유전 알고리즘 기반 고속도로 종합위험도지표 개발을 통한 사고 위험도 예측에 관한 연구 = A Study on Traffic Accident Risk Prediction through the Development of a Genetic Algorithm-Based Integrated Highway Risk Index

국문 초록 (Abstract)

국문초록
유전 알고리즘 기반 고속도로 종합위험도 지표 개발을 통한 사고위험도 예측에 관한 연구

본 연구는 국내 고속도로 구간의 사고위험도를 정량적으로 평가하기 위해, 데이터 기반 종합위험도평가 지표인 EX-ARI.2(Expressway Accident Risk Index.2)를 개발하여 기존 종합위험도지표와의 비교를 통해 성능을 검증하고자 한다. 기존의 위험도 산정 방식은 주로 사고건수, 사고율, PSI, EPDO 등 개별 지표를 단일 기준으로 활용해 왔으며, 각 지표 간 단위 및 위험도 해석에 차이가 존재하기에 지역별 교통 특성의 공정한 비교가 어렵다는 한계를 지닌다.
또한, 기존 EX-ARI는 전문가 판단(AHP)을 기반으로 가중치를 산정함으로써 위험 구간 식별에 있어 주관성이 개입될 여지가 존재하였다. 이에 본 연구에서는 유전 알고리즘(GA)을 적용하여 각 지표 간 통계적 관계에 기반한 최적의 가중치를 도출함으로써, 객관적이고 데이터 중심적인 통합 평가체계를 제시하였다.
연구의 데이터는 경찰청 교통사고 자료(2013년 9월~ 2018년 8월)를 기반으로 하며, 전국 32개 고속도로의 100m 이정 단위 위험도 데이터를 구축하였다. 각 지표는 3년 단위로 구분된 구간(2013.9–2016.8, 2014.9–2017.8, 2015.9–2018.8)에 대해 산정하였으며, CRP 이론을 적용하여 계산함으로써 공간적 연속성을 확보하였다. EX-ARI.2의 가중치는 시간적 재현성과 공간적 일관성을 동시에 극대화하도록 최적화되었으며, 결과적으로 EB:PSI:CR:EPDO의 비율은 약 5.95:1.21:1.00:3.55로 산출되었다.
분석 결과, EX-ARI.2는 기존 단일 지표 및 전문가 가중 기반 종합지표(EX-ARI)보다 높은 예측 정확도와 안정성을 보였으며, 특히 교통량이 적은 저 노출 구간에서도 사고 위험을 합리적으로 반영하는 공정성이 향상된 것으로 나타났다. 또한, CRP를 활용한 구간 보정 절차를 통해 연속적인 위험 분포를 도출함으로써, 기존의 구간 단위 평가체계보다 현실성 있는 도로망 위험도를 구축할 수 있었다.
결론적으로 본 연구는 단일 지표 중심의 평가가 가진 한계를 극복하고, 전문가의 주관을 배제한 데이터 기반 통합형 사고위험도 평가체계를 구축하였다는 점에서 의의가 있다. 제시된 EX-ARI.2는 향후 고속도로의 위험구간 우선순위 설정, 교통안전 예산의 합리적 배분, 정책적 의사결정의 정량적 근거 마련 등 다양한 교통안전관리 분야에서 실질적으로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Abstract
A Study on Traffic Accident Risk Prediction through the Development of a Genetic Algorithm-Based Integrated Highway Risk Index
This study aims to develop and validate a data-driven integrated accident risk index, EX-ARI.2 (Expressway Accident Risk Index 2), to quantitatively evaluate accident risk levels on Korean expressways. Conventional approaches to risk assessment have primarily relied on single indicators—such as crash frequency, crash rate, Potential for Safety Improvement (PSI), and Equivalent Property Damage Only (EPDO)—which have limitations in ensuring fair comparisons across regions due to differences in scale and interpretability.
In addition, the existing EX-ARI had room for subjectivity to be involved in identifying risk sections by calculating weights based on expert judgment (AHP). Therefore, in this study, an objective and data-oriented integrated evaluation system was presented by applying a genetic algorithm (GA) to derive an optimal weight based on the statistical relationship between each indicator.
The data of the study were based on the traffic accident data of the National Police Agency (September 2013 to August 2018), and the risk data of a unit of 100m on 32 highways nationwide were constructed. Each indicator was calculated for the section divided by three years (2013.9–2016.8, 2014.9–2017.8, and 2015.9–2018.8), and spatial continuity was secured by applying the CRP theory. The weights of EX-ARI.2 were optimized to maximize both temporal reproducibility and spatial consistency, and as a result, the ratio of EB:PSI:CR:EPDO was calculated as about 5.95:1.21:1.00:3.55.
As a result of the analysis, EX-ARI.2 showed higher prediction accuracy and stability than the existing single indicator and expert weight-based comprehensive indicator (EX-ARI), and it was found that the fairness of reasonably reflecting the risk of accidents has improved, especially in low-exposure sections with low traffic volume. In addition, by deriving continuous risk distribution through the section correction procedure using CRP, it was possible to establish a more realistic road network risk than the existing section unit evaluation system.
In conclusion, this study is significant in that it overcomes the limitations of a single indicator-centered evaluation and establishes a data-based integrated accident risk assessment system that excludes expert subjectivity. The proposed EX-ARI.2 is expected to be practically used in various traffic safety management fields in the future, such as prioritizing dangerous sections on highways, rational allocation of traffic safety budgets, and establishing a quantitative basis for policy decision-making.
Keyword: Empirical Bayes (EB); Crash Rate; Potential for Safety Improvement (PSI); Equivalent Property Damage Only (EPDO); Genetic Algorithm (GA); Continuous Risk Profile (CRP); Accident Risk Index

