Statistical models and time-series deep learning for short-term forecasting of railway accidents in Korea
Abstract
본 연구는 국내 열차 사고 통계를 이용하여 2025년 사고 발생 수준을 예측하고, 철도안전 정책 수립에 활용 가능한 정량적 근거를 제시하였다. 이를 위해 철도안전정보종합관리시스템에서 제공하는 2001년부터 2004년까지 월별 열차 사고 자료 (사고 건수, 사망자 수, 사상자 수)를 활용하였다 시계열 분해와 robust Z-점수를 이용해 이상치를 탐지한 뒤 선형보간으로 보정하여 정제된 시계열을 구성하였다. 이후 통계적 모형 (포아송 회귀, 음이항 회귀)과 시계열 딥러닝 모형 (RNN, LSTM), TimeGAN 기반 데이터 증강을 적용한 LSTM (TimeGAN+LSTM)을 이용하여 예측을 수행하고, MAE, RMSE, MASE를 지표로 성능을 평가하였다. 2005년 월별 예측 결과, 사고 건수 약 3.6~4.4건 (5~6월에 상대적으로 높음), 사망자 수 1~2명, 사상자 수 약 2.5명으로 나타나, 전반적으로 낮은 수준에서 유지되는 것으로 추정되었다. 같은 기간 열차운행거리와 수송실적은 지속적으로 증가한 반면, 사고 지표는 감소하거나 낮은 수준을 유지해 운행 규모 대비 위험도는 상당히 완화된 것으로 해석된다. 그럼에도 예측값이 0으로 수렴하지 않아 일정 수준의 인명 피해가 지속될 가능성이 남아 있으며, 사고 발생을 줄이는 노력과 사고 1건당 피해를 최소화하기 위한 정책의 강화가 여전히 필요함을 보여준다.
Fields of Study & Subjects
Transportation Systems and Safety
Traffic and Road Safety
Evaluation and Optimization Models
Publication details
- Journal / source
- Journal of the Korean Data and Information Science Society
- Volume
- 37
- Issue
- 1
- Pages
- 31–45
- Publication date
- 31 January 2026
- Language
- EN