) 존재 여부(CC_sati), 진출입구수가 곡선부에 존재하는지 여부(IO_sati), 전후 곡선반경 비율이 2를 초과하는지 여부(r_ratio)도 조사하였다.
첫째, 연구의 범위 및 방법을 설정한다. 둘째, 교통사고예측모형과 확률모수 모형의 문헌을 고찰한다. 셋째, 자료를 수집하고 상관 분석, 빈도분석, 분포도 분석을 수행하여 부적정변수는 삭제한다.
교통량은 전국 교통량 조사 및 상시 조사 결과를 활용하였다. 또한 본 연구에서 정하는 일정 단위구간별 교통량 수집에는 한계가 있으므로 교통량이 조사된 지점의 교통량을 적용하며, 교통량 수집지점의 AADT와 차종별 AADT를 수집한 후 동질성 구간별로 해당 교통량 데이터를 적용하여 DB를 구축하였다.
도로의 설계기준 만족여부는 도로의 구조시설 기준에 관한 규칙(국토교통부, 2009)에서 제시하고 있는 도로 설계기준 중 곡선반경(Ra_sati), 종단경사(Gr_sati), 곡선길이(CL_sati) 설계기준에 만족하는지 여부를 판단하였다(Table 2 참고). 또한 위험한 설계로 알려져있는 복합선형(평면선형과 종단선형이 모두 적용된 선형) 존재 여부(CC_sati), 진출입구수가 곡선부에 존재하는지 여부(IO_sati), 전후 곡선반경 비율이 2를 초과하는지 여부(r_ratio)도 조사하였다.
또한, 첨단점검차량의 GPS좌표와 사고자료의 좌표오차를 고려하여, 도로구간정보와 사고발생 위치의 매칭을 위해 구간길이가 100m정도가 되도록 미세한 선형변화는 동일구간으로 판단하였다.
모형구축은 56개 독립변수에서 상관분석, 빈도분석을 통해서 의미가 없는 변수들을 제거하고, 초기모형을 설정하였다. 초기모형에 포함된 변수들을 backward(후진 제거 방법)¹⁾을 이용하였으며, 프로그램은 NLOGIT 3.
본 연구는 전국 8개 권역(경기, 강원, 충남, 충북, 전남, 전북, 경남, 경북)에 4차로 이상도로(다차로 도로)구간 약 780km(4,372개구간)의 기하구조, 안전시설물, 교통량 및 기상, 토지이용, 도로설계기준 만족여부 등의 변수를 수집하여 사고건수 예측모형을 정립하였다. 모형은 기존연구에서 일반적으로 사용되어져 오던 고정모수 모형인 음이항 모형과, 확률모수를 이용한 음이항 모형으로 구축하였다.
본 연구는 데이터 수집항목으로 토지피복지도를 이용하여 토지이용특성을 반영하였다. 토지이용특성은 GIS를 이용한 중첩분석(Overlay Analysis)과 공간중첩(Spatial Join Analysis)을 통해 도로가 위치한 지역의 토지이용을 반영하였다.
본 연구는 전국 8개 권역(경기, 강원, 충남, 충북, 전남, 전북, 경남, 경북)에 4차로 이상도로(다차로 도로)구간 약 780km(4,372개구간)의 기하구조, 안전시설물, 교통량 및 기상, 토지이용, 도로설계기준 만족여부 등의 변수를 수집하여 사고건수 예측모형을 정립하였다. 모형은 기존연구에서 일반적으로 사용되어져 오던 고정모수 모형인 음이항 모형과, 확률모수를 이용한 음이항 모형으로 구축하였다.
둘째, 교통사고예측모형과 확률모수 모형의 문헌을 고찰한다. 셋째, 자료를 수집하고 상관 분석, 빈도분석, 분포도 분석을 수행하여 부적정변수는 삭제한다. 넷째, 최종 포함된 초기모형 변수를 바탕으로 음이항 모형 및 확률모수를 이용한 음이항 모형을 정립하고, 적합도를 검증한다.
총 56개 독립변수와 1개의 종속변수(사고건수)를 동질구간별로 수집하였으며, 기초통계분석은 Table 3과 같다. 아래 변수 외에도 단위를 변화(예를 들어, 진출입구수를 진출입구수 밀도로 변환, 승용차대수를 AADT 중 승용차 비율로 변환 등)하여 분석을 수행하였다.
본 연구는 데이터 수집항목으로 토지피복지도를 이용하여 토지이용특성을 반영하였다. 토지이용특성은 GIS를 이용한 중첩분석(Overlay Analysis)과 공간중첩(Spatial Join Analysis)을 통해 도로가 위치한 지역의 토지이용을 반영하였다. 토지피복지도는 토지의 이용에 따라 7항목의 대분류와 23항목의 중분류로 구분되며(Table 1 참고), 본 연구에서는 중분류의 주거지역 (LTliving), 공업지역(Ltfacto), 상업지역(LTBusi), 대분류의 농업지역(LTagri), 산림지역(LTforest)을 이용하였다.
토지이용특성은 GIS를 이용한 중첩분석(Overlay Analysis)과 공간중첩(Spatial Join Analysis)을 통해 도로가 위치한 지역의 토지이용을 반영하였다. 토지피복지도는 토지의 이용에 따라 7항목의 대분류와 23항목의 중분류로 구분되며(Table 1 참고), 본 연구에서는 중분류의 주거지역 (LTliving), 공업지역(Ltfacto), 상업지역(LTBusi), 대분류의 농업지역(LTagri), 산림지역(LTforest)을 이용하였다. 나머지의 세분화된 분류들의 교통사고에 미치는 영향이 적을 것으로 판단하였다.

