서론
이론적 배경
1. 선행 연구 동향 및 시사점
2. 연구의 차별성
분석방법
1. 분석대상의 선정
2. 분석방법
3. 분석자료
분석 결과
1. 분석개요 및 모형 적합성 검토 결과
2. 유형별 분석 결과
정책제언 및 사고보정계수 정리
1. 도로 및 교통 특성별 핵심 분석 결과 및 개선대책 설치 전략
2. 사고보정계수 정리
결론
서론
국내 도로교통사고 사망자 수는 국가적 노력에 힘입어 2000년 10,236명에서 2024년 2,521명으로 급감하였다. 그러나 사고 건수 감소는 상대적으로 저조하다. 2022년 국제통계 기준, 인구 10만 명당 사망자 수는 5.3명으로 OECD 평균(5.4명)의 0.98배 수준까지 도달했지만, 사고 건수는 381.3건으로 OECD 평균(242.0건)의 1.58배에 달해 여전히 최하위권에 머물러 있다. 특히 교통사고 발생 건수와 부상자 수는 높은 상관성을 보이므로, 사고 건수의 감소는 곧 부상자 수 감소로 이어질 수 있다는 점에서 사고 발생 자체를 줄이기 위한 실질적 대책이 요구된다.
교통사고는 인적 요인, 도로 환경 요인, 차량 요인의 복합적 결과이며(AASHTO, 2010), 이 중 도로환경 개선을 위해서는 안전시설 설치·유지 보수, 도로 구조 개선 등이 필요하다. 우리나라는 매년 약 1조 7,000억 원의 예산을 교통안전시설 개선에 투입하고 있다(MOLIT, 2024).
이러한 막대한 예산의 효율성을 높이기 위해서는 현장에서 시행되는 교통안전 개선대책의 효과를 계량화하는 것이 중요하며, 이에 대한 다양한 연구가 수행되어 왔다. 과거에는 시선유도시설(Park et al., 2006; Yoon, 2016), 조명시설(Hovey et al., 2005; Yang et al., 2019), 미끄럼방지포장(Lee et al., 2011; Quintus et al., 2015), 무인단속 장비(Goldenbeld et al., 2019; Cohn et al., 2020) 등이 주요 연구대상이었으며, 최근에는 교통섬(Ki and Kim, 2023), 횡단보도(Maeng, 2024), 노면색깔유도선(Lim and Han, 2024) 등으로 확대되고 있다.
그러나 기존 연구들은 대부분 개선대책의 평균적 효과(main effect)에 집중해 왔으며, 현장 특성에 따른 효과의 차이는 충분히 고려되지 않았다. 선행 연구에 따르면 교차로 형태는 충돌 유형과 사고 가능성(Gross et al., 2013; Saeed et al., 2024), 제한속도는 사고 심각도(Gupta et al., 2022; Marzoug et al., 2016), 교통량은 사고 노출 위험(Retallack and Ostendorf, 2020; Liang et al., 2024)에 영향을 미친다. 또한 도로 유형은 관리 주체 및 설계기준의 차이로 인해 동일한 개선대책의 효과를 달리할 수 있다(Ma et al., 2022). 이러한 변수들은 교통공학적으로 안전성과 연관성을 가지고 있으며, 개선대책의 효과를 조절할 수 있는 핵심 요인으로 간주된다.
아울러 기존 연구들은 사고 건수 감소에 집중해 왔으나, 사고 심각도 역시 교통안전 향상의 중요한 지표로 사회적 비용 절감과 직결된다는 점에서 그 중요성이 강조되고 있다(Hauer, 1997; AASHTO, 2010; Vingilis, 2016).
이에 본 연구는 도로 및 교통 특성 요인에 따른 교통안전 개선대책의 사고 보정 계수(Crash Modification Factor, CMF)를 사고 건수와 사고 심각도 측면에서 추정함으로써, 기존의 평균적 분석의 한계를 극복하고 개선대책의 이질적 효과(heterogeneous effects)를 실증적으로 규명하고자 한다. 이를 통해 현장 특성에 기반한 안전개선 전략 수립의 근거를 제시하고자 한다.
