Article

Journal of Korean Society of Transportation. October 2020. 361-374
https://doi.org/10.7470/jkst.2020.38.5.361


ABSTRACT


MAIN

  • Introduction

  • Methodology

  •   1. Data Collection

  •   2. Data Processing

  •   3. Data Clustering

  • Analysis and Results

  • Discussion

  • Conclusion

Introduction

최근 국제교통포럼(International Transport Forum, ITF)에서 발표한 도로교통안전 보고서에 따르면 우리나라 인구 10만 명당 교통사고 사망자수는 7.3명으로 OECD 가입국 중 중하위권(40개국 중 27위)에 머물고 있다(International Transport Forum, 2019). 높은 교통사고 사망자 발생에는 여러 가지 영향요인이 있으나, 2019년 도로종류별 교통사고 사망자수 통계에 따르면 사망자의 72%(2,410명)가 지자체 관할 도로(특별광역시도, 지방도, 시군도)에서 발생하여, 중앙정부에서 관할하는 일반국도나 고속국도 보다(22%, 747명) 높게 나타났다(Korean National Police Agency, 2020). 또한, 2018년도 대비 2019년 사망자 감소율은 고속도로가 18.3%, 일반국도 14.8%, 특별광역시도 16% 였으나, 시군도를 포함한 지방도의 경우 9.8%로, 평균 감소율인 11.4% 보다도 낮았다. 2021년까지 정부의 교통사고 사망자 2,796명으로의 감소목표(제8차 교통안전기본계획)를 달성하기 위해서는 다양한 교통안전 대책을 보다 효과적으로 적용해야 하며, 사망자 발생비율이 높은 지자체 관할 도로에 더욱 관심을 기울일 필요성이 있다.

도로는 보행자, 운전자 등의 ‘사람’, 자동차, 이륜차 등의 ‘수단’과 함께 도로 교통 시스템의 3대 요소를 구성하고 있다. 또한 차로폭, 차로수 등의 기하구조적 요인 이외에도 도로관리주체가 교통상황, 주변 여건 등을 고려하여 적용여부 및 운영방법을 결정하는 교통안전시설, 노면 관리, 교통관제 등은 도로환경 조성에 큰 영향을 미친다. 유사한 도로규격, 교통량, 기상조건이라 할지라도 도로의 각기 다른 관리정책은 운전자의 주행행태에 영향을 미치며, 특히 유사사고 상황일 경우에는 그 결과가 달라질 수 있으므로 교통사고로부터 소중한 생명을 지키기 위해서는 전 도로구간에 걸쳐 도로관리주체의 각별한 관심이 필요하다.

앞서 설명한바와 같이 지자체 관할도로에서 사망자가 많이 발생하고 있고, 해당 도로의 안전성을 확보하기 위해서는 도로관리주체의 역할이 매우 중요하다. 그러나 지자체 관할 도로 중에서도 도시부도로(특별광역시도, 시도)와 같이 교통의 흐름, 또는 교통사고 발생특성이 두드러지는 경우 비교적 교통안전 정책의 추진이 원활한 편이나, 상대적으로 그렇지 않은 지방부도로(지방도, 군도)는 넓은 관리범위, 적은 교통량, 간헐적 사고발생 등으로 맞춤형 대책 적용이 어려운 실정이며, 이러한 경우 교통안전 투자 순위에서도 뒤처질 수 있다. 그럼에도 불구하고, 도로 이용자들의 교통안전을 확보할 수 있는 방안은 차별 없이 적용되어야 하며, 이를 위해서는 교통안전 정책을 적재적소에 적용할 수 있도록 지자체의 경제적 여건과 도로인프라 여건, 교통특성, 교통문화 수준을 고려한 적절한 개선대책이 마련되어야 한다.

교통안전과 관련된 정책의 의사결정을 지원하기 위하여, 우리나라에서는 다양한 교통안전 평가지표를 개발하여 발표해왔다. 한국교통안전공단과 도로교통공단은 교통문화지수와 교통안전지수를 이용하여 지방자치단체의 교통안전성을 평가하고 있다. 한국교통안전공단은 교통안전 확보를 위한 지자체간 긍정적 경쟁을 유도하고, 합리적 개선대안 마련을 지원하기 위하여, 매년 주민 설문조사, 현장조사, 통계자료 조사를 통해 운전행태, 보행행태, 교통안전 항목에 대한 지자체 교통안전의식 및 교통안전 수준을 파악한다. 지자체를 인구 규모를 기준으로 4개 그룹(30만 이상 시, 30만 미만 시, 군 지역, 자치구)으로 구분하고, 평가결과는 5개의 안전등급을 적용한다. 교통문화지수 평가결과를 통해 동일 인구 규모 그룹 내 지자체간 교통문화지수 배점, 순위, 등급을 비교할 수 있다. 도로교통공단은 지자체 실정에 맞는 합리적 교통안전 대책수립을 지원하기 위하여, 교통안전지수를 제공하고 있다. 이 지수는 인구수와 도로연장을 고려한 교통사고 발생건수, 사상자수에 따른 교통사고 심각도로 산출한다. 지자체의 규모와 특성을 고려하여 광역자치단체는 2개(광역시, 광역도), 기초자치단체는 인구 규모를 기준으로 4개의 평가그룹으로 분류한다. 사업용 자동차, 자전거 및 이륜차, 보행자, 교통약자, 운전자, 도로환경의 분야별로 교통안전지수와 교통안전지수 개선율에 대해 5개 평가등급을 적용한다.

