Article

Journal of Korean Society of Transportation. December 2020. 520-535
https://doi.org/10.7470/jkst.2020.38.6.520

ABSTRACT


MAIN

  • 서론

  • 이론적 고찰 및 선행연구 검토

  •   1. 메타분석의 이론적 고찰

  •   2. 버스 및 트럭 교통사고 관련 선행연구 고찰

  •   3. 메타분석을 활용한 교통안전분야 관련 선행연구

  • 메타분석을 이용한 버스 및 트럭 교통사고 심각도 요인 분석

  •   1. 연구 문헌 선정 및 요인 선별

  •   2. 통계모형 선택을 위한 이질성 검정

  •   3. 출판편의 진단

  •   4. 효과크기 산출결과

  • 결론 및 시사점

서론

상용차로 분류되는 버스 및 화물차는 대부분이 대형차량이고, 많은 인원이 승차하거나 대량의 화물을 적재하여 통행한다. 때문에, 버스 및 트럭 사고 발생 시 인적 및 물적 피해가 승용차보다 상대적으로 크게 발생한다. 실제로 2016년 버스 사고에 해당하는 영동고속도로 봉평터널 연쇄 추돌사고의 경우 사망 4명, 부상 37명1)에 달했고, 마찬가지로 버스가 원인이 된 2017년 경부고속도로 양재IC 7중 추돌사고의 경우 사망 2명, 부상 16명2), 창원터널 화물차 폭발사고의 경우 사망 3명, 부상 5명3)의 인명피해가 발생했다.

이렇듯 많은 인명피해가 발생하는 버스 및 트럭 사고는 사회적으로 이슈가 되기도 하며, 대형차량에 대한 위험성과 경각심을 부각하고, 안전성 제고 노력을 촉발시키기도 한다. 일례로 2016년과 2017년 많은 인명피해가 발생한 버스 및 트럭 관련 사고의 원인으로 장시간 운전에 따른 운전자 집중도 하락, 졸음운전 등이 지목되었고, 이후 국토교통부에서는 재발방지를 위해 2017년 승합차 및 3.5톤 초과 화물차량을 대상으로 첨단안전장치 장착을 의무화4)한 바 있다.

이러한 소위 이슈 중심적 대책이 인적, 물적 피해 감소에 일조하는 바는 분명 있겠으나, 안전관리 측면에서는 사후약방문식의 한계 또한 지니고 있다. 보다 다양한 근원적 원인을 해결하고 선제적이면서도 지속적인 안전도 관리를 수행하기 위해서는, 무엇보다 관련 요인의 탐색과 영향도 평가, 상대적인 중요도 설정에 관한 연구가 요구된다. 그러나 매우 다양한 요인을 대상으로 연구를 수행하기에는 관련 자료의 부재나 신뢰성 문제, 자료 구득 및 결합과 구축에 소요되는 시간과 비용이 상당한 것이 현실이다.

본 연구는 전술한 관련 연구 필요성과 그 과정상의 문제 인식을 바탕으로, 버스 및 화물차에 대한 교통사고 심각도 영향요인에 대해, 보다 포괄적이고 광범위한 탐색 및 상대적 비교를 수행하고자 하였다. 이를 위해 Ⅱ장에서는 포괄적인 영향요인 탐색 및 상대적 비교에 적합한 메타분석 방법론을 제시하고, 버스 및 트럭 사고심각도 관련 연구와 메타분석 방법론을 활용한 기존 문헌을 고찰하였으며, 이를 통해 관련 변수를 탐색하였다. Ⅲ장에서는 본 연구 분석 절차를 논하였고, 결과를 제시하였으며, Ⅳ장에서는 연구를 요약하고, 시사점 및 결론을 논하였다.

1) 서울신문, “영동고속도로 추돌사고 부상자 21명 늘어...4명 사망 ‧ 37명 부상”(2016년 7월 18일).

2) 이데일리, “빗길 졸음운전에 7중 추돌사고...2명 사망 ‧ 16명 부상”(2017년 7월 9일).

3) 한국일보, “창원터널 화물차 폭발사고...3명 사망, 5명 부상”(2017년 11월 2일).

4) 국토교통부(2017), 첨단안전장치 설치 의무화 대상 확대된다.-승합차/3.5톤 초과 화물차에 비상자동제동장치/차로이탈경고장치 필수, 국토교통부 보도자료.

이론적 고찰 및 선행연구 검토

1. 메타분석의 이론적 고찰

메타분석(meta-analysis)이라는 용어는 1976년 Gene Glass가 통계학적 방법이 아닌 철학적 개념으로 언급하면서 처음으로 사용되었다. 메타분석은 가능한 많은 연구의 장점 및 한계점을 토대로 하여 모든 연구 결과를 융합하여 거시적이고, 포괄적이면서도 일반적인 결론을 도출하는 통계적인 방법을 말한다(Kontopantelis and Reeves, 2009). 기존 연구 결과들을 기반으로 분석을 수행하기 때문에 분석들의 분석이라고 소개되기도 하며, 동일 주제로 수행된 다수의 연구 결과를 통합하는 것을 목적으로 한다. 일례로, 회전교차로 교통사고 요인 도출 사례가 있다. 기존 연구는 각 회전교차로 교통사고 요인을 독립적으로 도출하였으나, 복합적인 원인으로 발생하는 교통사고 특성상 종합적인 사고요인 도출이 중요하다. 따라서, 이를 위해 기연구된 관련 문헌을 수집하여 메타분석을 진행하였고, 그 결과 교통량, 접근로 차로 수, 접근로 폭 등이 회전교차로 교통사고의 영향요인임을 확인할 수 있었다.

메타분석은 절차적으로는 통계모형 선택(statistical model), 효과크기 산출(effect size), 효과크기 이질성 검정(heterogeneity), 출판편의 진단 과정(publication bias) 순으로 이루어진다. 메타분석의 분석절차는 Figure 1과 같다.

/media/sites/kst/2020-038-06/N0210380608/images/kst_38_06_08_F1.jpg
Figure 1

Flowchart of meta analysis

1) 통계모형 선택

통계모형 선택 단계에서는 개별 연구에서 제시한 변수의 영향도를 공통 단위로 표준화하는데 적합한 모형을 선정하는 단계이다. 메타분석의 통계모형에는 고정효과모형(fixed effects model)과 랜덤효과모형(random effects model)이 있다. 두 모형은 실제 효과크기에 대한 가정이 다르다는 점에서 차이를 보인다. 고정효과모형의 경우 통합분석 하고자 하는 각 연구들의 모집단이 동일하고, 실제 효과크기의 참값은 단 하나만 존재하며, 각 연구 결과에서 보이는 차이는 표본추출의 오차로부터 기인한다고 가정하는 모형이다. 이에 반해 랜덤효과모형은 각 연구의 실제 효과크기의 참값이 단 하나만 존재하는 것이 아니라, 평균을 중심으로 정규분포를 따른다고 가정하는 모형이다. 통계모형의 선택은 후술할 이질성 검정 결과에 따라 선정한다.

2) 효과크기 산출

효과크기는 취합된 연구결과들을 쉽게 해석하고 상대적으로 비교할 수 있도록 표준화된 척도이다(Viechtbauer, 2010). 효과크기 비교를 위해서는 승산비(odds ratio)와 표준화된 상관계수를 활용하는데, 여기서 승산비란 어떤 특정 조건 내에서의 사건 발생 확률을 사건이 발생하지 않을 확률로 나눈 값이고, 표준화된 상관계수는 변수 간 관계 정도를 나타낸 값을 의미한다. 효과크기 해석에 있어서 승산비로 제시되는 효과크기는 1을 기준으로 해석하고, 표준화된 상관계수로 산출된 효과크기는 0을 기준으로 해석한다. 승산비와 표준화된 상관계수의 산출식은 Equation 1, Equation 2와 같다.

