자전거 교통사고 심각도의 베이지안 변수 선택 및 순서적 모델 적용

Abstract

환경에 대한 관심도가 커짐에 따라 자전거를 이용하거나 관심을 보이는 사람들이 증가하고 있다. 이에 정부에서는 복지 체계 구축을 위해 따릉이 등의 자전거 대여 사업을 국가 차원에서 진행하고 있다. 이로 인해 자전거 이용량이 많아져 야기될 수 있는 자전거 교통사고 심각도를 줄이고자 도로 환경 및 법규를 개선하는 것이 필수적이다. 따라서 자전거 교통사고 예방을 위한 자전거 교통사고 심각도 변수에 영향을 주는 변수를 찾고 순서적 모형을 구축하고자 한다. 본 논문에서는 기존 연구를 바탕으로 TAAS, 도로교통공사 및 기상청 데이터를 이용하여 유의한 변수를 찾고자 한다. 허나, 기존 연구처럼 심각도를 0과 1로 단순히 구분하는 것이 아닌 다척도로 구분하여 심층적인 자전거 교통사고 심각도 수를 생성하여 다룰 예정이다. 이를 위해 베이지안 변수 선택 기법인 Gibbs Variable Selection, Kuo-Mallick, Stochastic Search Variable Selection(SSVS) 을 통해 분석을 진행하고 해당 기법 중 가장 적합한 변수 조합을 최종 모형에 적용시키고자 한다. 또한, 최적의 변수로 뽑힌 변수가 기존의 0이나 1로 심각도를 분류한 변수 선택 방법과의 차이점을 찾아보고자 한다. 또한, 변수 선택에서 그치지 않고 심각도 예측 모형에 있어서 더욱 적합한 모델을 찾고자 한다. 심각도 예측을 위해 범주형 변수의 순서적 예측 모델인 Ordered Probit과 Ordered Logit을 적용시키고자 한다. ;The Bayesian variable selection and Ordered model for the severity of bicycle accidents were applied, focusing on individual bicycle traffic accident data that occurred between 2015 and 2017. In the case of the Bayesian Variable selection model of the severity of bicycle traffic accidents converted into categorical variables, the Kuo-Mallick method that are lowest DIC value was selected as the final variable as a result of analysis through SSVS, Kuo-Mallick, and GVS methods. The final variables include the victim's gender, the victim's age, the bicycle rider's age, whether the attacker’s vehicle is vans, whether the victim’s vehicle is passanger car or bicycle, signal violations, illegal U-turns. Ordered Probit and Ordered Logit model were applied as ordered models, and AIC and BIC results confirmed that the Ordered Logit model was selected as the final model.