행정안전부에서 지자체의 안전관리 책임성을 강화하고 취약분야에 대한 자율적 개선사업을 유도하기 위해 발표하는 지역안전지수는 교통안전을 포함한 지자체 전반적인 안전성을 평가한다. 지역안전지수는 교통사고, 화재, 범죄, 생활안전, 자살, 감염병 등의 분야에 대해 기초자치단체별 5개 평가그룹으로 산출하며 1등급일수록 안전하다. 이외에도 재정 인센티브 지급 등의 정책 자료로 활용되는 지방자치단체 합동평가는 정부업무평가기본법(제21조)에 근거하여 지역안전지수보다 다양한 분야에서 지자체별 주요 국가정책 추진상황을 점검한다. 국가정책의 통합성, 효율성, 책임성 확보를 목적으로, 매년 세부 평가지표를 적용하기 때문에 앞서 제시한 지역안전지수보다 다양하고 많은 분야를 평가한다.

위와 같이 다양한 평가척도를 포함한 방법들을 활용하여 지자체 안전을 평가하고 있으며 조사된 자료들 또한 여러 분야의 연구에 활용되고 있다. 도로밀도, 주거 및 상업 계획용지 면적 비율과 같이 도로환경을 조성하는 교통지표들과 자동차등록대수, 인구수, 교통약자 비율 등 교통안전 노출도와 직접적 연관이 되는 사회경제 지표들은 교통사고에 영향을 미치는 것으로 나타났으며(Kim et al., 2013, 2015, 2017a; Shin et al., 2016; Park et al., 2017), 이러한 정량적인 지표를 활용하여 지자체 행정구역별 교통안전 유형분류, 또는 안전성을 계량화하기 위한 모델을 개발하는 연구도 수행되었다(Jung et al., 2006; Cha, 2012; Han and Oh, 2012; Lee and Cha, 2012; Jeon et al., 2016; Kim and Park, 2018). 이와 더불어 교통안전성과 교통문화지수의 연관성을 분석하기 위하여 구조방정식을 이용하여 사망자수와 사고건수의 증감 영향관계를 분석하였다. 연구결과 교통문화지수가 증가할 때 교통안전성이 향상하는 것으로 나타났다(Park et al., 2014). 교통문화지수에서 조사되는 방향지시등 점등률과 안전벨트 착용율 등의 운전행태 항목이 교통문화지수의 다른 항목보다 지자체의 교통안전성을 관리하는데 있어 중요한 요소인 것으로 나타났다(Kim et al., 2017b). 지자체의 교통안전성평가 뿐만 아니라 교통단속, 교통안전 시설물의 제공에 따라 지자체의 교통안전 개선 정도에 활용될 수 있다고 제시하고 있다(Lim et al., 2009). 위험운전행동과 운전자 심리적 태도 정보를 활용하여 지자체의 교통문화 및 특성을 파악하였으며 사망사고에 영향을 미치는 교통문화지수, 사회경제적 특성, 교통법규 위반 등의 정보를 이용하여 7개의 지자체로 분류하는 연구가 수행되었다(Coogan et al., 2014; Jung et al., 2019). 기존의 연구들은 지자체별 교통안전성을 상대비교 할 때 고려해야 할 도로환경 및 교통사고 노출도를 설명하는 자료로 교통지표, 사회경제지표, 교통문화지수 등의 활용성을 강조하고 있으나 각 지표의 수집방법, 수집범위 등에 따라 교통안전을 설명하는데 있어 다소 한계가 발생할 수 있다. 교통문화지수는 교통사고가 많이 발생하는 제한된 지점을 대상으로 단기간(3일)에 걸쳐 수집된 자료를 이용하기 때문에 지자체의 전반적인 교통안전 수준을 설명하기는 어려우며 교통안전지수는 교통사고 현황만을 고려하기 때문에 지자체의 도로교통특성을 충분히 반영하였다고 보기 어렵다. 또한 기존 연구에서는 교통사고에 영향을 미치는 도로교통정보만을 이용하여 지자체를 분류하였으나 교통사고는 지자체의 교통 특성을 나타내는 또 하나의 정보를 의미하기 때문에 지자체의 교통안전성을 평가하기 위해 교통사고를 평가에 고려할 필요가 있다. 이와 같이 지자체의 교통안전성 평가 및 특성 분석에 대한 연구가 활발히 이루어져 왔으나, 도로교통특성을 이용하여 지자체의 상대비교 및 평가를 위해 지자체의 유형을 분류하는 연구는 아직까지 미흡하다. 따라서 본 연구는 지자체의 교통안전을 객관적으로 공평하게 평가하기 위해 교통안전지표, 교통지표, 도로지표, 사회경제지표 등 교통안전에 직 ‧ 간접적으로 영향을 미치는 정량적, 정성적 지표를 종합적으로 고려하여 지자체의 유형을 분류한다는데 있어 기존 연구와의 차별성을 가진다.

본 연구의 목적은 지자체별 도로교통, 교통안전, 사회경제적 특성을 반영하여 지자체의 교통안전성과 교통여건을 객관적으로 파악할 수 있는 평가 방법론을 개발하는 것이다. 또한 보다 합리적인 지자체 교통안전 유형화를 위하여 도로환경, 교통사고 노출도 등 교통안전에 직 ‧ 간접적으로 영향을 미칠 수 있는 정성적, 정량적 지표들을 활용하였다. 기존 연구에서 검토된 한계점을 극복하기 위하여 국가 공식 통계에서 제공하는 연단위 자료를 활용하여 자료의 객관성과 대표성을 확보하였다. 본 연구의 도로교통안전 특성을 반영한 지자체 유형 분류 방법론 및 자료 활용에 대한 세부 내용을 2장에 제시하였다. 이를 토대로 혼합 클러스터링 기법을 적용하여 지자체 현황(교통환경 및 안전도)에 따른 교통안전 수준을 유형화하였으며, 세부 내용은 3장에서 설명하였다. 본 연구의 분석결과를 통해 지자체의 교통안전 자가 진단, 교통안전 사업 계획 수립 및 시행 등 보다 적합한 교통안전 개선방안 마련을 위한 의사결정 지원에 활용할 수 있도록 교통안전 수준 및 보다 관심을 가져야할 교통사고 유형을 도출하였다. 본 연구결과의 활용방안 및 결론을 4, 5장에서 각각 제시하였다.