본 연구에서는 각 요인별로 메타분석을 진행하였다. 각 요인별로 수집한 연구결과를 토대로 승산비를 산출하고, 그 결과를 활용하여 표준화된 상관계수를 산출하였다. 산출 결과를 토대로 메타분석을 수행하여 효과크기를 산출하였고, 각 요인별로 제시하였다.

(1)
OddsRatio=P1-P
(2)
r=OR12-1OR12+1

여기서, P : 사건발생확률

OR : 승산비(odds ratio)

r : 표준화된 상관계수

3) 효과크기 이질성 검정

다수의 연구를 통합하는 메타분석의 특성상, 각 연구별 실험조건이나 전제, 대상 등이 모두 다를 수 있기 때문에 필연적으로 개별 연구 결과에 이질성이 존재할 수 있다(Shin, 2015). 여기서 이질성이란 통합하고자 하는 연구들의 다양성으로 야기되는 차이를 의미한다. 따라서 각 효과크기에 대한 이질성 검정을 시행하여야 하며, 이 결과를 바탕으로 통계적 모형을 선택한다. 만약 이질성이 존재한다고 판단되면 랜덤효과모형을 채택하고, 반대의 경우 고정효과모형을 채택한다.

효과크기 이질성 검정에는 forest plot 작성, Cohcran'sQHiggins'sI2 지표 검토 방법이 있다. Forest plot은 효과크기 이질성을 시각적으로 나타내는 방법이다. Cochran'sQEquation 3과 같이 산출한다. Hedges and Olkin(1985)에 의하면, Cochran'sQ는 메타분석 시 수집된 연구 수가 적은 경우에는 낮은 검증력을 보이고, 많은 경우에는 지나치게 높은 검증력을 보이는 특징을 지니고 있다. Higgins'sI2Equation 4와 같이 산출한다. Equation 4Q값은 Equation 3을 통해 산출한 Q값을 의미한다. Higgins et al.(2003)의 연구에서는 I2값이 25%보다 낮으면 낮은 이질성, 50%면(25% 이상 75% 미만) 중간 정도의 이질성, 75-80% 이상이면 높은 이질성을 나타내는 것으로 해석할 수 있다고 제시한 바 있다.

본 연구에서는 효과크기에 대한 이질성 검정 시, Cochran'sQ 값이 수집된 연구 수에 따라 검증력에 차이를 보이는 바, 수집 연구 수와 관련 없는 Higgins'sI2 값을 활용하여 이질성 검정을 진행하였다.

(3)
Q=i=1n(di-d¯)2σ2(di)

여기서, Q : 코크란 검정 값

di : 개별 연구의 효과크기

d¯ : 통합 효과크기

(4)
I2=Q-dfQ×100

여기서, Q : 코크란 검정 값

df : 카이제곱통계량의 자유도

4) 출판편의 진단

출판편의(publication bias)란 대개 학술적, 통계적으로 유의미한 연구가 출판되고, 그렇지 못한 연구는 출판되지 못하는 경향을 의미한다. 이 때, 학술적, 통계적으로 유의미한 연구만을 활용하여 메타분석을 진행하는 경우 연구결과가 편향되어 왜곡될 수 있다. 이를 예방하기 위해 출판편의를 검정하며, funnel plot과 통계적 검증 방법인 Egger 검정을 활용한다(Viechtbauer, 2010). Funnel plot은 각 연구들의 효과크기를 x축으로, 표준편차를 y축으로 하는 산점도를 활용하여 출판편의를 시각적으로 보여주는 방법이다. Funnel plot에서 각 그래프의 점은 개별 연구를 의미하고, 수직선은 효과크기 통합 추정치를 의미한다. 또한, 깔때기 모양의 선은 95% 신뢰구간을 나타낸다. 출판편의가 존재하지 않으면 표본크기가 작은 연구들은 그래프의 아랫부분에 넓게 흩어지고, 표본크기가 큰 연구들은 그래프의 윗부분에 좁게 모여있고, 개별 연구들의 효과크기는 효과크기 통합추정치에 대해 대칭적인 형태를 보인다. 출판편의가 존재하면 결측연구들이 존재하고, 해당 연구들이 funnel plot 아래쪽에 분포하며, 효과크기 통합추정치에 전체적으로 비대칭적인 형태를 보인다. Egger 검정(Equation 5)은 출판편의 진단을 위해 가장 많이 사용되는 검정법으로, 종속변수로 표준정규편차(효과크기를 표준오차로 나눈 값), 독립변수로 표준오차의 역수 값을 취하여 구축한 회귀모형을 통해 검증하는 방법이다(Egger et al., 1997). Egger 검정을 활용한 출판편의 진단은 보통 절편을 통해 확인하는데, 이는 출판편의가 없는 경우 표준정규편차가 0이 되기 때문이다. 따라서, 검정을 활용한 출판편의 진단은 ‘절편이 0이다’라는 귀무가설의 기각 여부 판단을 통해 이루어진다.

본 연구에서는 출판편의 진단 시, funnel plot과 Egger 검정 결과를 모두 활용하였다. Funnel plot의 경우, 각 요인별 funnel plot 분포를 통해 출판편의 존재 유무를 판단하고, Egger 검정의 경우, 산출되는 절편을 통해 출판편의 존재 유무를 판단한다.

(5)
yi=β0+β1·xi+εi

여기서, yi : 표준화한 효과크기(=δ^iσ^i)

xi : 정확성(=1σ^i)

2. 버스 및 트럭 교통사고 관련 선행연구 고찰

본 연구는 메타분석을 활용한 버스 및 트럭 사고심각도 영향요인 분석에 목적을 두고 있다. 따라서 버스 및 트럭 교통사고를 다룬 선행연구를 고찰하고, 버스 및 트럭 교통사고에 영향을 주는 요인을 살펴보고자 한다.

Choi and Jung(2011)은 실제 교통사고를 야기한 시내버스 운전자를 고령운전자와 비고령운전자로 구분하고, 이들을 대상으로 설문조사와 정밀 운전적성검사를 진행하여 운전행동특성을 판단하였다. 고령운전자 행동 특성을 분석하기 위해 구조방정식을 구축하였으며, 그 결과, 고령운전자 교통사고 영향인자로 고령운전자의 ‘성별’, ‘나이’, ‘주행속도’, ‘시력’, ‘사고특성’, ‘장애여부’ 등을 도출하였다. 도출 영향인자 기반으로 고령운전자의 교통사고 저감 대책을 제시하고자 하였다.

Islam and Hernandez(2013)의 연구에서는 미국 NHTSA에서 제공하는 2005년부터 2008년 사이에 수집된 NASS-GES(National Automotive Sampling System-General Estimated System) 트럭 사고데이터를 토대로 순서형 프로빗 모형을 이용하여 트럭 사고심각도를 분석하였다. 분석 결과, ‘차량속도’, ‘차로변경 행태’, ‘충돌 차량 대수’, ‘사고발생 시간대’ 및 ‘도로조명’ 등 인적요인, 차량요인, 도로 및 환경요인, 충돌유형요인으로 구분할 수 있는 인자들이 트럭 사고심각도에 영향을 끼치는 것으로 나타났다.

Prato and Kaplan(2014)의 연구에서는 2002년부터 2011년까지 덴마크 내에서 발생한 버스 사고데이터를 기반으로 로지스틱 회귀분석 모형을 활용하여 버스 사고심각도를 분석하였다. 분석 결과, 교통약자가 개입되거나, 제한속도가 높거나, 야간에 발생했거나, 고령운전자가 개입되거나, 신호를 위반한 경우 사고심각도가 높아지는 것으로 나타났다. 버스 승객의 부상심각도는 중차량과 충돌, 신호위반, 개방된 공간, 높은 제한속도, 젖은 노면이 영향을 미치는 것으로 나타났다.

Ahn et al.(2014)은 버스 운전자들을 대상으로 성격특성, 안전 직무수행과 교통사고와의 관계를 분석하였다. 이를 위해 전국 현직 버스 운전자 1,050명과 한국교통안전공단 교통안전교육센터에서 안전교육 프로그램을 수강하고 있는 교육생 350명을 대상으로 설문조사를 진행하였다. 이 중 492명의 설문지를 활용하여 분석한 결과, 운전자의 안전준수, 안전참여 행동이 버스 교통사고 발생율과 유의한 관계를 가지는 것으로 나타났다. 해당 연구에서는 운전자 개인의 인적 성향이 교통사고 발생과 상관관계가 있음을 제시하였다는 데에 의의가 있다.

Osman et al.(2018)은 미국 미네소타 주 내에서 2012년부터 2015년 사이에 발생한 상용차 교통사고 6,427건을 대상으로 순서형 프로빗 모형을 적용하여 상용차 사고심각도 관련 요인을 분석하였다. 상용차 면허를 소유하고 있는 모든 연령의 운전자들을 대상으로 분석한 결과, ‘안전벨트 착용여부’, ‘공작물 충돌’, ‘속도위반’, ‘차량 연식’, ‘기상’, ‘운행 시간대’ 등이 상용차 사고심각도에 영향을 미치는 요인으로 나타났고, 이 요인들은 연령대에 따라 그 영향도에 차이를 보이는 것으로 나타났다.

Wang et al.(2019)은 중국 내 산악지대인 장쑤성과 산쑤성 내에서 2010년부터 2015년까지 발생한 트럭 교통사고 데이터를 활용하여 산악지대에서의 트럭 사고심각도를 분석하였다. 비례오즈모형을 활용한 해당 연구에서는 트럭 사고심각도에 영향을 주는 요인으로 ‘운전자 연령’, ‘안전벨트 착용여부’, ‘속도위반’, ‘사고발생 시간대’, ‘과적 여부’, ‘차량 브레이크 고장 여부’ 등을 제시하였다.

Kang et al.(2019)의 연구에서는 국내 한국도로공사 관할 38개 고속도로에서 2012년부터 2017년까지 6년간 발생한 화물차 사고심각도를 순서형 프로빗 모형을 이용하여 분석하였다. 8개 인자(운전자 연령, 졸음운전, 추돌사고, 전도/전복사고, 화재사고, 사고 포함 차량 수, 충돌속도, 야간시간대)가 사고심각도 증가 요인으로 나타났다.

이상의 기존 버스 및 트럭 교통사고 발생 및 심각도에 영향을 미치는 요인에 대해 선행연구를 토대로 검토한 결과, 구조방정식이나 심각도 모형 구축, 설문조사 등을 통한 요인 규명 및 상대적 영향도를 분석한 연구가 주를 이루고 있는 것으로 나타났다. 교통사고 발생 건수 및 심각도와 관련해서는 ‘나이’, ‘개인적 성격’ 등의 인적요인은 물론 차량요인, 도로 및 환경요인, 충돌유형, 주행특성 등 다양한 요인이 언급되었다.

3. 메타분석을 활용한 교통안전분야 관련 선행연구

교통사고 분야에서는 1990년대 후반부터 노르웨이 교통학자인 Elvik에 의해서 처음 시도되었으며, 그 외 연구내용에는 가드레일과 충격흡수쿠션(Elvik, 1995), 주간주행등(Elvik, 1996), 자동과속단속 시스템(Elvik, 1997), 징이 박힌 타이어(Elvik, 1998), 도심 정온화기법(Elvik, 2001), 다공아스팔트(Elvik and Greibe, 2005), 약물투여 후 운전(Elvik, 2013) 등 기존 논의되지 않은 단일 요인에 대한 영향도를 정량적으로 도출하고자 하는 연구가 대부분이다.

국내의 교통안전분야에서 메타분석 방법론을 접목한 연구는 도로안전성 평가, 도로안전시설 도입 또는 차량 안전제어시스템 장착 관련 등의 연구가 주를 이루는 것으로 나타났다.

Park et al.(2015)은 부산광역시를 대상으로 도심형 중앙분리대 설치에 따른 시계열적 교통안전성을 메타분석 방법을 활용하여 분석하였다. 기초 데이터로 2008년부터 2012년까지 도심형 중앙분리대 반경 10m 지역에서 발생한 교통사고 건수를 수집하였다. 기존 메타분석과 달리, 이 연구에서는 부산광역시 내 개별 구/군을 개별연구로 판단하여 도심형 중앙분리대 설치 효과를 거시적으로 판단하였다. 분석 결과, 도심형 중앙분리대 설치 이후 인근 지역 교통사고 수가 기존 대비 증가한 것으로 나타났다.

Choi et al.(2016)의 연구에서는 도로안전시설 설치에 따른 일반적인 사고감소효과를 분석하고자 하였다. 이를 위해, 19건의 신호교차로를 대상으로 한 교통안전시설 연구 논문을 선정하여 메타분석을 수행하였다. 분석 결과, 종속변수인 교통사고 건수에 영향을 주는 변인으로는 ‘조명시설’, ‘좌회전 전용차로’, ‘좌회전차로 가속구간’, ‘도류화’, ‘횡단보도’, ‘중앙분리대’, ‘우회전 전용차로’, ‘단속카메라’로 나타났다.

Jo et al.(2016)은 공사구간에 가변속도제한시스템(VSL: Vehicle Speed Limit) 적용 시 교통운영효율성과 교통안전성 측면에서의 개선 효과를 메타분석 기법을 활용하여 분석하였다. 공사구간 내 VSL 적용 효과를 분석한 관련 연구 중 효과척도로 통과교통량(교통운영효율성 측면, 41건), 주행속도(교통안전성 측면, 27건)를 활용한 총 68건의 연구를 선정하였다. 수집된 연구의 결과값을 표준화하기 위해 효과크기 산출 시 상관계수와 승산비를 제시하였고, 이를 기반으로 메타분석을 진행하였다. 분석 결과, 통과교통량은 증가한 것으로 나타났고, 주행속도는 감소한 것으로 나타났다.

Oh et al.(2017)의 연구에서는 차체자세제어장치(ESC: Electronic Stability Control) 장착에 따른 교통안전성 효과를 메타분석을 통해 분석하였다. 최종 분석자료로 총 157개의 국내 ‧ 외 문헌이 선정되었다. 수집된 연구의 연구결과값은 승산비로 환산하였고, 이 승산비를 활용하여 메타분석을 진행하였다. 분석 결과, 사고율 측면의 통합 승산비 효과크기가 0.90으로 나타나, ESC 시스템 적용 시 사고율이 10% 감소함을 알 수 있었고, 사망사고율 측면의 통합 승산비 효과크기는 0.73으로 나타나, ESC 시스템 접목 시 통제상실 사고율이 27% 감소함을 알 수 있었다.

이상 메타분석을 활용한 교통안전 분야 연구를 살펴본 결과, 버스 및 트럭 사고심각도 저감 방안에 대한 연구가 주를 이루나, 사고심각도 직접 영향요인 규명 및 영향도 비교, 분석 사례는 미흡한 것으로 파악된다. 따라서, 본 연구는 유사 연구사례를 통합하여 버스 및 트럭 사고심각도 영향요인을 도출하고 각 요인의 영향도를 비교, 분석하고자 하였다.

