본 논문은 도로 교통사고 분석 및 모델링을 위한 새로운 프레임워크인 CrashSage를 제시합니다. CrashSage는 대규모 언어 모델(LLM)을 중심으로, 기존의 통계 모델 및 트리 앙상블 접근 방식의 한계를 극복하고자 네 가지 혁신적인 요소를 포함합니다. 첫째, 이종의 교통사고 데이터를 구조화된 텍스트 서술로 변환하는 전략을 제시합니다. 둘째, 기본 LLM 모델을 사용하여 맥락 인식 데이터 증강을 수행합니다. 셋째, LLaMA3-8B 모델을 미세 조정하여 사고 심각도를 추론하고, 기존 접근 방식보다 우수한 성능을 보임을 입증합니다. 마지막으로, 기울기 기반 설명 가능성 기법을 사용하여 모델의 의사결정 과정을 설명합니다.
