Article

Journal of Korean Society of Transportation. 30 June 2019. 203-218
https://doi.org/10.7470/jkst.2019.37.3.203

ABSTRACT


MAIN

  • 서론

  • 선행연구

  • 설문 및 기초통계분석

  •   1. 설문조사 개요

  •   2. 나이대별 운전경력 및 운전빈도

  •   3. 교통사고 경험 및 교통위반 경험

  •   4. 운전능력 및 교통사고 위험성 인식

  • 운전자인식이 교통사고에 미치는 영향요인 분석

  •   1. 탐색적 요인분석

  •   2. 연구가설 설정

  •   3. 확인적 요인분석

  • 결론 및 향후과제

서론

도로교통공단 교통사고분석시스템(TAAS)자료에 의하면 3년(’13-’15년)동안 전국의 전체 교통사고 발생건수는 2013년 215,354건에서 2015년 232,035건으로 7.75% 증가하였으며, 연평균 3.80% 증가추세를 보이고 있다. 사망자수는 5,092명에서 4,621명으로 9.25% 감소하였으며, 연평균 4.74% 감소추세를 보이고 있다. 경기도 31개 시 ‧ 군중 수원시의 교통사고발생건수가 가장 높고, 경기도내 점유율은 5.35%이며, 2013년 4,513건에서 2015년 5,233건으로 15.95% 증가하였으며, 연평균 7.68% 증가추세를 보이고 있다. 인구 10만 명당 교통사고발생건수는 2013년 382.9건에서 2015년 428.2건으로 연평균 5.76%의 증가율을 보이고 있으며, 사망자수는 44명에서 39명으로 11.36% 감소하였고, 연평균 5.85% 감소 추세를 보이고 있다. 전국 및 수원시 전체 교통사고 발생건수는 증가추세를 보이고 있으며, 사망자수는 감소추세에 있는 것으로 나타났다. 3년간 전국의 고령운전자 교통사고 발생건수는 2013년 17,590건에서 2015년 23,063건으로 31.11% 증가하였으며, 연평균 14.51% 증가추세를 보이고 있고, 사망자수는 737명에서 815명으로 10.58% 증가하였으며, 연평균 5.16% 증가추세를 보이고 있다. 수원시의 고령운전자 교통사고 발생건수는 2013년 222건에서 2015년 302건으로 36.04% 증가하였으며, 연평균 16.63% 증가추세를 보이고 있다. 전국 및 수원시 고령운전자 교통사고 발생건수와 사망자수는 증가추세를 보이고 있는 것으로 나타났다. 그러나 전국 치사율은 8.16% 감소추세이며, 수원시 치사율은 10.69% 증가추세를 보이고 있다(Kim, 2017). 교통사고가 발생하는 요인은 인적요인, 도로 환경적요인, 복합요인 등 다양하다. 미국, 영국 등에서 교통사고를 심층 분석하여 도로, 도로사용자, 차량 또는 이들 상호작용이 사고에 얼마나 기여하는지를 규명한 자료를 보면 도로 요인이 28-34%, 도로사용자 요인이 93-94%, 차량 요인이 8-12%로 나타났다(Doh et al., 2013). 즉 교통사고의 90% 이상이 운전자와 관련이 있기 때문에 교통사고를 예방하기 위해서는 운전자 스스로의 잘못을 줄이고 이를 관리하는 운수업체의 관리방법에도 효율성이 필요하다고 볼 수 있다(Chun, 2015). 선행연구에 따르면 교통사고나 교통법규위반 경험이 많은 운전자일수록 교통사고와 교통법규위반을 일으킬 확률이 높은 것을 알 수 있으며, 특히 신호위반이나 속도위반과 같은 중대 교통법규위반을 했던 운전자들은 교통법규위반을 하지 않았던 운전자보다 교통사고 발생률이 높다는 연구들이 있다(Ki, 2009; Yoo and Choi, 2012; Korea Transportation Safety Authority, 2014). 운전자의 교통사고와 교통법규위반에 관한 선행연구를 통해 교통법규위반을 하는 운전자가 위반을 하지 않는 운전자보다 교통사고를 일으킬 확률이 높고, 교통사고나 교통법규위반 경험이 많은 운전자일수록 교통사고와 교통법규위반을 일으킬 확률이 높은 것을 알 수 있다. 이에 본 연구에서는 수원시 일반운전자를 대상으로 운전자의 운전능력 인식과 교통사고 위험성 인식에 대한 설문조사를 실시하였다. 설문조사 결과를 바탕으로 운전자의 운전능력 인식, 교통사고 위험성 인식에 대한 다양한 요인을 도출하였다. 또한, 운전자의 운전능력 인식과 교통사고 위험성 인식이 교통위반 건수와 교통사고 건수에 어떻게 영향을 미치는지, 교통위반 건수는 교통사고건수에 영향을 미치는지를 규명하기 위해 구조방정식 모델을 구축하여 그 결과를 제시하고자 한다.

선행연구

Lee et al.(2006)은 운전확신차이와 운전행동의 관계를 알아보기 위해 18-80세 사이 경북지역의 운전자 119명을 연구에 참여시켰다. 운전확신 수준의 분석결과 연령이 증가함에 따라 확신수준은 감소하고, 조심성이 증가하였다. 운전경험이 많은 고령운전자 일수록 교통환경의 경험이 많아 운전능력에 대한 긍정적인 평가는 하지만 정보를 지각하고 판단해야 하는 상황에서는 자신하지 못하는 것으로 나타났다.

Lee et al.(2009)은 우리나라 고속도로의 총연장 3,000km의 고속도로에서 고속도로 1km당 사고 건수가 높은 현실이 1980년대 이래 급증한 교통수요와 교통관련 인프라의 규모가 사고율에 영향을 미친 것으로 보았다. 사고율과 함께 중요하게 인식되는 지표는 사고의 심각도인데 심각도는 도로의 기하구조 또는 운전자의 행태, 차종, 날씨 등의 다양한 요인들에 의해 직 ‧ 간접적이고 복합적인 작용으로 영향을 미칠 것으로 보고, 여러 가지 변수들 간의 복잡한 관계를 규명하기 위한 방법인 구조방정식을 구축하여 사고 심각도에 영향을 미치는 요인들을 도로요인, 운전자요인, 환경요인으로 구분하여 분석결과를 제시하였다.

Nishida(2009)는 교통사고 경험이 많은 운전자와 법규위반 경험이 많은 운전자는 교통사고 발생률이 높다고 보고하였으며, 운전자의 성별이나 연령대와 상관없이 지난 5년 간(’02-’06년)의 운전자 교통사고와 법규위반 건수가 많은 운전자는 이후 2007년 교통사고 발생률이 높은 것으로 나타났다. 특히 과거 신호위반 건수가 많은 운전자 일수록 교통사고 발생 가능성이 매우 높은 것으로 보고되었다.

Ki(2009)는 교통법규 위반자가 무위반자보다 교통사고 발생률이 약 20% 이상 높다고 제시하였고, 법규위반별로 보면 신호나 속도위반 등과 같은 중대법규위반 그룹은 무위반 그룹에 비해 24%, 그 외 법규위반그룹 의 경우는 약 15% 이상 교통사고 발생률이 높은 것으로 나타났다.

Seo et al.(2009)는 첨단계측기를 통한 인간의 심리적 감성요인을 조사하기 전단계로 인간의 심리적 인지특성조사를 실시하였으며, 이를 바탕으로 교통사고를 발생시킨 가해자 중 교통사고 경험자와 교통사고를 경험하지 못한 응답자로 그룹화하여 평상시 운전습관에 대해서 분석하고, 운전 중 심리적 상태와 교통사고간의 연관성을 파악하였다. 그리고 주성분 분석을 통해 운전자들의 심리상태를 대표할 수 있는 언어를 추출하였으며, 마지막으로 응답자들이 교차로 안전성에 미치는 주행성, 시인성, 시설 및 운영성에 대해서 어느 정도 만족하고 있는지를 분석하였다.