대상 데이터

또한 기상데이터는 대상 노선지역 인근에 위치한 기상청․관측대 자료를 기준으로 적용하였다. 강우강도(rainpow)는 전국 도시 및 임의지점(좌표)의 IDF(Intensity-Duration-Frequency)곡선을 제공하는 국토교통부 확률강우정보(http://www.k-idf.re.kr) 사이트의 정보를 활용하였다(Figure 3 참고).
기상 데이터는 기상청 자료(기상연보)를 활용하여 강우일수(rainday),강설일수(snowday), 안개일수(fogday)를 수집하였다. 또한 기상데이터는 대상 노선지역 인근에 위치한 기상청․관측대 자료를 기준으로 적용하였다.
도로폭, 도로선형 등의 기하구조 데이터는 첨단 도로 점검차량(한국건설기술연구원) 또는 NAHMIS 도면자료, 다음 로드뷰(http://map.daum.net)를 활용하였다. 첨단 도로점검 차량의 경우 기하구조 및 도로 정보의 신속한 자료 수집이 가능하다.
기상 데이터는 기상청 자료(기상연보)를 활용하여 강우일수(rainday),강설일수(snowday), 안개일수(fogday)를 수집하였다. 또한 기상데이터는 대상 노선지역 인근에 위치한 기상청․관측대 자료를 기준으로 적용하였다. 강우강도(rainpow)는 전국 도시 및 임의지점(좌표)의 IDF(Intensity-Duration-Frequency)곡선을 제공하는 국토교통부 확률강우정보(http://www.
모형 구축을 위해서 수집된 도로구간은 전국 8개권역(강원, 경기, 전남, 전북, 경남, 경북, 충남, 충북) 4차로 이상(다차로) 도로 780.552km(동질구간 4,372개)이다.
) 기존연구에서 사고에 영향이 있다고 알려진 변수들을 수집하고, 기존연구에서 시도하지 않았던 설계기준 만족여부를 추가로 수집하였다. 사고건수는 교통안전공단에서 제공하는 2008-2010년 3년간 자료를 수집하였다(Table 3, 4, 5 등에서 나오는 변수명의 의미는 본 장에서 확인할 수 있다).
첨단 도로점검 차량의 경우 기하구조 및 도로 정보의 신속한 자료 수집이 가능하다. 이렇게 수집된 변수는 구간길이(length), 구간유형(직선, 곡선)(ali_type), 곡선 반경(radius), 종단경사(grade), 차로폭(L_width), 차선수(lanes_NO), 길어깨유무(shoulder), 가로등(light), 횡단보도갯수(cross), 보도(sidewalk), 과속방지턱(s_ bump), 중앙분리대유무(divider), 가드레일유무(guard), 설계속도(de_speed), 일방통행유무(oneway), 자동차전용도로유무(exclus), 부가차로유무(addlane), 버스 차로유무(buslane), 고가차도유무(overpass), 지하차도 유무(underpass), 진출입구수(IO_NO), 교량유무(bridge), 터널유무(tunnel), 버스정류장수(busstop), 톨게이트 유무(tollagate) 총 25개 변수이다.

