Journal Search Engine
The Journal of The Korea Institute of Intelligent Transport Systems Vol.24 No.3 pp.144-158
DOI : https://doi.org/10.12815/kits.2025.24.3.144
DOI : https://doi.org/10.12815/kits.2025.24.3.144
Topic Modeling Analysis of Traffic Safety Policy Keywords Using Korean Traffic Accident News Data
│
│
Abstract
Although fatalities and injuries from traffic accidents have consistently declined each year, Korea's traffic safety standards still lag behind those of major developed countries. To address this gap, this study proposes a policy model using text mining and Latent Dirichlet Allocation(LDA) topic modeling to analyze traffic accident-related news articles collected from major Korean news media. The analysis identified six key policy issues: strengthening penalties for drunk driving, ensuring child safety in school zones, responding to personal mobility device accidents, preventing motorcycle accidents, managing elderly drivers, and improving traffic infrastructure. The findings of this study are expected to serve as valuable foundational data for national and local governments in developing effective future policies for preventing and responding to traffic accidents.
국내 교통사고 뉴스 분석을 통한 교통안전 정책 키워드 토픽 모델링 연구
초록
매년 교통사고로 인한 인명 피해가 지속적으로 감소하고 있음에도 불구하고, 한국의 교통안 전 수준은 아직 주요 선진국에 비해 낮은 수준이다. 이를 위해 본 연구는 국내 주요 언론사에 서 수집한 교통사고 관련 뉴스 기사를 대상으로 텍스트 마이닝과 LDA 토픽 모델링 분석을 실시하여 정책 모델을 제안한다. 주요 이슈로 음주운전 처벌 강화, 스쿨존 및 어린이 안전, 개 인형 이동수단 사고 대응, 이륜차 사고 예방, 고령 운전자 대책, 교통 인프라 개선 등 총 6가지 의 핵심 토픽이 도출되었다. 본 연구결과는 정부와 지방자치단체가 향후 교통사고 예방 및 대 응 정책을 수립하는 데 유용한 기초자료로 활용될 수 있을 것으로 기대된다.
