Project Detail
LH Traffic Safety · 고위험 격자 신호 분석
사고 이력이 부족한 신도시에서 어떤 100m 격자를 먼저 현장 검토해야 하는가?
100m 격자 단위로 사고·교통·공간 위험 신호를 학습하고
LORO 검증을 거쳐 하남교산 현장 검토 우선순위로 번역한
공간 데이터 분석입니다.
Decision Moment
질문이 바뀐 순간
이 프로젝트가 단순 분석에서 의사결정 구조로 넘어간 핵심 장면입니다.
Original Question사고가 많은 곳은 어디인가?
Reframed Question사고 이력이 부족한 하남교산에서 먼저 검토할 100m 위험 격자는 어디인가?
- Key Evidence
- 100m grid · 99,323 training grids · 770 target grids · LORO AUC 0.8604 · Top-10% Lift 4.39x
- Final Deliverable
- 고위험 격자 순위, 100m 위험 지도, 공개 Top-20 표, 현장 검토 우선 후보
- What this proves
- 공간 위험 신호를 검증 지표와 현장 검토 단위로 전환하는 역량
Evidence Snapshot
근거 스냅샷
숫자가 있는 프로젝트는 검증 지표를 먼저, 데이터가 부족한 프로젝트는 확인 가능한 산출물 중심으로 정리했습니다.
Signal Case Study공간 위험 신호
100m 격자 위험 신호를 현장 검토 우선순위로 바꾸기
행정구역 평균에 묻히는 세부 위험 차이를 100m 격자로 읽고, 지역 전이 검증을 거쳐 하남교산 안전시설 현장 검토 후보로 정렬한 공간 의사결정 사례입니다.
100m Grid99,323 Training Grids770 Target GridsSpatial RFLOROAUC 0.8604Lift 4.39xPriority Ranking
014개 기존 시·구→
02100m grid→
03사고·교통·공간 변수→
04Spatial RF→
05LORO validation→
06risk score→
07Top-k ranking→
08inspection candidate
Evidence Snapshot
공개 가능한 공간·검증 근거
비공개 원천 데이터 없이 확인 가능한 범위·검증 요약, 100m 위험 지도, 공개 Top-20 표를 함께 제시합니다.
저이력 신도시의 우선순위 문제
사고 기록이 적다는 사실만으로 안전하다고 판단할 수 없고, 시·구 평균은 내부의 세부 위험 차이를 가립니다.
- 사고 건수 중심 판단의 한계
- 결과는 설치 결정이 아닌 현장 검토 신호
100m 격자를 공통 의사결정 단위로 사용
위험 산정, 후보 비교, 지도 표현, 시나리오 검토를 같은 100m × 100m 격자 단위로 연결했습니다.
- 99,323개 학습 격자
- 하남교산 770개 대상 격자
공간 좌표 포함 Random Forest
사고·교통·공간 변수와 격자 중심 좌표를 결합해 위치별 위험 패턴을 학습했습니다.
- 전용 GWRF로 과장하지 않음
- legacy GRF/GWRF 파일명과 실제 구현을 분리
지역을 바꿔도 유지되는지 검증
한 지역씩 제외하는 LORO로 특정 지역에만 맞춘 위험 신호인지 점검했습니다.
- Mean AUC 0.8604 · Worst 0.7979
- Top-10% Lift 4.39x
위험 점수를 Top-k 검토 후보로 변환
하남교산 격자를 위험도 순으로 정렬하고 공개 가능한 Top-20 표를 별도 증거로 제공합니다.
- 공개 표는 순위·정규화 위험도만 포함
- 비공개 결과는 needs confirmation
모델 결과를 현장 검토 언어로 번역
위험 신호를 제한된 조사·예산 자원을 어디부터 투입할지 검토하는 우선순위로 해석합니다.
- 시설 패키지·추천 사유 생성 로직
- 실제 결정에는 현장 검증 필요
시나리오와 인과효과를 구분
Top-k는 현장 점검 우선순위 제안이며 실제 현장 검증이나 사고 감소 효과를 증명하지 않습니다.
- fold별 LORO 원본·Dashboard URL은 needs confirmation
- R²=0.006은 점수 체계 차이 진단 자료
공개 가능한 증거만 분리
비공개 원천 데이터 대신 성능 카드, 검증 요약, 위험 지도, 공개 Top-20 표로 검토 경로를 제공합니다.
