머신러닝 기반 공용연수에 따른 수선유지비 변화 예측 방법 연구

Forecasting Freeway Repair and Maintenance Costs by Lifespan Using Machine Learning

초록

예비타당성조사의 도로부문 수선유지비용은 공용연수에 따른 변화 추세를 반영하기 위해 기본 원단위에 변화 비율(K)를 곱해 산정되며, 예측에 사용된 회귀모형의 적합성과 분석기간을 고려해 30년까지 지침에 제공되고있다. 추후 도로부문 경제성 분석기간 연장에 대비하여 변화 비율(K) 범위의 확대가 필요하지만, 기존 회귀식으로는 30년 이후 변화 비율(K)의 예측이 어려워 새로운 방법론이 필요한 실정이다. 이에 본 연구는 랜덤포레스트 등 머신러닝 방법론을 활용하여, 공용연수와 유지관리비간의 비선형적 관계를 효과적으로 분석하고, 기존 회귀식 대비 높은 설명력을 확보할 수 있는 방안을 제시하였다. 랜덤포레스트, XGBoost 기법을 통해 40년간의 변화비율(K)를 예측한 결과, 설명력은 90%이상으로 나타나 의사결정나무 기반 앙상블 모델이 예측에 적합한 것으로 나타났다. 연구 결과를 기반으로 제시된 40년간 공용연수별 변화비율(K)은 경제성 분석기간 조정을 위한 근거 및 향후 타당성 분석을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

키워드

예비타당성조사; 수선유지비; 공용연수; 머신러닝; 랜덤포레스트; XGBoost Preliminary Feasibility Study; Repair and Maintenance Costs; Lifespan; Machine learning; Random Forest; XGBoost
제목
머신러닝 기반 공용연수에 따른 수선유지비 변화 예측 방법 연구
제목 (타언어)
Forecasting Freeway Repair and Maintenance Costs by Lifespan Using Machine Learning
저자
이건우; 김준하; 심재엽; 박지현; 오
DOI
10.34143/jtr.2025.32.2.65
발행일
2025-06
유형
정기학술지(Article(Perspective Article포함))
저널명
교통연구
권
32
호
2
페이지
65 ~ 76