- 교통사고 원인
- 어린이 사고 원인
- EDA
- -> 변수 추출
f(위도,경도, 범위, ref_data) => 결과값
x변수
과속단속 카메라 -> 홍익선님
유동인구 -> 홍익선님
법규위반 -> 홍익선님
과속방지턱 -> 홍익선님
경사 -> 조민주님
차량등록현황 -> 조민주님
어린이 연령거주인구 -> 조민주님
주변 학교, 어린이집 개수 -> 조민주님
주변 학원 개수(애들 다닐만한 곳) -> 이재훈
횡단보도 거리(인도 데이터) -> 이재훈
신호등 거리 -> 이재훈
인도 여부 -> 이재훈
차량속도 -> 심재훈
혼잡빈도 -> 심재훈
도로폭 -> 심재훈
상세 도로(사거리 여부) -> 심재훈
추가
건물 개수, 크기 등..
- 도로를 따라서 일정간격(50m)기준으로 지점 선정 -> 그 지점에서 x,y변수 생성(y변수: 사상자 수, x 변수: 위에서 찾은 변수), 적용 되는 범위는 각 변수마다 차이가 있다.
- LInear Regression, LGBM 등으로 회귀분석 실시
- 부호 + 변수의 중요도를 통해서 사고에 미치는 영향을 수치로 찾음
- {어린이 보호구역, 일반구역}에 대해서 모델피팅 => 구역 특성에 따른 모델 적합
- 배경지식과 자료를 이용 개별 교통안전 시설의 개별 변수에 대한 효과를 파악(과속카메라가 설치된 경우 과속 카메라를 설치함으로써 이익을 얻는다고 추정하는 경우를 없애기 위함)
- 도로를 따라서 10m간격으로 위험성을 판단. 이때 학습된 모델에 그대로 넣는 것이 아니라 부호 + 변수의 중요도의 합으로 위험성을 판단. 이 수치는 사망사의 숫자가 아니라 단순히 위험성을 나타내는 수치로 사용함을 명시
- 현재 계획된 교통시설물을 설치했을때 저감효과가 가장 max가 되는 지점부터 greedy algorithm으로 찾음
- 하나의 지점을 찾고나면, 그 주변의 50m범위(교통 카메라)까지 겹치는 만큼 사망자 수가 감소되는 것을 반영
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent