KR102088655B1 - 교통사망사고 예측시스템 및 방법 - Google Patents
교통사망사고 예측시스템 및 방법 Download PDFInfo
- Publication number
- KR102088655B1 KR102088655B1 KR1020180120099A KR20180120099A KR102088655B1 KR 102088655 B1 KR102088655 B1 KR 102088655B1 KR 1020180120099 A KR1020180120099 A KR 1020180120099A KR 20180120099 A KR20180120099 A KR 20180120099A KR 102088655 B1 KR102088655 B1 KR 102088655B1
- Authority
- KR
- South Korea
- Prior art keywords
- accident
- traffic accident
- traffic
- type
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000034994 death Effects 0.000 title claims description 16
- 231100000517 death Toxicity 0.000 title claims description 16
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 324
- 230000006872 improvement Effects 0.000 claims abstract description 54
- 238000009434 installation Methods 0.000 claims description 45
- 230000035939 shock Effects 0.000 claims description 22
- 230000001939 inductive effect Effects 0.000 claims description 13
- 238000009430 construction management Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 7
- 238000013215 result calculation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims 1
- 238000010521 absorption reaction Methods 0.000 description 18
- 238000004806 packaging method and process Methods 0.000 description 10
- 238000010276 construction Methods 0.000 description 5
- 230000004397 blinking Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 235000019506 cigar Nutrition 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 239000006096 absorbing agent Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 241000272168 Laridae Species 0.000 description 1
- 241000220259 Raphanus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
도로 환경 유형을 고려한 교통사망사고 예측시스템 및 방법이 개시된다. 교통사망사고 예측시스템에 의해 수행되는 교통사망사고 예측방법은, 교통사망사고 관리카드 정보를 수신하는 단계와; 상기 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출하는 단계와; 상기 교통사망사고 정보에 기반하여 GIS(Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출하는 단계와; 상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 단계와; 지도 상에 일정한 반경에 포함되는 상기 교통사망사고 지점에 상기 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 결정하는 단계와; 상기 교통사망사고 군집 영역을 기준으로 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출하여 교통사망사고 예측 데이터베이스(DB)를 구축하는 단계와; 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계를 포함한다.
Description
본 발명은 교통사망사고 예측시스템 및 방법에 관한 것으로, 더욱 상세하게는 도로 환경 유형을 고려한 교통사망사고 예측시스템 및 방법에 관한 것이다.
오늘날에 도로교통은 우리의 생활에 직접적으로 영향을 미치는 매우 중요한 요소 중의 하나로 대두되고 있다. 사회가 발전하면서 사람과 물자의 이동성이 더욱 중요해지면서 자동차의 중요성 및 필요성이 더욱 절실해지고 있는 실정이다.
현대사회에서 자동차는 필수품으로서 긍정적인 측면도 많지만, 교통사고라는 부정적인 측면이 있는 것도 사실이고, 현대사회에서 교통사고는 중요한 사회적인 문제로 대두되고 있는 실정이다.
도로 교통 체계란 사람, 도로 및 차량이 복합적으로 어우러져서 운영된다고 볼 수 있고, 교통사고란 이러한 3가지 요소 중에 한 가지 또는 여러 가지가 불완전할 경우에 발생한다고 할 수 있다.
교통사고와 관련된 사망자와 부상자를 줄이기 위한 많은 노력에도 불구하고 우리나라의 도로교통 사고는 여전히 수많은 인명을 앗아가고 있으며, 교통사고로 인한 손실비용은 연간 수조원에 달하는 실정이다.
교통사고 예방 및 교통사고 예측 관련한 기술 또는 시스템들이 있으나 이는 운전자에게 위험 지점을 알려주는 목적만을 가지고 있다. 따라서, 운전 중 네비게이션을 통하여 정보 제공이 되고 있으나 네비게이션에서 반복적으로 위험구간 정보를 제공하게 되면 운전자의 경각심이 무뎌져 효과가 미흡하게 된다. 특히, 운전자에게 주의 운전을 하라는 경각심 유도에 그치고, 교통사고가 발생한 도로 상의 근본적인 문제점은 개선이 되지 않기 때문에 교통사고를 예방하는 효과는 미흡한 상태이다.
종래 기술로 한국등록특허(제10-1498582호)인 "교통사고 데이터 제공 시스템 및 방법"이 존재하나, 사고 다발 지역에 대한 정보만을 제공하고 있을 뿐이어서 근본적으로 교통사고를 예방하는 데는 한계가 있다.
본 발명이 해결하고자 하는 과제는, 교통사망사고 예측방법 및 교통사망사고 예측시스템을 제공하는 것이다.
본 발명의 해결 과제는 이상에서 언급된 것에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 실시예에 따른 교통사망사고 예측시스템에 의해 수행되는 교통사망사고 예측방법은, 정보 수신부, 사고정보 추출부, 사고유형 분류부, 예측결과 산출부, 개선사항 도출부 및 예측결과 제공부를 포함하여 구성된 교통사망사고 예측시스템에 의해 수행되는 방법에 있어서, 상기 정보 수신부가 교통사망사고 관리카드 정보를 수신하는 단계; 상기 사고정보 추출부가 상기 정보 수신부로부터 전달받은 상기 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출하는 단계; 상기 사고정보 추출부가 상기 교통사망사고 정보에 기반하여 지리정보시스템(GIS: Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출하는 단계; 상기 사고유형 분류부가 상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 단계; 상기 예측결과 산출부가 지도 상에 일정한 반경에 포함되는 상기 교통사망사고 지점에 상기 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 결정하는 단계; 상기 예측결과 산출부가 상기 교통사망사고 군집 영역을 기준으로 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출하여 교통사망사고 예측 데이터베이스(DB)를 구축하는 단계; 및 상기 개선사항 도출부가 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계를 포함하되, 상기 사고유형 분류부는 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 상기 교통사망사고 유형을 분류하고, 상기 도로 환경 유형이 일정 기준 이상을 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시키며, 상기 예측결과 산출부는 상기 교통사망사고 발생 확률을 산출하기 위한 요소를 예측 메인 요소와 예측 서브 요소로 구분하고, 상기 예측 서브 요소보다 상기 예측 메인 요소에 더 높은 가중치를 부여하여 상기 교통사망사고 발생 확률을 계산하며, 상기 예측 메인 요소는 도로환경, 교통시설, 도로시설, 사고 유형, 기상 및 시간 중 적어도 하나 이상에 대한 정보로 정의되고, 상기 예측 서브 요소는 운전자, 자동차 및 보행자 중 적어도 하나 이상에 대한 정보로 정의된다.
여기에서, 상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 단계는, 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 상기 교통사망사고 유형을 분류할 수 있다.
여기에서, 상기 차량 대 차량 사고에 대한 도로 환경 유형은, 교차로 여부, 신호 운영 여부, 곡선로 여부, 경사구간 여부, 시거 확보 여부, 시선유도시설 유무, 가드레일 유무 및 미끄럼방지포장 여부를 포함하여 구분될 수 있다.