Oh and Lee(2010)은 우리나라의 교통사고 조사양식을 개선하고 이를 통해 사고조사 자료의 신뢰성을 확보하여 인적 사고관련 요인 판단에 도움을 줄 수 있는 방안을 모색하여 제시하고자 하였다.

Yoo and Choi(2011)는 전체 재직운전자 22,946명 중 5년간(2005-2010년)의 교통사고 유발자는 12.6% (2,886명)로 이들 12.6%의 운전자가 전체 3,265건의 사고를 일으키는 것으로 나타났으며, 2건 이상의 중복사고자는 전체 재직운전자 중 1.5% (334명)이며, 이들에 의해 발생되는 교통사고는 전체 사고의 21.8% (713건)을 차지하고 있는 것으로 나타나 소수의 사고다발 운전자에 대한 관리의 중요성을 강조하였다.

Lim et al.(2012)은 교통사고분석시스템(TAAS) 자료와 교통안전공단의 운전자 적성정밀검사자료를 결합하여 자료를 구축하고 인적요인 및 도로환경적 요인과 이 요인들의 영향정도를 파악하였다. 연구방법으로 영과잉 회귀분석 모형의 개발을 통해 사고증감과 관련된 운전의 특성을 파악하였다.

Korea Transportation Safety Authority(2013)는 운전자를 대상으로 설문조사를 실시하여 운전자의 법규 위반 심리 및 운전자의 법규위반에 대한 의식을 분석하여 운전자의 안전 운전 법규를 위반하는 심리를 분석하고 이에 대한 대책을 제시하였다.

Korea Transportation Safety Authority(2014)는 사업용 자동차 업종별 운전자 교통사고 및 법규위반을 연계 분석하여 교통사고 발생위험이 높은 집단을 분석하고, 과거 교통사고 및 법규위반 이력과 교통사고발생과의 관계, 사망사고 운전자의 과거 교통사고 이력 및 위반유형을 분석하였다. 이를 통해 운전자 관리 및 운전자 교육을 위한 기초자료로 활용하고자 연구를 수행하였다.

Chun(2015)는 운행기록장치를 통해 수집된 직접적인 운전자의 운행습관과 운수종사자 개인의 인적특성, 운수종사자의 업무환경인 운수업체 특성으로 구분하여 각 요인으로 교통사고와 영향정도를 나타내는 구조방정식 모형을 개발하였다. 결과적으로 사업용자동차의 교통사고에 영향을 미치는 것은 운행습관과 운수업체 환경, 운수종사자의 특성인 것으로 나타났다.

Hwang et al.(2018)는 운전자의 위험운전행동성향을 매개변인으로 하여 운전자의 운전행동을 결정짓는다고 알려져 있는 심리적요인과 교통사고 위험에 대한 관계를 알아보고자 하였다. 이를 위해 운전행동결정요인, 위험운전행동, 교통사고 위험지수 등과 같은 설문도구 3종으로 구성한 구조화된 설문지 패키지를 활용하였다.

Lee and Kim(2018)은 전국 특별 ‧ 광역시 및 도 단위, 연도별 연령대별 교통사고 데이터를 시각화한 그래프를 통해 분석하여 우리나라의 교통사고 추이를 통해 이에 대한 기업적(예: 보험사 등), 지역 단체적, 국가적인 방향을 제시하였다.

Lee and Oh(2006)는 2004년 한 해 동안 전국에서 발생한 교통사고 중 사건개요가 명확한 사망사고 6,518건을 이용하여 분석하였다. 이들 사망사고에 대해 발생장소의 구조적 특징과 가해 운전자의 행동특성을 기준으로 구분하여 제1당사자의 연령대별 사망사고 발생건수 및 운전면허 보유자 10만 명당 사망사고 발생건수를 산출하였다.

선행연구 검토결과 사업용 운전자 및 일반 운전자를 대상으로 하여 설문조사 자료 및 교통안전공단, 도로교통공단 교통사고분석시스템(TASS) 자료, 운행기록장치 자료를 활용하여, 다양한 방법론 즉, 영과잉 회귀분석모형, Baron과 Kenny가 제안한 매개효과 검증기법, 주성분분석, 상관관계분석, 구조방정식 모형, 회귀모형 등을 적용한 연구가 수행되었다. 본 연구는 수원시에 거주하면 일반운전자를 대상으로 설문조사를 진행하고, 연구가설을 설정하여 구조방정식 모형을 구축하였고, 운전자가 교통위반과 교통사고에 영향을 미치는 인식에 대해 기존연구에서 제시되지 않은 다양한 요인들을 고려하여 연구에 활용한 것이 타 연구와 차별성이 있다고 보인다(Table 1).

Table 1. Literature review

Author Analysis method Applied data Applied variables
Hwang et al.(2018) Regression Survey Driving behaviour determinants, Traffic accident risk index,
Dangerous driving behaviour
Jang et al.(2013) Interrelation Survey Traffic violation psychology
(Using mobile device, Watching video, Unfasten seatbelt,
Drunk, Speeding, Violation of signal while driving)
Seo et al.(2009) Principal component Survey Driving behaviour, Driving mentality,
Intersection Safety factor
Lim et al.(2012) Zero-inflated
regression
TAAS,
Detailed driving
aptitude data
Effectiveness between human factor and road circumstances
Chun(2015) Structural equation Tachograph Impact of Traffic accident between Driver's roadsmanship,
Characteristics of Individual and Transportation company

설문 및 기초통계분석

1. 설문조사 개요

2017년 6월 12일부터 17일까지 총 6일에 걸쳐 수원시 4개구(권선구, 영통구, 장안구, 팔달구)에서 수원시 거주 운전자를 대상으로 설문조사를 실시하였다. 응답자는 총 540명이고 불성실 응답자를 제외한 529명의 유효 표본을 분석하였다. 조사내용은 교통안전 대책 수립에 대한 수원시민의 인식조사로 운전자 특성, 교통사고 및 교통위반 사항, 교통사고 인식 및 위험성 인식, 운전자 교통안전방안 등에 관련된 내용이다. 조사방법은 지하철역, 노인복지관, 대형마트 등 조사지점을 이용한 대인면접조사로 진행되었다. 본 연구에서는 연구의 신뢰성 확보를 위해 설문조사 데이터를 활용하여 구조방정식 모델에 적용하였으며, 측정 스케일은 5-point를 적용하였다. 설문 응답자의 기초 통계 분석 결과는 Table 2에서 제시하였다.

Table 2. Basic statistical analysis

Classification Sex Sum
Male, Frequency (%) Female, Frequency (%)
20's 24 (49) 25 (51) 49 (100)
30's 43 (52.4) 39 (47.6) 82 (100.0)
40's 60 (48.8) 63 (51.2) 123 (100.0)
50's 44 (56.4) 34 (43.6) 78 (100.0)
Ages 60 to 64 44 (69.8) 19 (30.2) 63 (100.0)
Ages 65 to 69 63 (70.8) 26 (29.2) 89 (100.0)
Ages over 70 37 (83.7) 8 (16.3) 45 (100.0)
Sum 315 (59.6) 214 (40.4) 529 (100.0)

2. 나이대별 운전경력 및 운전빈도

운전경력의 분포는 총 529명 중 10-19년과 20-29년의 운전경력이 각각 149명(28.2%)으로 가장 많았으며, 10년 미만 110명(20.8%), 30-39년 89명(16.8%), 40-49년 28명(5.3%), 50년 이상 4명(0.8%) 순으로 나타났다. 운전경력 전체 평균은 19.5년으로 나타났다. 운전빈도의 분포는 총 526명 중 주5회 이상이 244명(46.4%)으로 가장 많았으며, 주3회 94명(17.9%), 주2회 78명(14.8%), 주4회 62명(11.8%), 주1회 29명(5.5%), 한 달에 1-2회 12명(2.3%), 이용하지 않음 7명(1.3%) 순으로 나타났다. 고령자는 주5회 이상이 37명(28.0%), 주2회 32명(24.2%), 주3회 24명(18.2%) 등의 순으로 나타났다(Table 3).