Methodology

본 연구에서 제시한 도로교통안전 특성을 반영한 지자체 유형 분류 방법론은 총 4단계로 구성되어 있으며 이를 Figure 1에 나타냈다. 첫 번째 단계에서는 지자체별 도로, 교통, 교통안전 등의 자료를 교통사고분석시스템, 국가통계포털 등 국가공인 통계시스템으로부터 수집하여 교통안전성 지표, 교통 지표, 도로인프라 지표, 사회경제 지표별로 분류한다. 두 번째 단계에서는 지자체별 동등 비교를 위한 교통안전 노출도 적용, 수집자료의 z-score 표준화 등 자료 처리 및 가공 과정을 수행한다. 세 번째 단계에서는 적정 군집의 개수를 산출하기 위한 계층적 군집분석과 군집을 형성하기 위한 비계층적 군집분석을 수행하는 혼합클러스터링 기법을 수행한다. 마지막 단계에서는 혼합 클러스터링 분석 결과로 도출된 지자체 안전성을 유형을 제시한다. 각 단계별 세부 내용은 다음과 같다.

http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_F1.jpg
Figure 1.

Overall research framework

1. Data Collection

첫 번째 단계에서 정의하는 지자체별 교통안전 지표, 교통 지표, 도로 인프라 지표, 사회경제 지표의 세부 수집항목은 Table 1과 같다. 지자체의 예산규모, 연령별 인구분포, 토지용도 등의 요소를 복합적으로 고려하여 지자체의 도로 및 교통상황에 영향을 미치는 전반적 사회 특성을 파악한다면 지자체 유형분류시 보다 합리적인 결과를 도출하는데 효과적이다. 본 연구에서 수집한 자료의 공간적 범위는 국내 229개 지자체를 대상으로 하며, 시간적 범위는 2012-2016년이다. Table 1에서 정의하는 13종류의 세부 항목이 모두 수집이 가능한 지자체를 분석 대상으로 선정하였으며, 최종적으로 수집된 지자체별 데이터세트는 총 641개이다.

Table 1.

Definition of analysis data

Index Description
Traffic safety index Crash frequency by crash types
Traffic index Number of vehicles, Transportation related budget, Annual driving distance
Road infra index Road length, Number of parking lots, Bicycle road length
Socioeconomic index Area of the administrative district, Area of the urban region, Population, Elderly population rate,
Drinking rate, Gross Regional Domestic Product (GRDP)

먼저, 교통안전지표는 교통사고분석시스템(Traffic Accident Analysis System, TAAS)에서 수집한 지자체별 교통사고 발생건수이며 차대사람 교통사고 발생건수, 차대차 교통사고 발생건수, 차량단독 교통사고 발생건수로 구성된다. 교통 지표와 도로 인프라 지표, 사회경제 지표의 세부 항목은 지자체별 통계연보와 국가통계포털(KOrean Statistical Information Service, KOSIS)에서 수집하였다. 교통지표는 자동차 등록대수와 수송 및 교통부문의 연간 예산규모, 연간주행거리로 구성된다. 도로 인프라 지표는 도로 및 교통 관련 시설 설치 규모를 의미하며 도로 연장, 주차장 면수, 자전거 도로 현황으로 구성된다. 사회경제 지표는 도시지역 면적, 고령 인구 비율, 음주율, 지역내총생산(Gross Regional Domestic Product, GRDP)으로 구성된다. 도시지역 면적은 용도구역 기준에 따라 주거지역, 상업지역, 공업지역, 녹지지역에 해당하는 면적을 의미한다. 고령 인구 비율은 전체 인구에서 만 65세 인구가 차지하는 비율로 지자체별 인구의 고령화 정도를 파악할 수 있다. 음주율은 최근 1년 동안 한 달에 1회 이상 술을 마신 적이 있는 사람의 비율을 의미하며 음주 교통사고 발생개연성과 연관성이 있을 것으로 판단되어 포함하였다. GRDP는 일정기간 동안 정해진 경제구역 내에서 생산된 모든 재화와 서비스의 시장가격 합을 의미한다. GRDP가 높을수록 재정자립도가 높고 GRDP가 낮을수록 재정자립도가 낮은 수준으로 정부의 지원이 필요한 상황을 나타낸다. 이와 같이 도로 및 교통 관점의 특성뿐만 아니라 지자체의 면적, 인구, 건강, 재정 등 지자체의 전반적인 사회적 특성을 동시에 고려하였다.

2. Data Processing

지자체는 면적, 도로 연장, 인구수, 자동차등록대수 등의 교통 특성과 교통 인프라, 지자체 규모가 상이하기 때문에 지자체간 교통사고 발생건수를 동등하게 비교하기 위해서는 교통사고 노출도(exposure)를 고려해야할 필요가 있다. 주로 교통안전성을 분석하기 위해 교통량, 도로연장 등의 노출정도를 고려한 사고율을 이용한다(FHWA, 2011). 이에 본 연구에서는 1년 동안 차량의 주행거리를 의미하는 연간주행거리를 교통사고 발생건수에 대한 노출도로 정의하였다. 지자체의 교통, 도로 인프라 등 다양한 도로교통특성이 운전자의 주행행태에 나타나기 때문에 교통사고에 대한 노출 정도를 가장 잘 설명해 줄 수 있을 것으로 판단하였다. Equation 1의 계산과정을 통해 도출된 사고율(Crash Rate, CR)을 군집분석의 입력 자료로 활용하였다.

