교통 안전 관리에서 교통사고가 발생하기 쉬운 고위험 지역을 식별하는 것은 중요하다. 도로 당국은 반복되는 사고의 영향을 완화하기 위한 전략을 시행하기 위해 이러한 고위험 구간에 집중한다. 그러나 이러한 핫스팟을 식별하는 과정에서의 오류는 안전 개선을 위한 자원 배분의 비효율을 초래할 수 있다. 이러한 오류는 종종 사고 발생 빈도를 예측하기 위해 집계된 교통 데이터를 의존하는 데서 비롯된다. 도로 교통 시스템은 인간, 차량, 도로 요인의 상호작용으로 특징지어지며 본질적으로 복잡하다. 많은 연구자들이 안전 평가 연구에서 도로 교통 시스템의 구성요소들을 활용해 왔지만, 반복되는 교통 패턴의 활용은 상대적으로 덜 탐구되어 있다. 이러한 문제를 해결하기 위해, 본 연구는 실시간 교통 데이터에서 도출한 안전 성과 분석과 다양한 사고 요인을 포함하는 모델을 활용하는 핫스팟 식별 방법을 제안한다. 본 논문은 고위험 교통 패턴에 대해 실시간 사고 예측 모델을 이용한 핫스팟 식별 접근법을 제안한다. 구체적으로, 로지스틱 회귀를 사용하여 고위험 교통 패턴 하에서 사고가 발생할 가능성을 추정하는 실시간 사고 예측 모델을 개발하였다. 해당 모델은 실시간 교통, 기상, 도로 기하(geometry) 정보를 통합하여 이러한 확률을 추정한다. 제안된 방법의 타당성을 검증하기 위해 Spearman의 상관 분석을 수행하였다. 본 연구는 대상 빈도(사고와 급박한 제동(hard braking) 사건을 결합한 지표)와, 실시간 사고 예측 모델이 식별한 유해한 교통 패턴의 수 사이에 강한 상관관계가 있음을 보여준다.

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