여기에서, 상기 차량 대 사람 사고에 대한 도로 환경 유형은, 횡단보도 여부, 신호 운영 여부, 조명시설 유무를 포함하여 구분될 수 있다.
여기에서, 상기 차량 단독 사고에 대한 도로 환경 유형은, 곡선로 여부, 경사구간 여부, 충격흡수시설 유무, 시선유도시설 유무, 조명시설 유무를 포함하여 구분될 수 있다.
여기에서, 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계는, 신호기 설치 필요, 신호 운영 개선, 시거장애물 제거, 가드레일 설치, 미끄럼방지포장 시공, 조명시설 설치 필요 및 충격흡수시설 설치를 포함하는 상기 도로 환경 개선 사항을 상기 교통사망사고 지점에 표시할 수 있다.
여기에서, 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계는, 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 상기 교통사망사고 예측 데이터베이스(DB)에 전달하여 학습시킬 수 있다.
여기에서, 상기 방법은, 외부 단말로부터 검색 정보를 수신하고, 상기 검색 정보에 상응하는 상기 교통사망사고 유형에 따른 교통사망사고 발생 확률 및 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 추출하고, 이를 상기 외부 단말에 제공하는 단계를 더 포함할 수 있다.
상기 방법에서, 상기 외부 단말에 제공하는 단계는, 지역 정보 입력시, 교통 사망 사고 유형과 주야간 비율을 포함하는 교통사망사고 유형에 따른 교통사망사고 발생 확률을 제공하는 것을 포함할 수 있다.
여기에서, 상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 단계는, 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 상기 교통사망사고 유형을 분류하되, 상기 도로 환경 유형이 일정 기준 이상을 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시킬 수 있다.
상기 다른 목적을 달성하기 위한 본 발명의 실시예에 따른 교통사망사고 예측시스템은, 교통사망사고 예측시스템에 있어서, 교통사망사고 관리카드 정보를 수신하는 정보 수신부; 상기 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출하고 상기 교통사망사고 정보에 기반하여 지리정보시스템(GIS: Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출하는 사고정보 추출부; 상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 사고유형 분류부; 지도 상에 일정한 반경에 포함되는 상기 교통사망사고 지점에 상기 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 추출하고, 상기 교통사망사고 군집 영역을 기준으로 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출하는 예측결과 산출부; 상기 교통사망사고 발생 확률을 이용하여 구축된 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 개선사항 도출부; 및 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률과 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 제공하는 예측결과 제공부를 포함하되, 상기 사고유형 분류부는 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 상기 교통사망사고 유형을 분류하고, 상기 도로 환경 유형이 일정 기준 이상을 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시키며, 상기 예측결과 산출부는 상기 교통사망사고 발생 확률을 산출하기 위한 요소를 예측 메인 요소와 예측 서브 요소로 구분하고, 상기 예측 서브 요소보다 상기 예측 메인 요소에 더 높은 가중치를 부여하여 상기 교통사망사고 발생 확률을 계산하며, 상기 예측 메인 요소는 도로환경, 교통시설, 도로시설, 사고 유형, 기상 및 시간 중 적어도 하나 이상에 대한 정보로 정의되고, 상기 예측 서브 요소는 운전자, 자동차 및 보행자 중 적어도 하나 이상에 대한 정보로 정의된다.
상기와 같은 본 발명에 따른 교통사망사고 예측시스템 및 방법은 도로 환경 유형을 고려하여 교통사망사고를 체계적으로 분류함과 동시에 교통사망사고 발생 확률을 산출할 수 있다.
또한, 교통사망사고 예측시스템 및 방법은 도로 환경 유형을 고려하여 체계적으로 분류된 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출할 수 있다.
또한, 본 발명의 실시예에 따른 교통사망사고 예측시스템 및 방법은 대국민 서비스 정보 제공, 교통경찰에 대한 업무 지원, 도로공사와 같은 타 기관과의 연계 등을 종합적으로 지원할 수 있다.
도 1은 본 발명의 실시예에 따른 교통사망사고 예측시스템을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 교통사망사고 예측방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 다른 실시예에 따른 교통사망사고 예측방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 실시예에 따른 차량 대 차량 사고 유형을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 차량 대 사람 사고 유형을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 차량 단독 사고 유형을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 교통사망사고 예측시스템의 구조를 설명하기 위한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 교통사망사고 예측시스템의 사용자 인터페이스를 설명하기 위한 예시도이다.
도 9는 본 발명의 다른 실시예에 따른 교통사망사고 예측시스템의 사용자 인터페이스를 설명하기 위한 예시도이다.
도 2는 본 발명의 일 실시예에 따른 교통사망사고 예측방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 다른 실시예에 따른 교통사망사고 예측방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 실시예에 따른 차량 대 차량 사고 유형을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 차량 대 사람 사고 유형을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 차량 단독 사고 유형을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 교통사망사고 예측시스템의 구조를 설명하기 위한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 교통사망사고 예측시스템의 사용자 인터페이스를 설명하기 위한 예시도이다.
도 9는 본 발명의 다른 실시예에 따른 교통사망사고 예측시스템의 사용자 인터페이스를 설명하기 위한 예시도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 교통사망사고 예측시스템을 설명하기 위한 개념도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 교통사망사고 예측시스템은 사용자 단말 또는 관리자 시스템과 연동하여 동작할 수 있다. 여기서, 사용자 단말은 교통경찰 단말 또는 대국민 서비스 어플리케이션이 설치된 단말이 될 수 있고, 관리자 시스템은 교통경찰업무 관리시스템 또는 도로공사 관리시스템이 될 수 있다.
교통사망사고 예측시스템은 교통경찰업무 관리시스템과 정보를 교환할 수 있다. 예를 들어, 교통사망사고 예측시스템은 교통경찰업무 관리시스템을 통하여 교통사망사고 정보를 수집할 수 있다. 여기서, 교통사망사고 정보는 교통사망사고가 발생한 위치 및 시간, 도로 환경, 사고 유형, 사망자 수, 사망자 연령, 차량 상태, 차량 종류 등과 같이 교통사망사고와 관련된 다양한 정보를 포함할 수 있다.
교통사망사고 예측시스템은 교통사망사고 정보에 기반하여 교통사망사고 발생 확률 및 교통사망사고 유형에 따른 도로 환경 개선 사항을 산출하여 데이터베이스화할 수 있으며, 데이터베이스화된 정보에 기반한 학습을 통하여 예측 결과를 강화시킬 수 있다.
상세하게는, 교통사망사고 예측시스템은 교통사망사고 발생 확률 및 교통사망사고 유형에 따른 도로 환경 개선 사항을 사용자 단말 또는 관리자 시스템에 제공할 수 있다.
교통경찰 단말 또는 대국민 서비스 어플리케이션이 설치된 단말이 교통사망사고 예측시스템에 접속하여 특정 지점의 교통사망사고 발생 확률을 검색할 수 있다. 예를 들어, 교통사망사고 예측시스템은 교통경찰 단말 또는 대국민 서비스 어플리케이션이 설치된 단말로부터 특정 지점, 특정 운전자 등에 대한 정보를 수신하면, 수신된 정보에 상응하여 산출된 교통사망사고 발생 확률을 교통경찰 단말 또는 대국민 서비스 어플리케이션이 설치된 단말에 제공할 수 있다.
