KR101890497B1 - 교통 위험도 분석방법 및 이를 포함하는 저장매체 - Google Patents

Abstract

본 발명에 따른 교통 위험도 분석방법은, 저장매체에 저장된 교통 위험도 분석용 프로그램이 설치된 관리서버를 통해 수행되는 교통 위험도 분석방법에 있어서, 교통 위험도 분석모델을 구축하기 위한 기초데이터를 수집하여 상기 관리서버에 저장하는 (a)단계, 상기 기초데이터를 가공하여 교통 위험도 분석모델을 구축하는 (b)단계, 상기 교통 위험도 분석모델을 통해 지점 별 교통 위험도를 도출하는 (c)단계 및 상기 교통 위험도 분석모델에 의해 가공된 교통정보를 상기 관리서버로부터 사용자 단말기에 송신하는 (d)단계를 포함한다.

Description

교통 위험도 분석방법 및 이를 포함하는 저장매체{Analysis Method for Risk of Traffic Accident and Storage Medium Having the Same}

본 발명은 교통 위험도 분석방법 및 이를 포함하는 저장매체에 관한 것으로서, 보다 상세하게는 정형데이터 및 비정형데이터를 통해 교통 위험도를 분석하여 높은 신뢰도로 예측할 수 있도록 하는 교통 위험도 분석방법 및 이를 포함하는 저장매체에 관한 것이다.

최근에는 차량 등의 운송수단의 발전과 함께, 운송수단으로 인한 사고빈도도 증가하고 있다. 따라서 사회적 비용 소모를 줄이고, 인명피해를 최소한으로 유지하기 위한 많은 노력이 이루어지고 있다.

다만, 종래의 경우 투자 비용의 대부분이 기존의 교통 인프라 증설에 집중되어 비용에 비하여 높은 효과를 기대하기 어렵다는 문제가 있다.

또한 현재 교통 관련 기관에서 운용되고 있는 교통 관련 정보시스템의 경우, 실시간 교통정보, 교통시설, 교통안전, 교통수단 등의 교통통계자료와 통행특성자료, 교통량 및 속도자료 등을 제공하고 있으나, 아직까지는 사고 현황 집계와 같이 단순 정보전달의 역할에 그치고 있다,

이에 따라 종래의 시스템을 뛰어넘어 다양한 분석 및 해석을 위한 노력과 연구가 필요한 상황이며, 적재적소에 효율 높은 교통안전시설을 건설하기 위한 사고 원인 및 특성분석이 필요한 시점이다.

한국공개특허 제10-2012-0049998호

본 발명은 상술한 종래 기술의 문제점을 해결하기 위하여 안출된 발명으로서, 현대 사회의 주요 현안 중 하나인 교통사고 문제를 해결하기 위해 빅데이터 분석과 방송을 융합하여 교통 사고율을 줄일 수 있도록 하기 위한 목적을 가진다.

또한 다양한 교통 환경에 대응되도록 통합적인 교통안전 분석을 실시하여 교통사고 위험도를 정밀하게 예측함에 따라, 운전자들의 안전을 도모하는 한편 교통 사고가 발생할 위험이 높은 구역을 사전에 회피할 수 있도록 하고, 교통 환경을 개선할 수 있도록 하기 위한 목적을 가진다.

본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기한 목적을 달성하기 위한 본 발명의 교통 위험도 분석방법은, 저장매체에 저장된 교통 위험도 분석용 프로그램이 설치된 관리서버를 통해 수행되는 교통 위험도 분석방법에 있어서, 교통 위험도 분석모델을 구축하기 위한 기초데이터를 수집하여 상기 관리서버에 저장하는 (a)단계, 상기 기초데이터를 가공하여 교통 위험도 분석모델을 구축하는 (b)단계, 상기 교통 위험도 분석모델을 통해 지점 별 교통 위험도를 도출하는 (c)단계 및 상기 교통 위험도 분석모델에 의해 가공된 교통정보를 상기 관리서버로부터 사용자 단말기에 송신하는 (d)단계를 포함한다.