데이터처리

모형구축은 56개 독립변수에서 상관분석, 빈도분석을 통해서 의미가 없는 변수들을 제거하고, 초기모형을 설정하였다. 초기모형에 포함된 변수들을 backward(후진 제거 방법)¹⁾을 이용하였으며, 프로그램은 NLOGIT 3.0을 이용하였다. 사고발생건수에 영향을 주는 변수들에 대한 음이항 모형과 확률모수 음이항모형 구축결과는 Table 6과 같다.

이론/모형

본 연구는 전국 국도, 국지도 4차로 이상 데이터를 수집하여 교통사고예측모형을 정립하고자 한다. 기존에 주로 국내외에서 사용하는 포아송 및 음이항 모형에서 더욱 발전된 형태인 확률모수를 이용한 음이항 모형을 이용하여 모형을 정립하도록 한다.
모형의 도출시 Halton draws를 이용한 최대우도추정법을 사용하였다. Halton draws는 likelihood를 구성하기 곤란한 경우에, 난수(random number)를 뽑는(draw) simulation-based maxmimum likelihood method 중 하나이다.
, 2008; 박민호, 2013). 본 논문에서는 200 Halton draw를 적용하여 최종 모형으로 도출하였다.
사고예측모형의 전반적인 이론과 음이항모형 이론은 생략하도록 하며, 확률모수 음이항모형에 대한 이론적 개요는 “확률모수를 이용한 음이항모형에 의한 교통사고와 기하구조와의 관계-미국 워싱턴 주 고속도로를 중심으로(Park M. H., 2013)” 논문을 참고하였다.
수집된 자료는 구간 분할법에 따라 분할하였다. 구간 분할은 평면선형 구분에 따라 직선과 곡선으로 1차 분할하고, 종단선형의 경사의 변화에 따라 2차 분할하였다.