Table 3. Driving experience and frequency by ages

Classification Driving experience (year) Driving frequency
Less
than
10
10-19 20-29 30-39 40-49 More
than
50
Sum No
driving
Per week 1-2 per
month
Sum
1 2 3 4 5+
20's Frequency 45 4 0 0 0 0 49 1 4 6 8 7 23 0 49
Group (%) 91.8 8.2 0.0 0.0 0.0 0.0 100 2.0 8.2 12.2 16.3 14.3 46.9 0.0 100
All (%) 8.5 0.8 0.0 0.0 0.0 0.0 9.3 0.2 0.8 1.1 1.5 1.3 4.4 0.0 9.3
30's Frequency 41 39 2 0 0 0 82 0 1 13 12 9 46 0 81
Group (%) 50.0 47.6 2.4 0.0 0.0 0.0 100 0.0 1.2 16.0 14.8 11.1 56.8 0.0 100
All (%) 7.8 7.4 0.4 0.0 0.0 0.0 15.5 0.0 0.2 2.5 2.3 1.7 8.7 0.0 15.4
40's Frequency 19 68 35 1 0 0 123 1 5 8 18 15 73 3 123
Group (%) 15.4 55.3 28.5 0.8 0.0 0.0 100 0.8 4.1 6.5 14.6 12.2 59.3 2.4 100
All (%) 3.6 12.9 6.6 0.2 0.0 0.0 23.3 0.2 1.0 1.5 3.4 2.9 13.9 0.6 23.4
50's Frequency 3 14 41 20 0 0 78 0 2 13 15 9 38 1 78
Group (%) 3.8 17.9 52.6 25.6 0.0 0.0 100 0.0 2.6 16.7 19.2 11.5 48.7 1.3 100
All (%) 0.6 2.6 7.8 3.8 0.0 0.0 14.7 0.0 0.4 2.5 2.9 1.7 7.2 0.2 14.8
Ages 60 to 64 Frequency 2 15 30 15 1 0 63 0 0 6 17 11 27 2 63
Group (%) 3.2 23.8 47.6 23.8 1.6 0.0 100 0.0 0.0 9.5 27.0 17.5 42.9 3.2 100
All (%) 0.4 2.8 5.7 2.8 0.2 0.0 11.9 0.0 0.0 1.1 3.2 2.1 5.1 0.4 12.0
Ages 65 to 69 Frequency 0 8 35 31 14 1 89 1 9 20 17 9 29 4 89
Group (%) 0.0 9.0 39.3 34.8 15.7 1.1 100 1.1 10.1 22.5 19.1 10.1 32.6 4.5 100
All (%) 0.0 1.5 6.6 5.9 2.6 0.2 16.8 0.2 1.7 3.8 3.2 1.7 5.5 0.8 16.9
Ages over 70 Frequency 0 1 6 22 13 3 45 4 8 12 7 2 8 2 43
Group (%) 0.0 2.2 13.3 48.9 28.9 6.7 100 9.3 18.6 27.9 16.3 4.7 18.6 4.7 100
All (%) 0.0 0.2 1.1 4.2 2.5 0.6 8.5 0.8 1.5 2.3 1.3 0.4 1.5 0.4 8.2
Sum Frequency 110 149 149 89 28 4 529 7 29 78 94 62 244 12 526
Total (%) 20.8 28.2 28.2 16.8 5.3 0.8 100 1.3 5.5 14.8 17.9 11.8 46.4 2.3 100

3. 교통사고 경험 및 교통위반 경험

최근3년(’14-’16년)동안 각 연도별로 교통사고경험 및 교통법규위반 경험에 대해서 중복기입이 가능하도록 하여 경험여부를 조사하였다. 교통사고경험은 각 연도별로 차대차, 차대사람, 차량단독, 경험없음으로 구분하여 조사하였다. 조사결과 2015년도에 교통사고가 가장 많이 발생하였고, 전반적으로 차대차사고와 차량단독 사고가 많이 발생한 것으로 나타났다. 교통법규위반 경험은 최근 3년(’14-’16년) 동안 버스전용차로 위반, 중앙선 침범, 신호위반, 속도위반, 주 ‧ 정차 위반, 안전띠 미착용, 음주운전(정지 및 취소), 무면허 운전, 기타(적성검사기간 경과, 교통안전교육 미필 등)으로 구분하여 중복기입이 가능하도록 조사지를 설계하여 설문을 실시하였다. 조사결과 신호위반(28.2%), 속도위반(25.6%), 주 ‧ 정차 위반건수(31.2%)로 전체의 85%를 차지하는 것으로 조사되었다. 최근 3년(’14-’16년) 동안 교통사고 경험 건수는 총 229건으로 나타났고, 교통위반 건수는 305건으로 나타났다(Table 4).

Table 4. Experience count of traffic accident and violation (from 2014 to 2016)

Classification Total respondents Experience count Average Standard deviation
Traffic accident 529 229 0.49 0.684
Traffic violation 529 305 1.1 1.247

4. 운전능력 및 교통사고 위험성 인식

1) 운전능력 인식

운전능력 인식은 총 25개 항목 중 전체적인 응답분포는 고령운전자 운전 제한 필요성이 3.9점, 운전이 능숙하다가 3.54점, 좌우회전 ‧ 차선변경에 능숙함이 3.30점 순으로 높게 나타났다. 응답자가 고령운전자에 대한 교통안전에 대해 가장 높게 인식하는 것으로 보인다. 반면 운전할 때 주의집중을 못한다, 핸드폰을 자주 사용함은 운전자들이 운전할 때 그렇지 않다고 응답한 응답자가 많은 것으로 분석되었다(Table 5).

Table 5. Cognition of driving ability

Classification Respondents Average Standard deviation
Good at driving 529 3.54 0.86
Having better driving abilities than others 529 3.28 0.91
Good at turning and lane changing 526 3.30 0.85
Accelerating through a yellow signal 529 2.81 0.97
Frequently do overtaking or cut in 529 2.55 0.90
Rapidly lane changing 527 2.49 0.92
Speeding when there is no vehicle or pedestrian 526 2.57 0.99
Distraction when driving 527 2.24 0.87
Carelessness when parking or stopping 528 2.33 0.91
Carelessness when turning 528 2.27 0.88
Frequently using mobile device 525 2.24 1.06
Concerned driving ability from the acquaintance 527 2.80 1.06
Taken driving as stress 527 2.61 0.91
Difficult to take immediate action at the event 525 2.59 0.90
Difficulty in entering and exiting the expressway 527 2.47 0.922
Difficulty in parking 526 2.57 0.96
Difficulty driving at night 525 3.04 0.98
Difficulty in driving to the first visit 526 2.94 0.95
Difficulty in driving an alley 526 2.85 0.911
Difficulty in driving in bad weather 529 3.22 0.926
Concerned about an accident occuring 524 2.65 0.872
Proportional relation between driving experience and ability 527 2.91 0.979
Elderly drivers may have a good driving ability 525 2.30 0.848
Elderly drivers may higher risk of accident 527 3.25 0.99
Required to restrict to drive for elderly drivers 528 3.90 0.762

2) 교통사고 위험성 인식

교통사고 위험성은 총 13개 항목 중 전체적인 응답분포는 야간운전이 3.9점으로 가장 위험한 것으로 인식하였으며, 악천후 운전(비, 눈, 안개 등)이 3.89점, 장시간 운전(2시간 이상)이 3.57점의 순으로 나타났다. 반면 신호등이 있는 교차로 통과는 2.96점으로 교통위험성 인식이 가장 낮은 것으로 나타났으며, 이는 보호신호로 운전자가 신호등이 있는 교차로가 심리적으로 안정이 되는 것으로 보인다(Table 6).