메타분석을 이용한 버스 및 트럭 교통사고 심각도 요인 분석

1. 연구 문헌 선정 및 요인 선별

메타분석을 위한 문헌 선정을 위해 시간적, 공간적 범위를 설정하였다. 시간적 범위는 2010년부터 2020년으로 한정하였고, 특정 유형 도로에 관한 연구로 한정하기보다 고속도로, 일반도로 등 여러 유형을 고려하였다. 또한, 문헌 선정 시 로짓, 순서형 프로빗, 로지스틱 등의 모형 구축을 통해 버스 및 트럭 사고심각도 요인을 규명하고, 상대적인 영향도를 도출한 문헌을 중점적으로 선정하였다. 또한, 선정된 연구 내용을 토대로 영향요인을 선별하는 과정에서, 영향요인에 대한 연구 건수가 10건 이상인 경우 분석 요인으로 선정하였는데 이는 출판편의 진단을 위해서는 일정 건 수 이상의 연구를 필요로 하기 때문이다. 선정된 문헌은 총 42건의 연구 논문으로 이 중 버스 사고심각도에 대한 연구가 14건, 트럭 사고심각도에 대한 연구가 28건으로 이루어져 있다. 선별된 문헌을 요약하면 Table 1과 같다.

Table 1.

List of selected studies

No Author (year) Model Vehicle Independent variables
1 Kaplan and Prato (2012) Ordered logit Bus Fatigue drive, Driver's age, Speed violation etc.
2 Tseng (2012) Logistic Bus Time of crash: evening/midnight, Driver's age etc.
3 Besharati and Kashani (2017) Logistic Bus Speed limit: over 100km/h, Fatigue drive etc.
4 Prato and Kaplan (2014) Logistic Bus Speed limit: over 100km/h, Time of crash: evening etc.
5 Feng et al. (2016) Ordered logistic Bus Object collision, More than 2 vehicles involved etc.
6 Chu (2014) Ordered logit Bus Object collision, Overturn, Speed limit: over 100km/h etc.
7 Sam et al. (2018) Ordered logit Bus Object collision, Overturn, Surface: wet etc.
8 Bin and Son (2018) Ordered logit Bus Speed violation, Safe distance violation etc.
9 Yoon et al. (2018) Ordered probit Bus Speed limit: over 100km/h, Surface: wet, Curve etc.
10 Bin and Son (2019) Ordered logit Bus Speed violation, Safe distance violation etc.
11 Wu et al. (2019) Logitsic Bus Driver's gender, Driver's education level etc.
12 La et al. (2012) Logitsic Bus Careless drive, Drunk drive, Fatigue drive, Driver's age etc.
13 Strathman et al. (2010) Operator safety Bus Time of crash: evening/midnight, Careless drive etc.
14 Blower and Green (2010) Logistic Bus Driver's age, Driver's gender, Bus type etc.
15 Kang et al. (2019) Ordered probit Truck Object collision, More than 2 vehicles involved etc.
16 Choi et al. (2013) Logistic Truck Time of crash: midnight, Curve, Driver's age etc.
17 Yoon et al. (2016) Ordered logit Truck Weather: rain/fog, Traffic signal violation etc.
18 Lemp et al. (2011) Ordered probit Truck Time of crash: evening, Weather: rain/fog etc.
19 Naik et al. (2016) Ordered logit Truck Object collision, Time of crash: evening etc.
20 Wei et al. (2017) Ordered probit Truck Time of crash: evening/midnight, Weather: rain/fog etc.
21 Zhu and Srinivasan (2011) Ordered probit Truck Object collision, Overturn, Speed limit: over 100km/h etc.
22 Zhu and Srinivasan (2011) Ordered probit Truck Object collision, Overturn, Careless drive etc.
23 Islam and Hernandez (2013) Ordered probit Truck Overturn, More than 2 vehicles involved, Curve etc.
24 Ahmed et al. (2018) Bayesian logit Truck Object collision, Overturn, Weather: rain/fog etc.
25 Khattak et al. (2012) Ordered probit Truck Time of crash: evening, Local road, Drunk drive etc.
26 Osman et al. (2016) Ordered logit Truck Speed limit: over 100km/h, Time of crash: evening etc.
27 Hao et al. (2016) Ordered probit Truck Speed limit: over 100km/h, Time of crash: evening etc.
28 Rezapour and Ksaibati (2018) Logistic Truck Speed limit: over 100km/h, Speed violation etc.
29 Wang et al. (2019) Partial propor- tional odds Truck More than 2 vehicles involved, Curve etc.
30 Azimi et al. (2020) Ordered logit Truck Speed limit: over 100km/h, Local road, Curve etc.
31 Wang et al. (2011) Ordered probit Truck Curve, Surface: dry, Vehicle defect: tires etc.
32 Anarkooli et al. (2017) Ordered probit Truck Weather: rain/fog, Local road, Speed violation etc.
33 Moomen et al. (2019) Logistic Truck More than 2 vehicles involved, Weather: rain/fog etc.
34 Khan and Khattak (2018) Logit Truck Local road, Careless drive, Driver age etc.
35 Anderson and Dong (2017) Logit Truck More than 2 vehicles involved, Careless drive etc.
36 Rahimi et al. (2020) Ordered probit Truck Object collision, Overturn, Speed limit: over 100km/h etc.
37 Xu et al. (2019) Ordered probit Truck Local road, Careless drive, Drunk drive, Fatigue drive etc.
38 Osman et al. (2018) Ordered probit Truck Object collision, Time of crash: evening etc.
39 Al-Bdairi and Hernandez (2017) Ordered probit Truck Overturn, More than 2 vehicles involved, Curve etc.
40 Yuan et al. (2017) Logit Truck Speed limit: over 100km/h, Time of crash: evening etc.
41 Cerwick et al. (2014) Logit Truck More than 2 vehicles involved, Driver's age etc.
42 Chen and Chen (2011) Logit Truck Overturn, More than 2 vehicles involved, Fatigue drive etc.

선별된 버스 및 트럭 사고심각도 관련 요인은 공작물 충돌(Object Collision), 전복사고(Overturn), 차량 2대 이상 관여 여부(More than 2 Vehicles Involved), 제한속도 100km/h 이상(Speed Limit: Over 100km/h), 저녁 시간대 발생(Time of Crash: Evening), 심야 시간대 발생(Time of Crash: Midnight), 기상(비/안개)(Weather: Rain/Fog). 젖은 노면(Surface: Wet), 지방부 도로(Local Road), 곡선부 구간 사고(Curve), 속도위반(Speed Violation), 운전 부주의(Careless Drive), 음주운전(Drunk Drive), 피로운전(Fatigue Drive), 운전자 연령(Driver’s Age)이다. 이 중 공작물 충돌은 차량이 도로상 또는 가로변의 구조물을 충돌하여 사고가 발생한 경우를 말한다. 전복사고는 사고 전, 후 차량이 전복된 사고를 의미한다. 차량 2대 이상이 관여된 사고는 차대차 사고를 의미하며, 2대 이상의 충돌을 포함한다. 제한속도 100km/h 이상은 주행속도가 높은 도로에서 발생한 사고를 의미하고, 우리나라의 고속도로가 이에 해당한다고 할 수 있다. 저녁 및 심야 시간대 발생은 사고 발생시간대가 각각 저녁 및 심야 시간대인 경우를 의미하고, 기상(비/안개)은 비 또는 안개 상황에서 사고가 발생한 경우를 말한다. 그 외 지방부 도로, 곡선부 사고, 속도위반, 운전 부주의, 음주운전, 피로운전, 졸음운전, 운전자 연령은 일반적으로 의미하는 바와 동일하다.

2. 통계모형 선택을 위한 이질성 검정

메타분석을 수행하기 위해 통계모형을 선택하여야 하며, 방법론에서 제시한 바와 같이 이질성 검정 결과를 기반으로 선정한다. Jo et al.(2016)의 연구에서는 연구자가 연구별 특성이 이질적일 것으로 판단하는 경우, 이질성 검정 결과에 상관없이 랜덤효과모형을 선정할 수 있다고 제시한 바 있으나, 본 연구에서는 별도의 이질성 검토를 수행하였다.