그리고 상기 기초데이터는, 정형데이터 및 비정형데이터 중 적어도 어느 하나를 포함할 수 있다.

또한 상기 정형데이터는, 교통 관련기관으로부터 발표되는 교통정보 및 날씨 관련기관으로부터 발표되는 날씨정보 중 적어도 어느 하나를 포함할 수 있다.

그리고 상기 날씨정보는, 기온, 강수량, 습도, 풍속, 불쾌지수 및 일교차 중 적어도 어느 하나의 정보를 포함할 수 있다.

또한 상기 비정형데이터는, 온라인 서비스로부터 추출된 비정형 텍스트 데이터를 포함할 수 있다.

그리고 상기 (b)단계는, 온라인 서비스를 대상으로 비정형 텍스트 데이터를 수집하는 (b-1)단계, 상기 비정형 텍스트 데이터에서, 선정된 주제에 대한 복수의 관련단어를 추출하는 (b-2)단계 및 상기 복수의 관련단어로부터 핵심어를 추출하는 (b-3)단계를 포함할 수 있다.

또한 상기 (b-3) 단계는, 상기 추출된 복수의 관련단어 중에 선택된 대상단어의 중심성지수를 산출하는 (b-3-1)단계, 상기 중심성지수와 기 설정된 기준을 비교하는 (b-3-2)단계 및 상기 중심성지수가 기 설정된 기준 이상일 경우, 해당 대상단어를 핵심어로 선정하는 (b-3-3)단계를 포함할 수 있다.

그리고 상기 (b-3-1) 단계는,

(O: 대상단어의 관측 빈도, E: 대상단어의 기대 빈도)

의 수식을 통해 상기 대상단어의 중심성지수를 산출하는 것으로 할 수 있다.

상기한 과제를 해결하기 위한 본 발명의 교통 위험도 분석방법 및 이를 포함하는 저장매체는 다음과 같은 효과가 있다.

첫째, 국민 실생활에 영향을 미치는 교통사고의 문제와 현상에 대해 빅데이터 수집·분석 체계를 활용함으로써 데이터 기반 분석을 지원하고 빅데이터 기반의 각종 데이터 관리 효율성 제고를 통한 교통안전체계 선진화 기반을 마련할 수 있는 장점이 있다.

둘째, 인명피해 및 물질적 피해와 사고 처리 비용 등 사회적 비용을 절감하고 새로운 고용 창출 기회를 마련할 수 있는 장점이 있다.

셋째, 사고 위험 요소에 대한 사전 경고 및 자동 회피로를 제공하여 교통사고를 예방할 수 있는 장점이 있다.

넷째, 교통 빅데이터의 시각화를 활용하여 이해하기 쉬운 정보전달 체계를 마련할 수 있는 장점이 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 교통 위험도 분석방법의 각 과정을 나타낸 흐름도;
도 2는 본 발명의 일 실시예에 따른 교통 위험도 분석방법에 있어서, 기초데이터의 종류를 나타낸 도면;
도 3은 본 발명의 일 실시예에 따른 교통 위험도 분석방법에 있어서, 교통 위험도 분석모델을 구축하기 위한 세부 과정들을 나타낸 흐름도; 및
도 4는 본 발명의 일 실시예에 따른 교통 위험도 분석방법에 있어서, 핵심어를 추출하기 위한 세부 과정들을 나타낸 흐름도이다.

이하 본 발명의 목적이 구체적으로 실현될 수 있는 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명한다. 본 실시예를 설명함에 있어서, 동일 구성에 대해서는 동일 명칭 및 동일 부호가 사용되며 이에 따른 부가적인 설명은 생략하기로 한다.

본 발명에 따른 교통 위험도 분석방법은 저장매체에 저장된 교통 위험도 분석용 프로그램이 설치된 관리서버를 통해 수행되는 것으로서, 상기 관리서버에 설치되어 상기 관리서버의 프로세서에 의해 구동될 수 있다.