Table 6. Cognition of traffic accident risk

Classification Respondents Average Standard deviation
Driving at night 528 3.90 0.762
Driving to the first visit 526 3.54 0.815
Passing to signalized intersection 524 2.96 0.752
Passing to non-signalized intersection 527 3.29 0.790
Driving to congested road 526 3.31 0.808
Driving to gradient or curve 527 3.26 0.784
Turning 525 3.18 0.794
Land changing 525 3.33 0.845
(Combat) Parking, Stopping 527 3.03 0.80
Driving in tunnel and underpass 526 3.38 0.938
Expressway driving 526 3.22 0.862
Long time driving more than 2 hours 526 3.57 0.891
Driving in bad weather such as rainy, snowy, foggy 528 3.89 0.868

운전자인식이 교통사고에 미치는 영향요인 분석

1. 탐색적 요인분석

본 연구에서는 기존 문헌을 통해 운전자의 교통사고인식과 위험성 인식이 교통위반과 교통사고에 영향을 미치는 요인이 무엇인지를 도출하여 운전능력 인식 25개항목과 교통사고 위험성 인식 13개 항목에 대한 문항과 연도별 교통위반 건수(’14-’16년), 연도별 교통사고건수(’14-’16년)의 측정변수에 대해 설문내용으로 구성하여 설문조사를 진행하였다.

교통위반 건수와 교통사고 건수는 3년간의 총합으로 계산하여 적용하였으며, 운전능력 인식과 교통사고 위험성 인식 도구에 대한 구성타당도와 신뢰도를 파악하기 위하여 탐색적 요인분석과 Cronbach’s α값을 분석하였다.

본 연구에서는 요인추출법으로 주성분법(Principle Components)을 실시하였으며, 지정한 고유치 이상의 값을 갖는 요인만을 추출하였으며, 요인회전과 관련하여 프로맥스(Promax)회전 방식을 실시하였다. 이는 각 요인 간의 상관을 허용하는 방식으로서 본 연구에서 사용한 운전능력 인식과 교통사고 위험성 인식의 각 문항들 간에는 서로 공통적인 요소가 포함되어 있기 때문에 상관을 허용할 필요가 있다. 따라서 각 변수의 요인간의 상관관계의 정도를 나타내는 요인적재량(factor loading)의 수용기준은 .40 이상으로 설정하였다. 요인분석 과정을 통하여 부적절한 항목들을 일부 제거한 후 측정항목의 신뢰성과 타당성을 평가하기 위해 이론변수의 다항목 척도간의 신뢰성을 Cronbach’s alpha 계수에 의해 분석하였다. 신뢰도 측정방법은 내적일관성 분석방법(Cronbach’s alpha)을 이용하였으며, 일반적으로 Cronbach’s alpha 계수값이 0.6 이상이면 비교적 신뢰도가 높다고 보고 있다.

1) 운전능력 인식 도구의 구성타당도와 신뢰도

운전능력 인식 도구를 구성하는 25문항에 대한 탐색적 요인분석과 신뢰도 분석 결과는 Table 7과 같이 나타났다.

Table 7. Construct validity and reliability of driving ability recognition tool

Classification Components
1 2 3 4 5 6
Distraction when driving .865 .130 -.089 -.130 -.058 .046
Carelessness when turning .852 .050 -.030 -.078 -.004 .163
Speeding when there is no vehicle or pedestrian .842 .104 .075 -.139 .033 -.195
Carelessness when parking or stopping .816 .069 -.054 -.068 -.011 .196
Frequently using mobile device .764 -.181 -.227 -.188 -.091 -.009
Rapidly lane changing .696 -.154 .085 .313 -.019 -.057
Frequently do overtaking or cut in .595 -.134 .299 .374 .065 -.113
Accelerating through a yellow signal .593 -.006 .264 .197 .073 -.266
Difficulty in driving in bad weather .001 .925 .126 -.324 .066 -.113
Difficulty in driving an alley .032 .865 -.056 .001 -.006 -.093
Driving at night -.185 .862 .164 .187 -.052 -.106
Difficulty in driving to the first visit -.070 .717 -.088 .215 .025 -.113
Concerned about an accident occuring .161 .630 .046 -.140 .061 .286
Difficulty in parking .085 .463 -.180 .359 -.079 .067
Difficulty in entering and exiting the expressway .122 .432 -.154 .371 -.021 .153
Having better driving abilities than others -.034 .052 .931 -.107 -.072 .193
Good at turning and lane changing .072 .095 .904 -.080 .048 .031
Good at driving -.057 -.064 .873 -.044 -.066 .122
Concerned driving ability from the acquaintance -.126 -.068 -.037 .878 .037 .019
Taken driving as stress -.017 .009 -.107 .636 -.033 .141
Difficult to take immediate action at the event .095 .234 -.186 .512 .002 .135
Required to restrict to drive for elderly drivers .084 .045 -.034 -.149 .933 .068
Elderly drivers may higher risk of accident -.160 .001 -.049 .166 .931 .022
Elderly drivers may have a good driving ability .084 -.227 .081 .068 .119 .838
Proportional relation between driving experience and ability -.180 .094 .292 .192 -.062 .646
Eigen-value 6.967 4.609 1.771 1.537 1.376 1.226
% Dispersion 27.866 18.434 7.082 6.146 5.503 4.904
% Accumulated 27.866 46.301 53.383 59.529 65.032 69.936
Cronbach's α 0.897 0.891 0.893 0.715 0.839 0.844

탐색적 요인분석 결과 고유값 1 이상인 6개의 성분이 도출되었으며, 누적분산은 69.936%로 나타났다. 그리고 각 성분에 해당하는 문항들 중 요인적재량 0.4 이상의 문항들을 파악한 결과 성분 1은 “운전할 때 주의를 집중하지 못한다고 생각한다, 좌ㆍ우회전 및 유턴 시 주변을 주의 깊게 살피지 않는 편이다, 차량이나 보행자가 없으면 과속할 때가 있다, 주ㆍ정차 시 주변을 주의 깊게 살피지 않는 편이다, 운전하면서 핸드폰을 자주 사용한다, 차선을 급하게 바꾸는 편이다, 앞지르기나 끼어들기를 자주 한다, 황색신호등에 빨리 지나가려고 속도를 낸다”의 8문항이 하나의 요인으로 구성되었고, 성분 2는 “악천후 시 운전이 어렵다, 좁은 길목에서의 운전이 어렵다, 익숙하지 않는 도로에서 운전하기 어렵다, 야간운전이 어렵다, 운전을 하면서 사고를 낼까봐 불안하다, 주차하는 것이 어렵다, 고속도로 진출입이 어렵다”의 7문항이 하나의 요인으로 구성되었다. 성분 3은 “다른 운전자보다 운전을 잘한다, 차선변경을 잘한다, 운전이 능숙하다”의 3문항이 하나의 요인으로 구성되었고, 성분 4는 “본인이 운전하는 것에 대해 가족이 걱정한다, 운전하는것이 스트레스다, 돌발상황 시 즉각 대처하는데 어려움이 있다”의 3문항이 하나의 요인으로 구성되었다. 그리고 성분 5는 “고령운전자의 운전을 제한할 필요가 있다고 생각한다, 고령운전자는 사고위험성이 높다고 생각한다”의 2문항이 하나의 요인으로 구성되었고, 성분 6은 “고령운전자는 운전능력이 좋다고 생각한다, 운전경력이 오래될수록 운전능력이 좋다고 생각한다”의 2문항이 하나의 요인으로 구성되었다. 운전능력 인식에 대한 요인 1은 운전할 때 주의집중 부족, 회전 시 주변을 잘 살피지 않는 등 운전 시 운전자의 부주의 대한 특성이 있으며, 요인 2는 악천후 시 운전의 어려움 및 좁은 길목에서의 운전 어려움 등 운전환경 변화에 대한 어려움을 나타내는 특성을 가진다. 요인 3은 운전을 잘하고, 운전이 능숙하다 등 운전에 대한 과신을 나타내는 특성이 있으며, 요인 4는 운전하는 것에 대한 두려움 및 돌발상황에서 대처 어려움을 나타내는 특성이 있다. 요인 5는 고령운전자의 운전제한 및 고령운전자의 사고위험성일 나타내는 특성이 있고, 요인 6은 운전경력이 길면 운전능력이 좋다고 인식을 하는 운전자의 특성을 나타낸다.