메타분석 과정에서 이질성 검정 방법으로는 앞서 이론적 고찰의 효과크기 이질성 검정에서 언급하였듯이 forest plot, Cochran'sQHiggins'sI2가 있다. 우선, forest plot 확인 결과, 수직선을 중심으로 각 연구별 신뢰구간이 몰려있는 것이 아니라 분산되어 있기 때문에 효과크기 이질성이 존재함을 확인할 수 있었다. 분석 요인별 forest plot은 Figure 2와 같다. 또한, Cochran'sQHiggins'sI2를 활용하여 각 요인별 효과크기 이질성 검정을 수행한 결과는 Table 2와 같다. 살펴보면, Cochran'sQ의 p-value 값은 모두 0.0001 미만으로 나타났다. 즉, 유의성이 있는 것으로 나타났으며, 효과크기에 이질성이 존재함을 알 수 있다. 또한, Higgins'sI2를 활용한 이질성 검정 결과에서도 지표값이 모두 75% 이상으로 산출되어 이질성이 큰 것으로 나타났다.

/media/sites/kst/2020-038-06/N0210380608/images/kst_38_06_08_F2.jpg
Figure 2

Forest plot of meta analysis

Table 2.

Heterogeneity test results

Variable Cochran's Q Higgins's I2
Q d.f. p-value I2 98%-CI
Speed violation 2,480.62 14 0 99.4% [99.3%; 99.5%]
Drunk drive 853.14 10 <0.0001 98.8% [98.5%; 99.1%]
More than 2 vehicles involved 1,264.51 9 <0.0001 99.3% [99.1%; 99.4%]
Speed limit: over 100km/h 1,239.38 16 <0.0001 98.7% [98.4%; 98.9%]
Time of crash: midnight 1,162.92 10 <0.0001 99.1% [98.9%; 99.3%]
Fatigue drive 315.16 9 <0.0001 97.1% [96.0%; 98.0%]
Curve 726.12 16 <0.0001 97.8% [97.2%; 98.2%]
Driver's age 408.12 18 <0.0001 95.6% [94.2%; 96.6%]
Weather: rain/fog 2,140.48 10 0 99.5% [99.4%; 99.6%]
Object collision 2,347.07 10 0 99.6% [99.5%; 99.6%]
Time of crash: evening 427.75 11 <0.0001 97.4% [96.6%; 98.1%]
Overturn 3,290.41 9 0 99.7% [99.7%; 99.8%]
Local road 351.90 11 <0.0001 96.9% [95.7%; 97.7%]
Careless drive 4,511.24 13 0 99.7% [99.7%; 99.7%]
Surface: wet 2,081.73 14 0 99.3% [99.2%; 99.4%]

통계모형선택을 위한 이질성 검정 결과, 모든 선정된 변인에 대한 이질성이 확인되어 본 연구에서는 랜덤효과모형을 선택하고, 이를 기반으로 분석을 수행하였다.

3. 출판편의 진단

출판편의 진단을 위해 Egger 검정 및 funnel plot 작성을 수행하였다. 먼저 Egger 검정 결과(Table 3)를 살펴보면, 모든 요인에 대한 p-value는 모두 0.05 이상으로 나타나, ‘절편이 0이다’ 라는 귀무가설을 기각하지 못하여 출판편의가 존재하지 않는 것으로 검토되었다. Funnel plot(Figure 3)에서도 출판편의가 존재하지 않는 것으로 검토되었다. 각 요인별 문헌들이 대부분 funnel plot 위쪽에 분포하고, 효과크기의 통합추정치(funnel plot의 수직선)를 기준으로 대칭성을 나타내는 경향을 보인다고 판단한 바, 출판편의는 존재하지 않는 것으로 검토되었다.

Table 3.

Effect size results and publication bias test results using Egger’s test

Variable Effect size Publication bias test
COR 95%-CI Z p-value t d.f. p-value
Speed violation* 0.2381 [0.1490; 0.3235] 5.13 <0.0001 0.90376 13 0.3826
Drunk drive* 0.1433 [0.0618; 0.228] 3.43 0.0006 0.31067 9 0.7631
More than 2 vehicles involved* 0.1369 [0.0852; 0.1879] 5.16 <0.0001 0.59508 8 0.5682
Speed limit: over 100km/h* 0.1387 [0.0525; 0.2228] 3.15 0.0017 0.67902 15 0.5075
Time of crash: midnight* 0.121 [0.0180; 0.2214] 2.3 0.0214 0.99092 9 0.3476
Fatigue drive* 0.1153 [0.0378; 0.1914] 2.91 0.0036 0.05438 8 0.958
Curve* 0.0662 [0.0278; 0.1044] 3.37 0.0007 -0.3392 15 0.7391
Driver's age* 0.0383 [0.0085; 0.0680] 2.52 0.0118 2.0943 17 0.0515
Weather: rain/fog 0.0839 [-0.0414; 0.2066] 1.31 0.189 0.64466 9 0.5352
Object collision -0.0628 [-0.1685; 0.0443] -1.15 0.2505 1.7174 9 0.12
Time of crash: evening 0.034 [-0.0273; 0.0949] 1.09 0.2772 0.41989 10 0.6834
Overturn 0.0565 [-0.0751; 0.1861] 0.84 0.4006 0.59691 8 0.5671
Local road 0.0217 [-0.0428; 0.0859] 0.66 0.5102 0.60075 10 0.5614
Careless drive 0.0456 [-0.0979; 0.1872] 0.62 0.5345 1.282 12 0.2241
Surface: wet 0.022 [-0.0500; 0.0937] 0.6 0.5494 0.5514 13 0.5907

Note: ‘*’ mark means the p-value of factor is less than 0.05.

/media/sites/kst/2020-038-06/N0210380608/images/kst_38_06_08_F3.jpg
Figure 3

Publication bias test results using funnel plot

4. 효과크기 산출결과

메타분석 수행을 위한 통계모형 선택 절차에서는 이질성 검정 결과에 따라 랜덤효과모형을 선정하였고, 출판편의 진단 결과, 분석에 문제가 없는 것으로 나타났다. 일련의 과정을 통해 랜덤효과모형을 적용하여 도출한 분석요인별 효과크기는 Table 3과 같다. Table 3에서는 효과크기 산출 결과와 앞선 출판편의 진단 단계에서 도출한 Egger 검정 결과를 같이 제시하였다.

본 연구에서는 표준화된 상관계수를 통해 효과크기를 도출하였으므로 각 영향요인의 영향도에 대해 0을 기준으로 해석하여야 한다. 결과를 살펴보면, 전체 15개 요인 중 8개 요인이 유의미한 것으로 나타났다. 분석 요인 중 유의미한 요인을 효과크기 순서대로 나열해보면 속도위반, 음주운전, 제한속도 100km/h 이상, 차대차 사고, 야간시간대 발생사고, 피로(졸음) 운전, 곡선부 발생 여부, 운전자 연령 순이다. 이 중 속도위반의 효과크기가 0.2381로 가장 크고, 곡선부 사고가 0.0662, 운전자 나이가 0.0383으로 작은 편으로 나타났다. 그 외 음주운전, 제한속도 100km/h 이상, 차대차 사고, 야간시간대 발생사고, 피로(졸음) 운전의 경우 효과크기가 0.11-0.14 범위로 나타났다.