또한 이에 의해 구동된 교통 위험도 분석용 프로그램은 디스플레이 모듈 등 영상 출력장치를 통해 출력될 수 있으며, 시각화된 그래픽 유저 인터페이스를 통해 사용자에게 가시적인 정보를 제공할 수 있다.

특히 상기 교통 위험도 분석용 프로그램이 저장된 저장매체는 이동식 디스크나 통신망을 이용하여 상기 관리서버에 설치될 수 있으며, 상기 교통 위험도 분석용 프로그램은 상기 관리서버가 다양한 기능석 수단으로 운용되도록 할 수 있다. 즉 본 발명은 소프트웨어에 의한 정보 처리가 하드웨어를 통해 구체적으로 실현된다.

이하에서는 상기 관리서버를 통해 실행되는 본 발명의 교통 위험도 분석용 프로그램의 알고리즘에 대해 설명하도록 한다.

도 1은 본 발명의 일 실시예에 따른 교통 위험도 분석방법의 각 과정을 나타낸 흐름도이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 교통 위험도 분석방법은 교통 위험도 분석모델을 구축하기 위한 기초데이터를 수집하여 상기 관리서버에 저장하는 (a)단계와, 상기 기초데이터를 가공하여 교통 위험도 분석모델을 구축하는 (b)단계와, 상기 교통 위험도 분석모델을 통해 지점 별 교통 위험도를 도출하는 (c)단계와, 상기 교통 위험도 분석모델에 의해 가공된 교통정보를 상기 관리서버로부터 사용자 단말기에 송신하는 (d)단계를 포함한다.

먼저 상기 (a)단계의 경우, 교통 위험도 분석모델을 구축하기 위해 필요한 다양한 기초데이터들을 수집하는 단계이며, 본 실시예에서 상기 기초데이터는 도 2에 도시된 바와 같이 정형데이터와 비정형데이터를 포함할 수 있다.

여기서 상기 정형데이터는 교통 관련기관으로부터 발표되는 교통정보 및 날씨 관련기관으로부터 발표되는 날씨정보 중 적어도 어느 하나를 포함할 수 있다.

이때 상기 교통 관련기관은 예컨대 교통방송기관, 도로교통공단, 교통정보센터 등 다양한 공공기관 또는 사설기관일 수 있다. 그리고 상기 교통정보는 과거에 발생한 사고의 발생 일시 및 요일, 사상자 수, 사고 유형, 도로 형태, 좌표 정보, 주소 중 적어도 어느 하나의 정보를 포함할 수 있으며, 상기 날씨정보는 과거의 기온, 강수량, 습도, 풍속, 불쾌지수 및 일교차 중 적어도 어느 하나의 정보를 포함할 수 있다.

이에 따라 본 발명은 도로교통공단의 사고일시, 사망, 부상, 경상지수, 발생지 등의 데이터와 교통환경자료(차량이용 인구, 차종, 구간 별 신호등 수 등)을 활용하여 각 사고 위치와 주변 상황, 교통 환경 자료의 매칭을 통해 사고 타입 별 주변 교통사고 요인 분석에 활용할 수 있다.

또한 인구 수, 자동차 등록 대수, 도로 연장 거리 대비 사망자 수 및 중사고 건수 등의 데이터를 활용하여 사고 발생 요인, 희생 요인, 도로 환경 요인 등 3개의 요인을 추출하고 각 요인 별 기여도에 따른 가중치를 분석하여 교통안전지수 도출에 활용할 수도 있다.

이와 같이 본 발명은 과거 사고 데이터를 분석하고 사고발생에 영향을 주는 요인을 도출하여 계절 별, 시간 별, 지역 별, 요일 별로 나타나는 특성들을 고려하여 예측모델을 학습시킬 수 있으며, 또한 현재의 교통 기상 상태와 비슷한 기상 환경에서 발생한 과거 교통사고 데이터를 활용하여 교통사고 발생을 정밀하게 예측할 수 있다.