이론적 배경
1. 선행 연구 동향 및 시사점
그동안 다양한 연구를 통해 교통안전 개선대책의 사고 감소 효과가 분석되어 왔다. 이러한 연구들은 주로 개선대책 시행 전후의 사고 건수 변화를 비교하거나, 특정 시설물 설치가 사고 감소에 미치는 영향을 정량적으로 평가하였다. Table 1은 본 연구에서 다루는 13개 교통안전 개선대책별 주요 선행 연구를 요약한 것으로, 각 개선대책당 대표 연구 4건씩을 정리하였다.
Table 1에서 알 수 있듯이 대부분의 개선대책은 사고 건수를 유의하게 감소시키는 것으로 나타났지만, 효과의 크기와 방향은 연구별로 상이하게 보고되었다. 예를 들어, 신호기 설치는 사고 건수를 6~47% 감소시키는 것으로 나타났으며, 무단횡단금지시설의 경우 –1%(사고 증가)에서 최대 77%까지 매우 큰 편차를 보였다. 이는 교통안전 개선대책의 효과가 도로 및 교통 환경 요인에 따라 달라질 수 있음을 시사한다.
Table 1.
Selected empirical studies evaluating the effectiveness of traffic safety countermeasures
| Countermeasure | Author (Year) | Study site (study roads) | Method | Results* | |
|
Traffic light | Jami (2011) | Tennessee (10 intersections) | Simple Before-After | -47.3% | |
| Kim (2011) | Busan (25 intersections) | Empirical bayes | -20∼-26.3% | ||
| Chen (2013) | New York (138 intersections) | ANCOVA | -20∼-25% | ||
| Tang (2020) | Pennsylvania (84 intersections) | Empirical bayes | -6∼-10% | ||
|
Traffic sign | Lee (2015) | Gyeongbu Expressway (16 segments) | Empirical bayes | -41.7% | |
| Park (2016) | 2nd Jungbu Expressway (a 31-km stretch) | Comparison group | -28% | ||
| Williamson (2023) | U.S. expressway (200 segments) | Simple Before-After | -18∼-22% | ||
| Lim (2024) | Seoul (22 intersections) | T-test | -31.8% | ||
|
Delineation devices | Park (2006) | Jeonbuk (national route 17) | Empirical bayes | -9∼-55% | |
| Montella (2009) | Italy A16 Expressway (5 segments) | Empirical bayes | -18∼-39.4% | ||
| Das (2013) | Louisiana (5 highway routes) | Simple Before-After | -15% | ||
| Yoon (2016) | Incheon & Daegu (6 intersections) | Comparison group | -32.2% | ||
|
Road lighting | Hovey (2005) | Ohio (294 highway routes) | Empirical bayes | -26.5% | |
| Choi (2016) | Korea (6 research papers) | Meta analysis | -12.3% | ||
| Obeidat (2016) | Minnesota (60 intersections) | NB regression | -3.6∼-6.5% | ||
| Yang (2019) | Florida (440 intersections) | NB regression | -32∼-41.9% | ||
|
Jaywalking prevention facilities | Baek (2012) | Seoul (a 6.9-km stretch) | Simple Before-After | -25.8% | |
| Yoon (2016) | Daegu (3 intersections) | Comparison group | +0.6% | ||
| Yoon (2017) | Korea (17 national routes) | Simple Before-After | -77% | ||
| Park (2021) | Daegu (200 spots) | Empirical bayes | -30.4% | ||
|
Skid-resistant pavement | Lee (2011) | Korea (9 national routes) | Comparison group | -28% | |
| Yoon (2016) | Gyeongbuk (4 intersections) | Comparison group | -26.6% | ||
| Quintus (2015) | Kentucky (5 segments) | Empirical bayes | -78% | ||
| Merritt (2020) | Georgia (7 intersections) | Empirical bayes | -47.8∼-76% | ||
|
Speed hump | Werner (2015) | California (2 segments) | Quasi-experimental analysis | -74% | |
| Rothman (2015) | Toronto (409 intersections) | Poisson regression | -26% | ||
| Rahman (2017) | Fuchu (20 spots) | Multiple linear regression | -15% | ||
