보행자 사망 교통사고 분석을 통한 현행제도 개선 가이드라인

김도원·2023년 6월 7일
데이터분석
0
post-thumbnail

프로젝트 요약

안전속도 5030 시행 후 2년이 지났음에도 여전히 실효성에 대한 논쟁이 진행 중이며, 거센 여론에 일부 시군구에서는 야간에 제한 속도를 상향하는 등 정책을 수정 시행할 예정
안전속도 5030 정책의 실효성을 확인 후 교통안전에 대한 중요한 요소를 분석하여 보완해야 할 점 제공 및 향후 교통 정책 수립에 대한 가이드라인을 제공하고자 한다.

박무, 연무 등이 자주 발생하고 시야 확보가 어려운 새벽 시간대에도 정책 유지
및 과속 단속 카메라 1대당 사망자 분포가 높은 곳에 단속 카메라 추가 설치 권고

역할

1. 빅쿼리에 데이터를 취합하였습니다.

2. 빅쿼리에서 데이터를 받아 파이썬에서 쿼리 작성하여 복합 누적막대바 선차트, 원 비중차트 등을 시각화 하였습니다.

image.jpg1image.jpg2
image.jpg3image.jpg4
날씨 조건에 따른 사고발생 비중 코드 

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from google.cloud import bigquery

font_path = r'D:\폰트\Nanum_Gothic\NanumGothic.ttf'
fontprop = fm.FontProperties(fname=font_path, size=12)
#### bigquery json 입력
client = bigquery.Client.from_service_account_json(r'.json')

target_year = "2022"

query = f"""
SELECT
  weather AS Weather_Condition,
  SUM(Death_Toll) AS Death_Toll,
  SUM(Serious_Injury) AS Serious_Injury,
  SUM(Minor_Injury) AS Minor_Injury,
  SUM(Injury_Report) AS Injury_Report
FROM `road-traffic-safety-388112.Traffic_Accidents.Weather`
WHERE years = {target_year}
GROUP BY weather;
"""

job = client.query(query)
results = job.result()

weather_conditions = []
death_rate = []
serious_rate = []
minor_rate = []
report_rate = []

for row in results:
    weather = row['Weather_Condition']
    death_toll = row['Death_Toll']
    serious_injury = row['Serious_Injury']
    minor_injury = row['Minor_Injury']
    injury_report = row['Injury_Report']
    total = death_toll + serious_injury + minor_injury + injury_report

    weather_conditions.append(weather)
    death_rate.append((death_toll / total) * 100)
    serious_rate.append((serious_injury / total) * 100)
    minor_rate.append((minor_injury / total) * 100)
    report_rate.append((injury_report / total) * 100)

x = range(len(weather_conditions))

plt.bar(x, death_rate, label='사망자', color='#e40615' )
plt.bar(x, serious_rate, bottom=death_rate, label='중상자', color='#003f7d')
plt.bar(x, minor_rate, bottom=[death_rate[i] + serious_rate[i] for i in x], label='경상자', color='#f8be31')
plt.bar(x, report_rate, bottom=[death_rate[i] + serious_rate[i] + minor_rate[i] for i in x], label='부상신고자', color='#fd7702')

plt.ylabel('누적 비중(%)', fontproperties=fontprop)
plt.title(f'날씨 조건에 따른 사고 발생 비중 ({target_year})', fontproperties=fontprop, fontsize=16)
plt.xticks(x, weather_conditions, fontproperties=fontprop)
plt.legend(prop=fontprop, bbox_to_anchor=(1.02, 1), loc='upper left')

plt.show()
서울시 연도별 사고발생 비중 코드 
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from google.cloud import bigquery

font_path = r'D:\폰트\Nanum_Gothic\NanumGothic.ttf'
fontprop = fm.FontProperties(fname=font_path, size=12)

client = bigquery.Client.from_service_account_json(r'.json')



query = f"""
SELECT years AS years_Condition,
  SUM(Death_Toll) AS Death_Toll,
  SUM(Serious_Injury) AS Serious_Injury,
  SUM(Minor_Injury) AS Minor_Injury,
  SUM(Injury_Report) AS Injury_Report
FROM `road-traffic-safety-388112.Traffic_Accidents.Pedestrian_Jaywalking_Seoul` 
GROUP BY years
ORDER BY years ASC;
"""

job = client.query(query)
results = job.result()

years_conditions = []
death_rate = []
serious_rate = []
minor_rate = []
report_rate = []

for row in results:
    years = row['years_Condition']
    death_toll = row['Death_Toll']
    serious_injury = row['Serious_Injury']
    minor_injury = row['Minor_Injury']
    injury_report = row['Injury_Report']
    total = death_toll + serious_injury + minor_injury + injury_report

    years_conditions.append(years)
    death_rate.append((death_toll / total) * 100)
    serious_rate.append((serious_injury / total) * 100)
    minor_rate.append((minor_injury / total) * 100)
    report_rate.append((injury_report / total) * 100)

x = range(len(years_conditions))
bar_width= 0.4
plt.bar(x, death_rate, label='사망자', width=bar_width, color='#e40615' )
plt.bar(x, serious_rate, bottom=death_rate, label='중상자', width=bar_width, color='#003f7d')
plt.bar(x, minor_rate, bottom=[death_rate[i] + serious_rate[i] for i in x], label='경상자', width=bar_width, color='#f8be31')
plt.bar(x, report_rate, bottom=[death_rate[i] + serious_rate[i] + minor_rate[i] for i in x], label='부상신고자', width=bar_width, color='#fd7702')


plt.ylabel('누적 비중(%)', fontproperties=fontprop)
plt.title(f'서울시 연도별 사고 발생 비중', fontproperties=fontprop, fontsize=16)
plt.xticks(x, years_conditions, fontproperties=fontprop)
for i, (d, s, m, r) in enumerate(zip(death_rate, serious_rate, minor_rate, report_rate)):
    plt.text(i, d/2, f"{d:.1f}%", ha='center', color='white')
    plt.text(i, d + s/2, f"{s:.1f}%", ha='center', color='white')
    plt.text(i, d + s + m/2, f"{m:.1f}%", ha='center', color='black')
    plt.text(i, d + s + m + r/2, f"{r:.1f}%", ha='center', color='black')
    
plt.plot(x, serious_rate, color='lightgreen', marker='o', label='중상자', linewidth=2)
plt.plot(x, minor_rate, color='#f8be31', marker='o', label='경상자', linewidth=2)
plt.legend(prop=fontprop, bbox_to_anchor=(1.02, 1), loc='upper left')

plt.show()
연도별 횡단사고 치사율 코드 
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from google.cloud import bigquery

font_path = r'D:\폰트\Nanum_Gothic\NanumGothic.ttf'
fontprop = fm.FontProperties(fname=font_path, size=12)
#### bigquery json 입력
client = bigquery.Client.from_service_account_json(r'.json')

query1 = """
SELECT years,
    SUM(death_toll) AS death_toll,
    SUM(counts) AS counts,
    SUM(death_toll) / SUM(counts) * 100 AS death_per
FROM `road-traffic-safety-388112.Traffic_Accidents.Pedestrian_Type_Seoul`
WHERE accident_type = '횡단중'
GROUP BY years
"""
query_job1 = client.query(query1)

results1 = query_job1.result()

values = {}
for row in results1:
    year = row['years']
    death_toll = row['death_toll']
    counts = row['counts']
    values[year] = (death_toll, counts)

query2 = """
SELECT years,
    SUM(death_toll) AS death_toll,
    SUM(counts) AS counts,
    SUM(death_toll) / SUM(counts) * 100 AS death_per
FROM `road-traffic-safety-388112.Traffic_Accidents.Pedestrian_Jaywalking_Seoul`
GROUP BY years
"""
query_job2 = client.query(query2)

results2 = query_job2.result()

years1 = []
death_per_values1 = []
years2 = []
death_per_values2 = []

for row in results2:
    year = row['years']
    death_toll = row['death_toll']
    counts = row['counts']
    if year in values:
        diff_death_toll = values[year][0] - death_toll
        diff_counts = values[year][1] - counts
        years1.append(year)
        death_per_values1.append(row['death_per'])
        years2.append(year)
        death_per_values2.append(diff_death_toll / diff_counts * 100)

bar_width = 0.3
bar1_positions = [year - bar_width/2 for year in years1]
bar2_positions = [year + bar_width/2 for year in years2]

plt.bar(bar1_positions, death_per_values1, color='#e40615', width=bar_width, label='횡단보도 외')
plt.bar(bar2_positions, death_per_values2, color='#003f7d', width=bar_width, label='횡단보도 내')

plt.ylabel('치사율(%)', fontproperties=fontprop)
plt.title('연도별 횡단 사고 치사율', fontproperties=fontprop, fontsize=16)
plt.xticks([2019, 2020, 2021, 2022], ['2019', '2020', '2021', '2022'], fontproperties=fontprop, fontsize=12)
plt.legend(prop=fontprop)
plt.show()
서울시 가해 운전자 성별 비중 코드 
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from google.cloud import bigquery
#### bigquery json 입력
font_path = r'D:\폰트\Nanum_Gothic\NanumGothic.ttf'
fontprop = fm.FontProperties(fname=font_path, size=12)
#### bigquery json 입력
client = bigquery.Client.from_service_account_json(r'.json')


query = """
SELECT year,
    gender,
    death_toll,
    serious_injury,
    minor_injury,
    injury_report

FROM `road-traffic-safety-388112.Traffic_Accidents.Seoul_Perpetrator_Gender`
WHERE gender != '기타불명'
"""
query_job = client.query(query)
results = query_job.result()
colors = [ '#003f7d', '#e40615', '#f8be31', '#fd7702', '#666a73','lightblue','lightyellow']
# Store the results in lists
gender_list = []
death_toll_list = []
for row in results:
    gender_list.append(row.gender)
    death_toll_list.append(row.death_toll)

# Plotting the pie chart for age
plt.figure(figsize=(8, 6))
plt.pie(death_toll_list, labels=gender_list, autopct='%1.1f%%',textprops={'fontproperties': fontprop}, colors = colors)
plt.title('서울시 사망 사고 가해 운전자 성별 비중 (2022)', fontproperties=fontprop).set_fontsize(16)

plt.show()

3. 가설 "가시거리가 짧아지면 사고 치사율이 올라갈 것이다." , "횡단보도외 횡단 가시거리의 연관성" 글과 데이터를 작성하였습니다.

사고의 비중은 맑은 날씨에서 90%를 차지하며, 안개는 0.1%에 그치지만 전체 사망자 비율에서는 안개가 절반을 차지하고 있습니다. 이는 흐림, 눈, 비 등 가시거리 확보가 힘든 날씨에서 사망사고가 더 자주 발생한다는 것을 시사합니다. 중상자와 경상자 비율을 살펴보면, 안개 날씨에서는 사고가 발생할 경우 중상자가 크게 나타나는 경향이 있습니다. 또한, 시간대별 사고 대비 사망자 비율을 선 그래프로 분석해보면, 야간 시간대에서의 치사율이 주간 시간대보다 2배에서 5배 정도 높은 것을 확인할 수 있습니다. 이러한 이유로 가시거리 증가를 위한 보조 장비의 중요성이 강조되며, 안개등과 전조등을 키고 안전거리를 최대한 유지하며 속도를 줄이는 등 운전자는 기상이 안 좋을 때 적절한 운전 방법을 채택해야 합니다. 또한, 청각 정보를 활용하여 사고 예방에 효과적으로 기여할 수 있습니다.
야간시간에 속도제한을 풀어주는 예외 조례(법령)을 만드는 것에 반대한다.

횡단보도 내 사고와 횡단보도 외 사고의 치사율 비교 결과, 횡단보도 외 사고의 치사율이 높은 것으로 확인되었습니다. 이는 운전자들이 횡단보도가 있는 지점에서는 주의를 기울이고 감속하는 경향이 있기 때문입니다. 그러나 일반 주행 상황에서 예기치 못한 보행자 출연으로 인해 감속하지 못한 상황에서 사고가 발생할 수 있습니다.
그러므로 운전자의 일반 주행 속도 자체를 줄이는 정책은 횡단보도 외 사고의 치사율을 줄이는 데 상당한 영향을 미칠 수 있다고 볼 수 있습니다. 일반 도로에서의 속도 감속은 운전자의 반응 시간을 늘리고 사고 발생 시 충격을 완화시킬 수 있어 사망이나 중상을 예방하는 데 도움이 됩니다.
그러므로 속도를 줄이는 정책의 중요성을 강조하고, 운전자들에게는 일반 주행 상황에서도 안전속도를 유지하도록 교육하는 것이 필요합니다. 이는 사고 발생 가능성을 감소시키고 보행자와 운전자의 안전을 향상시키는 데 도움이 될 것입니다.

4. Notion 으로 제작과정 공유

기술스택

  • PYTHON

  • SQL

  • BigQuery

  • Matplotlib

  • Numpy

결과

최종 결과물은 PPT 파일로 제작 했습니다.



profile
김도원
그냥 사는 사람
이전 포스트

파이썬 배우고 처음 만든 게임(?)

다음 포스트

Netflix Original Films & IMDB Data Analysis

0개의 댓글