자전거 교통사고 다발지역 예측을 위한 딥러닝 모형의 적용 (An Application of Deep Learning for Detecting Bicycle Collision Hotspots)

서지정보

· 발행기관 : 대한국토·도시계획학회
· 수록지 정보 : 국토계획 / 57권 / 7호 / 41 ~ 54페이지
· 저자명 : 전희정, 강서윤, 강승엽, 조철호, 허재필

초록

본 연구는 자전거 교통사고 다발지역의 위치정보를 활용하여Google Street View(이하 GSV) 이미지를 수집하여 분석을 진행함으로써 선행연구들이 갖는 분석단위의 한계를 극복하고자하였다. 보다 세부적으로 본 연구는 GSV 이미지의 분석에 있어컴퓨터 비전과 딥러닝 기법을 활용하여 자전거 교통사고 다발지역을 예측하는 모형을 구축하고자 한다. 또한, 자전거 교통사고다발지역과 비다발지역을 구분하는 이미지상의 특징(feature)을시각화하는 Class Activation Map(이하 CAM)을 통해 다발적인 자전거 교통사고를 유발하는 환경요인을 탐색하고자 한다.
이러한 최신 기법의 적용으로 자전거 교통사고의 유발요인을도출하여 스마트 도시관리적 측면에서 자전거 이용자의 안전확보를 위한 보다 구체적인 정책적 시사점을 도출하고자 한다. 이는 나아가 자전거와 더불어 녹색교통수단으로 주목 받고 있는 전동휠, 전동킥보드 등의 개인형 이동수단(Personal Mobility, 이하 PM) 이용의 안전확보에도 기여할 것이라 기대된다. 따라서 본연구의 분석을 통해 도출한 자전거 교통사고 예방책이 앞으로 더욱 다양해질 교통수단의 안전확보에 함의를 제공할 것이라 기대할 수 있다.

영어초록

As the paradigm shift in transportation has led to an increased use of bicycles, the need to ensure the bicycle users’ safety by preventing bicycle collisions has also gained importance. This study aims to predict bicycle collision hotspots in Korea by using collected Google Street View (GSV) images of bicycle collision hotspots and non-hotspots. We conducted experiments with five deep learning models (VGG16, 19, ResNet50, 101, and Inception), and employed Class Activation Map (CAM) analysis to visualize the factors contributing to bicycle collisions. Results suggest that the VGG19 model is the best model for predicting bicycle collision hotspots. Additionally, the CAM analysis indicates that larger roads with more vehicles and more physical facilities (such as crosswalks, traffic lights, and pillars) are related to bicycle collision hotspots. This study indicates the effectiveness of using GSV images together with a deep learning model and suggests more concrete and specific policy implications for building a safer environment for bicycle users.

참고자료

· 없음