충돌(사고) 중증도 추정은 사망자 감소와 도로 안전 확보에 필수적이다. 그러나 중증도 추정의 정확한 달성은 클래스 불균형의 큰 정도와 충돌 데이터의 복잡성으로 인해 어렵다. 이로 인해 모델에서 매개변수 편향과 과적합이 발생한다. 이러한 과제를 해결하기 위해 본 연구는 데이터 증강을 위한 새로운 생성 모델인 베이지안 가우시안 혼합을 결합한 변분 오토인코더(Variational AutoEncoder with Bayesian Gaussian Mixture, VAE–BGM)를 사용한다. 본 모델은 베이지안 추론과 오토인코더 기법의 장점을 통합하여, 충돌 중증도 추정에서 데이터 불균형과 혼합된 데이터 유형의 복잡성을 효과적으로 다룬다. VAE–BGM은 전통적인 충돌 관련 변수와 인접 차량 검지기 데이터로부터 수집된 실시간 데이터를 사용하여 평가한다. 분석은 분류 임계값과 무관하게 성능을 평가하기 위해 수신자 조작 특성–곡선 아래 면적(ROC–AUC)에 초점을 둔다. 그 결과, VAE–BGM은 다른 데이터 증강 방법들에 비해 충돌 중증도 모델의 성능을 일관되게 향상시키는 것으로 나타났다. VAE–BGM은 평균 ROC–AUC 값이 가장 높았으며(0.813), 다른 증강 방법들은 0.707–0.784를 달성하였다. 특성 중요도 분석에서는 충돌 유형, 원인 및 인근 교통량이 핵심 요인으로 확인되어, 충돌 중증도 모델에 현장 차량 검지기 정보를 통합하는 것이 중요함을 강조한다. 본 연구는 교통 안전 분석에서의 방법론적 접근을 발전시키며, 전통적인 충돌 관련 변수와 현장 차량 검지기 데이터를 결합함으로써 고속도로에서 충돌 중증도에 영향을 미치는 요인에 대한 심층 분석을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.