성능/효과

고정모수 음이항 모형과 확률모수 음이항 모형 (random parameter negative binomial model)은 독립변수들이 사고건수에 미치는 영향부호가 모두 동일하게 나왔으나, 확률모수 음이항 모형의 경우에 계수가 고정된 것이 아닌 특정확률을 가지고 범위로 표현할 수 있었다. 고정모수의 음이항 모형은 독립변수가 사고건수에 미치는 영향을 모든 구간에서 하나의 계수로 해석할 수 밖에 없었으나, 확률모수를 이용한 음이항 모형에서는 더욱 다양한 해석이 가능하였다.
299로 유사하게 나타났으며, random 변수로는 의미가 없는 것으로 나타났다. 기존의 연구결과와 같이 구간길이가 길어질수록 사고는 증가하는 경향을 보이는 것으로 나타났다.
노출변수인 LN(구간길이)는 1m가 증가할수록 0.108건의 사고건수를 증가시키고, 일평균교통량 1대가 증가 하면 0.047건의 사고를 증가시키는 것으로 나타났다. 토지이용이 주거지인 도로의 경우는 주거지가 아닌 도로보다 0.
Anastasopoulos(2009)는 과거 사고건수모형은 관측구간에서 사고영향 정도를 하나로 고정시키는 것을 주로 사용하였으나, 일부 또는 전체의 계수를 이질성을 두어 추정하는 것을 제안하였다. 모형구축결과, 구간길이, 중분대유무, 좌측길어깨유무, 거리당 평면곡선반경의 평균, AADT, 5년간 최대 IRI, 마모정도 등이 확률모수 변수로 나타났다. 좌측길어깨폭을 5ft이상 확보하는 것은 89.
모형구축결과, 음이항 모형은 신뢰도(ρ2)가 0.188, 확률모수 모형은 0.194로 나타나 확률모수 음이항모형이 설명력이 더욱 좋은 것으로 나타났다.
설계기준 만족여부 변수들은 진출입구가 곡선부에 있는 경우는 0.038건, 곡선반경 비율이 2를 초과할 경우 0.053건, 종단경사가 6%를 넘을 경우, 0.095건 사고를 증가시키는 것으로 나타났다.
음이항 모형과 확률모수 모형 모두 LN(구간길이), LN(AADT), 곡선반경(역수), 차로폭, 길어깨유무, 진출입구밀도, 진출입구 설계기준 만족여부, 곡선반경 비율 설계기준 만족여부, 종단경사 설계기준 만족여부 등 10개 변수가 사고건수에 영향을 미치는 변수로 나타났다. 이들 변수 중에서 차로폭과 길어깨유무는 음의 영향을 나타냈으며, 나머지 변수는 모두 양의영향을 나타냈다.
이 연구에서 제시하고자 하는 확률모수를 이용한 음이항 모형이 기존의 음이항 모형과 다른 가장 큰 특징은 계수값(β)이 고정되어 있지 않다는 것이다.
종단경사 설계기준 만족여부의 추정 계수값은 음이항 모형의 경우 0.205, 확률모수 모형의 경우 평균 1.152(표준편차 0.849)으로 나타났다. 음이항 모형의 결과를 보면, 종단선형이 설계기준(최대 6%)을 만족하지 못하면 사고는 증가되는 것으로만 해석할 수 있다.
모형구축결과, 구간길이, 중분대유무, 좌측길어깨유무, 거리당 평면곡선반경의 평균, AADT, 5년간 최대 IRI, 마모정도 등이 확률모수 변수로 나타났다. 좌측길어깨폭을 5ft이상 확보하는 것은 89.46%의 확률로 사고건수에 음의 영향이 있으며, 10.54% 확률로 사고건수에 양의영향이 있는 것으로 나타났다.
Dindu(2011)는 도로구간에서 사고발생은 차량유형, 운전자 행동 특성의 다양성 때문에 이질성을 가지고 있다고 하였다. 중분대가 없는 200km 정도의 2차로 도로를 확률모수 모형으로 분석한 결과, 교통량, 승용차비율, 이륜차비율, 트럭비율, 진출입구 밀도, 가중된 평면곡선 반경은 확률모수로 추정되었고, 구간길이, 버스비율, 길어깨폭, 가중된 종단경사는 고정모수로 추정되었다.
093건 사고건수를 줄이는 것으로 나타났다. 진출입구 밀도는 km당 개수가 1개 늘어날수록 0.003건의 사고를 증가시키는 것으로 나타났다.
진출입구 설계기준 만족여부의 추정 계수값은 음이항 모형의 경우, 0.411, 확률모수 모형의 경우, radom 변수로는 유의하지 않게 나왔으며, 고정계수로 0.456으로 나타났다.
토지이용 변수들 중에서 주거특성만 의미가 있는 것으로 나타났으며, 추정 계수값은 음이항 모형의 경우, 0.375, 확률모수 모형의 경우, 0.427로 나타났으며, random 변수로는 유의하지 않은 것으로 나타났다. 두 모형 모두 주거지역 도로는 사고건수를 증가시키는 것으로 나타났다.
047건의 사고를 증가시키는 것으로 나타났다. 토지이용이 주거지인 도로의 경우는 주거지가 아닌 도로보다 0.035건의 사고를 증가시키는 것으로 나타났다.
Dindu, 2011; Anastasopoulos, 2009), 모든 구간에서 사고에 미치는 영향을 동일한 크기로 설명하는 것은 분명 한계점이라고 할 수 있다. 통계적으로 보면, 고정모수모형은 시간 변화와 특정구간의 효과를 포함하지 못함으로써, 회귀계수의 표준오차가 과소 추정되고, 결과적으로 과장된 t값을 추정하는 오류를 범할 수 있다.
고정모수의 음이항 모형은 독립변수가 사고건수에 미치는 영향을 모든 구간에서 하나의 계수로 해석할 수 밖에 없었으나, 확률모수를 이용한 음이항 모형에서는 더욱 다양한 해석이 가능하였다. 특히, 길어깨 확보유무, 종단경사 설계기준 만족유무는 특정확률을 가지고 양의 영향과 음의 영향이 모두 나타났다. 이러한 현상은 모든 구간에서 일률적으로 사고건수 증감에 영향을 미친다기보다는 일부구간에서는 운전자의 행동특성, 도로구간의 특성에 따라서 반대의 효과가 나타나기도 하는 것을 의미한다.
한계효과 분석결과, 도로기하구조 부분 중에서는 길어깨 1.25m 확보 유무가 사고건수에 가장 큰 영향을 주는 것으로 나타났다. 길어깨가 1.
또한 공간적, 시간적 다양성을 반영할 수 없고, 하나의 계수로 모든 구간을 추정하는 것은 한계가 있다고 하였으며, 이러한 이유로 확률모수 모형이 필요하다고 하였다. 확률모수 모형 구축결과, 21개 변수 중 6개의 변수의 계수가 범위값을 가지는 것으로 나타났다. 확률모수의 변수는 교통량(ADT), 조명비율, 중앙분리대 비율, 구간내 최대곡선반경, 곡선내 최대 종단경사, 구간내 최소 종단경사이다.