$$Crash\;Rate(CR_f)=\frac{Number\;of\;crash_f}{Exposure}=\frac{Number\;of\;crash_f}{Annual\;drivng\;distance}\times100$$ (1)

여기서, f : Crash frequency by crash types

또한, 면적, 길이, 개수 등 측정 척도가 다른 자료의 경우 변수를 표준화해야 한다. 평균과 표준편차를 이용하여 기존 변수의 범위를 표준 정규 분포의 범위로 변환하는 Z-Score Standardization 기법을 적용하여 교통안전지표(사고율), 교통 지표(자동차등록대수, 수송 및 교통부문 예산), 도로 인프라 지표(도로 연장, 주차장 면수, 자전거 도로 연장), 사회경제 지표(행정구역 면적, 도시지역 면적, 인구수, 고령인구 비율, 음주율, GRDP)를 표준화 하였다.

3. Data Clustering

지자체의 교통안전 유형은 군집분석(Cluster Analysis) 기법을 활용하여 분석하였다. 군집분석은 각 자료간 유사성을 바탕으로 동질적인 군집으로 묶거나 구분하는 통계자료 분석기법 중의 하나이다. 이때 유사성 측정은 자료가 지니고 있는 특성에 대하여 거리로 환산하는 거리 측정방법을 사용하며 Equation 2와 같이 유클리디안 거리 계산식을 적용한다(Kim, 2010).

$$d(A,\;B)=\sqrt{\sum_{i=1}^n(X_{Ai}-X_{Bi}^{})^2}$$ (2)

여기서, d(A, B) : Distance between A and B
A, B : Road traffic safety variable by region
Xji : Coordinate of variable i(Road traffic safety variable by region) in j(region ID)
n : Number of measurement variables(n=641)

본 연구에서는 다양한 도로교통 특성을 고려한 지자체 유형을 분류하기 군집분석을 수행하였다. 계층적 군집분석은 거리를 기준으로 군집이 형성되며 군집화 일정표, 덴드로그램 분석결과를 통해 적정 군집의 수를 추정한다. 비계층적 군집분석으로 K-means clustering은 군집의 수를 초기에 지정하고 군집의 중심으로부터 가까운 개체들을 포함하며 군집을 형성한다. 이때 K-means clustering은 분석가가 임의의 군집 수를 선정하기 때문에 군집의 수와 군집의 중심이 적합하지 못할 때 부적절한 분석결과가 도출될 수 있다. 따라서 계층적 군집분석과 비계층적 군집분석을 모두 수행하는 혼합 클러스터링 기법을 통해 적정 군집의 수와 지자체 유형을 분류하였다(Yi et al., 2006; Lee et al., 2020). 본 연구에서는 혼합 클러스터링 분석 시, 계층적 군집분석 중 많이 활용되는 기법인 Ward법을 이용하여 적정 군집의 수(K)를 도출하였으며 이를 비계층적 군집분석인 k-means clustering 분석시 입력변수로 적용하였다.

Analysis and Results

군집의 적정 수를 산출하기 위해 ward 기법의 계층적 군집분석을 수행하였으며 분석결과로 군집화 일정표와 덴드로그램을 제시하였다. Table 2의 군집화 일정표는 유클리디안 거리를 이용하여 군집형성 과정을 단계적으로 보여준다. 군집화 일정표의 계수(Coefficients)는 두 군집의 거리를 의미하며, 이 계수가 크면 클수록 군집간 이질성이 높은 것을 의미한다. 군집 형성을 위해 사용하는 12종류의 변수는 각각 군집 1과 2에 표시된다. 처음 나타나는 군집의 단계(Stage Cluster First Appears)는 군집 형성을 위한 이전 단계 결과를 포함할 때 나타난다. 이전에 수행된 단계의 결과를 포함할 경우에는 해당 단계의 번호가, 그렇지 않고 새로운 변수를 사용하는 경우는 0으로 표시된다. 여기서 1단계, 7단계와 같이 Cluster 1과 2가 모두 0으로 표시되는 경우는 새로운 분석 변수만을 이용하는 단계로 새로운 군집이 형성되는 것으로 이해할 수 있다. 군집 형성을 위한 한 단계가 종료되면 다음 단계(Next stage)가 표시된다. 예를 들어, 1단계에서는 자동차등록대수와 인구수를 이용하여 가장 먼저 군집이 형성되었다. 1단계(Stage)의 다음 단계(Next stage)로 2단계가 나타났으며 자동차등록대수와 주차장 면수를 군집으로 형성되는 것을 의미한다. 2단계(Stage)의 다음 단계(Next stage)는 6단계이며 자동차등록대수와 GRDP를 이용하여 군집이 형성 되었다. 1단계→2단계→6단계로 갈수록 계수는 점차 증가하며 군집간의 이질성이 향상된 결과로 볼 수 있다.

Table 2.

Result of agglomeration schedule sheet

Stage Cluster combined Coeffi-
cients
Stage cluster first appears Next
stage
Cluster 1
(case)
Cluster 2
(case)
Cluster 1
(stage)
Cluster 2
(stage)
1 Number of vehicles Population 40.567 0 0 2
2 Number of vehicles Number of parking lots 123.053 1 0 6
3 Transportation related budget Bicycle road length 280.234 0 0 5
4 Road length Area of the urban region 464.718 0 0 5
5 Transportation related budget Road length 691.067 3 4 10
6 Number of vehicles GRDP 980.921 2 0 9
7 Area of the administrative district Elderly population 1296.097 0 0 11
8 Crash rate Drinking rate 1843.552 0 0 9
9 Crash rate Number of vehicles 2638.257 8 6 10
10 Crash rate Transportation related budget 3670.219 9 5 11
11 Crash rate Area of the administrative district 5600.786 10 7 0

군집화 일정표에 나타난 단계별 계수의 값 및 증가값을 Figure 2에 제시하였다. 단계가 진행되면서 계수는 증가하였는데 이는 군집간 이질성이 증가하는 것을 의미한다.

http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_F2.jpg
Figure 2.