한편 기상상태(강우/안개), 공작물 충돌(단독사고), 저녁 시간대 발생사고, 전복, 지방부 도로 사고, 부주의, 젖은 노면상태의 경우에는 유의미하지 않은 것으로 나타났다. 여기서 통계적으로 유의미하지 않은 변수의 95% 신뢰구간을 살펴보면, 유의미한 변수와 달리 95% 신뢰구간이 음수에서 양수에 걸쳐 존재하는 것으로 나타난다. 이러한 결과는 메타분석이 요인 중복 효과를 별도로 고려하지 못하기 때문에 나타나는 현상으로, 통계적으로 유의미하지 않은 변수가 사고심각도와 상관이 없어서라기보다 다른 요인과의 결합 여부 등 상황에 따라 사고심각도에 미치는 영향이 상이할 수 있다는 의미로 해석하여야 한다. 예를 들어, 강우 및 안개 상황, 젖은 노면 상황에서 운전자가 감속운행 등 안전에 유의하여 운행하는 경우, 오히려 사고심각도를 감소시킬 수 있다. 이러한 점은 Albertsson et al.(2006)의 연구에서도 확인할 수 있는 바, 비록 해외이긴 하지만 버스 및 트럭의 사고심각도는 오히려 맑은 날에 높은 것으로 제시한 바 있다.

운전 부주의의 경우에도 버스 및 트럭 운전자 휴식 등 관리 면에서 국내 대비 국외가 상대적으로 관련 법이 엄격하여, 이런 특성이 운전자 실수 감소로 이어지기 때문인 것으로 판단된다. 이러한 점은 Prato and Kaplan(2014)의 연구에서도 언급된 바, 고령 버스 운전자의 증가에도 불구하고 운전자 관리를 통해 버스 안전도가 제고되었다고 언급한 바 있다.

전복사고의 경우, 예상과 달리 통계적으로 유의미하지 않은 결과를 도출하였는데, 이는 선정된 연구에서 Rolling과 단순 전복을 구분하지 않은 경우가 대부분이기 때문으로 사료된다.

마지막으로 공작물 충돌의 경우에는 분석 요인 중 유일하게 효과크기가 음(-)으로 나타나 사고심각도는 오히려 감소된다는 결과를 도출하였는데, 이러한 결과는 상대속도 차이, 교통안전 시설물과의 충돌에 따른 안전도 상승 등 단독사고로써 차대차 사고와 배치되는 상황이기 때문으로 사료된다.

결론 및 시사점

본 연구는 버스 및 트럭으로 대표되는 버스 및 트럭 사고심각도에 영향을 미치는 변수의 탐색과 상대적인 영향도 제시를 목표로, 보다 포괄적이고 광범위한 변수를 검토하고자 메타분석 방법을 활용하여 분석을 수행하였다. 메타분석을 위해 버스 관련 14개 연구, 트럭 관련 28개 연구, 총 42개 문헌을 선정하였고, 이들 연구를 토대로 15개 관련 변수를 선정하였으며, 메타분석에 요구되는 자료를 구축, 수행하여 결과를 제시하였다.

일련의 분석 과정을 살펴보면, 이질성 검정을 수행한 결과, 각 연구 결과에는 이질성이 존재하는 것으로 나타나 메타분석을 위한 통계모형으로는 랜덤효과모형을 선택하였다. 출판편의 진단을 수행한 결과, 문제가 없는 것으로 나타나, 표준화된 상관계수를 기반으로 산출된 효과크기 및 통계적 유의미 여부를 제시하였다.

전체 15개 변수 중 8개 변수는 통계적으로 유의미한 것으로 나타났으며, 효과크기 순으로 제시하면 속도위반, 음주운전, 제한속도 100km/h 이상, 차대차 사고, 야간사고, 졸음운전, 곡선부 사고, 운전자 연령으로 나타났다. 이 중 속도위반의 효과크기 0.2381로 가장 크고, 제한속도 100km/h 이상, 음주운전, 차대차 사고, 야간사고, 졸음운전의 효과크기는 0.11-0.14 범위에 조밀하게 분포하는 것으로 나타났으며, 곡선부 사고, 운전자 연령은 0.04-0.07으로 나타나 상대적으로 사고심각도에 미치는 영향은 작은 것으로 나타났다.

한편, 기상상태(강우/안개), 공작물 충돌(단독사고), 저녁 시간대 발생사고, 전복, 지방부 도로 사고, 운전 부주의, 젖은 노면의 경우에는 사고심각도에 미치는 영향이 유의미하지 않은 것으로 나타난 바, 이는 분석 결과에서 언급한 바와 같이 타 요인과의 결합여부나 상황에 따라 사고심각도를 감소시킬 수도, 증가시킬 수도 있기 때문인 것으로 판단된다.

본 연구 결과가 버스 및 트럭 사고심각도 저감을 위한 방안 마련 및 정책에 시사하는 바는 다음과 같다. 첫 번째, 이슈 중심적 대응 외에도 보다 과학적이고 객관적인 연구 결과를 토대로 버스 및 트럭 안전관리 정책을 수립할 필요가 있겠다. 서론에서 언급한 바와 같이 실제로 발생한 대형 인명피해 사고의 원인으로 지목된 졸음운전은 버스 및 트럭 사고심각도 효과크기에서 6번째에 해당한다. 두 번째, 사고심각도에 유의미한 영향을 미치는 요인 중 속도위반이 가장 큰 효과크기를 보이고 있는 바, 여전히 버스 및 트럭 운행속도 관리가 중요하다고 할 수 있겠다. 이러한 점에서 본 연구 결과는 기존 과속단속체계의 확충 또는 운행기록계(DTG: Digital Tachograph) 자료를 기반으로 한 보다 강력한 제재의 근거로 활용될 수 있을 것이다. 세 번째, 속도위반 외 사고심각도에 영향을 미치는 요인 대부분의 효과크기 측면에서 큰 차이를 보이지 않는 바, 이러한 점은 다양한 요인관리를 통한 다각적인 버스 및 트럭 안전관리의 필요성을 의미한다. 그 외 본 연구를 통해서 고속도로 야간 음주단속 강화, 안전시설물 확충, 악조건 하 운행 시 안전운행 필요성 홍보 강화 등을 시사점으로 도출할 수 있겠다.

본 연구는 메타분석이 각 연구별 표본 크기의 차이에 따라 연구별 가중치를 다르게 부여한다는 내재적인 한계를 지니고 있다. 그럼에도 불구하고, 본 연구는 기존보다 포괄적으로 사고심각도 요인을 분석하고 상대적으로 비교하고자 하였고, 이를 토대로 교통사고 심각도 저감을 위한 방안을 제언하고자 하였다는 데에 그 의의가 있다.

또한 국내 관련 연구가 국외에 비해 상대적으로 부족한 바, 국내 교통사고 심각도 요인규명과 관련된 연구가 지속적으로 이루어져야 할 것으로 판단된다. 향후 양적으로 확충된 이후에는 본 연구와 동일한 방법론을 적용하여 국내와 국외의 영향요인 및 효과크기의 비교, 분석 결과를 기반으로 사회경제적 문제점에 대한 검토 및 국내 특화 정책 방향의 제시 등을 실행할 수 있을 것으로 사료된다.

마지막으로, 본 연구 과정에서 버스 및 트럭 사고 관련 자료 상 첨단장치장착 여부, 운전자 인적 요소, 사고 발생 상황 등 보다 다양한 요인 검토가 가능하도록 뒷받침되지 않고 있는 사실은 아쉬운 부분으로 남는다. 본 연구가 버스 및 트럭 사고심각도 저감 및 대형 인명피해 사고 재발 방지에 기여할 수 있기를 바란다.

Funding

This research was supported by a Korea Agency for Infrastructure Technology Advancement (KAIA) grant funded by the Korean government (MOLIT) (20PQWO-B153369-02).

