교통 데이터 분석(이진 분류)

기관 : Department of Regional Development Research, Jeonbuk Institute

분석 목적

• 교통 사고 데이터에 대하여 머신러닝 기반의 사고 발생 여부 분류 모델 개발
• 분석 결과를 통하여 교통 사고 발생에 영향을 미치는 요인 파악
• 분류 모델의 분석 결과에 대한 설명가능한 인공지능(XAI) 기법을 적용한 해석

데이터 소개

• 반응 변수 : 사고 발생 여부(0 : 미발생, 1 : 사고 발생)
• 설명 변수 : 주행 도로의 특징(도로의 너비, 과속방지턱 여부, 신호등 유무, 중앙 차단선 유무, …)와 해당 도로의 교통량 등으로 이루어진 총 37개의 변수

분석 과정

1. 전처리

   1-1. 변수의 특성 및 결측치 유무 확인

   1-2. 반응 변수의 불균형(Imbalance) 문제 해결하기 위하여 오버 샘플링, 언더 샘플링, 하이브리드 샘플링 기법을 사용하여 데이터 보정

   1-3. 범주형 변수들에 대해 One-Hot Encoding을 통한 변수 전처리 및 연속형 변수들에 대한 StandardScaler를 통한 표준화 및 정규화 진행

   1-4. 7:3의 비율의 학습 데이터와 테스트 데이터로 나눔

2. 모델링

   2-1. 총 6개의 머신러닝 모델(RandomForest, CatBoost, SVM, NaiveBayes, XGBoost, LightGBM)에 대하여 학습 데이터를 통한 모델 학습 진행

   2-2. 하이퍼파라미터 최적화를 통하여 각 모델들 마다의 최적의 분류 성능 확인

   2-3. 4개의 성능 평가 척도(Accuracy, precision, recall, F1-score)에 대하여 최적의 성능을 보이는 머신러닝 모델 파악

3. 설명가능한 인공지능(XAI; eXplainable AI)

   3-1. 최적의 성능을 보이는 머신러닝 모델의 분류 결과에 대하여 XAI기법인 SHAP를 사용하여 교통 사고에 영향을 미치는 요인 파악

   3-2. 모델의 분류 결과에 대하여 PDP(Partial Dependence Plot)와 SHAP(Shapley Additive exPlanations)를 사용하여 모델의 분류 결과에 대한 해석 진행

결과