Result of coefficients by stage

군집화 일정표 결과에서 적정 군집 수를 도출하기 위한 군집 형성 중지 시점의 명확한 기준이 없기 때문에 군집의 적정 개수를 결정할 때 군집화 일정표와 덴드로그램 결과를 모두 살펴보는 것이 적절하다. 또한 표본의 수와 군집형성 단계가 많아 군집화 일정표를 살펴보기 어려울 경우 Figure 3과 같이 군집형성 과정을 트리형태로 보여주는 덴드로그램을 사용하면 시각적으로 결과를 확인할 수 있어 분석자의 판단에 도움을 준다(Yim and Kylee, 2015). 덴드로그램의 수직선은 군집화 일정표의 군집형성 단계를 나타내며 수평선은 두 군집 사이의 거리를 의미한다. Figure 2에서 9단계와 10단계(1032.0), 10단계와 11단계(1930.6)의 계수값 차이가 크기 때문에 군집 이질성이 가장 큰 것으로 나타났으며 이를 바탕으로 적정 중지 시점을 Figure 3의 점선과 같이 9단계 이전으로 설정하였다. 최종적으로 선정된 적정 군집의 수는 4개이다.

http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_F3.jpg
Figure 3.

Result of dendrogram using ward linkage

계층적 군집분석을 통해 도출된 군집의 개수는 비계층적 군집분석인 k-means clustering에 입력변수로 적용하였다. 군집분석 결과 군집 1에는 13개, 군집 2에는 323개, 군집 3에는 91개, 군집 4에는 214개의 지자체 데이터가 포함되었다. 군집 분류시 입력변수의 설명력을 관찰하기 위해 분산분석을 수행하였으며 Table 3과 같이 모든 지표들이 유의수준 0.05 이하로 나타나 통계적으로 유의하였다.

Table 3.

Result of ANOVA in cluster analysis

Cluster Error F Sig.
Means
square
Degrees of
freedom
Means
square
Degrees of
freedom
Traffic safety index Crash rate 32.864 3.000 0.852 637.000 38.596 0.000
Traffic index Number of vehicles 155.690 3.000 0.273 637.000 570.193 0.000
Transportation related budget 152.132 3.000 0.290 637.000 524.951 0.000
Road infra index Road length 131.251 3.000 0.388 637.000 338.149 0.000
Number of parking lots 140.601 3.000 0.344 637.000 408.596 0.000
Bicycle road length 139.377 3.000 0.350 637.000 398.361 0.000
Socioeconomic index Area of the administrative district 119.026 3.000 0.446 637.000 267.045 0.000
Area of the urban region 122.550 3.000 0.429 637.000 285.585 0.000
Population 152.786 3.000 0.287 637.000 532.871 0.000
Elderly population rate 155.270 3.000 0.275 637.000 564.575 0.000
Drinking rate 60.312 3.000 0.722 637.000 83.507 0.000
GRDP 87.197 3.000 0.596 637.000 146.398 0.000

군집별 도로교통안전 특성 지표의 평균값을 Table 4와 같이 산출하였으며 각 지표의 평균값은 군집간 상대비교하였다. 군집 4의 사고율이 가장 높고 군집 1의 사고율이 가장 낮다. 군집 1과 군집 3은 다른 군집에 비해 교통, 도로 인프라, 인구수, 도시지역 면적, 음주율, GRDP가 높고 고령인구 비율이 비교적 낮은 것으로 나타났다. 군집 2과 군집 4는 도시면적, 인구수, 경제성이 낮고 고령인구비율이 높게 나타났다.

군집 1-군집 4에 속한 지자체의 도로교통안전 특성 지표 수준을 파악하기 위해 Table 4의 결과를 도식화하여 Figure 4와 같이 나타냈다. 그래프에서 x축은 12개의 도로교통안전 특성 지표이며 y축은 지표별 평균의 상대적 수준(매우 높음, 높음, 낮음, 매우 낮음)을 의미한다. 교통안전과 관련된 사고율의 경우 군집 1과 군집 2가 낮아 비교적 안전하며(실선표시), 군집 3과 군집 4는 비교적 사고율이 높으며 위험한 특성(점선표시)을 보였다. 군집 1과 군집 3은 교통, 도로 인프라, 인구수, 도시지역 면적, 음주율, GRDP가 높고 고령인구 비율이 낮은 특성을 보였다(○표시). 이와 반대로 군집 2와 군집 4는 도시면적, 인구수, 경제성이 낮고 고령인구비율이 높은 것으로 나타났다(□표시).

Table 4.

Result of cluster analysis of local governments

Cluster 1
(13)
Cluster 2
(323)
Cluster 3
(91)
Cluster 4
(214)
Traffic safety index Crash rate 0.070 0.073 0.074 0.095
Traffic index Number of vehicles 443569.000 30603.040 150187.868 106209.654
Transportation related budget 221020.846 21435.442 90552.061 18592.136
Road infra index Road length 1575608.000 464437.087 964852.714 340739.430
Number of parking lots 471642.462 17407.967 141137.659 116886.561
Bicycle road length 468.333 41.215 169.000 49.311
Socioeconomic index Area of the administrative district 653.434 752.242 599.915 102.513
Area of the urban region 315.547 37.366 223.147 54.982
Population 978978.692 61979.560 343652.879 311551.318
Elderly population rate 9.612 25.022 11.383 11.876
Drinking rate 64.231 56.773 60.680 62.120
GRDP 27818597.992 1662325.998 12043065.314 9352134.922

