교통 사고 위험 지역 예측

이 프로젝트는 과거 교통 사고 데이터와 도로 환경 정보를 분석하여 사고 위험이 높은 지역을

예측하는 모델을 개발하는 것이었습니다. 목표는 위험 지역을 사전에 식별하여 예방 조치를

취할 수 있도록 하는 것이었습니다.

5년간의 교통 사고 데이터, 도로 설계 정보, 교통량 데이터, 날씨 데이터 등을 수집하고

통합했습니다. Python과 scikit-learn을 사용하여 다양한 머신러닝 모델(랜덤 포레스트,

그래디언트 부스팅, 로지스틱 회귀 등)을 개발하고 비교했습니다.

QGIS를 활용하여 예측 결과를 지도 위에 시각화하고, 위험도에 따라 색상으로 구분했습니다.

개발된 모델은 새로운 데이터에 대해 82%의 정확도로 고위험 지역을 예측할 수 있었습니다.

이 프로젝트의 결과는 도로 안전 개선 계획 수립에 활용되었으며, 우선적으로 개선이 필요한

지역을 식별하는 데 도움을 주었습니다.