실시간 교통 사고 예측을 위한 이질적 희소 데이터와 대규모 US‑Accidents 데이터셋

본 논문은 교통 사고 위험을 실시간으로 예측하기 위한 새로운 데이터셋과 딥러닝 기반 모델을 제시한다. 서론에서는 전 세계적으로 매년 125만 건이 넘는 교통 사망자가 발생하고 있음을 언급하며, 기존 연구가 소규모 데이터, 복잡하고 실시간 적용이 어려운 데이터 요구, 그리고 단순 모델에 의존하는 문제점을 지적한다. 이러한 문제를 해결하고자 저자들은 (1) 대규모 공개 데이터셋 US‑Accidents를 구축하고, (2) 이질적이고 희소한 데이터를 활용한 딥 뉴럴 네트워크 모델 DAP을 설계하였다. 관련 연구 파트에서는 사고와 환경 요인(날씨, 교통 흐름, 도로 특성) 간의 관계를 분석한 기존 작업, 사고 발생 빈도 예측을 위한 시계열·공간 모델, 그리고 사고 위험(이진 분류) 예측 연구를 정리한다. 특히, 기존 연구들은 고해상도 교통량, 위성 이미지, 도로 네트워크 등 방대한 데이터를 필요로 하거나, 예측 간격이 하루 이상으로 실시간 적용이 어려운 점을 강조한다. 데이터셋 구축 파트에서는 2016년 2월부터 2019년 3월까지 미국 본토 전역에서 보고된 2.25 백만 건의 사고 레코드를 수집했다. 각 사고는 GPS 좌표, 발생 시각, 자연어 설명, 날씨 관측값, 그리고 주변 POI(신호등, 교차로, 정지표지 등)와 연계된다. 데이터 파이프라인은 (i) 교통 이벤트 스트리밍 수집, (ii) 기상 관측 API와 OSM 기반 POI 데이터 크롤링, (iii) 결측치 보정·시간 정렬·공간 보강을 포함한다. 최종 데이터는 5 km × 5 km 격자와 15분 간격으로 정규화되어, 각 격자‑시간 셀에 대해 사고 발생 여부(양성/음성) 라벨이 부여된다. 문제 정의는 주어진 격자와 시간 구간에 대해 과거 8개의 15분 구간(총 2시간)의 교통·날씨·시간·POI 정보를 입력으로 받아 현재 구간의 사고 발생 여부를 이진 분류하는 것이다. 모델 설계는 세 가지 서브모듈로 구성된다. 첫 번째는 시계열 특성을 학습하기 위한 LSTM 레이어이며, 교통 이벤트, 날씨, 시간 정보를 시퀀스 형태로 입력한다. 두 번째는 POI와 같은 정적 특성을 처리하기 위한 다층 퍼셉트론(MLP)이다. 세 번째는 각 격자에 대한 학습 가능한 임베딩 벡터를 도입해 지역별 고유 위험 요인을 잠재 공간에 매핑한다. 이 세 모듈의 출력을 결합한 뒤, 최종 시그모이드 레이어를 통해 사고 발생 확률을 출력한다. 학습은 교차 엔트로피 손실을 최소화하는 방식으로 진행되며, 클래스 불균형을 완화하기 위해 양성 샘플에 가중치를 부여한다. 실험에서는 미국 주요 대도시(시카고, 뉴욕, 로스앤젤레스 등)에서 15분 간격의 사고 라벨을 예측하도록 모델을 훈련·검증하였다. 비교 대상은 로지스틱 회귀, Gradient Boosting Machine, 기본 LSTM, ConvLSTM, 그리고 최근 제안된 hetero‑ConvLSTM 등이다. 평가 지표는 전체 정확도, 정밀도·재현율·F1‑score이며, 특히 양성(사고) 사례가 전체의 0.5 % 미만에 불과한 상황에서 양성 F1‑score를 중점적으로 분석하였다. 결과는 DAP이 양성 F1‑score에서 기존 최선 전통 모델보다 16 % 향상, 최신 신경망 기반 모델보다 7 % 향상된 것으로 나타났다. 전체 정확도에서는 경쟁 모델과 비슷했지만, 사고 예측이라는 비대칭 문제에서 양성 성능이 중요한 의미를 가진다. 특성 중요도 분석에서는 시간(요일·시간대), 교통 이벤트(혼잡·공사), POI(신호등·정지표지)의 기여도가 가장 높았으며, 기상 요인은 상대적으로 낮은 영향을 보였다. 이는 실시간 교통 관리 시스템이 우선적으로 수집·전송해야 할 데이터 종류를 제시한다. 논문의 주요 기여는 다음과 같다. (1) 2.25 백만 건의 사고와 다중 컨텍스트 데이터를 포함한 대규모 공개 데이터셋 US‑Accidents를 제공, (2) 이질적 희소 데이터를 효과적으로 통합한 DAP 모델을 설계, (3) 15분 단위 실시간 예측에서 기존 방법 대비 양성 F1‑score를 크게 개선, (4) 시간·교통·POI 데이터가 사고 위험 예측에 핵심적임을 실증. 마지막으로 한계점과 향후 연구 방향을 논의한다. 현재 라벨링은 사고 발생 여부만을 다루며, 사고 심각도·인명 피해 등 정량적 위험 정도를 반영하지 못한다. 격자 크기와 시간 간격이 고정되어 있어 도시별 최적 설정을 탐색할 필요가 있다. 향후 연구에서는 다중 클래스 위험 수준 예측, 더 미세한 공간·시간 해상도, 차량·보행자 센서 데이터와의 융합, 그리고 실시간 경보 시스템과의 연계 등을 제안한다.