Spatial Cluster Analysis of Traffic Accidents in Jinju City

Byeong–Jun Sung; Hwan-Hee Yoo

Spatial Cluster Analysis of Traffic Accidents in Jinju City

Recommendations

Search

Questions

진주시 교통사고 공간적 군집분석

Type: Proceeding

Author: Byeong–Jun Sung (경상대학교) Hwan-Hee Yoo (경상대학교)

Journal: Korea Spatial Information Society Proceedings of Korean Society for Geospatial Information Science 2014 한국지형공간정보학회 춘계학술대회

Published: 2014.5

Pages: 169 - 172 (4page)

Usage

📌

Topic: 본 연구는 진주시의 교통사고를 공간적으로 분석하고, 지역적 특성과 패턴을 규명하는 것을 목표로 한다.

📖

Background: 진주시는 사회적 발전으로 인한 교통사고의 증가가 심각하여, 이를 예방하기 위한 보다 정교한 시공간적 분석이 필요하다.

🔬

Method: 진주의 최근 1년간의 교통사고 데이터를 수집하고 밀도 분석 기법을 사용하여 공간적 군집 분석을 수행하였다.

🏆

Result: 진주에서는 세 가지 공간군집이 형성되었고, 차대차 사고가 더 빈번하게 발생했으며, 성북동은 면적당 사고 빈도가 가장 높았으나 사망자는 없었고, 가호동에서 가장 많은 사망사고가 발생하였다.

Spatial Cluster Analysis of Traffic Accidents in Jinju City

Research history (5)

2015

Analysis of Temporal and Spatial Distribution of Traffic Accidents in Jinju

Sung , Byeong Jun , Bae Journal of Korean Society for Geospatial Information Science 2015.06 Academic journal

성병준 도시공학과 2015.01 Thesis

2014

Time Series Analysis of Traffic Accidents in Jinju

Byeong-Jun Sung , Hwan-Hee Yoo Proceedings of Korean Society for Geospatial Information Science 2014.11 Proceeding

Pattern Analysis for Urban Spatial Distribution of Traffic Accidents in Jinju

Sung , Byeong Jun , Yoo Journal of Korean Society for Geospatial Information Science 2014.09 Academic journal

Spatial Cluster Analysis of Traffic Accidents in Jinju City

Byeong–Jun Sung , Hwan-Hee Yoo Proceedings of Korean Society for Geospatial Information Science 2014.05 Proceeding

Are you curious about the follow-up research of this article?
You can check more advanced research results through related academic papers or academic presentations.
Check the research history of this article

Abstract· Keywords

Report Errors

교통사고는 사회·경제적인 성장과 함께 비례적으로 늘어가고 있는 도시 내 재해 중 하나이다. 이런 사회적 문제를 예방하기 위한 많은 연구가 진행되어 왔고 그에 따른 해결책이 제시되고 있어 사고 건수는 줄어들지만 그 규모는 더욱 더 커져가고 있다.
따라서 본 연구는 진주시의 교통사고를 데이터 마이닝 기법과 GIS를 연계하여 교통사고를 시공간적으로 분석하고 해당 지역 특성과 연계하여 교통사고를 분석하였다. 그 결과 진주시의 교통사고는 3개의 공간군집으로 형성되었으며, 중심상권지역이 가장 큰 군집으로 분석되었다. 또한 3개의 교통사고 군집에서 가장 많이 발생한 교통사고유형은 차대사람 사고보다 차대차 사고가 더 많이 발생하였다.

AI Summary

Topic

본 연구는 진주시의 교통사고를 공간적으로 분석하고, 지역적 특성과 패턴을 규명하는 것을 목표로 한다.

Background

진주시는 사회적 발전으로 인한 교통사고의 증가가 심각하여, 이를 예방하기 위한 보다 정교한 시공간적 분석이 필요하다.

Method

진주의 최근 1년간의 교통사고 데이터를 수집하고 밀도 분석 기법을 사용하여 공간적 군집 분석을 수행하였다.

Result

진주에서는 세 가지 공간군집이 형성되었고, 차대차 사고가 더 빈번하게 발생했으며, 성북동은 면적당 사고 빈도가 가장 높았으나 사망자는 없었고, 가호동에서 가장 많은 사망사고가 발생하였다.

주요내용

요약
1. 서론
2. 교통사고특성 분석 기법
3. 결과분석
4. 결론
참고문헌

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Related Authors

성병준

Affiliation 경상대학교

Fields Engineering > Architectural Engineering > Civil Engineering

Articles 7 Usage 1,472

유환희

Affiliation 경상대학교

Fields Engineering > Architectural Engineering > Civil Engineering TOP 0.5%

Articles 160 Usage 19,820

Frequently Viewed Together

A Study on Spatial Patterns of Traffic Accidents using GIS and Spatial Data Mining Methods: A Case Study of Kangnam-gu, Seoul

Gunhak Lee Journal of the Korean Geographical Society 2004 .06

Trend and Vision of Data Mining Technology

Byoung-Kil Lee , 편무욱 JOURAN OF THE KOREAN SOCIETY OF CIVIL ENGINEERS 2005 .11

Construction of Hydrological Drought Severity-Area-Duration Curves Using Cluster Analysis

Kyoung Minsoo , Kim Sangdan , Kim Bokyung and others 1 JOURNAL OF THE KOREAN SOCIETY OF CIVIL ENGINEERS B 2007 .05

국내 교통사고 분석

한병기 , 나희진 , 정윤재 한국자동차공학회 춘계학술대회 2009 .04

A Study on the Utilization and Application Possibilities of Public Data Using Artificial Intelligence Language Models - Focused on the Utilization of Architectural Data -

Han , Jun-He , Jeon 한국생태환경건축학회 학술발표대회 논문집 2023 .05

Comments(0)

Write first comments.

UCI(KEPA) : I410-ECN-0101-2015-530-001411790

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Research history (5)

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Related Authors

Frequently Viewed Together

Recently viewed articles

Comments(0)