목차 (Table of Contents)

• 국문초록 i
• 목 차 ⅲ
• 표 목 차 v
• 그림목차 vi
• 제 1장 서 론
• 1.1 연구 배경 및 목적1
• 1.2 연구의 범위 및 절차 4
• 1.2.1 연구의 범위 4
• 1.2.2 연구의 수행절차 5
• 제 2장 선행 연구 및 이론적 고찰
• 2.1 위험도 지표 관련 고찰 7
• 2.1.1 사고 건수에 의한 방법 7
• 2.1.2 사고율에 의한 방법 7
• 2.1.3 교통사고 심각도법(EPDO)에 의한 방법 8
• 2.1.4 잠재적 개선 편익(PSI)에 의한 방법 9
• 2.1.5 사고 감소 건수에 의한 방법 10
• 2.1.6 한계사고율법에 의한 방법 10
• 2.2 국내외 위험도 지표 활용 현황 12
• 2.2.1 국내 현황 12
• 2.2.2 국외 현황 13
• 2.3 위험도 지표 관련 선행연구 15
• 2.3.1 국내 연구 15
• 2.3.2 국외 연구 20
• 2.4 본 연구의 차별성 25
• 제 3장 자료수집 및 분석 방법
• 3.1 자료수집 및 데이터 구성 27
• 3.2 위험도 지표 계산 31
• 3.2.1 Continuous Risk Profile, CRP 산출 31
• 3.2.2 EB 산출 33
• 3.2.3 PSI 산출 36
• 3.2.4 CR 산출 36
• 3.2.5 EPDO 산출 37
• 3.3 종합데이터 데이터스케일링 38
• 3.4 GA 기반 가중치 최적화 및 EX-ARI.2 구성 40
• 제 4장 시각화 분석 및 성능 비교 분석
• 4.1 시각화 분석 46
• 4.2 피어슨계수 비교 52
• 4.3 EX-ARI 성능 비교 분석 54
• 4.3.1 성능 비교 기준 설정 54
• 4.3.2 일치율 비교 56
• 4.3.3 순위 변동 폭 비교 56
• 4.3.4 평균 절대비율 오차 비교 57
• 4.3.5 EX-ARI.2 시각화 60
• 제 5장 결 론
• 5.1 결론 및 향후 과제 62
• 참고문헌 64
• Abstract 71