1차 프로젝트 기획서
이 프로젝트의 대상이 누군지 명확히 정해야할듯!!
피드백
- 전반적으로 정의와 설명이 부족함. 핵심 산출물인 ‘이륜차 사고 위험 지수’가 무엇인지 어떤 변수들이 어떤 논리로 결합되는지 구체적으로 제시되지 않음.
- 이륜차 사고 위험 지수의 정의
- 각 도로 구간이 상대적으로 어느 정도 사고 위험을 내포하고 있는지를 0~1 범위의 연속값으로 표현한 지표
- 0에 가까울수록 상대적으로 안전하고, 1에 가까울수록 상대적으로 위험한 도로
- 산출값은 확률이 아니라 상대적인 위험 척도로 쓰임
- 절대적인 위험 강도 해석보다는 순위, 구간, Top-K 선별에 적합함
- 확률 추정 분류 모델로 확률을 출력하는 것이긴 하지만 출력이 아니라고 해석한다면 괜찮음
- 산출 방식
- 데이터를 모델에 입력시킴
- 입력 X: 도로 구간 피처
- 출력 Y: 실제 사고
- 모델은 피처들을 기반으로 사고 발생 가능성을 반영하는 연속값을 출력
- 이때 모델이 알아서 어떤 피처에 얼마만큼의 가중치를 주면 되는지 학습함
- 출력층에 시그모이드나 소프트맥스 등 0~1 범위를 강제하는 함수를 사용해 정규화함
- 최종 출력을 보고 가장 작은 값은 0, 가장 큰 값은 1에 가깝게 조정하는 것보다 더 합리적이라 생각했음
- 지수가 왜 타당한지에 대한 설명이 부족해 결과의 신뢰성이 약해 보임. 위험 지수 산출 과정에 대한 개념적 구조도나 단계 설명이 필요함.
- 상권 밀집도를 배달 수요의 대리변수로 사용하는 부분 역시 근거 제시가 부족함. 상권 밀집이 실제 이륜차 통행량이나 사고 위험과 어떻게 연결되는지에 대한 논리적 설명이 보완돼야 함. 특히 시간대, 요일, 상권 유형 차이 등이 고려되는지 명확하지 않음.
- 모델링 부분에서는 여러 기법을 제시했으나 각 모델의 역할 분담과 전체 분석 흐름이 불분명함. LightGBM, Negative Binomial, GAM이 각각 어떤 단계에서 어떤 목적을 위해 사용되는지 정리할 필요가 있음. 단순 나열이 아니라 선택 이유와 비교 관점이 드러나야 함.
- LightGBM: 위험 지수 산출 (주 모델)
- 도로 구간별 사고 위험을 0~1 범위의 연속 점수로 산출
- 단속 후보지 Top-K 선별, 지도 매핑, 정책 적용에 직접 사용
- Negative Binomial Regression: 사고 발생 구조 검증 (통계적 보조 모델)
- LightGBM이 산출한 위험 점수가 실제 사고 건수와 일관된 증가 관계를 가지는지 확인
- 사고 데이터를 확률적·통계적으로 설명
- GAM: 변수 효과 해석 및 정책 설명 (설명 모델)
- 개별 요인(곡률, 경사도, 상권 밀집도 등)이 사고 위험에 미치는 영향을 곡선 형태로 시각화
- 임계 구간(급격히 위험이 증가하는 지점) 탐색
- 평가 지표에서 제시한 기준값 역시 설정 근거가 제시되지 않아 임의적으로 보일 수 있음. 선행연구 기반인지, 경험적 기준인지 명확히 할 필요가 있음.
후보지 커버리지 → Precision@K / Recall@K
- 모델이 산출한 위험 점수 순위를 기준으로 상위 K% 도로를 선택하고, 실제로 사고가 발생한 도로인지를 측정해 모델의 성능을 평가함 ⇒ 위험 지수가 실제 사고 다발 구간을 얼마나 효과적으로 우선순위화하는지 측정
- Precision@K: 상위 K% 위험 도로 중에서 실제 사고가 발생한 도로의 비율
- (Top-K 안에서 실제로 사고가 있었던 도로 수) / (Top-K 도로 수)
- Recall@K: 전체 사고 도로 중 상위 K%에 포함된 비율
- (Top-K 안에서 실제로 사고가 있었던 도로 수) / (전체 도로 중 사고가 있었던 도로 수)
- 모든 도로를 관리할 수 없고, 단속 우선순위를 정하는 것이기 때문에 Top-K 선택을 해야 함
- 정량적 목표
- 도로를 완전 랜덤으로 뽑는다면
- 기대 Precision@K ~ 전체 도로에서 사고 도로 비율
- 기대 Recall@K ~ K%
- 모델 성능이 랜덤보다 몇 배 이상 높아야 의미가 있다
- K는 10%, Recall은 3배 이상, Precision은 2배 이상으로 잡으면 적절해 보임
- (선행 연구나 보편화된 값이 있는지 찾아봤지만 솔직히 베이스라인 값은 찾지 못함)
Spearman 상관 계수가 0.5 이상 → 베이스라인 모델의 값을 먼저 계산하고, 그 값보다 최소 0.1 크게 발전시킴
질문 / 다같이 정해보면 좋겠는 사항
- 위경도 주소를 어떤 주소로 바꿔서 사용할건지
- 도로명 주소로 바꿔서 도로명까지만 쓸건지, …
- 도로 범위에 따라서 결정하면 좋을 듯함. 도로명 주소까지가 범위라면 그 주소를 쓰고 도로의 특정 지점으로 범위를 정하면 (동묘앞역)까지 표시.
- 사고 위험 지수 산출할 도로 범위, 전체 대상 범위
- 도로명 주소까지로 할건지(예: 서울특별시 중구 세종대로 110, 111, 112, …), 그 외 다른 범위로 할건지
- 서울 전체로 할건지, 강남구까지만 할건지 등등
- 도로망 링크라는 것도 있나봄.(도로명이 건물 주소라면 이건 도로 주소 느낌.)
- 조사해야할 피쳐
- 도로의 통행량, 경사도, 도로 폭 등?
- 상권 관련 피쳐 생각하기
- 도로형태가 교차로인지 골목인지