비정형 데이터는 그 구조가 복잡해 정형화되지 않은 데이터를 말하는 것으로, 본 발명의 경우 상기 비정형 데이터는 온라인 서비스를 통해 수집된 비정형 텍스트 데이터를 포함할 수 있다.

구체적으로 상기 비정형 텍스트 데이터는 관리서버를 통해 웹, SNS 등의 온라인 서비스를 대상으로 수집된 기초데이터이다. 즉 상기 관리서버는 온라인 서비스를 대상으로 비정형 텍스트 데이터를 수집하여 교통 관련 주제에 대한 핵심어를 추출하고, 이를 분석하여 교통 위험도 분석모델을 구축할 수 있다.

여기서 상기 온라인 서비스라 함은 웹, SNS 등 통신망을 이용한 다양한 온라인 서비스 매체일 수 있으며, 어느 하나의 온라인 서비스에 제한되지 않는다. 뿐만 아니라, 현재까지 개발되지 않은 미래의 온라인 서비스 매체를 포함할 수 있음은 물론이다.

이상과 같이 본 발명은 상기 기초데이터를 이용하여 교통 위험도 분석모델을 구축하고((b)단계), 이를 통해 지점 별 교통 위험도를 도출하게 되며((c)단계), 이와 같이 가공된 교통정보를 사용자 단말기에 송신하여 가시화할 수 있다((d)단계). 이들 각 단계는 관리서버의 하드웨어에 의해 실행된다.

이하에서는 비정형 텍스트 데이터를 통해 교통 위험도 분석모델을 구축하는 (b)단계에 대해 보다 자세히 설명하도록 한다.

도 3은 본 발명의 일 실시예에 따른 교통 위험도 분석방법에 있어서, 교통 위험도 분석모델을 구축하기 위한 세부 과정들을 나타낸 흐름도이다

도 3에 도시된 바와 같이, 전술한 (b)단계는, 온라인 서비스를 대상으로 비정형 텍스트 데이터를 수집하는 (b-1)단계와, 상기 비정형 텍스트 데이터에서, 선정된 주제에 대한 복수의 관련단어를 추출하는 (b-2)단계와, 상기 복수의 관련단어로부터 핵심어를 추출하는 (b-3)단계를 포함한다.

상기 (b-1)단계에서는 다양한 온라인 서비스를 대상으로 문서 형태의 데이터를 추출하게 되며, 이후 (b-2)단계가 수행된다.

상기 (b-2)단계는 상기 비정형 텍스트 데이터에서, 선정된 주제, 즉 교통 관련 주제에 대한 복수의 관련단어를 추출하게 된다. 즉 핵심어 추출을 위한 소정의 주제가 결정된 경우, 해당 주제에 대한 관련단어를 상기 (b-1)단계에서 추출된 비정형 텍스트 데이터로부터 선정할 수 있다.

이때 상기 관련단어로는, 특별히 개수의 제한을 두지 않고 가능한 모든 관련단어를 선정할 수 있으며, 상황에 따라 개수의 제한을 설정할 수도 있음은 물론이다.

상기 (b-3)단계는, 상기 (b-2)단계에서 선정된 복수의 관련단어로부터 보다 관련도가 높은 핵심어를 추출하는 단계로서, 본 실시예의 경우 핵심어 추출을 위해 대상단어의 중심성 지수를 이용하게 된다.

도 4에는, 이와 같이 중심성 지수를 산출하여 핵심어를 추출하기 위한 세부 과정들을 나타낸 흐름도가 도시된다.

도 4에 도시된 바와 같이, 상기 (b-3)단계는 세부적으로 상기 추출된 복수의 관련단어 중에 선택된 대상단어의 중심성지수를 산출하는 (b-3-1)단계와, 상기 중심성지수와 기 설정된 기준을 비교하는 (b-3-2)단계와, 상기 중심성지수가 기 설정된 기준 이상일 경우, 해당 대상단어를 핵심어로 선정하는 (b-3-3)단계를 포함한다.