이렇게 구성된 각 성분에 대해 각각 신뢰도 분석결과 성분 1의 8문항은 Cronbach’s α값이 .897로 나타났고, 성분 2의 7문항은 .891, 성분 3의 3문항은 .893, 성분 4의 3분항은 .715, 성분 5의 2문항은 .839, 성분 6의 2문항은 .844로서 높은 신뢰도를 나타내고 있다.

2) 교통사고 위험성 인식 도구의 구성타당도와 신뢰도

교통사고 위험성 인식 도구를 구성하는 13문항에 대한 탐색적 요인분석과 신뢰도 분석 결과는 Table 8과 같이 나타났다.

Table 8. Construct validity and reliability of the recognition of traffic accident risk tool

Classification Components
1 2 3 4
Land changing .835 .013 -.004 -.041
Driving in tunnel and underpass .761 -.201 -.178 .394
Expressway driving .746 -.153 .256 .038
Turning .731 .211 -.063 -.076
(Combat) Parking, Stopping .677 .164 .120 -.243
Passing to non-signalized intersection -.163 .881 .045 .127
Driving to congested road .030 .700 .247 -.050
Passing to signalized intersection .167 .695 -.199 -.036
Driving to gradient or curve .350 .440 -.044 .199
Driving in bad weather such as rainy, snowy, foggy -.104 -.007 .904 .123
Long time driving more than 2 hours .295 -.005 .753 -.004
Driving at night -.125 -.042 .190 .903
Driving to the first visit .060 .225 -.059 .737
Eigen-value 5.622 1.316 1.083 1.011
% Dispersion 43.243 10.119 8.334 7.777
% Accumulated 43.243 53.363 61.697 69.474
Cronbach's α 0.830 0.780 0.755 0.711

탐색적 요인분석 결과 고유값 1 이상인 4개의 성분이 도출되었으며, 누적분산은 69.474%로 나타났다. 그리고 각 성분에 해당하는 문항들 중 요인적재량 0.4 이상의 문항들을 파악한 결과 성분 1은 “차로변경에 대한 위험, 터널ㆍ지하차도ㆍ교량주행의 위험, 고속도로 주행의 위험, 좌ㆍ우회전 및 유턴의 위험, 주ㆍ정차 및 후진의 위험” 의 5문항이 하나의 요인으로 구성되었고, 성분 2는 “신호가 없는 교차로 통과의 위험, 혼잡한 도로주행의 위험, 신호가 있는 교차로 통과의 위험, 오르막ㆍ내리막ㆍ곡선도로 위험”의 4문항이 하나의 요인으로 구성되었다. 성분 3은 “악천후 시 운전의 위험, 장시간운전의 위험” 의 2문항이 하나의 요인으로 구성되었고, 성분 4는 “야간운전의 위험, 초행길운전의 위험”의 2문항이 하나의 요인으로 구성되었다.

교통사고 위험성 인식에 대한 요인 1은 차로변경에 대한 위험, 고속도로 주행 시 위험 등 도로주행환경에 대한 위험성을 나타내며, 요인 2는 교차로 통과, 혼잡도로, 경사구배를 운전할 때의 교통사고위험성을 나타내는 특성이 있다. 요인 3은 악천후 및 장시간운전의 위험성 인식을 타내나는 특성이 있고, 요인 4는 야간운전 및 초행길운전에 대한 위험성을 나타내는 특성이 있다. 이렇게 구성된 각 성분에 대해 각각 신뢰도 분석결과 결과 성분 1의 5문항은 Cronbach’s α값이 .830으로 나타났고, 성분 2의 4문항은 .780, 성분 3의 2문항은 .755, 성분 4의 2문항은 .711로서 높은 신뢰도를 나타내고 있다.

2. 연구가설 설정

일반 운전자의 운전능력 인식과 교통사고 위험성 인식이 교통위반 건수와 교통사고 건수에 영향이 있는 것은 기존연구에서 제시된바가 있다. 운전자의 인식이 교통위반 건수와 교통사고 건수에 어떻게 영향을 미치는지 이들 관계를 구조방정식 모델로 구축하여 규명해 보고자 하였다.

따라서 본 연구는 1) 운전자들의 운전능력 인식과 교통사고 위험성 인식에 대한 영향 요인을 도출하고, 2) 운전자들의 운전능력 인식과 교통사고 위험성 인식이 교통위반과 교통사고에 영향을 미치는지를 규명하고자 한다. 3) 또한 교통위반은 교통사고에 영향을 미친다고 선행연구(Ki, 2009; Yoo and Choi, 2012, Korea Transportation Safety Authority, 2014) 에서 제시되었으며, 이를 재규명하고자 한다.

운전능력 인식과 교통사고 위험성 인식이 교통위반과 교통사고에 영향을 미치는 요인이 무엇인지 확인하기 위해 다음과 같이 연구가설을 설정하였다.

∙ 연구가설 H1: 운전자의 운전능력 인식은 교통위반에 영향을 미칠 것이다.
∙ 연구가설 H2: 운전자의 운전능력 인식은 교통사고에 영향을 미칠 것이다.
∙ 연구가설 H3: 운전자의 교통사고 위험성 인식은 교통위반에 영향을 미칠 것이다.
∙ 연구가설 H4: 운전자의 교통사고 위험성 인식은 교통사고에 영향을 미칠 것이다.
∙ 연구가설 H5: 운전자의 교통위반 건수는 교통사고에 영향을 미칠 것이다.

3. 확인적 요인분석

운전자의 운전능력 인식과 교통사고 위험성 인식 측정도구는 구성타당도와 신뢰도가 확보된 문항들을 평균화 방법으로 변수계산 처리하여 측정변수를 생성하였고, 교통위반 건수와 교통사고 건수는 2014-2016년까지 발생한 자료를 총합하여 측정변수를 생성하였다. 위험성 인식 항목의 변수계산은 탐색적요인 분석에서 구성된 6개로 구분하였는데, 성분 1은 위험성 인식 항목 8, 10, 7, 9, 11, 6, 5, 4번의 8문항이 하나의 요인으로 구성되어 변수계산을 하였고, 성분 2는 20, 19, 18, 17, 21, 16, 15의 7문항이 하나의 요인으로 구성되어 변수계산 하였다. 성분 3은 2, 3, 1번의 3문항이 하나의 요인으로 구성되어 변수계산 하였고, 성분 4는 12, 13, 14번의 3문항이 하나의 요인으로 구성되었다. 그리고 성분 5는 25, 24번의 2문항이 하나의 요인으로 구성되어 변수계산 하였고, 성분 6은 23, 22번의 2문항이 하나의 요인으로 구성되어 변수계산을 하였다. 교통사고 위험성 항목의 변수계산은 4개로 구분되었고, 성분 1은 교통사고위험성 항목 8, 10, 11, 7, 9로 성분 2는 4, 5, 3, 6으로 성분 3은 13, 12로 성분 4는 1, 2로 구분되어 변수계산 하였다. 측정도구 간 이론적 타당성을 확인하기 위해서는 먼저 측정변수 간의 상관관계를 살펴보는 방법과 측정변수가 구성하는 개념인 잠재변수 간의 타당성을 파악하는 방법을 사용하였다. 측정변수 간의 상관관계는 이변량 상관관계를 파악하는 Pearson’s r값을 도출하여 살펴보았고, 잠재변수 간의 타당성을 확인하기 위해서는 확인적 요인분석(Confirmary Factor Analysis, CFA) 방식 의 측정모델분석을 실시하였다.

1) 측정모델분석

측정모델분석을 위한 모수의 추정방법은 최대우도법(Maximum Likelihood Method)을 이용하였고, 모형의 적합도를 평가하기 위해서는 모형의 설명력을 나타내는 지수인 GFI (Goodness of Fit Index), 수정적합지수인 AGFI (Adjusted GFI), 표준적합도지수인 NFI (Normed Fit Index), 증분적합도지수인 IFI (Incremental Fit Index), TLI (Tucker-Lewis Index), 비교적합지수인 CFI (Comparative Fit Index), 원소간 평균차이지수인 RMR (Root Mean Square Residual), 평균제곱근 근사오차인 RMSEA 등을 이용하였다. GFI와 AGFI, IFI, TLI, CFI는 0.9 이상, NFI는 0.8 이상, RMR은 0.5 이하, RMSEA는 0.08보다 작으면 수용할 수 있는 적합도이며 0.05보다 작으면 좋은 적합도 라고 볼 수 있다. 분석결과 측정모델의 적합도는 Table 9와 같이 나타났다. 최초 모형에서는 모든 적합지수가 적합기준을 충족하지 못하는 것으로 나타났다. 수정된 측정모델은 Figure 1과 같다.

Table 9. Measured model for goodness of fit test

Class Absolute fit index Increment fit index
x2 CMIN/DF GFI AGFI RMR RMSEA IFI TLI CFI NFI
First model x2=566.865, df=50, p<.000 11.337 .827 .731 .063 .140 .789 .719 .787 .773
Criterion Rejected Rejected Rejected Rejected Rejected Rejected Rejected Rejected Rejected Rejected
Thresholds p>.05 <3.00 >0.9 >0.8 <0.05 <0.08 >0.9 >0.9 >0.9 >0.8

http://static.apub.kr/journalsite/sites/kst/2019-037-03/N0210370301/images/kst_37_03_01_F1.jpg
Figure 1.

Modified measure model

측정모델에서 측정도구를 구성하는 모든 요인의 요인적재량값(β)은 최소 0.5 이상으로 나타나 각 개념을 잘 반영하고 있는 것으로 나타났으며, 그 개념의 CR(Construct Reliability)값은 모두 0.7 이상으로 나타나 높은 신뢰도를 보여주었다. 그리고 각 개념의 평균분산추출인 AVE (Average Variance Extracted)값은 모두 0.5 이상으로 나타났으며 따라서 측정모델의 집중타당도는 확보되었다. 그리고 각 개념의 평균분산의 집중도가 다른 개념과의 상관관계보다 높아야 개념 간의 구분을 위한 판별이 가능하므로 각 개념이 가지는 절대값 AVE와 다른 개념과의 상관관계 r값을 비교하였으며 그 결과는 Table 10과 같이 나타났다.

Table 10. Discriminant validity

Class Cognition of driving ability Cognition of traffic accident risk Number of
1 2 3 4 5 6 1 2 3 4 Traffic
violation
Traffic
accident
Cognition of
driving ability
1 .871 .842 .920 .929
2
3
4
5
6
Cognition of
traffic accident risk
1 .066 .116* .005 -.009 -.039 .019
2 .036 .111* .066 .115* .049 .086
3 .175** .143** .109* .186** .191** .180**
4 .035 -.042 -.081 .051 .041 .043
Number of Traffic
violation
.184** .216** .193** .133** .119* .164** -.195* -.281** -.196* -.272**
Traffic
accident
.205** .164** .157** .178** .180** .223** .018 -.092 -.145 -.031 .372**

한 개념의 절대값 AVE가 다른 개념과 구성하는 상관관계 r값 보다 크게 나타나므로 각 개념은 다른 개념들과의 관계에서 판별타당도가 확보되었다고 할 수 있다. 이상의 분석결과를 통해 운전자의 운전능력 인식, 교통사고 위험성 인식, 교통위반 건수, 교통사고 건수를 구성하는 각 요인과 문항 간의 구성체계 타당성과 신뢰성이 확보되었으며, 이론적인 관계의 방향성과 타당성, 판별성을 확인할 수 있다.

4. 최종모형

1) 최종 구조방정식 모형

본 연구에서 제시한 연구문제는 운전자의 운전능력 인식, 교통사고 위험성 인식, 교통위반 건수, 교통사고 건수 간의 방향성에 대한 영향관계이다. 이 관계를 검증하기 위하여 운전자의 운전능력 인식, 교통사고 위험성 인식이 교통위반 건수, 교통사고 건수에 미치는 영향 그리고 교통위반 건수가 교통사고 건수에 미치는 영향 간의 관계에 대한 구조모델을 설정하여, 적합도 분석 결과를 제시하였으며, 최종모형은 Figure 2와 같다.

http://static.apub.kr/journalsite/sites/kst/2019-037-03/N0210370301/images/kst_37_03_01_F2.jpg
Figure 2.

Final design model (standardized coefficient) (***p<0.01, **p<0.05, *p<0.1)

2) 모형적합도 분석

본 연구에서 구성한 구조방정식 모형의 적합도는 적합도 지수로 평가되며, 이는 연구 모형을 독립 모형과 비교하여 모형의 적합도를 평가하는 지수로서 연구에서 구축된 이론적 모형이 독립 모형에 비해 자료를 얼마나 잘 설명하는지를 나타낸다. 적합도 지수 중 상대 적합도 지수에는 NFI (Normed Fit Index), CFI (Comparative Fit Index) 등이 있으며, 절대 적합도 지수는 GFI (Goodness of Fit Index), AGFI (Adjusted Goodness of Fit Index), RMSEA (Root Mean Square Error of Approximation) 등이 있다. 적합도 지수를 선택할 때에는 표본 크기에 민감하지 않고 모형의 간명성을 고려하는 적합도 지수를 선택하는 것이 바람직한 것으로 알려져 있으며, 이러한 기준에 비추어 볼 때 GFI, AGFI, RMSEA 등을 중심으로 모형의 적합도를 평가할 수 있다(Kim, 2018). 모형적합도 분석결과 절대적합지수인 CMIN/DF (2.887), RMSEA (0.060)으로 기준치 보다 적은 것으로 나타나 적합한 것으로 나타났고, GFI (0.964), AGFI (0.934)는 적합기준치보다 높게 나타났다. 증분적합지수인 IFI (0.967), TLI (0.949), CFI (0.967), NFI (0.950)로 모두 기준치 보다 높은 것으로 나타나 최종모형의 적합도는 충족하는 것으로 나타났다(Table 11).

Table 11. Goodness of fit for structural model

Class Absolute fit index Increment fit index
x2 CMIN/DF GFI AGFI RMR RMSEA IFI TLI CFI NFI
Final model x2=124.139, df=43, p<.000 2.887 .964 .934 .043 .060 .967 .949 .967 .950
Thresholds p>.05 <3.00 >0.9 >0.8 <0.05 <0.08 >0.9 >0.9 >0.9 >0.8
Criterion OK OK OK OK OK OK OK OK OK OK

3) 경로계수 분석(Path Coefficient)

운전자의 운전능력 인식에 가장 영향을 미치는 관측변수는 요인 5인 고령운전자의 운전제한 및 고령운전자의 사고위험성일 나타내는 특성, 요인 6인 운전경력이 길면 운전능력이 좋다고 인식하는 특성, 요인 4인 운전하는 것에 대한 두려움 및 돌발상황에서의 대처의 어려움을 나타내는 특성, 요인 3인 운전에 대한 과신을 나타내는 특성, 요인 2인 악천후 시 운전의 어려움 및 좁은 길목에서는 운전의 어려움 등 운전환경 변화에 대한 어려움을 나타내는 특성, 요인 1인 운전할 때 주의집중 부족 ‧ 회전 시 주변을 잘 살피지 않는 등 운전 시 운전자의 부주의에 대한 특성 순으로 영향을 미치는 것으로 나타났다. 운전자의 운전능력 인식이 교통위반 건수에 미치는 영향의 표준화계수(β)값은 .222 (p<.001)로 나타나 정(+)의 영향을 미치고 있는 것으로 나타났다. 즉, 운전자가 자신의 운전능력을 높게 인식할수록 교통위반 건수가 높아지는 것을 확인할 수 있다. 운전자의 운전능력 인식이 교통사고 건수에 미치는 영향의 표준화계수(β)값은 .185 (p<.01)로 나타나 정(+)의 영향을 미치고 있었다. 즉, 운전자가 자신의 운전능력을 높게 인식할수록 교통사고 건수가 높아지는 것을 의미한다. 또한, 운전자의 교통사고 위험성 인식에 가장 영향을 미치는 관측변수는 요인 3인 악천후 및 장시간운전의 위험성 인식을 타내나는 특성, 요인 1인 차로변경에 대한 위험, 고속도로 주행 시 위험 등 도로주행환경에 대한 위험성을 나타내는 특성, 요인 2인 교차로 통과, 혼잡도로 경사구배를 운전할 때의 교통사고위험성을 나타내는 특성, 요인 4는 야간운전 및 초행길운전에 대한 위험성을 인식하는 순으로 영향을 미치는 것으로 나타났다. 그리고 운전자의 교통사고 위험성 인식이 교통위반 건수에 미치는 영향의 표준화계수(β) 값은 -.224 (p<.01)로 나타나 부(-)의 영향을 미치고 있었다. 즉, 운전자가 교통사고 위험성을 높게 인식할수록 교통위반 건수가 낮아지는 것을 확인할 수 있다. 운전자의 교통사고 위험성 인식이 교통사고 건수에 미치는 영향의 표준화 계수(β)값은 -.078 (p>.05)로 나타나 유의한 영향을 미치지 못하는 것으로 나타났다. 또한 운전자의 교통위반 건수가 교통사고 건수에 미치는 영향의 표준화 계수(β)값은 .451 (p<.001)로 나타나 정(+)의 영향을 미치는 것으로 나타났다. 즉, 교통위반 건수가 높아지면 교통사고 건수가 높아지는 것을 의미하며 기존선행연구와 동일한 결과를 나타내는 것을 재확인할 수 있다. 교통위반을 많이 하는 사람일수록 교통사고 건수가 높게 나타나 교통위반을 하지 않도록 계도 및 교육이 필요해 보인다. 연구가설 검증을 위한 모수치 추정 결과는 Table 12와 같다.

Table 12. Parameter estimation

Class Non-standardization
coefficient (B)
Standardization
coefficient (β)
S.E. t P CR AVE
Cognition of driving ability 1 1 0.527 0.887 0.576
2 1.005 0.570 0.071 14.163 ***
3 1.166 0.647 0.092 12.726 ***
4 1.349 0.793 0.115 11.723 ***
5 1.58 0.888 0.134 11.749 ***
6 1.51 0.866 0.125 12.116 ***
Cognition of traffic accident risk 1 1 0.585 0.793 0.503
2 3.204 0.534 0.803 3.99 ***
3 5.223 0.917 1.448 3.608 ***
4 1.662 0.568 0.428 3.882 ***
Number of Traffic violation Number of
traffic violation
1 0.714 0.718 0.718
Traffic accident Number of
traffic accident
1 0.769 0.747 0.747
Cognition of driving ability Number of
traffic violation
0.591 0.222 0.152 3.896 ***
Cognition of traffic accident risk -2.157 -0.224 0.758 -2.847 0.004**
Number of traffic violation Number of
traffic accident
0.216 0.451 0.025 8.46 ***
Cognition of driving ability 0.235 0.185 0.077 3.036 0.002**
Cognition of traffic accident risk -0.36 -0.078 0.295 -1.22 0.223

remarks: ***p< .001, **p< .05, *p< .01.

4) 연구가설 검증결과

연구가설 검증결과 채택과 기각으로 제시하였으며, 최종적으로 운전자의 운전능력 인식과 교통사고 위험성 인식은 교통위반 건수에 영향을 미치는 것으로 나타났다. 운전자의 교통사고 위험성 인식은 교통위반 건수에는 영향을 미치지만 교통사고건수에는 영향을 미치지 않아 가설이 기각되는 것으로 나타났다. 마지막으로 운전자의 교통위반 건수는 교통사고에 영향을 미치는 것으로 가설이 채택되는 것으로 나타났다(Table 13).

Table 13. Result of hypothesis verification

Hypothetical scheme
Hypothesis #1 Driver's perception of driving ability may affect a traffic violation Accepted
Hypothesis #2 Driver's perception of driving ability may affect a traffic accident Accepted
Hypothesis #3 Driver's perception of accident risk may affect a traffic violation Accepted
Hypothesis #4 Driver's perception of accident risk may affect a traffic accident Rejected
Hypothesis #5 Driver's traffic violation may affect a traffic accident Accepted

결론 및 향후과제

본 연구는 일반운전자가 교통사고에 미치는 영향을 분석하기 위해 수원시에 거주하는 운전자를 대상으로 설문을 수행하였다. 설문을 바탕으로 운전자의 운전능력 인식과 교통사고 위험성 인식이 교통위반과 교통사고에 어떤 영향을 미치는지, 교통위반은 교통사고에 어떤 영향을 미치는지 가설을 설정하여 구조방정식 모델을 구축하여 그 결과를 제시하였다. 분석결과 운전자의 운전능력 인식이 교통위반 건수에 미치는 영향의 표준화계수(β)값은 .222 (p<.001)로 나타났으며, 교통사고 건수에 미치는 영향의 표준화계수(β)값은 .185 (p<.01)로 나타나 모두 정(+)의 영향을 미치고 있는 것으로 분석되었다. 이는 운전자가 자신의 운전능력을 높게 인식할수록 교통위반 건수와 교통사고 건수가 높아지는 것을 확인할 수 있다. 운전자 스스로 운전능력에 대해 과신하지 않고 안전운전을 하도록 유도해야할 필요가 있다. 운전자의 운전능력 인식에 가장 영향을 미치는 요인 6의 특성을 나타내는 고령운전자는 운전능력이 좋다는 인식 및 운전경력이 많을수록 운전능력이 좋다고 인식하는 운전자가 높은 영향을 미치는 것으로 나타났다. 그 다음으로 고령운전자 운전제한의 필요성 및 고령운전자의 사고위험성이 높다고 인식하는 운전자일수록 영향을 미치는 것으로 나타났다. 전반적으로 고령운전자의 운전 제한 필요성, 운전이 능숙하다고 인식하는 운전자일수록 운전능력 인식에 영향을 미치고 있는 것으로 나타났고, 고령운전자의 교통안전을 걱정하고 있는 것을 확인할 수 있다. 고령운전자가 안전하게 운전을 할 수 있는 운전 환경 구축이 필요하다. 또한, 고령운전자 스티커 부착, 교통표지판 글자크기 확대, 차선이탈경고 장치와 같은 차량안전 기술개발, 고령운전자 전용 주차장 설치를 고려해야 할 필요가 있다. 교통사고 발생 시 교육프로그램 수료 의무화, 운전면허 갱신 시 70세 이상 적성검사와 고령자 강습 의무화, 면허갱신 주기 단축 및 강화를 통해 고령자 교통안전 개선방안을 마련해야 할 필요가 있으며, 맞춤형 교육 프로그램 개발 및 홍보를 통하여 고령운전자 스스로 안전운전을 유도하여 교통사고를 예방해야 한다.