또한, 교통경찰업무 관리시스템 또는 도로공사 관리시스템이 교통사망사고 예측시스템에 접속하여 특정 지점에 대한 정보를 요청할 수 있다. 예를 들어, 교통사망사고 예측시스템은 교통경찰업무 관리시스템 또는 도로공사 관리시스템으로부터 검색 정보를 수신할 수 있고, 수신된 정보에 상응하여 산출된 교통사망사고 발생 확률 및 교통사망사고 유형에 따른 도로 환경 개선 사항을 교통경찰업무 관리시스템 또는 도로공사 관리시스템에 제공할 수 있다.
본 발명의 실시예에 따른 교통사망사고 예측시스템에 의해 수행되는 방법은 하기에서 더욱 상세하게 설명한다.
도 2는 본 발명의 일 실시예에 따른 교통사망사고 예측방법을 설명하기 위한 흐름도이다.
도 2를 참조하여 본 발명의 실시예에 따른 교통사망사고 예측시스템에 의해 수행되는 교통사망사고 예측방법을 설명하면 다음과 같다.
교통사망사고 예측시스템은 교통사망사고 관리카드 정보를 수신할 수 있다(S210). 예를 들어, 교통사망사고 예측시스템은 교통경찰업무 관리시스템으로부터 교통사망사고 관리카드 정보를 수신할 수 있으나, 수신 방법 또는 주체에 대해 특별한 제한이 있는 것은 아니다.
교통사망사고 예측시스템은 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출할 수 있다(S220). 여기서, 교통사망사고 정보는 교통사망사고를 예측하기 위해 활용하는 정보로, 교통사망사고가 발생한 위치 및 시간, 도로 환경, 사고 유형, 사망자 수, 사망자 연령, 차량 상태, 차량 종류 등과 같이 교통사망사고와 관련된 다양한 정보를 포함할 수 있다.
교통사망사고 예측시스템은 교통사망사고 정보에 기반하여 GIS(Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출할 수 있다(S230). 교통사망사고 지점은 교통사망사고 예측을 위한 분류, 그룹화를 위한 기준이 될 수 있다. 또한, 교통사망사고 지점은 교통사망사고 예측 결과를 표시하는 기준이 될 수도 있다.
교통사망사고 예측시스템은 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류할 수 있다(S240). 교통사망사고 유형은 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 분류를 세분화할 수 있다.
도 4는 본 발명의 실시예에 따른 차량 대 차량 사고 유형을 설명하기 위한 도면이다. 도 4를 참조하면 차량 대 차량 사고에 대한 도로 환경 유형은 교차로 여부, 신호 운영 여부, 곡선로 여부, 경사구간 여부, 시거 확보 여부, 시선유도시설 유무, 가드레일 유무 및 미끄럼방지포장 여부 등을 포함하여 트리 형식으로 구분될 수 있다.
예를 들어, 차량 대 차량 사고에 대한 도로 환경 유형은 교차로, 단일로 및 기타사고로 먼저 구분될 수 있다. 교차로는 신호와 비신호로 구분되고, 신호는 운용과 점멸로 다시 구분될 수 있으며, 점멸은 정형과 비정형으로 구분될 수 있다. 여기서, 정형과 비정형은 교차로의 형태에 따른 구분으로, 일반적으로 십자형이 정형으로 구분될 수 있다. 정형은 평지와 경사로 구분되고, 각각은 다시 시거확보 유무로 구분될 수 있다. 비신호는 평지와 경사로 구분되고, 각각은 다시 시거확보 유무로 구분될 수 있다.
단일로는 직선과 곡선으로 구분되고, 직선은 평지와 경사로 구분되며, 각각은 다시 미끄럼방지포장 유무로 구분될 수 있다. 곡선은 평지와 경사로 구분되며, 각각은 다시 가드레일 유무로 구분될 수 있다. 또한, 가드레일 유무는 다시 미끄럼방지포장 유무 또는 시선유도시설 유무로 구분될 수 있다.
기타사고는 상술한 분류로 구분할 수 없는 예외적인 도로 환경을 포함하는 경우로 구분될 수 있다.
도 5는 본 발명의 실시예에 따른 차량 대 사람 사고 유형을 설명하기 위한 도면이다. 도 5를 참조하면 차량 대 사람 사고에 대한 도로 환경 유형은 횡단보도 여부, 신호 운영 여부, 조명 시설 유무를 포함하여 트리 형식으로 구분될 수 있다.
예를 들어, 차량 대 사람 사고에 대한 도로 환경 유형은 횡단보도, 무단횡단 및 기타사고로 먼저 구분될 수 있다. 횡단보도는 신호와 비신호로 구분되고, 신호는 운용과 점멸로 구분되며, 점멸은 조명시설 유무로 구분될 수 있다. 비신호는 조명시설 유무로 구분될 수 있다.
무단횡단은 가드레인 유무로 구분되고, 가드레일 무는 조명시설 유무로 다시 구분될 수 있다.
기타사고는 상술한 분류로 구분할 수 없는 예외적인 도로 환경을 포함하는 경우로 구분될 수 있다.
도 6은 본 발명의 실시예에 따른 차량 단독 사고 유형을 설명하기 위한 도면이다. 도 6을 참조하면 차량 단독 사고에 대한 도로 환경 유형은 곡선로 여부, 경사구간 여부, 충격흡수시설 유무, 시선유도시설 유무, 조명시설 유무를 포함하여 트리 형식으로 구분될 수 있다.
예를 들어, 차량 단독 사고에 대한 도로 환경 유형은 직선, 곡선 및 기타사고로 먼저 구분될 수 있다. 직선은 평지와 경사로 구분되고, 각각은 공작물충돌과 전복(전도)로 구분될 수 있으며, 공작물충돌은 충격흡수시설 유무 및 조명시설 유무로 세분화될 수 있다.
곡선은 평지와 경사로 구분되고, 각각은 공작물충돌과 전복(전도)로 구분될 수 있으며, 공작물충돌은 충격흡수시설 유무 및 시선유도시설 유무로 세분화될 수 있다. 또한, 전복(전도)는 조명시설 유무 및 시선유도시설 유무로 세분화될 수 있다.
기타사고는 상술한 분류로 구분할 수 없는 예외적인 도로 환경을 포함하는 경우로 구분될 수 있다.
또한, 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 단계(S240)는, 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 교통사망사고 유형을 분류하되, 도로 환경 유형이 일정 기준 이상 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시킬 수 있으며, 이는 후술하는 표 1 내지 3을 참조하여 보다 상세히 설명한다.