상기 (b-3-1)단계는, 전술한 (b-2)단계에서 추출된 복수의 관련단어들 중, 어느 하나의 대상단어를 선택하고, 이에 대한 중심성지수를 산출하는 단계이다. 즉 본 단계에서는 추출된 관련단어 각각에 대한 중심성지수를 산출하게 되며, 이에 따라 각 관련단어는 중심성지수를 부여받게 된다. 이와 같이 중심성지수를 산출하는 방법에 대해서는 후술하도록 한다.

상기 (b-3-2)단계는, 각 관련단어의 중심성지수와, 기 설정된 기준을 서로 대비하는 단계이다. 상기 설정 기준은 선택된 관련단어가 핵심어로서 선정되기 위한 최소의 기준을 의미하며, 전술한 (b-3-1)단계에서 산출된 각 관련단어의 중심성지수가 상기 설정 기준을 충족하는지 비교하게 된다.

상기 (b-3-3)단계는, 상기 (b-3-2)단계의 비교 결과 선택된 관련단어의 중심성지수가 기 설정된 기준 이상일 경우, 해당 대상단어를 핵심어로 선정하는 단계이다. 즉 관련단어의 중심성지수가 기 설정된 기준과 같거나 이를 초과하는 경우에는, 핵심어의 요건을 만족하는 것으로 판단하여, 이를 핵심어로 선정하게 된다.

본 실시예에서는 상기와 같은 방법으로 정해진 주제에 대한 핵심어를 추출할 수 있게 되며, 이하에서는 상기 (b-3-1)단계의 중심성지수 산출 과정에 대해 자세히 설명하도록 한다.

본 실시예의 경우, 상기 (b-3-1) 단계는, 이하의 수식 1을 통해 상기 대상단어의 중심성지수를 산출하는 것으로 하였다.

(O: 대상단어의 관측 빈도, E: 대상단어의 기대 빈도)

<수식 1>

이와 같은 수식은 소정의 문서에서 나타난 각 대상단어의 빈도(관측 빈도: O)와, 비교되는 문서에서 해당 대상단어가 출현할 것으로 예상되는 예상 빈도(기대 빈도: E)를 로그우도함수(수식 2) 및 카이제곱 통계식(수식 3)을 응용하여 이들의 곱연산에 대입한 것이다.

<수식 2>

<수식 3>

이에 따라 해당 대상단어의 최종 중심성지수를 높은 신뢰도로 산출할 수 있으며, 이는 해당 대상단어의 가중치로서 적용된다.

즉 복수의 관련단어 중 핵심어로 활용 가능할 것으로 판단되는 대상단어들을 통해 핵심어 사전을 구축할 수 있으며, 이는 교통 위험도 분석모델의 학습데이터로서 사용할 수 있다. 중심성지수가 높게 나타난 대상단어는 온라인 서비스를 사용하는 사용자들의 관심도가 높은 내용을 담고 있으므로, 이를 통해 교통정책 수립에 참조가 가능할 뿐 아니라 정성적인 데이터를 정량적으로 수치화하여 교통 위험도를 산출하는 데 사용이 가능함은 물론이다.

이하의 <표 1>은 중심성지수를 통해 추출된 상위 5개 핵심어들을 예시한 것이다.

(N = Keyness 기준 순위, Keyword = 대상단어, POS = 해당 대상단어의 품사, Freq. = 해당 대상단어의 빈도 수, % = 문서 내 해당 대상단어의 빈도 비율, Texts = 해당 대상단어가 등장한 문서 수, RC. Freq. = 비교 문서의 대상단어 빈도 수, RC. % = 비교 문서 내 해당 대상단어의 빈도 비율(해당 단어의 빈도수 / 문서 내 빈도수 총합), Keyness = 중심성지수, P = 유의확률)

<표 1>

이상과 같이 정형데이터 및 비정형데이터를 통해 독자적인 교통 위험도 분석모델을 구축할 수 있으며, 이후 (c)단계에서는 교통 위험도 분석모델을 통해 지점 별 교통 위험도를 도출하게 된다.