앞서 군집분석 결과로 도출된 Figure 4를 통해 군집별 특성을 파악하여 지자체의 유형을 정의하였다. 도로교통안전 특성 지표의 교통사고율에 따라 교통안전성이 높은 지자체와 낮은 지자체로 구분된다. 사고율을 제외한 11개의 도로교통안전 특성 지표(교통, 도로 인프라, 인구수, 도시지역 면적, 음주율, GRDP, 고령인구 비율)는 교통, 도로 인프라 등의 지자체의 전반적인 사회적 현황과 인프라 개발 수준을 나타낸다. 군집 1과 군집 3은 인프라 개발이 높은 수준이며 사회 경제적으로 활동적인 도시형 특성을 보이는 선진 지자체로 구분할 수 있다. 반대로 군집 2와 군집 4는 비교적 인프라 개발 수준과 경제적 능력이 낮고 고령자 비율이 높은 지방형 특성을 보이며 선진 지자체보다 교통 및 도로 부문의 발전이 요구되는 지자체이다. 따라서 본 연구에서는 지자체의 교통안전성(Traffic Safety)과 인프라 개발 수준(Level of Infrastructure Development)에 따라 지자체의 유형을 Figure 5와 같이 정의하였다. 교통안전성은 사고율을 기준으로 판단하며, 교통안전성이 높은 경우 교통안전 우수형(Robust, R), 낮은 경우 교통안전 취약형(Vulnerable, V)으로 정의하였다. 지자체의 인프라 개발 수준에 따라 선진 지자체(developED Local governments, ED)와 상대적으로 인프라 발전이 필요한 발전 지자체(developING Local governments, ING)로 구분하였다. 이에 따라 군집분석 결과를 바탕으로 지자체의 교통 및 도로, 사회경제적 특성을 고려한 지자체 유형은 교통안전 우수형 선진 지자체(Robust-developED Local governments, R-ED), 교통안전 취약형 선진 지자체(Vulnerable-devlopED Local governments, V-ED), 교통안전 우수형 발전 지자체(Robust-developING Local governments, R-ING), 교통안전 취약형 발전 지자체(Vulnerable-developING Local governments, V-ING)이다.

http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_F4.jpg
Figure 4.

Result of characteristic by local government types

http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_F5.jpg
Figure 5.

Result of local government types

R-ED는 도시면적 비율, 인구수, 음주율, GRDP가 가장 높게 나타났으며 타 지차체 보다 주거, 상업 등의 주민들의 활동이 활발한 것으로 해석 할 수 있다. 또한 자동차 등록대수, 도로연장, 주차장, 자전거 도로 등 도로 교통 시설이 가장 많고 사고율이 가장 낮기 때문에 도로교통과 교통안전과 관련하여 지자체 운영자들의 많은 관심과 운영 잘되어 있는 것으로 판단된다. R-ING의 경우 고령자 비율이 가장 높고 음주율과 GRDP가 가장 낮은 즉, 활동성이 적은 주민들이 분포하고 있는 지방형 지자체로 해석되며 주로 지자체를 활성시키기 위한 정책과 사업이 필요할 것으로 판단된다. V-ED는 도로 인프라가 ING형에 비해 잘 형성되어 있고 GRDP 수준과 교통 부문 예산이 높은 반면에 교통사고율이 높기 때문에 지자체의 주요 교통사고 구간, 사고 유형 등과 같이 문제점 파악과 집중 관리가 필요할 것으로 해석된다. V-ING의 경우 도로 인프라 수준이 낮은데 비해 교통안전성이 타 지자체 보다 가장 높게 나타났으며 교통안전성 뿐만 아니라 도로 인프라 개선 등의 적극적인 개선이 요구되는 것으로 판단된다.

지자체의 유형을 연도 별로 구분하여 Table 5에 제시하였다. 분석결과 연도별 분석 지자체수 대비 교통안전성이 높은 지자체(R-ING, R-ED)의 비율이 61.3%로 2012년의 52.7%에 비해 8.58% 증가하였다. 사고율, 도로연장, 자전거 연장, 자동차 등록대수 등 교통안전과 도로 인프라의 변화와 혹은 타 지자체가 사고율이 낮아지거나 도로 인프라가 증가하는 등의 발전할 경우 상대적으로 지자체의 유형이 변화할 수 있다. 따라서 지자체 유형의 연도별 변동, 동일 지자체 교통사고 유형 분석 등 지자체의 유형에 따라 교통안전 관리를 위해 다양하게 활용할 수 있을 것으로 판단된다.

Table 5.

Result of cluster analysis of local governments by year

Year Vulnerable-Local governments Robust-Local governments Total Visualization of all types by year
Developing
(V-ING)
Developed
(V-ED)
Total Developing
(R-ING)
Developed
(R-ED)
Total - Rate of Robust cases http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_6.jpg V-ING http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_7.jpg V-ED
http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_8.jpg R-ING http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_9.jpg R-ED
2012 38 15 53 58 1 59 112 52.7 http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_1.jpg
2013 50 18 68 68 2 70 138 50.7 http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_2.jpg
2014 52 20 72 67 3 70 142 49.3 http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_3.jpg
2015 51 18 69 66 3 69 138 50.0 http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_4.jpg
2016 23 20 43 64 4 68 111 61.3 http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T5_5.jpg
Total 214 91 305 323 13 336 641 -

