이재식 허경 2012-02 12545 https://aurora.ajou.ac.kr/handle/2018.oak/9705 학위논문(석사)아주대학교 일반대학원 :경영정보학과,2012. 2 데이터 마이닝은 대용량의 데이터 속에서 의미 있는 패턴이나 규칙을 찾아내기 위하여 데이터를 탐색하고 분석하는 과정이다. 본 연구에서는 다양한 데이터 마이닝 기법들을 이용하여 교통사고 피해자의 상해 심각도를 예측하는 모델을 구축하였다. 본 연구에서는 미국 NASS의 GES 2008년 데이터를 사용하였는데, GES 데이터가 제공하는 8개의 상해 심각도 수준 중에서, ‘상해 없음’, ‘상해 가능’, ‘불구 없는 상해’, ‘불구 있는 상해’, ‘치명적 상해’로 총 5개의 수준을 대상으로 분석하였다. GES 데이터의 상해 심각도 수준은 그 발생 건수에서 심한 불균형을 보이고 있다. 발생 건수가 가장 많은 ‘상해 없음’은 약 70%를 차지하는데 반해, 가장 적은 ‘치명적 상해’는 0.4%밖에 되지 않는다. 이와 같은 불균형 데이터에 단순하게 한 가지의 데이터 마이닝 기법을 사용하여 모델을 구축하면, ‘상해 없음’의 경우에는 적중률이 90% 이상 나오지만 ‘치명적 상해’의 경우에는 0%가 나온다. 또한 상해가 있는 레코드임에도 불구하고 ‘상해 없음’으로 분류되는 ‘Type Ⅰ Error’가 발생한다. 이러한 문제점이 포함된 모델을 현실의 교통사고에 적용하게 되면 사고 피해자에게 적절한 후속조치를 적시에 제공할 기회를 놓치게 되어 심각한 피해를 줄 수가 있다. 그러므로 본 연구에서는 상해 심각도의 수준 간의 불균형을 해소하고자 Undersampling 기법을 사용하고, 상해 심각도 수준에 따라 적합한 데이터 마이닝 기법을 달리 적용하여 하이브리드 모델을 구축하였다. 그 결과, 기존의 어느 연구보다도 우수한 성능의 모델을 구축하였다. 기존 연구에서 40%대의 적중률에 그쳤던 ‘치명적 상해’의 경우에 본 연구에서는 95.9%의 월등한 적중률을 보였고, ‘상해 없음’의 경우에도 기존의 어느 연구보다도 높은 88.8%의 적중률을 보였다. 제 1 장 서 론 제 1 절 연구의 필요성 제 2 절 연구의 목적 및 방법 제 3 절 논문의 구성 제 2 장 기존 문헌 연구 제 1 절 자동차 사고 예측에 관한 연구 제 2 절 하이브리드 모델(Hybrid Model)에 관한 연구 제 3 장 사용된 데이터 마이닝 기법 제 1 절 로지스틱 회귀분석(Logistic Regression) 제 2 절 의사결정 나무(Decision Tree) 제 3 절 인공신경망(Artificial Neural Network) 제 4 절 사례기반추론(Case-based Reasoning) 제 4 장 데이터 준비 제 1 절 사용 데이터 제 2 절 속성 선정 제 3 절 모델 데이터 집합 구성 제 5 장 상해 심각도 예측 모델 구축 제 1 절 구축한 모델의 성능 평가 기준 제 2 절 단일 모델(Single Model) 제 3 절 앙상블 모델(Ensemble Model) 제 4 절 하이브리드 모델(Hybrid Model) 제 5 절 세분(Analysis) 후 종합(Synthesis) 하이브리드 모델 제 6 장 구축된 모델의 성능 평가 제 7 장 결론 및 향후 과제 제 1 절 연구 결과 및 의의 제 2 절 한계점과 향후 연구 방향 kor The Graduate School, Ajou University 아주대학교 논문은 저작권에 의해 보호받습니다. 하이브리드 모델을 이용한 교통사고의 상해 심각도 예측 Gyeong Heo Thesis 아주대학교 일반대학원 Gyeong Heo 일반대학원 경영정보학과 2012. 2 Master http://dcoll.ajou.ac.kr:9080/dcollection/jsp/common/DcLoOrgPer.jsp?sItemId=000000012545 데이터 마이닝