물리적 피해와 인명 피해가 큰 화물차 사고는 공급망 차원에서 리드 타임에 크게 영향을 미쳐 신뢰도 저하와 재주문율 하락으로 이어져 화물차 교통사고를 잠재적 위험 요소로 판단해야 한다. 본 연구는 교통‧기상‧모바일 데이터를 통해 교통안전과 복합적으로 연관된 요소를 기반으로 단기 교통류를 예측하고 사전에 사고를 포착할 수 있는 실시간 화물 운송 경로 위험도 평가 방법론을 개발하는 것을 목적으로 한다. 우선, 실시간 교통 데이터를 기반으로 Transformer-LSTM을 활용하여 시계열 교통류를 예측하였다. 다음으로 Xgboost 기반의 화물차 사고 예측모형을 개발하였다. 분석 결과 위양성률이 5.23%로 도출되어 실시간 화물운송경로 위험도 평가에 효과적일 것으로 판단된다. 연구의 결과물은 향후 화물차 운전자를 위한 안전경로안내 서비스를 제공할 수 있으며 민간 내비게이션 업체와 협력을 통해 화물차 사고 예방을 위한 실시간 사고위험 경고 서비스 제공에 활용할 수 있다.
KCI 후보
교통안전 빅데이터와 Transformer-LSTM을 활용한 시계열 교통류 예측 분석 및 Xgboost 기반 실시간 고속도로 화물운송경로 위험도 평가 방법론 개발
A Methodology for Real-time Risk Assessment of Freeway Freight Routes using Transformer-LSTM Time-series Prediction with Traffic Safety Big Data
물류과학기술연구
약어 : JLST
2024 vol.5, no.1, pp.44 - 58
DOI : 10.23178/jlst.5.1.202403.003
발행기관 : 한국물류과학기술학회
연구분야 : 과학기술학
Copyright © 한국물류과학기술학회
약어 : JLST
2024 vol.5, no.1, pp.44 - 58
DOI : 10.23178/jlst.5.1.202403.003
발행기관 : 한국물류과학기술학회
연구분야 : 과학기술학
Copyright © 한국물류과학기술학회