교통사망사고 예측시스템은 지도 상에 일정한 반경에 포함되는 교통사망사고 지점에 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 결정할 수 있다(S250). 교통사망사고 군집 영역을 결정하는 기준은 다양하게 설정할 수 있다. 예를 들어, 교차로와 단일로, 직선과 곡선, 평지와 경사와 같이 도로 환경을 구분하여 다른 반경을 기준으로 교통사망사고 군집 영역을 결정할 수 있다.
교통사망사고 예측시스템은 교통사망사고 군집 영역을 기준으로 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출하여 교통사망사고 예측 데이터베이스(DB)를 구축할 수 있다(S260). 교통사망사고 발생 확률은 교통사망사고 군집 영역을 기준으로 교통사망사고 유형을 고려하여 산출될 수 있다.
상세하게는, 교통사망사고 예측시스템은 교통사망사고 발생 확률을 산출하기 위한 요소를 예측 메인 요소와 예측 서브 요소로 구분하고, 예측 메인 요소와 예측 서브 요소에 서로 다른 가중치를 부여하여 교통사망사고 발생 확률을 계산할 수 있다. 여기서, 예측 메인 요소는 도로환경, 교통시설, 도로시설, 사고 유형, 기상 및 시간 중 적어도 하나 이상에 대한 정보로 정의되고, 예측 서브 요소는 운전자, 자동차 및 보행자 중 적어도 하나 이상에 대한 정보로 정의될 수 있다. 예를 들어, 예측 메인 요소는 상술한 도 4 내지 6에서 설명한 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고 각각에 대한 도로 환경 유형을 의미할 수 있고, 예측 서브 요소는 운전자 나이 및 성별, 자동차 종류 및 상태정보, 보행자 나이 및 성별 등 중 적어도 하나 이상에 대한 정보를 의미할 수 있다. 또한, 교통사망사고 예측시스템은 예측 서브 요소보다 예측 메인 요소에 더 높은 가중치를 부여하여 교통사망사고 발생 확률을 계산할 수 있으며, 이는 예측 메인 요소에 해당하는 인자가 교통사망사고에 더 많은 영향을 미치기 때문이다.
교통사망사고 예측시스템은 교통사망사고 예측 데이터베이스(DB)에 기반하여 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출할 수 있다(S270).
아래의 표 1은 차량 대 차량 사고에 대한 유형, 사고빈도 및 개선방안을 나타낸다. 표 1을 참조하면, 차량 대 차량 사고에서는 단일로-곡선-경사구간-가드레일 무인 경우에 사고빈도가 높은 것을 알 수 있다. 또한, 교통사망사고 예측시스템은 도로 환경 유형이 일정 기준 이상 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시킬 수 있다. 예를 들어, 차량 대 차량 사고에 있어서, 아래 표 1의 연번 1, 9, 11, 12, 15 및 20을 예측불가능으로 구분할 수 있다.
| 연번 | 사고유형 | 사고빈도 | 개선방안 |
| 1 | 차대차-교차로-신호-운영 | 예측불가능 | |
| 2 | 차대차-교차로-신호-점멸-정형 교차로-평지-시거확보 유 | 2 | 신호점멸을 신호운영으로 개선 |
| 3 | 차대차-교차로-신호-점멸-정형 교차로-경사로-시거확보 무 | 5 | 신호점멸을 신호운영으로 개선, 시거장애물 제거 |
| 4 | 차대차-교차로-신호-점멸-비정형 교차로 | 3 | 신호점멸을 신호운영으로 개선, 교차로 구조개선 |
| 5 | 차대차-교차로-비신호-평지-시거확보 유 | 1 | 신호기 설치 |
| 6 | 차대차-교차로-비신호-평지-시거확보 무 | 5 | 신호기 설치, 시거장애물 제거 |
| 7 | 차대차-교차로-비신호-경사로-시거확보 유 | 2 | 신호기설치 |
| 8 | 차대차-교차로-비신호-경사로-시거확보 무 | 4 | 신호기설치, 시거장애물 제거 |
| 9 | 차대차-단일로-직선-경사-미끄럼방지포장 유 | 예측불가능 | |
| 10 | 차대차-단일로-직선-경사-미끄럼방지포장 무 | 2 | 미끄럼방지포장 설치 |
| 11 | 차대차-단일로-직선-평지 | 예측불가능 | |
| 12 | 차대차-단일로-곡선-평지-가드레일 유-시선유도시설 유 | 예측불가능 | |
| 13 | 차대차-단일로-곡선-평지-가드레일 유-시선유도시설 무 | 2 | 시선유도시설(갈매기표지) 설치 |
| 14 | 차대차-단일로-곡선-평지-가드레일 무 | 4 | 가드레일 설치 |
| 15 | 차대차-단일로-곡선-경사구간-가드레일 유-미끄럼방지포장 유-시선유도시설 유 | 예측불가능 | |
| 16 | 차대차-단일로-곡선-경사구간-가드레일 유-미끄럼방지포장 유-시선유도시설 무 | 1 | 시선유도시설 설치 |
| 17 | 차대차-단일로-곡선-경사구간-가드레일 유-미끄럼방지포장 무 | 2 | 미끄럼방지포장 설치 |
| 18 | 차대차-단일로-곡선-경사구간-가드레일 무-미끄럼방지포장 유 | 7 | 가드레일 설치 |
| 19 | 차대차-단일로-곡선-경사구간-가드레일 무-미끄럼방지포장 무 | 5 | 가드레일 설치, 미끄럼방지포장 설치 |
| 20 | 기타사고(이외 사고) | 예측불가능 |
아래의 표 2는 차량 대 사람 사고에 대한 유형, 사고빈도 및 개선방안을 나타낸다. 표 2를 참조하면, 차량 대 사람 사고에서는 횡단보도-비신호-조명시설 무인 경우 또는 무단횡단-가드레일 무-조명시설 무인 경우에 사고빈도가 높은 것을 알 수 있다. 또한, 교통사망사고 예측시스템은 도로 환경 유형이 일정 기준 이상 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시킬 수 있다. 예를 들어, 차량 대 사람 사고에 있어서, 아래 표 2의 연번 1, 6 및 9를 예측불가능으로 구분할 수 있다.
| 연번 | 사고유형 | 사고빈도 | 개선방안 |
| 1 | 차대사람-횡단보도-신호-운영 | 예측불가능 | |
| 2 | 차대사람-횡단보도-신호-점멸-조명시설 유 | 6 | 신호점멸을 신호운영으로 개선 |
| 3 | 차대사람-횡단보도-신호-점멸-조명시설 무 | 9 | 신호점멸을 신호운영으로 개선, 조명시설 설치 |
| 4 | 차대사람-횡단보도-비신호-조명시설 유 | 14 | 신호기 설치 |
| 5 | 차대사람-횡단보도-비신호-조명시설 무 | 26 | 신호기설치, 조명시설 설치 |
| 6 | 차대사람-무단횡단-가드레일 유 | 예측불가능 | |
| 7 | 차대사람-무단횡단-가드레일 무-조명시설 유 | 17 | 가드레일 설치 |
| 8 | 차대사람-무단횡단-가드레일 무-조명시설 무 | 28 | 가드레일 설치, 조명시설 설치 |
| 9 | 기타사고(이외 사고) | 예측불가능 |
아래의 표 3은 차량 단독 사고에 대한 유형, 사고빈도 및 개선방안을 나타낸다. 표 3을 참조하면, 차량 단독 사고에서는 곡선-경사로-전복(전도)-조명시설 무-시선유도시설 무인 경우에 사고빈도가 높은 것을 알 수 있다. 또한, 교통사망사고 예측시스템은 도로 환경 유형이 일정 기준 이상 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시킬 수 있다. 예를 들어, 차량 단독 사고에 있어서, 아래 표 3의 연번 1, 5, 6, 9, 10, 14, 18, 22 및 26을 예측불가능으로 구분할 수 있다.