References

1
Ahmed M. M., Franke R., Ksaibati K., Shinstine D. S. (2018), Effects of Truck Traffic on Crash Injury Severity on Rural Highways in Wyoming Using Bayesian Binary Logit Models, Accident Analysis & Prevention, 117, 106-113. 10.1016/j.aap.2018.04.01129684736
2
Ahn W. H., Lee S. H., Park S. Y. (2014), The Relationship Among Bus Driver's Personality Traits, Safety Job Performance and Traffic Accidents, Journal of the Korean Society of Safety, 29(2), 68-75. 10.14346/JKOSOS.2014.29.2.068
3
Al-Bdairi N. S. S., Hernandez S. (2017), An Empirical Analysis of Run-off-road Injury Severity Crashes Involving Large Trucks, Accident Analysis & Prevention, 102, 93-100. 10.1016/j.aap.2017.02.02428268204
4
Albertsson P., Falkmer T., Kirk A., Mayrhofer E., Björnstig U. (2006), Case Study: 128 Injured in Rollover Coach Crashes in Sweden - Injury Outcome, Mechanisms and Possible Effects of Seat Belts, Safety Science, 44(2), 87-109. 10.1016/j.ssci.2005.07.005
5
Anarkooli A. J., Hosseinpour M., Kardar A. (2017), Investigation of Factors Affecting the Injury Severity of Single-vehicle Rollover Crashes: A Random-effects Generalized Ordered Probit Model, Accident Analysis & Prevention, 106, 399-410. 10.1016/j.aap.2017.07.00828728062
6
Anderson J. C., Dong S. (2017), Heavy-vehicle Driver Injury Severity Analysis by Time of Week: A Mixed Logit Approach Using HSIS Crash Data, ite Journal, 9, 41-49.
7
Azimi G., Rahimi A., Asgari H., Jin X. (2020), Severity Analysis for Large Truck Rollover Crashes using a Random Parameter Ordered Logit Model, Accident Analysis & Prevention, 135, 1-8. 10.1016/j.aap.2019.10535531812901
8
Besharati M. M., Kashani A. T. (2018), Factors Contributing to Intercity Commercial Bus Drivers' Crash Involvement Risk, Archives of Environmental & Occupational Health, 73(4), 243-250. 10.1080/19338244.2017.130647828318430
9
Bin M. Y., Son S. G. (2018), Analysis of Factors Influencing Traffic Accident Severity According to Gender of Bus Drivers, Journal of Korean Society of Transportation, 36(6), 440-451. 10.7470/jkst.2018.36.6.440
10
Bin M. Y., Son S. G. (2019), The Analysis of Bus Traffic Accident to Support Safe Driving for Bus Drivers, The Journal of The Korea Institute of Intelligent Transport Systems, 18(1), 14-26. 10.12815/kits.2019.18.1.14
11
Blower D., Green P. E. (2010), Type of Motor Carrier and Driver History in Fatal Bus Crashes, Journal of the Transportation Research Record, 2194, 37-43. 10.3141/2194-05
12
Cerwick D. M., Gkritza K., Shaheed M. S., Hans Z. (2014), A Comparison of the Mixed Logit and Latent Class Methods for Crash Severity Analysis, Analytic Methods in Accident Research, 3-4, 11-27. 10.1016/j.amar.2014.09.002
13
Chen F., Chen S. (2011), Injury Severities of Truck Drivers in Single- and Multi-vehicle Accidents on Rural Highways, Accident Analysis & Prevention, 43, 1677-1688. 10.1016/j.aap.2011.03.02621658494
14
Choi J. H., Lim J. B., Lee S. B. (2016), A Meta Analysis of the Effects of Road Safety Facilities on Accident Reduction: Focusing on Signalized Intersection, Journal of Korean Society of Transportation, 34(4), 291-303. 10.7470/jkst.2016.34.4.291
15
Choi J. W., Jung H. Y. (2011), Measures of Reducing Traffic Accidents by Aging Bus Drivers, Journal of the Korean Society of Civil Engineers D, 31(3D), 391-401.
16
Choi S. R. N., Kim M. J., Oh C., Lee K. Y. (2013), Effects of Weather and Traffic Conditions on Truck Accident Severity on Freeways, Journal of Korean Society of Civil Engineers, 33(3), 1105-1113. 10.12652/Ksce.2013.33.3.1105
17
Chu H. C. (2014), Assessing Factors Causing Severe Injuries in Crashes of High-deck Buses in Long-distance Driving on Freeways, Accident Analysis & Prevention, 62, 130-136. 10.1016/j.aap.2013.09.01624144498
18
Cooper E., Arioli M., Carrigan A., Jain U. (2013), Meta-Analysis of Transit Bus Exhaust Emissions, Journal of the Transportation Research Board, 2340, 20-28. 10.3141/2340-03
19
Egger M., Davey Smith G., Schneider M., Minder C. (1997), Bias in Meta-analysis Detected by a Simple, Graphical Test, British Medical Journal, 315, 629-634. 10.1136/bmj.315.7109.6299310563PMC2127453
20
Elvik R. (1995), The Safety Value of Guardrails and Crash Cushions: A Meta-analysis of Evidence from Evaluation Studies, Accident Analysis & Prevention, 27(4), 523-549. 10.1016/0001-4575(95)00003-I
21
Elvik R. (1996), A Meta-analysis of Studies Concerning the Safety Effects of Daytime Running Lights on Cars, Accident Analysis & Prevention, 28(6), 685-694. 10.1016/S0001-4575(96)00041-3
22
Elvik R. (1997), Effects on Accidents of Automatic Speed Enforcement in Norway, Transportation Research Record, 1595(1), 14-19. 10.3141/1595-03
23
Elvik R. (1998), The Effects on Accidents of Studded Tires and Laws Banning Their Use: A Meta-analysis of Evaluation Studies, Accident Analysis & Prevention, 31(1-2), 125-134. 10.1016/S0001-4575(98)00054-2
24
Elvik R. (2001), Area-wide Urban Traffic Calming Schemes: A Meta-analysis of Safety Effects, Accident Analysis & Prevention, 33(3), 327-336. 10.1016/S0001-4575(00)00046-4
25
Elvik R. (2013), Risk of Road Accident Associated with the Use of Drugs: A Systematic Review and Meta-analysis of Evidence from Epidemiological sSudies, Accident Analysis & Prevention, 60, 254-267. 10.1016/j.aap.2012.06.01722785089
26
Elvik R., Poun Greibe (2005), Road Safety Effects of Porous Asphalt: A Systematic Review of Evaluation Studies, Accident Analysis & Prevention, 37(3), 515-522. 10.1016/j.aap.2005.01.00315784205
27
Feng S., Li Z., Ci Y., Zhang G. (2016), Risk Factors Affecting Fatal Bus Accident Severity: Their Impact on Different Types of Bus Drivers, Accident Analysis & Prevention, 86, 29-39. 10.1016/j.aap.2015.09.02526513334
28
Hao W., Kamga C., Yang X., Ma J. Q., Thorson E., Zhong M., Wu C. (2016), Driver Injury Severity Study for Truck Involved Accidents at Highway-rail Grade Crossings in the United States, Transportation Research Part F, 43, 379-386. 10.1016/j.trf.2016.09.001
29
Hedges L. V., Olkin I. (1985), Statistical Methods for Meta-Analysis, Academic Press, Inc., 122-127.
30
Higgins J. P. T., Thompson S. G., Deeks J. J., Altman D. G. (2003), Measuring Inconsistency in Meta-analyses, British Medical Journal, 327(7414), 557-560. 10.1136/bmj.327.7414.55712958120PMC192859
31
Islam M., Hernandez S. (2013), Large Truck-Involved Crashes: Exploratory Injury Severity Analysis, Journal of Transportation Engineering, 139(6), 596-604. 10.1061/(ASCE)TE.1943-5436.0000539
32
Jo Y., Yoon S. M., Oh C. (2016), Effectiveness Analysis of Variable Speed Limit Systems(VSL) in Work Zones based on Meta-analysis, J. Korea Inst, Intell, Transp, Syst., 15(4), 91-103. 10.12815/kits.2016.15.4.091
33