- 민감 좌표·원천 데이터 미노출
- 공개 저장소 기준 재생성 스크립트 제공
Problem / Context
문제와 맥락
- 주요 도메인
- 공공데이터
- 역할
- 100m 공간 위험 신호 설계 / LORO 전이 검증 / 현장 검토 우선순위 도출
- 기간
- 2026
- 형태
- 개인 프로젝트
사고 이력이 부족한 신도시에서는 과거 사고 건수만으로 안전시설 우선순위를 정하기 어렵습니다. 행정구역 평균도 같은 지역 내부의 도로 구조와 통행 환경 차이를 가리기 때문에, 더 작은 공간 단위의 위험 신호와 검증 기준이 필요했습니다.
사고 빈도와 행정구역 평균만으로는 사고 이력이 부족한 신도시 내부의 세부 위험 구간을 먼저 검토하기 어렵습니다.
안전시설 검토는 실제 현장 단위에 가까운 공간 신호와 지역이 바뀌어도 유지되는지에 대한 검증 근거가 필요하기 때문입니다.
Data & Method
데이터와 접근
- 4개 기존 시·구 사고·교통·공간 데이터
- 100m 격자와 중심 좌표
- 하남교산 대상 격자
- 사고·교통·공간 변수를 100m 격자 단위로 통합
- 공간 좌표 포함 Random Forest로 사고 발생 위험 신호 학습
- LORO로 지역 전이 구분력과 상위 위험 후보 집중도 검증
- 하남교산 770개 격자를 위험도 순으로 정렬해 현장 검토 후보 도출
- 공개 성능 카드·검증 요약·위험 지도·Top-20 표로 증거 경로 구성
- Mean LORO AUC 0.8604
- Top-10% Lift 4.39x
- Worst holdout AUC 0.7979
- Monte Carlo mean Jaccard 0.503
Output
결과물
4개 기존 시·구의 사고·교통·공간 데이터를 100m 격자로 통합하고, 공간 좌표 포함 Random Forest를 LORO로 검증했습니다. 검증된 위험 신호를 하남교산 770개 격자에 적용해 현장 검토 우선 후보로 정렬했습니다.
하남교산 고위험 100m 격자 순위안전시설 현장 검토 우선 후보공개 Top-20 표100m 위험 지도와 검증 요약
Key Insight
핵심 포인트
- 행정구역 평균 대신 100m 격자를 위험 산정과 현장 검토의 공통 단위로 설계
- 공간 좌표 포함 Random Forest를 LORO로 검증해 지역 전이 가능성을 점검
- 모델 점수를 사고 감소 효과가 아니라 현장 검토 우선순위 신호로 번역
Limits / Notes
한계와 검토 메모
검증 범위와 추가로 확인해야 할 조건을 숨기지 않고 함께 남겼습니다.
- 적용 전후 시나리오는 실제 사고 감소 효과나 인과효과를 증명하지 않습니다.
- 모델 출력은 시설 설치 결정이 아니라 현장 점검 우선순위를 위한 위험 신호입니다.
- 실제 시설 결정에는 현장 조사, 예산, 법규, 주민 수요, 행정 절차가 필요합니다.
- 원본 공모전 데이터와 시설 패키지·추천 사유 최종 결과는 공개되지 않아 일부 재현이 제한됩니다.
- LORO 공개 근거는 요약 지표이며 fold별 원본 결과와 검증 가능한 공개 Dashboard URL은 needs confirmation입니다.
- 실제 현장 점검 결과와 사고 감소 사후 검증 결과는 없습니다.
- 공간 전이는 지역별 도로 구조와 생활권 차이의 영향을 받을 수 있습니다.
- R²=0.006은 legacy GWRF 정규화 위험도와 09번 시설 입지 선정 정규화 점수 사이의 선형 설명력이 매우 낮음을 보여줍니다. 순위상관이나 성능 증거로 사용하지 않습니다.
Links
확인 가능한 산출물
GitHub README와 portfolio case study 문서에서 공개 증거 생성 방식, 검증 요약, Top-20 공개 경계를 확인할 수 있습니다.
Case Studies