| 연번 | 사고유형 | 사고빈도 | 개선방안 |
| 1 | 차량단독-직선-평지-공작물충돌-충격흡수시설 유-조명시설 유 | 예측불가능 | |
| 2 | 차량단독-직선-평지-공작물충돌-충격흡수시설 유-조명시설 무 | 0 | 조명시설 설치 |
| 3 | 차량단독-직선-평지-공작물충돌-충격흡수시설 무-조명시설 유 | 3 | 충격흡수시설 설치 |
| 4 | 차량단독-직선-평지-공작물충돌-충격흡수시설 무-조명시설 무 | 6 | 충격흡수시설 설치, 조명시설 설치 |
| 5 | 차량단독-직선-평지-전복(전도) | 예측불가능 | |
| 6 | 차량단독-직선-경사로-공작물충돌-충격흡수시설 유-조명시설 유 | 예측불가능 | |
| 7 | 차량단독-직선-경사로-공작물충돌-충격흡수시설 유-조명시설 무 | 0 | 조명시설 설치 |
| 8 | 차량단독-직선-경사로-공작물충돌-충격흡수시설 무 | 2 | 충격흡수시설 설치 |
| 9 | 차량단독-직선-경사로-전복(전도) | 예측불가능 | |
| 10 | 차량단독-곡선-평지-공작물충돌-충격흡수시설 유-시선유도시설 유 | 예측불가능 | |
| 11 | 차량단독-곡선-평지-공작물충돌-충격흡수시설 유-시선유도시설 무 | 0 | 조명시설 설치 |
| 12 | 차량단독-곡선-평지-공작물충돌-충격흡수시설 무-시선유도시설 유 | 4 | 충격흡수시설 설치 |
| 13 | 차량단독-곡선-평지-공작물충돌-충격흡수시설 무-시선유도시설 무 | 5 | 충격흡수시설 설치, 조명시설 설치 |
| 14 | 차량단독-곡선-평지-전복(전도)-조명시설 유-시선유도시설 유 | 예측불가능 | |
| 15 | 차량단독-곡선-평지-전복(전도)-조명시설 유-시선유도시설 무 | 1 | 시선유도시설(갈매기표지) 설치 |
| 16 | 차량단독-곡선-평지-전복(전도)-조명시설 무-시선유도시설 유 | 3 | 조명시설 설치 |
| 17 | 차량단독-곡선-평지-전복(전도)-조명시설 무-시선유도시설 무 | 4 | 조명시설 설치, 시선유도시설 설치 |
| 18 | 차량단독-곡선-경사로-공작물충돌-충격흡수시설 유-시선유도시설 유 | 예측불가능 | |
| 19 | 차량단독-곡선-경사로-공작물충돌-충격흡수시설 유-시선유도시설 무 | 0 | 시선유도시설 설치 |
| 20 | 차량단독-곡선-경사로-공작물충돌-충격흡수시설 무-시선유도시설 유 | 3 | 충격흡수시설 설치 |
| 21 | 차량단독-곡선-경사로-공작물충돌-충격흡수시설 무-시선유도시설 무 | 5 | 충격흡수시설 설치, 시선유도시설 설치 |
| 22 | 차량단독-곡선-경사로-전복(전도)-조명시설 유-시선유도시설 유 | 예측불가능 | |
| 23 | 차량단독-곡선-경사로-전복(전도)-조명시설 유-시선유도시설 무 | 3 | 시선유도시설 설치 |
| 24 | 차량단독-곡선-경사로-전복(전도)-조명시설 무-시선유도시설 유 | 4 | 조명시설 설치 |
| 25 | 차량단독-곡선-경사로-전복(전도)-조명시설 무-시선유도시설 무 | 7 | 조명시설 설치, 시선유도시설 설치 |
| 26 | 기타(이외 사고) | 예측불가능 |
상술한 표 1 내지 3을 참조하면, 교통사망사고 예측 데이터베이스(DB)에 기반하여 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계(S270)는, 신호기 설치 필요, 신호 운영 개선, 시거장애물 제거, 가드레일 설치, 미끄럼방지포장 시공, 조명시설 설치 필요 및 충격흡수시설 설치를 포함하는 도로 환경 개선 사항을 교통사망사고 지점에 표시할 수 있으며, 교통사망사고 유형에 따른 도로 환경 개선 사항을 교통사망사고 예측 데이터베이스(DB)에 전달하여 학습시킬 수 있다.
도 3은 본 발명의 다른 실시예에 따른 교통사망사고 예측방법을 설명하기 위한 흐름도이다.
도 3을 참조하면, 교통사망사고 예측시스템은 외부 단말로부터 검색 정보를 수신할 수 있다(S310). 여기서, 외부 단말은 상술한 도 1에서 설명한 사용자 단말 또는 관리자 시스템일 수 있다. 예를 들어, 사용자 단말은 교통경찰 단말 또는 대국민 서비스 어플리케이션이 설치된 단말이 될 수 있고, 관리자 시스템은 교통경찰업무 관리시스템 또는 도로공사 관리시스템이 될 수 있다.
교통사망사고 예측시스템은 검색 정보에 상응하는 교통사망사고 유형에 따른 교통사망사고 발생 확률 및 교통사망사고 유형에 따른 도로 환경 개선 사항을 교통사망사고 예측 데이터베이스(DB)에서 추출하여 외부 단말에 제공할 수 있다(S320, S330). 예를 들어, 지역 정보 입력시, 교통 사망 사고 유형과 주야간 비율을 포함하는 교통사망사고 유형에 따른 교통사망사고 발생 확률을 제공할 수 있다. 지역 정보 입력은 검색 창에서 해당 지역에 마우스를 위치시키는 것으로도 가능할 수 있다.
즉, 교통사망사고 예측시스템은 대국민 서비스 정보 제공, 교통경찰에 대한 업무 지원, 도로공사와 같은 타 기관과의 연계 등을 종합적으로 지원할 수 있다.
도 7은 본 발명의 실시예에 따른 교통사망사고 예측시스템의 구조를 설명하기 위한 예시도이다.
도 7을 참조하면 본 발명의 실시예에 따른 교통사망사고 예측시스템(10)은, 정보 수신부(100), 사고정보 추출부(200), 사고유형 분류부(300), 예측결과 산출부(400), 개선사항 도출부(500), 예측결과 제공부(600) 및 교통사망사고 예측 데이터베이스(DB)(700)를 포함한다.