Kang C. M., Chung Y. S., Jang Y. J. (2019), Injury Severity Analysis of Truck-involved Crashes on Korean Freeway Systems using an Ordered Probit Model, Journal of the Korean Society of Civil Engineers, 39(3), 391-398.
34
Kaplan S., Prato C. G. (2012), Risk Factors Associated with Bus Accident Severity in the United States: A Generalized Ordered Logit Model, Journal of Safety Research, 43, 171-180. 10.1016/j.jsr.2012.05.00322974682
35
Khan W. A., Khattak A. (2018), Injury Severity of Truck Drivers in Crashes at Highway-rail Grade Crossings in the United States, Transportation Research Record, 2672(10), 38-47. 10.1177/0361198118781183
36
Khattak A., Luo Z., Gao M. (2012), “Investigation of Factors Associated with Truck Crash Severity in Nebraska”, Mid-America Transportation Center, 20, p.1-25.
37
Kontopantelis E., Reeves D. (2009), MetaEasy: A Meta-Analysis Add-In for Microsoft Excel, Journal of Statistical Software, 30(7), 1-25. 10.18637/jss.v030.i07
38
La Q. N., Lee A. H., Meuleners L. B., Duong D. V. (2012), Prevalence and Factors Associated with Road Traffic Crash among Bus Drivers in Hanoi, Vietnam, International Journal of Injury Control and Safety Promotion, 1-6.
39
Lemp J. D., Kockelman K. M., Unnikrishnan A. (2011), Analysis of Large Truck Crash Severity Using Heteroskedastic Ordered Probit Models, Accident Analysis & Prevention, 43, 291-303. 10.1016/j.aap.2010.09.00621094335
40
Moomen M., Rezapour M., Ksaibati K. (2018), An Investigation of Influential Factors of Downgrade Truck Crashes: A Logistic Regression Approach, Journal of Traffic and Transportation Engineering, 6(2), 185-195. 10.1016/j.jtte.2018.03.005
41
Naik B., Tung L. W., Zhao S., Khattak A. J. (2016), Weather Impacts on Single-vehicle Truck Crash Injury Severity, Journal of Safety Research, 58, 57-65. 10.1016/j.jsr.2016.06.00527620935
42
Oh M. S., Youn S. M., Jeong E. B., Oh C. (2017), Evaluating Traffic Safety Benefits of Electronic Stability Control System Using Meta Analysis: Focused on Accident Rates, Journal of Korean Society of Transportation, 35(4), 307-320. 10.7470/jkst.2017.35.4.307
43
Osman M., Mishra S., Paleti R. (2018), Injury Severity Analysis of Commercially-licensed Drivers in Single-vehicle Crashes: Accounting for Unobserved Heterogeneity and Age Group Differences, Accident Analysis & Prevention, 118, 289-300. 10.1016/j.aap.2018.05.00429784448
44
Osman M., Paleti R., Mishra S., Golias M. M. (2016), Analysis of Injury Severity of Large Truck Crashes in Work Zones, Accident Analysis & Prevention, 97, 261-273. 10.1016/j.aap.2016.10.02027780122
45
Park J. S., Oh Y. P., Kim H. K., Ahn W. S. (2015), Experimental Investigation of Macroscopic Analysis of Traffic Safety Using Meta Analysis Focused on Busan Metropolitan City, Journal of the Korean Society of Civil Engineers, 35(6), 1339-1345. 10.12652/Ksce.2015.35.6.1339
46
Prato C. G., Kaplan S. (2014), Bus Accident Severity and Passenger Injury: Evidence from Denmark, Eur. Transp. Res. Rev 6, 17-30. 10.1007/s12544-013-0107-z
47
Rahimi E., Shamshiripour A., Samimi A., Mohammadian A. (2020), Investigating the Injury Severity of Single-vehicle Truck Crashes in a Developing Country, Accident Analysis & Prevention, 137, 105444. 10.1016/j.aap.2020.10544432004861
48
Rezapour M., Ksaibati K. (2018), Application of Multinomial and Ordinal Logistic Regression to Model Injury Severity of Truck Crashes, Using Violation and Crash Data, Journal of Modern Transportation, 26(4), 268-277. 10.1007/s40534-018-0166-x
49
Sam E. F., Daniels S., Brijs K., Brijs T., Wets G. (2018), Modelling Public Bus/Minibus Transport Accident Severity in Ghana, Accident Analysis & Prevention, 119, 114-121. 10.1016/j.aap.2018.07.00830016751
50
Shin W. J. (2015), An Introduction of the Systematic Review and Meta-Analysis, Hanyang Med Rev 2015, 35, 9-17. 10.7599/hmr.2015.35.1.9
51
Strathman J. G., Wachana P., Callas S. (2010), Analysis of Bus Collision and Non-collision Incidents Using Transit ITS and Other Archived Operations Data, Journal of Safety Research, 41, 137-144. 10.1016/j.jsr.2010.02.00320497799
52
Tseng C. M. (2012), Social-demographics, Driving Experience and Yearly Driving Distance in Relation to a Tour Bus Driver's At-fault Accident Risk, Tourism Management, 33, 910-915. 10.1016/j.tourman.2011.09.011
53
Viechtbauer W. (2010), Conducting Meta-Analyses in R with the Metafor Package, Journal of Statistical Software, 36(3), 1-48. 10.18637/jss.v036.i03
54
Wang Y. G., Luo Y., Chen F. (2019), Interpreting Risk Factors for Truck Crash Severity on Mountainous Freeways in Jianxi and Shaanxi, China, European Transport Research Review, 11(26), 1-11. 10.1186/s12544-019-0366-4
55
Wang Z., Cao B., Deng W., Lu J. J., Zhang Z. (2011), Safety Evaluation of Truck-related Crashes at Freeway Diverge Areas, TRB 2011 Annual Meeting, 1-14.
56
Wei Z., Xiaokun W., Zhang D. (2017), Truck Crash Severity in New York City: An Investigation of the Spatial and the Time of Day Effects, Accident Analysis & Prevention, 99, 249-261. 10.1016/j.aap.2016.11.02427984816
57
Wu X., Zhang H., Xiao W., Ning P., Schwbel D. C., Hu G. (2019), Are Bus Company Regulation Associated with Crash Risk? Findings from a Retrospective Survey in Four Chinese Cities, International Journal of Environmental Research and Public Health, 16, 1-9. 10.3390/ijerph1608134231013985PMC6517911
58
Xu J., Wali B., Li X., Yang J. (2019), Injury Severity and Contributing Driver Actions in Passenger Vehicle-truck Collisions, International Journal of Environmental Research and Public Health, 16(3542), 1-16. 10.3390/ijerph1619354231546688PMC6801684
59
Yoon B. J., Yang S. R., Baek J. H., Ko E. H., Lee S. Y. (2018), Study Investigation of Cause of Car Crash on Roundabout Using Meta-Analysis, Proceedings of The Korean Society of Disaster Information, 225-226.
60
Yoon S. W., Kho S. Y., Kim D. K. (2018), Factors Influencing Crash Severity by the Types of Bus Tranpsportation Services Using Ordered Probit Models, Journal of Korean Society of Transportation, 36(1), 13-22. 10.7470/jkst.2018.36.1.013
61
Yuan Q., Lu M., Theofilatos A., Li Y. B. (2017), Investigation on Occupant Injury Severity in Rear-end Crashes Involving Trucks as the Front Vehicle in Beijing area, China, Chinese Journal of Traumatology, 20, 20-26. 10.1016/j.cjtee.2016.10.00228162916PMC5343099
62
Zhu X., Srinivasan S. (2011), A Comprehensive Analysis of Factors Influencing the Injury Severity of Large-truck Crashes, Accident Analysis & Prevention, 43, 49-57. 10.1016/j.aap.2010.07.00721094296
63
Zhu X., Srinivasan S. (2011), Modelling Occupant-level Injury Severity: An Application to Large-truck crashes, Accident Analysis & Prevention, 43, 1427-1437. 10.1016/j.aap.2011.02.02121545876
페이지 상단으로 이동하기