메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
박세영 (경기대학교) 송영훈 (경기대학교) 김광오 (조선대학교) 한결아 (조선대학교) 조석헌 (University of California, San Diego)
저널정보
한국통신학회 한국통신학회 학술대회논문집 2024년도 한국통신학회 하계종합학술발표회 논문집
발행연도
2024.6
수록면
1,211 - 1,214 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study aims to propose a predictive model for the severity of traffic accidents based on external environmental factors, which can perform a role to reduce the number of casualties and accident rates. Data collected from traffic accidents occurring in England from 2021 to 2022 were utilized to provide a traffic accidents severity prediction model. The severity of traffic accidents included in the dataset can lead to a multi-class classification prediction model with the three labels. Moreover, since the severity of most traffic accidents is classified as slight, the dataset exhibits characteristics of imbalanced data. Four artificial intelligence algorithms, such as Adaptive Boosting, Gradient Boosting Tree, K-Nearest Neighbors, and Random Forest, were employed for predicting the severity of traffic accidents. The performance analysis of our prediction models presented that the Random Forest algorithmbased model shows the highest accuracy. However, due to the limitation of imbalanced datasets, the other performance metrics, such as Macro Recall, Macro Precision, and Macro F1-measure, for the Random Forest algorithm-based model showed lower performance compared to accuracy.

목차

요약
Ⅰ. 서론
Ⅱ. 데이터 전처리 과정 및 분석 데이터셋 설명
Ⅲ. 교통사고 심각도 예측 모델 분석
Ⅳ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

운전자 이동행동 및 시선에 따른 교통사고 위험도 예측
양지웅 ,  정현진 ,  이한진 외 2명 한국컴퓨터정보학회논문지 2024 .08
주행 차량의 운전자 유형 분류를 위한 심층 신경망에 대한 연구
류호주 ,  김정구 ,  정슬 제어로봇시스템학회 국내학술대회 논문집 2023 .06
도로 형태와 지역 정보를 결합한 서울시 교통사고 건수 예측 모델
김남현 ,  고상근 ,  김성재 외 1명 한국정보과학회 학술발표논문집 2022 .12
머신러닝을 이용한 교통사고 사상자 수 예측 : 서울시 공공데이터를 대상으로
남명우 ,  박두서 ,  장영준 외 1명 한국컴퓨터정보학회 학술발표논문집 2021 .01

최근 본 자료

전체보기

댓글(0)

0