정보 수신부(100)는 교통사망사고 관리카드 정보를 수신할 수 있다. 정보 수신부(100)는 교통경찰업무 관리시스템으로부터 교통사망사고 관리카드 정보를 수신할 수 있으나, 수신 방법 또는 주체에 대해 특별한 제한이 있는 것은 아니다. 또한, 정보 수신부(100)는 외부 단말로부터 검색 정보를 수신할 수도 있다.
사고정보 추출부(200)는 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출하고 교통사망사고 정보에 기반하여 GIS(Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출할 수 있다. 여기서, 교통사망사고 정보는 교통사망사고를 예측하기 위해 활용하는 정보를 의미할 수 있고, 교통사망사고 지점은 교통사망사고 예측을 위한 분류, 그룹화를 위한 기준 또는 교통사망사고 예측 결과를 표시하는 기준이 될 수 있다.
사고유형 분류부(300)는 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류할 수 있다. 사고유형 분류부(300)는, 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하며, 차량 대 차량 사고는 교차로 여부, 신호 운영 여부, 곡선로 여부, 경사구간 여부, 시거 확보 여부, 시선유도시설 유무, 가드레일 유무 및 미끄럼방지포장 여부를 포함하여 구분되고, 차량 대 사람 사고는 횡단보도 여부, 신호 운영 여부, 조명 시설 유무를 포함하여 구분되며, 차량 단독 사고는 곡선로 여부, 경사구간 여부, 충격흡수시설 유무, 시선유도시설 유무, 조명시설 유무를 포함하여 구분될 수 있다.
또한, 사고유형 분류부(300)는 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 교통사망사고 유형을 분류하되, 도로 환경 유형이 일정 기준 이상을 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시킬 수 있다. 사고유형 분류부(300)는 상술한 도 4 내지 도 6에 대한 설명을 참조하여 보다 명확히 이해할 수 있다.
예측결과 산출부(400)는 지도 상에 일정한 반경에 포함되는 교통사망사고 지점에 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 추출하고, 교통사망사고 군집 영역을 기준으로 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출할 수 있다.
상세하게는, 예측결과 산출부(400)는 교통사망사고 발생 확률을 산출하기 위한 요소를 예측 메인 요소와 예측 서브 요소로 구분하고, 예측 메인 요소와 예측 서브 요소에 서로 다른 가중치를 부여하여 교통사망사고 발생 확률을 계산할 수 있다. 여기서, 예측 메인 요소는 도로환경, 교통시설, 도로시설, 사고 유형, 기상 및 시간 중 적어도 하나 이상에 대한 정보로 정의되고, 예측 서브 요소는 운전자, 자동차 및 보행자 중 적어도 하나 이상에 대한 정보로 정의될 수 있다. 예를 들어, 예측 메인 요소는 상술한 도 4 내지 6에서 설명한 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고 각각에 대한 도로 환경 유형을 의미할 수 있고, 예측 서브 요소는 운전자 나이 및 성별, 자동차 종류 및 상태정보, 보행자 나이 및 성별 등 중 적어도 하나 이상에 대한 정보를 의미할 수 있다. 또한, 교통사망사고 예측시스템은 예측 서브 요소보다 예측 메인 요소에 더 높은 가중치를 부여하여 교통사망사고 발생 확률을 계산할 수 있으며, 이는 예측 메인 요소에 해당하는 인자가 교통사망사고에 더 많은 영향을 미치기 때문이다.
개선사항 도출부(500)는 교통사망사고 예측 데이터베이스(DB)(700)에 기반하여 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출할 수 있다. 개선사항 도출부(500)는, 신호기 설치 필요, 신호 운영 개선, 시거장애물 제거, 가드레일 설치, 미끄럼방지포장 시공, 조명시설 설치 필요 및 충격흡수시설 설치를 포함하는 도로 환경 개선 사항을 교통사망사고 지점에 기반하여 도출할 수 있다.
예측결과 제공부(600)는 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률과 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 제공할 수 있다. 예측결과 제공부(600)는 외부 단말로부터 검색 정보를 수신하고, 검색 정보에 상응하는 교통사망사고 유형에 따른 교통사망사고 발생 확률 및 교통사망사고 유형에 따른 도로 환경 개선 사항을 상기 교통사망사고 예측 데이터베이스(DB)(700)에게 추출하여 외부 단말에 제공할 수 있다. 여기서, 외부 단말은 교통경찰 단말, 대국민 서비스 어플리케이션이 설치된 단말, 대국민 서비스 어플리케이션 관리 시스템이 설치된 단말, 교통경찰업무 관리시스템이 설치된 단말 또는 도로공사 관리시스템이 설치된 단말일 수 있다.
교통사망사고 예측 데이터베이스(DB)(700)는 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 교통사망사고 군집 영역을 기반으로 저장하여 관리할 수 있다.
도 8은 본 발명의 일 실시예에 따른 교통사망사고 예측시스템의 사용자 인터페이스를 설명하기 위한 예시도이고, 도 9는 본 발명의 다른 실시예에 따른 교통사망사고 예측시스템의 사용자 인터페이스를 설명하기 위한 예시도이다.
도 8은 교통사망사고 예측시스템(10)이 지도 상에 교통사망사고 지점, 교통사망사고 군집 영역, 사고 유형 및 각 지점에서의 교통사망사고 발생 확률을 표시한 사용자 인터페이스를 나타낸다.
또한, 도 9는 교통사망사고 예측시스템(10)이 지도 상에 교통사망사고 지점, 교통사망사고 군집 영역, 사고 유형 및 도로 환경 개선 사항을 표시한 사용자 인터페이스를 나타낸다.
본 발명의 실시예에 따른 교통사망사고 예측시스템 및 방법은 도로 환경 유형을 고려하여 교통사망사고를 체계적으로 분류함과 동시에 교통사망사고 발생 확률을 산출하여 이를 표시할 수 있다.
또한, 교통사망사고 예측시스템 및 방법은 도로 환경 유형을 고려하여 체계적으로 분류된 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하여 이를 표시할 수 있다.