Discussion

본 연구에서 제시한 지자체 유형 분류 분석결과의 활용방안을 다음과 같이 제시하였다. 첫 번째 활용방안으로 특정 지자체의 연도별 교통안전 추이 분석을 통한 모니터링을 수행할 수 있다. 그 예로, 2014년 교통안전 취약형 발전 지자체(V-ING)로 분류됐으나 2015년에는 교통안전 우수형 선진 지자체(R-ED)로 나타났다. 실제 사고율을 살펴보면 2014년 0.065(739건)에서 2015년 0.059(699건)으로 감소하였기 때문에 교통안전 취약형에서 우수형으로 변화한 것으로 해석된다. 교통사고 유형 중에서 교통사고 발생건수와 동일하게 음주운전 교통사고 또한 0.4% 감소한 반면에 고령운전자 교통사고가 10.7%(79건)에서 2015년 11.7%(82건)로 증가하였다. 즉, 이를 근거로 해당 지자체는 고령운전자 교통사고 개선을 위해 고령운전자 대상 캠페인, 운전자 교육, 교통안전 시설물 설치 등의 관리방안을 중점으로 수행할 수 있으며 본 연구에서 제시한 도로교통안전 특성을 반영한 지자체 유형 분류 방법론이 실제 해당 지자체의 교통안전 및 사회적 특성을 잘 설명할 수 있다는 시사점을 준다.

두 번째, 동일 유형으로 분류된 그룹 내에서 교통사고 유형별로 사고율을 비교하면 분석대상 지자체와 유사한 사회적 특성을 지닌 지자체와 비교할 때 특히 취약한 교통사고 유형을 파악할 수 있다. Table 6은 2016년 교통안전 취약형 선진 지자체를 대상으로 이륜차 사고, 화물차 사고, 연령별 사고에 대한 사고율을 비교한 것이다. ‘지자체 A’를 예로 든다면, 타 지자체와 배교했을 때 이륜차 교통사고율은 상대적으로 낮지만, 화물차 및 고령운전자(65세 이상) 교통사고율은 상대적으로 높았다. 이를 근거로 지자체 A는 고령운전자와 화물차 교통사고를 중점적으로 관리가 필요하며 우선적으로 교통안전 정책 및 대책을 적용할 수 있다.

Table 6.

Result of traffic accident rates by accident types for Vulnerable-developED Local governments (V-ED)

Rates of motorcycle accidents Rates of truck accidents Accident rates by drivers' age
http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T6_1.jpg http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T6_2.jpg http://static.apub.kr/journalsite/sites/kst/2020-038-05/N0210380503/images/kst_38_05_03_T6_3.jpg

이와 같이 동일 유형 지자체간 교통사고를 비교하여 가장 취약한 교통사고 유형을 파악할 수 있으며 지자체 유형의 연도별 추이를 분석하여 교통안전 진단 및 모니터링을 수행 할 수 있다. 세 번째 활용방안으로 특정 지자체에서 부정적인 유형 변화가 나타난 경우 지자체 정책담당자와 시민들에게 교통안전에 대한 경각심을 불러일으키는 등 다양한 정책결정 지원 자료로 활용될 수 있다. 또한 긍정적인 지자체 유형 변화가 나타난 지자체의 교통안전사업 추진 사례를 유사한 사회적 특성을 가진 타 지자체에서 벤치마킹 할 수 있도록 제시하여 동일 정책을 적용하더라도 우선적으로 필요한 위험 지점을 선정하여 보다 빠르게 대처하고 효율적으로 교통안전성 증진을 수행할 수 있다.

Conclusion

국가 교통안전의 목표인 교통사고 감소를 통한 안전한 교통환경 조성을 위해 사고발생 빈도가 높은 지방자치단체 관할 도로의 집중 관리가 필요하며, 이를 위해서는 지자체의 도로교통 특성과 경제적 여건, 교통문화 수준 등을 고려하여 지자체 교통사고 취약성에 적절한 개선대책을 적용해야한다. 기존 평가 지표는 제한된 분석 자료와 교통 자료만을 이용하였기 때문에 지자체의 전반적인 도로교통특성을 충분히 반영하는데 한계가 따르기 때문에, 이를 극복하기 위하여 본 연구에서는 교통안전 및 사회적 여건 등 지자체별 특성을 고려한 교통안전 유형화 방법론을 개발하였다. 도로 인프라, 사회 경제 지표별 세부자료와 교통사고 노출도를 고려한 교통사고 발생건수를 수집하여 z-score를 통해 표준화과정을 수행하였고, 지자체의 유형을 분류하기 위해 계층적 군집분석과 비계층적 군집분석을 모두 수행하는 혼합 클러스터링 기법을 이용하였다. 계층적 군집분석의 군집화 일정표와 덴드로그램을 통해 적정 군집의 형성 단계를 확인하고, 결과로 도출된 4개의 적정 군집의 수를 적용하여 비계층적 군집분석을 수행한 결과, 4개의 군집이 교통안전성(우수형, 취약형), 사회적 특성(능동적, 수동적)이 명확히 구분되는 것을 확인할 수 있었다. 토론을 통해 특정 지자체의 연도별 모니터링 방안과 지자체별 교통안전 비교 및 정책 벤치마킹에 등 분석결과의 활용방안을 제시하였다.

본 연구에서 개발한 방법론과 활용방안을 실제 지자체 교통안전 진단 및 평가에 시행하기 위해서는 다음과 같은 추가적인 자료를 활용하여 지자체의 교통안전 특성 및 사회적 여건을 보다 잘 반영할 수 있도록 해야 한다. 본 연구에서는 지자체 교통사고를 분석에 이용하기 위해 교통안전노출도로 연간주행거리만을 이용하였으나 운전자 비율, 사업용 차량 Digital Tachograph(DTG) 장착 대수, 위험운전 행동 등의 지표를 반영하여 지자체의 교통안전 특성을 보다 잘 설명할 수 있는 새로운 교통안전노출도의 개발 및 적용이 필요하다. 사회적 여건의 경우, 도로종류별 ‧ 차종별 교통량, 인구유동, 대중교통 운영현황, 도로안전 시설물 설치현황 등 다양한 도로교통 관련 자료를 수집하여 활용한다면 지자체의 사회적 여건을 보다 잘 설명할 수 있어 분석결과의 신뢰성을 향상시킬 수 있을 것으로 판단된다.

