COVID-19 확산 및 방역지침 변화에 따른 지역별 교통사고시계열분석

Abstract

The World Health Organization declared COVID-19 a pandemic due to its rapid spread andglobal impact. Vaccines and treatments remain limited. Countries have prioritized non- pharmaceutical measures such as quarantine and containment to reduce virus transmission. COVID-19, which spreads predominantly in areas with high population density and mobility, has led to societal changes that have impacted road safety. Transportation research on the transmission of infectious diseases is actively conducted abroad, however, domestic research inthis area remains scarce. Therefore, the aim of this study was to verify the relationship betweenthe domestic COVID-19 pandemic and transportation. Then, time series prediction techniques are employed to forecast traffic crashes. This study conducted a correlation analysis to establishthe link between the count of confirmed COVID-19 cases, transportation indicators reflecting population movement, and the frequency of traffic crashes. Then, ARIMA, a statistical theory-based technique, and LSTM, a heuristic approach, were employed as time series traffic crash prediction methods. As a result of the analysis, the mean average percentage error of LSTM was 15.08%, which showed that the prediction performance was superior to the statistical theory-based technique. In addition, through SHAP, an explainable artificial intelligence technique, it was confirmed that public transportation usage and highway truck traffic volume have a positive impact on regional time series crash prediction. Based on the study findings, theresults can serve as a numeric benchmark to comprehend the influence of external elements, including extremely contagious diseases, on road safety, anticipate traffic incidents, and put into effect suitable safety measures in upcoming times.

COVID-19의 확산으로 인해 세계보건기구는 세계적인 대유행을 의미하는 팬데믹을 선언하였으며 각 국가들은 초기에 백신 및 치료제 등이 충분하지 않은 상황에서 비약학적 방역 대책과 봉쇄 정책을 추진하였다. 인구밀도와 이동량이 높은 지역을 중심으로 확산되는 특징이 있는 COVID-19는 사회에 변화를 일으켰으며 이러한 변화는 교통안전에 영향을 미쳤다. 해외에서는 감염병에 확산에 따른 교통 연구가 활발하게 이루어지는 반면 국내에서는 관련 연구가 부족한 실정이다. 따라서, 본 연구의 목적은 국내 COVID-19의 대유행 기간을 대상으로 시계열 예측 기법을 활용하여 교통사고를 예측하는 것이다. 본 연구는 COVID-19 확진자 수, 인구의 이동을 대표하는 교통 변수, 교통사고 빈도 간 상관성을 규명하기 위해 상관분석을 수행하였으며 통계적 이론에 기반한 ARIMA와 휴리스틱 방법론인 LSTM을 시계열 교통사고 예측 기법으로 활용하였다. 분석 결과, LSTM의 예측 오차율은 15.08%로 비교군에 비해 예측성능이 우수한 것으로 도출되었다. 또한, 설명가능한 인공지능 기법인 SHAP을 통해 대중교통 이용량과 고속도로 화물차 유‧출입량이 지역별 사고 시계열 예측에 긍정적인 영향을 미치는 것을 확인하였다. 연구의 결과물을 기반으로 향후 전파력이 강한 감염병과 같은 외부요인이 교통안전에 미치는 영향을 파악하고 교통사고를 예측하여 적절한 안전 조치를 수행할 수 있는 정량적 기준으로 활용할 수 있다.