공격적 운전행동(ADB)은 교통사고의 주요 원인이다. ADB는 조절 가능하므로, ADB 기반 운전 위험도 평가는 운전자의 안전과 운송 기업의 안전을 확보하기 위한 효과적인 방법이다. 전통적으로 운전 위험을 평가할 때 ADB와 사고 관련 기록 간의 관계를 분석해 왔다. 그러나 이러한 기록은 대개 운전 위험에 대한 운전자 책임을 간과하며, 데이터 생산자(예: 경찰관 또는 보험 관리자)에 크게 의존한다. 무엇보다도 기존 접근법은 대부분의 운전 시나리오를 구성하는 비사고 상황을 고려하지 않는다. 이에 본 연구는 ADB 데이터만을 활용하는 새로운 운전 위험도 평가 방법을 제안한다. 이 방법에서는 희소 비음수 행렬분해(sparse non-negative matrix factorization, NMF)를 통해 ADB 데이터로부터 해석 가능한 잠재 위험 요인을 추출하고, 이후 운전 위험 점수를 0–100 척도로 계산한다. 제안한 방법은 실제 적용을 통해 대한민국의 버스 운전자의 운전 위험을 평가하는 방식으로 검증하였으며, 한국교통안전공단과 연계하여 교통 전문가들이 수행한 평가를 통해서도 확인하였다. 그 결과, 제안한 방법은 고위험 및 저위험 운전을 구별할 수 있어 운전 개선을 위한 명확한 지침을 제공함을 보여주었다. 이어서 NMF를 활용한 제안된 운전 위험 점수 평가 방법을 기존의 기계학습 기반 위험도 평가 방법과 비교하였다. 그 결과, 제안한 방법은 운전 위험 구별 능력과 해석 가능성 측면에서 기존 방법들보다 우수한 성과를 보였다. 본 연구는 운전행동 기록에 기반한 위험도 평가 지침을 제공할 수 있으며, 교통 안전 관리에서의 기계학습 적용에 기여할 수 있다.

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