따라서, 본 발명의 실시예에 따른 교통사망사고 예측시스템 및 방법은 대국민 서비스 정보 제공, 교통경찰에 대한 업무 지원, 도로공사와 같은 타 기관과의 연계 등을 종합적으로 지원할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 교통사망사고 예측시스템
100: 정보 수신부 200: 사고정보 추출부
300: 사고유형 분류부 400: 예측결과 산출부
500: 개선사항 도출부 600: 예측결과 제공부
700: 교통사망사고 예측 데이터베이스(DB)
100: 정보 수신부 200: 사고정보 추출부
300: 사고유형 분류부 400: 예측결과 산출부
500: 개선사항 도출부 600: 예측결과 제공부
700: 교통사망사고 예측 데이터베이스(DB)
Claims (18)
- 정보 수신부, 사고정보 추출부, 사고유형 분류부, 예측결과 산출부, 개선사항 도출부 및 예측결과 제공부를 포함하여 구성된 교통사망사고 예측시스템에 의해 수행되는 방법에 있어서,
상기 정보 수신부가 교통경찰업무 관리시스템으로부터 교통사망사고 관리카드 정보를 수신하는 단계;
상기 사고정보 추출부가 상기 정보 수신부로부터 전달받은 상기 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출하는 단계;
상기 사고정보 추출부가 상기 교통사망사고 정보에 기반하여 지리정보시스템(GIS: Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출하는 단계;
상기 사고유형 분류부가 상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 단계;
상기 예측결과 산출부가 지도 상에 일정한 반경에 포함되는 상기 교통사망사고 지점에 상기 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 결정하는 단계;
상기 예측결과 산출부가 상기 교통사망사고 군집 영역을 기준으로 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출하여 교통사망사고 예측 데이터베이스(DB)를 구축하는 단계;
상기 개선사항 도출부가 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계; 및
상기 예측결과 제공부가 외부 단말로부터 검색 정보를 수신하고, 상기 검색 정보에 상응하는 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률 및 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 산출하고, 지역 정보 입력시, 교통 사망 사고 유형과 주야간 비율을 포함하는 교통사망 사고 유형에 따른 교통사망사고 발생 확률 및 도로 환경 개선 사항을 상기 외부 단말에 제공하는 단계를 포함하되,
상기 사고유형 분류부는 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 상기 교통사망사고 유형을 분류하고, 상기 도로 환경 유형이 일정 기준 이상을 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시키며,
상기 예측결과 산출부는 상기 교통사망사고 발생 확률을 산출하기 위한 요소를 예측 메인 요소와 예측 서브 요소로 구분하고, 상기 예측 서브 요소보다 상기 예측 메인 요소에 더 높은 가중치를 부여하여 상기 교통사망사고 발생 확률을 계산하며,
상기 예측 메인 요소는 도로환경, 교통시설, 도로시설, 사고 유형, 기상 및 시간 중 적어도 하나 이상에 대한 정보로 정의되고, 상기 예측 서브 요소는 운전자, 자동차 및 보행자 중 적어도 하나 이상에 대한 정보로 정의되며,
상기 외부 단말은,
교통경찰업무 관리시스템 또는 도로공사 관리시스템이 설치된 단말인, 교통사망사고 예측방법. - 삭제
- 청구항 1에 있어서,
상기 차량 대 차량 사고에 대한 도로 환경 유형은,
교차로 여부, 신호 운영 여부, 곡선로 여부, 경사구간 여부, 시거 확보 여부, 시선유도시설 유무, 가드레일 유무 및 미끄럼방지포장 여부를 포함하여 구분되는 것을 특징으로 하는, 교통사망사고 예측방법. - 청구항 1에 있어서,
상기 차량 대 사람 사고에 대한 도로 환경 유형은,
횡단보도 여부, 신호 운영 여부, 조명시설 유무를 포함하여 구분되는 것을 특징으로 하는, 교통사망사고 예측방법. - 청구항 1에 있어서,
상기 차량 단독 사고에 대한 도로 환경 유형은,
곡선로 여부, 경사구간 여부, 충격흡수시설 유무, 시선유도시설 유무, 조명시설 유무를 포함하여 구분되는 것을 특징으로 하는, 교통사망사고 예측방법. - 청구항 1에 있어서,
상기 교통사망사고 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 단계는,
신호기 설치 필요, 신호 운영 개선, 시거장애물 제거, 가드레일 설치, 미끄럼방지포장 시공, 조명시설 설치 필요 및 충격흡수시설 설치를 포함하는 상기 도로 환경 개선 사항을 상기 교통사망사고 지점에 표시하는 것을 특징으로 하는, 교통사망사고 예측방법. - 삭제
- 삭제
- 삭제
- 삭제
- 교통사망사고 예측시스템에 있어서,
교통경찰업무 관리시스템으로부터 교통사망사고 관리카드 정보를 수신하는 정보 수신부;
상기 교통사망사고 관리카드 정보에서 교통사망사고 정보를 추출하고 상기 교통사망사고 정보에 기반하여 지리정보시스템(GIS: Geographic Information System)에 의해 제공되는 지도 상에 교통사망사고 지점을 현출하는 사고정보 추출부;
상기 교통사망사고 정보에 기반하여 교통사망사고 유형을 분류하는 사고유형 분류부;
지도 상에 일정한 반경에 포함되는 상기 교통사망사고 지점에 상기 교통사망사고 유형에 기반한 클러스터링을 적용하여 교통사망사고 군집 영역을 추출하고, 상기 교통사망사고 군집 영역을 기준으로 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 산출하는 예측결과 산출부;
상기 교통사망사고 발생 확률을 이용하여 구축된 예측 데이터베이스(DB)에 기반하여 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 도출하는 개선사항 도출부; 및
외부 단말로부터 검색 정보를 수신하고, 상기 검색 정보에 상응하는 상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률 및 상기 교통사망사고 유형에 따른 도로 환경 개선 사항을 상기 교통사망사고 상기 예측 데이터베이스(DB)에 기반하여 추출하고, 지역정보 입력시 교통 사망 사고 유형과 주야간 비율을 포함하는 교통사망사고 유형에 따른 교통사망사고 발생 확률 및 도로 환경 개선 사항을 상기 외부 단말에 제공하는 예측결과 제공부를 포함하되,
상기 사고유형 분류부는 차량 대 차량 사고, 차량 대 사람 사고 및 차량 단독 사고를 대분류로 분류하고, 각각의 대분류에 도로 환경 유형을 추가하여 상기 교통사망사고 유형을 분류하고, 상기 도로 환경 유형이 일정 기준 이상을 충족한 경우를 예측불가능 유형으로 분류하여 예측에서 배제시키며,
상기 예측결과 산출부는 상기 교통사망사고 발생 확률을 산출하기 위한 요소를 예측 메인 요소와 예측 서브 요소로 구분하고, 상기 예측 서브 요소보다 상기 예측 메인 요소에 더 높은 가중치를 부여하여 상기 교통사망사고 발생 확률을 계산하며,
상기 예측 메인 요소는 도로환경, 교통시설, 도로시설, 사고 유형, 기상 및 시간 중 적어도 하나 이상에 대한 정보로 정의되고, 상기 예측 서브 요소는 운전자, 자동차 및 보행자 중 적어도 하나 이상에 대한 정보로 정의되며,
상기 외부 단말은,
교통경찰업무 관리시스템 또는 도로공사 관리시스템이 설치된 단말인, 교통사망사고 예측시스템. - 청구항 11에 있어서,
상기 교통사망사고 예측시스템은,
상기 교통사망사고 유형 별 발생빈도에 따른 교통사망사고 발생 확률을 상기 교통사망사고 군집 영역을 기반으로 저장하여 관리하는 교통사망사고 예측 데이터베이스(DB)를 더 포함하는 것을 특징으로 하는, 교통사망사고 예측시스템. - 청구항 11에 있어서,
상기 사고유형 분류부에서,
상기 차량 대 차량 사고는 교차로 여부, 신호 운영 여부, 곡선로 여부, 경사구간 여부, 시거 확보 여부, 시선유도시설 유무, 가드레일 유무 및 미끄럼방지포장 여부를 포함하여 구분되고,
상기 차량 대 사람 사고는 횡단보도 여부, 신호 운영 여부, 조명시설 유무를 포함하여 구분되며,
상기 차량 단독 사고는 곡선로 여부, 경사구간 여부, 충격흡수시설 유무, 시선유도시설 유무, 조명시설 유무를 포함하여 구분되는 것을 특징으로 하는, 교통사망사고 예측시스템. - 청구항 11에 있어서,
상기 개선사항 도출부는,
신호기 설치 필요, 신호 운영 개선, 시거장애물 제거, 가드레일 설치, 미끄럼방지포장 시공, 조명시설 설치 필요 및 충격흡수시설 설치를 포함하는 상기 도로 환경 개선 사항을 상기 교통사망사고 지점에 기반하여 도출하는 것을 특징으로 하는, 교통사망사고 예측시스템. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180120099A KR102088655B1 (ko) | 2018-10-08 | 2018-10-08 | 교통사망사고 예측시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180120099A KR102088655B1 (ko) | 2018-10-08 | 2018-10-08 | 교통사망사고 예측시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102088655B1 true KR102088655B1 (ko) | 2020-03-13 |
