Abstract
The purpose of this study is to develop the traffic accident frequency model using genetic supervised-artificial neural network in order to analyze the relationships between accidents frequencies and geometric characteristics, The accident data were collected in Honam expressway for five years $(1996{\sim}2000)$. The independent variables are the geometric characteristics (access control, vertical slope, super-elevation horizontal curvature,) and the dependent variable is the accident rate per MVK (million vehicle km). The artificial neural network model seems to be more accurate than conventional regression model. Furthermore, the artificial neural network model has an advantage over regression model in describing the non-linear characteristics of continuous variables (vertical slope, super-elevation and horizontal curvature). In the artificial neural network model, the accident factors are further analyzed by the sensitivity test. The artificial neural network model shows that the accident rate is the non-linear characteristics when the continuous variables (vertical slope, super-elevation and horizontal curvature) increase. At the critical point of each value, accident rate greatly increase.
도로기하구조특성이 교통사고에 미치는 영향을 분석하기 위해 유전감독-인공신경망이론을 이용하여 교통사고모형을 개발하고, 기존의 선형회귀식을 이용한 교통사고모형과 비교 분석하여 모형별로 교통사고에 대한 도로기하구조 변수의 특성을 규명하는 것이다. 유전감독-인공신경망모형은 선형회귀모형에 비해 변수의 비선형적 특성을 잘 묘사하여 실측교통사고율의 패턴을 묘사하였다. 유전자감독-인공신경망모형을 이용하여 도로기하구조변수 중 양적변수(종단경사, 편경사, 곡률 등)의 비선형적인 특성 분석을 위해 변수의 민감도 분석을 수행하였다. 그 결과, 종단경사는 유출입 지점에서 3% 이상부터 사고율이 급격히 증가하고 유출입지점이 없는 곳에서는 6% 이상부터 사고율이 급격히 증가하는 것으로 나타났으며, 편경사는 유출입지점과 유출입지점이 없는 곳 모두 5.5% 이상에서 사고율이 급격히 증가하는 것으로 나타났다. 연속적 변수들이 사고에 미치는 영향을 인공신경망을 이용한 사고모형을 적용하여 구해보면 사고율의 변동이 선형과는 다른 형태를 보였는데, 이러한 비선형적인 사고율의 변동패턴을 도출함으로써, 종단경사, 편경사, 곡률 등의 요인변수가 사고에 미치는 영향에 대한 임계점을 도출할 수 있었다. 따라서 향후 이를 이용한 도로기하구조의 설계와 선형개선사업등에 유용하게 쓰일것으로 보인다.