후속연구

넷째, 최종 포함된 초기모형 변수를 바탕으로 음이항 모형 및 확률모수를 이용한 음이항 모형을 정립하고, 적합도를 검증한다. 마지막으로 모형의 해석 및 결론, 한계점 및 향후 연구 과제를 제시한다. 과정을 그림으로 표현하면 Figure 1와 같다.
이 분포값은 균일분포의 최대치(평균+2×표준편차), 최소치(평균-2×표준편차)를 가정하여서 산출한 것이므로, 사고발생 건수의 증감에 대한 자세한 연구는 향후 필요할 것으로 판단된다.

참고문헌 (30)

AASHTO (2010), Highway Safety Manual 1st Edition.
Anastasopoulos P. Ch., Mannering F. L. (2009), A Note on Modeling Vehicle Accident Frequencies with Randomparameters Count Models, Accident Analysis and Prevention, 41, 153-159.

상세보기
Bhat C. R. (2003), Simulation Estimation of Mixed Discrete Choice Models Using Randomized and Scrambled Halton Sequences, Transportation Research Part B, 37(1), 837-855.

상세보기
Cafiso S., Graziano Di A., Silvestro Di G., Cava La G., Persaud B. (2010), Development of Comprehensive Accident Models for Two-lane Rural Highways Using Exposure, Geometry, Consistency and Context Variables, Accident Analysis and Prevention, 42, 1072-1079.

상세보기
Carson J., Mannering F. (2001), The Effect of Ice Warning Signs on Ice-accident Frequencies and Severities, Accident Analysis and Prevention, 33(1), 99-109.

상세보기
Chen E., Tarko A. P. (2014), Modeling Safety of Highway Work Zones with Random Parameters and Random Effects Models, Analytic Methods in Accident Research, 1, 86-95.

상세보기
Dinu R. R., Veeraragavan A. (2011), Random Parameter Models for Accident Prediction on Two-lane Undivided Highways in India, Journal of Safety Research, 42, 39-42.

상세보기
El-Basyouny K., Sayed T. (2006), Comparison of Two Negative Binomial Regression Techniques in Developing Accident Prediction Models, Transportation Research Record, 1950, 9-16.

상세보기
Gustavsson J., Svensson A. (1976), A Poisson Regression Model Applied to Classes of Road Accidents with Small Frequencies, Scandinacian Jounal of Statistics 3, (2), 49-60.
Kim D. G., Washington S. (2006), The Significance of Endogeneity Problems in Crash Models: An Examination of Left-turn Lanes in Intersection Crash Models, Accident Analysis and Prevention, 38(6), 1094-1100.