Family
ID=69938346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180120099A KR102088655B1 (ko) | 2018-10-08 | 2018-10-08 | 교통사망사고 예측시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102088655B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102327478B1 (ko) * | 2020-07-08 | 2021-11-17 | 제주대학교 산학협력단 | 안전한 등굣길을 위한 지리적 위험 지점 기반 위험 평가 추론 방법 및 시스템 |
| KR102448174B1 (ko) * | 2022-03-18 | 2022-09-28 | 한국교통안전공단 | 인공지능 기반 교통 안전 관리 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002133042A (ja) * | 2000-10-26 | 2002-05-10 | International Association Of Traffic & Safety Science | 交通事故対策支援システム |
| KR20140058211A (ko) * | 2012-11-06 | 2014-05-14 | 한국전자통신연구원 | 차량 사고 방지를 위한 경로 추천 장치 및 방법 |
| KR101498582B1 (ko) | 2012-08-29 | 2015-03-06 | 주식회사 이미지넥스트 | 교통사고 데이터 제공 시스템 및 방법 |
| KR20170102476A (ko) * | 2014-12-02 | 2017-09-11 | 케빈 선린 왕 | 사고를 방지하기 위한 방법 및 시스템 |
-
2018
- 2018-10-08 KR KR1020180120099A patent/KR102088655B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002133042A (ja) * | 2000-10-26 | 2002-05-10 | International Association Of Traffic & Safety Science | 交通事故対策支援システム |
| KR101498582B1 (ko) | 2012-08-29 | 2015-03-06 | 주식회사 이미지넥스트 | 교통사고 데이터 제공 시스템 및 방법 |
| KR20140058211A (ko) * | 2012-11-06 | 2014-05-14 | 한국전자통신연구원 | 차량 사고 방지를 위한 경로 추천 장치 및 방법 |
| KR20170102476A (ko) * | 2014-12-02 | 2017-09-11 | 케빈 선린 왕 | 사고를 방지하기 위한 방법 및 시스템 |
Non-Patent Citations (1)
| Title |
|---|
| 교통사고에 안전한 국토 구현 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102327478B1 (ko) * | 2020-07-08 | 2021-11-17 | 제주대학교 산학협력단 | 안전한 등굣길을 위한 지리적 위험 지점 기반 위험 평가 추론 방법 및 시스템 |
| WO2022010239A1 (ko) * | 2020-07-08 | 2022-01-13 | 제주대학교 산학협력단 | 안전한 등굣길을 위한 지리적 위험 지점 기반 위험 평가 추론 방법 및 시스템 |
| KR102448174B1 (ko) * | 2022-03-18 | 2022-09-28 | 한국교통안전공단 | 인공지능 기반 교통 안전 관리 방법 |
| WO2023177277A1 (ko) * | 2022-03-18 | 2023-09-21 | 한국교통안전공단 | 인공지능 기반 교통 안전 관리 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | A multinomial logit model of pedestrian-vehicle crash severity in North Carolina | |
| Das et al. | Using conditional inference forests to identify the factors affecting crash severity on arterial corridors | |
| US20160061625A1 (en) | Method and system for avoidance of accidents | |
| Karmakar et al. | A smart priority-based traffic control system for emergency vehicles | |
| KR102226533B1 (ko) | 일체형 가로등주로 구성된 스마트 도로 조명 시스템 및 그 제어 방법 | |
| Hossain et al. | Applying association rules mining to investigate pedestrian fatal and injury crash patterns under different lighting conditions | |
| KR102088655B1 (ko) | 교통사망사고 예측시스템 및 방법 | |
| Ulak et al. | Geographic information system–based spatial and statistical analysis of severe crash hotspot accessibility to hospitals | |
| Agyemang et al. | Understanding the factors that are associated with motorcycle crash severity in rural and urban areas of Ghana | |
| KR102448174B1 (ko) | 인공지능 기반 교통 안전 관리 방법 | |
| Vivek et al. | Safety and associated parameters influencing performance of rail road grade crossings: A critical review of state of the art | |
| Abou-Senna et al. | Categorical principal component analysis (CATPCA) of pedestrian crashes in Central Florida | |
| US20210201670A1 (en) | Information processing device, information processing method, and information processing system | |
| Aati et al. | Analysis of Road Traffic Accidents in Dense Cities: Geotech Transport and ArcGIS | |
| CN111540209B (zh) | 一种车辆聚集监测方法及计算机可读存储介质 | |
| Chin et al. | Safety assessment of taxi drivers in Singapore | |
| Zhao et al. | Roadway-related truck crash risk analysis: Case studies in Texas | |
| JP2019079117A (ja) | 管理車両配車システム、管理車両配車方法及びプログラム | |
| JP6447269B2 (ja) | トリガ条件決定プログラム、トリガ条件決定方法、およびトリガ条件決定装置 | |
| Rodríguez et al. | Methodological proposal for implementing an intervention to prevent pedestrian injuries, a multidisciplinary approach: the case of Cuernavaca, Morelos, Mexico | |
| Sekasi et al. | Safety and risk analysis at railway crossings of north-south Addis Ababa light rail | |
| Liao et al. | Driver route planning method based on accident risk cost prediction | |
| Mahmud et al. | Some Behavioral and safety aspects of Jamuna multipurpose bridge (JMB) and its approaches: An analysis using a special dataset | |
| Goswamy | Evaluation of work zone safety using the SHRP2 naturalistic driving study data | |
| Carrese et al. | Safety at LCs in Italy: evidence from the Safer-LC Project |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |