선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 기존 연구들은 특정 지역만의 제한된 교통사고 분석을 시도하거나 전통적인 통계 기법만을 적용하여 현황 분석에만 머무르는 한계점을 보이고 있다. 본 논문에서는 이러한 한계점을 극복하기 위하여 8년간의 자전거 교통사고 데이터를 활용하여 통계적 분석 이외의 기계학습 알고리즘을 적용한 예측 분석을 시도하였다. 예측 분석 기법의 활용을 통해 향후 자전거 교통사고 발생 추세를 반영한 적절한 예방적 대응이 가능하기 때문이다.
- 본 논문에서는 자전거 교통사고 예방의 방법으로 통계적인 자전거 교통사고 데이터 분석에 초점을 맞추어 연구를 수행한다. 본 연구에서는 먼저 2007년부터 2014년까지의 자전거 교통사고 데이터를 분석하여 교통사고 현황에 대한 통계량을 제시하고, 이어서 기계 학습 기법 등을 적용하여 예측 분석 및 관련성 분석을 시도한다.
- 본 연구에서는 먼저 2007년부터 2014년까지의 자전거 교통사고 데이터를 분석하여 교통사고 현황에 대한 통계량을 제시하고, 이어서 기계 학습 기법 등을 적용하여 예측 분석 및 관련성 분석을 시도한다. 이를 통해 자전거 이용자의 안전 증진 및 사고 예방을 위한 제도 개선 방안 도출에 도움이 되도록 한다.
가설 설정
- ∙ 귀무 가설 : 1당사자 차량의 종류와 교통사고 심각 도는 관련성이 없다.
- ∙ 귀무 가설 : 성별 자전거 사상자 수는 동일할 것이다.
- ∙ 대립 가설 : 1당사자 차량의 종류와 교통사고 심각 도는 관련성이 있다.
- ∙ 대립 가설 : 성별 자전거 사상자 수는 동일하지 않을 것이다.
- 카이제곱 검정은 범주형 변수들 간의 연관성을 분석 하는 방법이다. 먼저 귀무가설을 토대로 기대 빈도를 계산한다. 그리고 대상 데이터 세트의 관찰 빈도가 통계적으로 유의미한지를 분석한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.