References

1
Cha Y. J. (2012), A Test of 2010 Transport Culture Index and Implications, GRI REVIEW, 14(1), 373-392.
10.1016/B978-1-85617-636-1.00023-7
2
Coogan M. A., Campbell M., Adler T. J., Forward S. (2014), Examining Behavioral and Attitudinal Differences among Groups in Their Traffic Safety Culture, Transportation Research Part F: Traffic Psychology and Behaviour, 26, 303-316.
10.1016/j.trf.2014.03.005
3
Federal Highway Adminstration (2011), Safe Roads for a Safer Future investment in roadway safety saves lives, U.S. Department of Transportation, https://safety.fhwa.dot.gov
4
Han M. S., Oh H. U. (2012), Categorization of Traffic Type According to Seoul-City Administrative District Using Cluster Analysis, International Journal of Highway Engineering, 14(4), 133-140.
10.7855/IJHE.2012.14.4.133
5
International Transport Forum (2019), ROAD SAFETY ANNUAL REPORT 2019, International Traffic Safety Data and Analysis Group.
6
Jeon J., Kim S., Suh K., Yoon S. (2016), Analysis of Village Safety Index using Accessibility to Public Facilities, Journal of Korean Society of Rural Planning, 22(2), 121-129.
10.7851/ksrp.2016.22.2.121
7
Jung C. W., Jung H. Y., Ko S. S. (2006), A Study on Patterning and Grading by the Impact of Traffic Culture Index, Journal of Korean Navigation and Port Research, 30(1), 35-43.
10.5394/KINPR.2006.30.1.035
8
Jung S., Qin X., Oh C. (2019), Developing Targeted Safety Strategies Based on Traffic Safety Culture Indexes Identified in Stratified Fatality Prediction Models, KSCE Journal of Civil Engineering, 23(8), 3706-3713.
10.1007/s12205-019-1707-5
9
Kim C. R. (2010), SPSS Statistics 18.0 PASW Data Analysis, 21C, 342-359.
10
Kim K. Y., Beck, T. H., Lim, J. K., Park B. H. (2015), Traffic Accident Density Models Reflecting the Characteristics of the Traffic Analysis Zone in Cheongju, International Journal of Highway Engineering, 17(6), 75-83.
10.7855/IJHE.2015.17.6.075
11
Kim L. K., Na J. H., Jung K. M., Jin J. W. (2017a), Change of Transport Culture Index (TCI) and Desirable Improvement Strategies for Medium Cities, Journal of Culture Industry, 17(2), 9-106.
12
Kim T. H., Shin Y. C., Lim S. J., Park J. T. (2013), An Empirical Study of Influence Relationship on Traffic Culture Index (TCI) utilizing PLS-SEM (Structural Equation Modeling), Journal of the Korean Society of Safety, 28(2), 78-83.
10.14346/JKOSOS.2013.28.2.078
13
Kim T. Y., Kim Y. H., Park B. H. (2017b), Analysis of Traffic Culture and Accident in Korea, Journal of Korea Planning Association, 52(5), 79-88.
10.17208/jkpa.2017.10.52.5.79
14
Kim T. Y., Park B. H. (2018), Analysis of Accident Factors based on Changing Patterns of Traffic Culture Index, Journal of the Korean Society of Safety, 33(3), 77-82.
15
Korean National Police Agency (2020), http://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?lcmspage=13&id=95083646
16
Lee H. J., Cha Y. J. (2012), A Study on the Validity and Reliability of Transport Safety Index Model, Korean Public Management Review, 26(1), 1-22.
10.24210/kapm.2012.26.1.001
17
Lee S. Y., Cho E. S., Oh C., Kang S. W., Choe B. H. (2020), Pattern Classification of Taxi Drivers Based on Work and Living Conditions for Commercial Vehicle Safety Management System, J. Korean Soc. Transp., 38(3), Korean Society of Transportation, 218-231.
10.7470/jkst.2020.38.3.218
18
Lim S. H., Park E. M., Jang H. B. (2009), Factors Affecting Traffic Accident Occurrence Rate, J. Korean Soc. Transp. 27, 41-53.
19
Park N. Y., Kim T. Y., Park B. H. (2017), Development of Accident Density Model in Korea, Journal of the Korean Society of Safety, 32(3), 130-135.
20
Park U. W., Joo S. K., Lim J. B., Lee S. B. (2014), A Study on Clarifying Relationship between the Traffic Culture Index and Traffic Accidents Using Structural Equation Model, Journal of the Korean Society of Civil Engineers, 34(5), 1571-1579.
10.12652/Ksce.2014.34.5.1571
21
Shin J. D., Won J. Y., Kim M. S., Kim H. J., Lee B. J., Lee J. S. (2016), Analyzing the Urban Characteristics for Regional Safety Index Classes - Focused on the Transportation sector, Journal of Korea Planning Association, 51(5), 215.
10.17208/jkpa.2016.10.51.5.215
22
Yi S. K., Hong S. E., Park S. H. (2006), A Similar Price Zone Determination of Public Land Price Using a Hybrid Clustering Technique, Journal of the Korean Geographical Society, 41(1), The Korean Geographical Society, 121-135.
23
Yim O., Kylee T. R. (2015), Hierarchical Cluster Analysis: Comparison of Three Linkage Measures and Application to Psychological Data, The Quantitative Methods for Psychology, 11(1), 8-21.
10.20982/tqmp.11.1.p008
페이지 상단으로 이동하기