이는 정형데이터 및 비정형데이터를 이용하여 구축된 교통 위험도 분석모델을 통해 산출된 중심성지수를 해당 지역의 맵에 나타난 주요 지점들 별로 분류하고, 기 설정된 임의의 연산을 통해 단순화된 각 지점의 교통 위험도를 포함하는 교통정보를 도출할 수 있다.

이후 (d)단계에서는 상기 교통 위험도 분석모델에 의해 가공된 교통정보를 상기 관리서버로부터 사용자 단말기에 송신하게 되며, 이때 다양한 시각화 소프트웨어를 통해 교통정보를 사용자에게 직관적으로 제공할 수 있다.

이상과 같이 본 발명에 따른 바람직한 실시예를 살펴보았으며, 앞서 설명된 실시예 이외에도 본 발명이 그 취지나 범주에서 벗어남이 없이 다른 특정 형태로 구체화될 수 있다는 사실은 해당 기술에 통상의 지식을 가진 이들에게는 자명한 것이다. 그러므로, 상술된 실시예는 제한적인 것이 아니라 예시적인 것으로 여겨져야 하고, 이에 따라 본 발명은 상술한 설명에 한정되지 않고 첨부된 청구항의 범주 및 그 동등 범위 내에서 변경될 수도 있다.

Claims (9)

1. 저장매체에 저장된 교통 위험도 분석용 프로그램이 설치된 관리서버를 통해 수행되는 교통 위험도 분석방법에 있어서,
   교통 위험도 분석모델을 구축하기 위한 기초데이터를 수집하여 상기 관리서버에 저장하는 (a)단계;
   상기 기초데이터를 가공하여 교통 위험도 분석모델을 구축하는 (b)단계;
   상기 교통 위험도 분석모델을 통해 지점 별 교통 위험도를 도출하는 (c)단계; 및
   상기 교통 위험도 분석모델에 의해 가공된 교통정보를 상기 관리서버로부터 사용자 단말기에 송신하는 (d)단계;
   를 포함하며,
   상기 기초데이터는,
   정형데이터 및 비정형데이터 중 적어도 어느 하나를 포함하고,
   상기 비정형데이터는,
   온라인 서비스로부터 추출된 비정형 텍스트 데이터를 포함하며,
   상기 (b)단계는,
   온라인 서비스를 대상으로 비정형 텍스트 데이터를 수집하는 (b-1)단계;
   상기 비정형 텍스트 데이터에서, 선정된 주제에 대한 복수의 관련단어를 추출하는 (b-2)단계; 및
   상기 복수의 관련단어로부터 핵심어를 추출하는 (b-3)단계;
   를 포함하고,
   상기 (b-3) 단계는,
   상기 추출된 복수의 관련단어 중에 선택된 대상단어의 중심성지수를 산출하는 (b-3-1)단계;
   상기 중심성지수와 기 설정된 기준을 비교하는 (b-3-2)단계; 및
   상기 중심성지수가 기 설정된 기준 이상일 경우, 해당 대상단어를 핵심어로 선정하는 (b-3-3)단계;
   를 포함하며,
   상기 (b-3-1) 단계는,
   

   

   
   (O: 대상단어의 관측 빈도, E: 대상단어의 기대 빈도)
   의 수식을 통해 상기 대상단어의 중심성지수를 산출하는 것으로 하는 교통 위험도 분석방법.
2. 삭제
3. 제1항에 있어서,
   상기 정형데이터는,
   교통 관련기관으로부터 발표되는 교통정보 및 날씨 관련기관으로부터 발표되는 날씨정보 중 적어도 어느 하나를 포함하는 교통 위험도 분석방법.
4. 제3항에 있어서,
   상기 날씨정보는,
   기온, 강수량, 습도, 풍속, 불쾌지수 및 일교차 중 적어도 어느 하나의 정보를 포함하는 교통 위험도 분석방법.
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 제1항, 제3항 및 제4항 중 어느 한 항의 교통 위험도 분석방법을 수행하는 교통 위험도 분석용 프로그램이 저장된 저장매체.

Images