오하이오 교통사고 보고서 텍스트 마이닝
교통사고는 공중 보건에 심각한 위협을 가하지만, 기존 사고 데이터는 광범위한 분류에 의존하여 중요한 세부 사항을 간과합니다. 본 연구는 오하이오 사고 데이터셋 내의 모호한 범주인 “기타 부적절한 행동”과 “식별 불가”로 인해 발생하는 정보 격차를 해소하고자 합니다. 2020년부터 2024년까지의 67,000건 이상의 자유 텍스트 사고 기록에 대해 기술 통계, N-그램 분석, 잠재 디리클레 할당(LDA) 토픽 모델링을 결합한 다각적인 분석 프레임워크를 적용했습니다. 이를 통해 기존 분류에 가려져 있던 잠재적 기여 요인을 밝혀냈습니다. 분석 결과, “기타 부적절한 행동”은 불리한 환경 조건 및 공식적인 교통 통제 부족과 불균형적으로 연관되어 있음이 드러났습니다. 텍스트 마이닝은 심각한 공간 인식 결함, 주차된 차량 충돌, 환경 요인으로 인한 차량 제어 상실 등 숨겨진 행동 및 환경 요인을 추출했습니다. 반면, “식별 불가” 사고는 주간 및 신호등 교차로에서 더 빈번하게 발생했습니다. 이는 물리적 정보 부족보다는 운전자 진술 불일치, 특히 차선 변경 침범 및 우선권 분쟁에서 비롯된 조사 모호성 때문임이 밝혀졌습니다. 이러한 발견은 기존에 알려진 사고 메커니즘을 검증할 뿐만 아니라, 모호한 데이터 분류를 실행 가능한 정보로 전환합니다. 본 방법론은 교통 안전 전문가에게 주 전체 데이터 수집 프로토콜을 개선하고, 공학적 기반의 표적 안전 개입을 개발하는 데 필요한 세부적인 증거를 제공할 것입니다.