상세보기
Kim D. H., Lee D. M. (2011), An Analysis of Traffic Accident Reduction Effects by Driving Condition Improvements, Journal of Transportation Research, 18(1), 15-26.
Kim E. C., Choi E. J., Lee D. M., Kim D. H. (2010), Development and Validation of Accident Modification Factors of Two-Lane Rural Roadways, Journal of Korea Society of Transportation, 28(3), 131-143.
Kim Y. R., Kim D. G. (2012), Identifying the Safety Effects of Explanatory Variables Affecting Fatal Crashes Occurred on Rural Roadway Segments, Journal of Transportation Research, 19(1), 57-66.
Li X., Lord D., Zhang Y. (2009), Development of Accident Modification Factors for Rural Frontage Road Segments in Texas Using Results From Generalized Additive Models, Working Paper, Zachry Department of Civil Engineering, Texas A&M University, College Station, TX.
Lord D., Washington S., Ivan J. (2007), Further Notes on the Application of Zero Inflated Models in Highway Safety, Accident Analysis and Prevention, 39(1), 53-57.

상세보기
Miaou S.-P., Lord D. (2003), Modeling Traffic Crash-flow Relationships for Intersections: Dispersion Parameter, Functional Form, and Bayes Versus Empirical Bayes, Transportation Research Record, 1840, 31-40.

상세보기
Milton J. C., Shankar V. N., Mannering F. L. (2008), Highway Accident Severities and the Mixed Logit Model: An Exploratory Empirical Analysis, Accident Analysis and Prevention, 40(1), 260-266.

상세보기
Ogden K. W. (1997), The Effects of Paved Shoulders on Accidents on Rural Highways, Accident Analysis and Prevention, 29(3), 353-362.

상세보기
Oh J. (2006), Development of Severity Models for Vehicle Accident Injuries for Signalized Intersections Inrural Areas, KSCE Journal of Civil Engineering, 10(3), 219-225.

상세보기
Oh J. T., Kim D. H., Lee D. M. (2012), Development of the Expected Safety Performance Models for Rural Highway Segments, Korean Society Of Road Engineers, 14(2), 131-143.

원문보기 상세보기
Park E.-S., Carlson P., Porter R., Anderson C. (2012), Safety Effects of Wider Edge Lines on Rural, Twolane Highways, Accident Analysis and Prevention, 48, 317-325.

상세보기
Park G. Y. (2006), Evaluation of Accident Reduction Effect of Road Safety Features and Development of Estimation Model for Accident Reduction Factors, University of Seoul.
Park J. T., Choi B. B., Lee S. B. (2010), A Study on the Characteristics of Traffic Accidents for the Elderly Pedestrians on Rural Highways, Journal of Korea Society of Transportation, 28(5), 155-162.
Park M. H. (2013), Relationship Between Interstate Highway Accidents and Heterogeneous Geometrics by Random Parameter Negative Binomial Model -A Case of Interstate Highway in Washington State-, USA, Journal of the Korean Society of Civil Engineers, 33(6), 2437-2445.

원문보기 상세보기
Poch M., Mannering F. (1996), Negative Binomial Analysis of Intersection-accident Frequencies, Journal of Transportation Engineering, 122(2), 105-113.

상세보기
Qin X., Ivan J., Ravishankar N. (2004), Selecting Exposure Measures in Crash Rate Prediction for Two-lane Highway Segments, Accident Analysis and Prevention, 36(2), 183-191.

상세보기
Shankar V., Mannering F., Barfield W. (1995), Effect of Roadway Geometrics and Environmental Factors on Rural Accident Frequencies, Accident Analysis and Prevention, 27(3), 371-389.

상세보기
Shankar V., Ulfarsson G., Pendyala R., Nebergall M. (2003), Modeling Crashes Involving Pedestrians and Motorized Traffic, Safety Science, 41(7), 627-640.

상세보기
Venkataraman N. S., Ulfarsson G. F., Shankar V., Oh J., Park M. (2011), Model of Relationship Between Interstate Crash Occurrence and Geometrics: Exploratory Insights from Random Parameter Negative Binomial Approach, 2011 Safety Data, Analysis, and Evaluation 2011, 2236, 41-48.
Vogt A., Bared J. (1998), Accident Models for Two-lane Rural Segments and Intersections, Transportation Research Record, 1635, 18-29.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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