운전자의 교통사고 위험성 인식이 교통위반 건수에 미치는 영향의 표준화계수(β) 값은 -.224 (p<.01)로 나타나 부(-)의 영향을 미치고 있는 것으로 나타났고, 교통사고 건수에 미치는 영향의 표준화 계수(β)값은 -.078 (p>.05)로 나타나 부(-)의 영향을 미치는 것으로 나타났으나 유의하지 않은 것으로 나타났다. 이는 운전자가 교통사고 위험성을 높게 인식할수록 교통위반 건수가 낮아지는 것을 확인할 수 있다. 운전자의 교통사고 위험성 인식에 가장 영향을 미치는 관측변수는 요인 3인 악천후 및 장시간운전에 대한 위험성 인식을 타내나는 특성, 요인 1인 차로변경에 대한 위험 ‧ 고속도로 주행 시 위험 등 도로주행환경에 대한 위험성을 나타내는 특성, 요인 2인 교차로 통과, 혼잡도로 경사구배를 운전할 때의 교통사고위험성을 나타내는 특성, 요인 4는 야간운전 및 초행길운전에 대한 위험성 인식 순으로 영향을 미치는 것으로 나타났다. 교통사고 위험성에서 악천후 운전, 장시간 운전(2시간 이상)이 가장 위험하다고 인식하는 사람일수록 영향을 미치는 것으로 나타났고, 반면 신호등이 있는 교차로 통과는 교통사고 위험성 인식이 가장 낮은 것으로 나타났으며, 이는 보호신호로 운전자가 신호등이 있는 교차로가 심리적으로 안정이 되는 것으로 보인다. “운전자들이 운전할 때 주의집중을 못한다. 핸드폰을 자주 사용한다”고 하는 운전자가 상대적으로 낮았는데 이는 그 위험성에 대해 인지가 부족한 것으로 보인다. 휴대폰 사용에 대한 단속가능성에 대한 낮은 인식수준은 선행 연구에서도 나타나고 있다. 휴대폰 통화, 스마트폰 조작, 과속, 음주운전, 속도위반 등은 기타 다른 법규위반과 비교하였을 때 단속가능성이 낮다고 운전자들은 인지하고 있는 것으로 나타나 효과적이고 실효성 있는 단속시스템을 구축할 필요가 있다.

마지막으로 운전자의 교통위반 건수가 교통사고 건수에 미치는 영향의 표준화 계수(β)값은 .451 (p<.001)로 나타나 정(+)의 영향을 미치는 것으로 나타났다. 즉, 교통위반 건수가 높아지면 교통사고 건수가 높아지는 것을 의미하며 기존선행연구와 동일한 결과를 나타내는 것을 재확인할 수 있다. 교통위반을 많이 하는 사람일수록 교통사고 건수가 높게 나타나 교통위반을 하지 않도록 계도 및 교육이 필요하다. 무엇보다도 운전자 스스로 안전운전을 하도록 유도할 필요성이 있으며, 운전자에게 법규위반의 위험성을 지속적인 교육, 홍보, 캠페인을 통해 인식을 시키는 것이 중요하며, 이를 통해 운전자 스스로 심리변화를 유도해야할 필요가 있다. 향후 연구과제로 운전자의 속성별로 운전자의 심리 분석을 통해 정책적 시사점을 도출하여 운전자 속성과 심리에 따른 교육프로그램 개발 및 홍보 전략을 제시할 필요가 있다.

알림

본 연구는 수원시정연구원 기본연구과제(SRI-기본-2017-03)인 고령화 사회에 대비한 교통정책방향 연구를 수정·보완한 것입니다.

References

1
Chun Y. H. (2015), Analysis on Factors of Traffic Accident Using Structural Equation Model, Journal of the Korea Management Engineers Society, 20(2), 151-165.
2
Doh C. W., Kim H. S., Kim K. W., Lee S. B., Cho H. J. (2013), Traffic Safety Engineering, Cheongmoongak.
3
Hwang Y. S., Kim D. H., Jang B. T., Choi H. K. (2018), A Study on the Relationship between Driving Behavior Determinants and Traffic Accident Risk Index : Mediate Effect of Reckless Driving Behavior of Drivers, Proceedings of Symposium of the Korean Institute of Communications and Information Sciences, 1461-1462.
4
Ki S. D. (2009), Study on the Minimization of Social Cost of Car Accident, Korea Insurance Research Institute.
5
Kim S. H. (2017), The Direction of Transportation Policy for Aging Society: Based on the Elderly Driver, Suwon Research Institute.
6
Kim S. H. (2018), The Impact of City Tour Satisfaction for the Intention of Re-visit, J. Korean Soc. Transp., 36(2), Korean Society of Transportation, 86-97.
10.7470/jkst.2018.36.2.086
7
Korea Transportation Safety Authority (2013), The Effectiveness of Driver's Psychology on the Traffic Accidents.
8
Korea Transportation Safety Authority (2014), A Study on the Relationship Between Traffic Violation and Traffic Accident Rate.
9
Lee D. J., Kim H. J. (2018), Present Corporate and National Direction Through Analysis of Driver Traffic Accidents Data of the Whole Country, Proceedings of Symposium of the Korean Institute of communications and Information Sciences, 1012-1013.
10
Lee J. Y., Chung J. H., Son B. S. (2009), Analysis of Traffic Accident Severity for Korean Highway Using Structural Equations Model, Korea Journal of Transportation, 26(2), 17-24.
11
Lee S. C., Oh J. S., Park S. J., Lee S. Y., Kim I. S. (2006), The Relationship Between Driving Confidence and Driving Behaviour in Elderly and Young Drivers, Korea Journal of Psychological and Social Issues, 12(1), 81-102.
12
Lee S.C., Oh J. S. (2006), The Characteristics of Driver's Behavior at the Moment of Traffic Accidents, Proceedings of Symposium of Korean Psychology Association.
13
Lim S. J., Park J. T., Kim Y.I., Kim T.H. (2012), Analysis of Elderly Drivers' Accident Models Considering Operations and Physical Characteristics, Korea Journal of Transportation, 30(6), 37-46.
10.7470/jkst.2012.30.6.037
14
Nishida Y. (2009), Road Traffic Accident Involvement Rate by Accident and Violation Records: New Methodology for Driver Education Based on Integrated Road Traffic Accident Database, 4th IRTAD CONFERENCE, Seoul, Korea.
15
Oh J. S., Lee S. C. (2010), A Study for Improving the Traffic Accident Management System with regard to the Driver's Human Factor, The Korean Journal of Culture and Social Issues, 16(3), 267-287.
16
Seo I. K., Jung H. B., Lee B. J., Namgung M. (2009), The Effect of Driver's Psychological Factor in Traffic Accident, Proceedings of Symposium of Korean Society of Civil engineers, 9-12.
17
Yoo J. H., Choi K. I. (2011), The Effect of Recurrence Rate of Accident Driver on the Total Accident-Focused on the Charter Bus Driver, Korea Road Traffic Authority Traffic Science Institute, Traffic Safety Research, 30, 147-162.
페이지 상단으로 이동하기