보행교통은 모빌리티 수단으로서의 보행을 말하며 안전향상과 활성화 측면에서 접근할 수 있다. 이때 보행교통 위해요 소란 보행자의 안전하고 편리한 통행 환경을 저해하는 요소를 말하며, 이를 사전에 발굴하여 관리함으로써 보행자 사고 예방과 쾌적한 보행환경 구축이 가능하다. 본 연구에서는 2020~2022년 교통사고 데이터와 다양한 보행영향요인 데이터 를 활용하여 교통사고 및 보행자 사고 예측 모델을 개발하고 모델 결과를 해석하여 보행교통 위해요소를 도출하고자 하 였다. 보행영향요인은 기존 문헌에서 고찰된 요인들을 참고하여 수집 및 데이터화 하였으며, 교통사고 예측 모델을 개발 하기 위해 예측력이 우수하고 변수 간의 비선형성 혹은 상호관계를 잘 포착할 수 있는 것으로 알려진 XGBoost, Random Forest, Support Vector Machine과 같은 머신러닝 모델을 활용하였다. 또한 설명가능한 인공지능 기법인 SHAP 알고리즘을 통해 모델을 해석함으로써 변수 중요도와 상호작용을 분석하고 보행교통 위해요소를 도출하였다. 본 연구를 통해 도출된 보행교통 위해요소를 보행친화적인 교통 환경을 위한 중요한 기초 자료로 활용하여 사전에 관리 및 개선할 수 있을 것으로 기대한다.

• 박근휘(한양대학교 스마트시티공학과 석사과정) | Park Geunhwi
• 성예지(한양대학교 교통물류공학과 석사과정) | Sung Yeji
• 박준영(한양대학교 교통물류공학과·스마트시티공학과 부교수) | Park Juneyoung
• 최새로나(한국교통안전공단 모빌리티플랫폼처 책임연구원) | Choi Saerona