| Gyaase (2023) | Ashanti (8 main roads) | Quasi-experimental analysis | -77% | ||
|
Automated traffic enforcement system | Goldenbeld (2019) | Worldwide (18 research papers) | Meta analysis | -12% | |
| Cohn (2020) | USA & Australia (38 research papers) | Meta analysis | -24% | ||
| Tilahun (2023) | Illinois (101 intersections) | Empirical bayes | -12∼-15% | ||
| Valderrama (2024) | Bogota (513 segments) | Difference-in-differences | -21% | ||
|
Signal timing improvement | Stevanovic (2013) | Florida (12 intersections) | SSAM simulation | -7% | |
| Park (2014) | Chungbuk (55 intersections) | Comparison group | -27% | ||
| Jiaqi Ma (2016) | Virginia (47 intersections) | Empirical bayes | -15% | ||
| Reyad (2022) | British Columbia (2 intersections) | Extreme value theory | -45% | ||
|
Lane reconfiguration | Zhou (2022) | Rhode Island (13 intersections) | Empirical bayes | -29% | |
| Nishiuchi (2023) | Shikoku (4 intersections) | Simple Before-After | -18.6% | ||
| Biswas (2024) | Alabama (35 intersections) | Empirical bayes | -27% | ||
| Nye (2024) | North Carolina (36 intersections) | Empirical bayes | -16% | ||
|
Channelization (including traffic island) | Choi (2016) | Korea (3 research papers) | Meta analysis | -29.2% | |
| Yoon (2016) | Seoul & Daegu (6 intersections) | Comparison group | -4.5% | ||
| Gorthy (2017) | South Carolina (268 spots) | NB regression | -33.5% | ||
| Ki (2023) | Incheon (47 intersections) | NB regression | -7.8% | ||
|
Sidewalk & crosswalk | Chen (2013) | Newyork (72 intersections) | ANCOVA | -28.5∼-35% | |
| Choi (2016) | Korea (4 research papers) | Meta analysis | -9.5% | ||
| Maeng (2024) | Korea (13 intersections) | Empirical bayes | -13.1% | ||
| Putra (2024) | Taipei (1,407 intersections) | Difference-in-differences | -43% | ||
|
Intersection geometry redesign | Elvik (2017) | worldwide (44 research papers) | Meta analysis | -40∼-65% | |
| Zlatkovic (2019) | Utah (5 segments) | Empirical bayes | -58% | ||
| Pratelli (2020) | Tuscany (7 intersections) | Empirical bayes | -30% | ||
| Severino (2021) | British Columbia (6 intersections) | SSAM simulation | -27% | ||
선행 연구들은 대부분 개선대책의 평균적 효과 검증에 초점을 두었으나, 도로 형태, 교통량, 제한속도 등 환경적 요인을 충분히 통제하지 못한 한계가 있다. 이로 인해 동일한 개선대책임에도 연구자마다 효과 크기가 다르게 나타나는 현상이 발생하였다. 따라서 향후 연구에서는 개선대책의 효과가 도로 및 교통 특성에 따라 어떻게 달라지는지를 심층적으로 분석할 필요가 있다. 본 연구는 이러한 측면에서 선행 연구의 한계를 보완하고자 도로·교통 특성의 조절 효과를 반영한 실증분석을 수행한다.
2. 연구의 차별성
앞서 살펴본 연구 동향을 바탕으로, 본 연구는 다음 세 가지 측면에서 차별성을 가진다.
첫째, 기존 연구들이 개선대책의 평균적 효과에 그친 반면, 본 연구는 교차로 형태, 제한속도, 교통량 등 도로 및 교통 특성에 따른 개선대책의 상호작용(조절) 효과를 통계적으로 검증하였다. 이를 통해 선행 연구에서 간과된 환경적 영향을 반영한 한국형 사고보정계수(CMF)를 계량화하였다.
둘째, 대부분의 선행 연구가 특정 개선대책의 개별 효과에 집중한 반면, 본 연구는 국내 도로 안전 사업에서 자주 활용되는 13개 개선대책을 종합적으로 분석하여 대책 간 상대적 효과를 비교·평가하였다.
셋째, 기존 연구들이 사고 건수 분석에 치중한 것과 달리, 본 연구는 사고 건수뿐만 아니라 국내 교통사고의 사회적 비용을 기반으로 사고 심각도 효과까지 산출함으로써, 정부 교통안전 정책의 핵심 목표인 사고비용 절감에 기여하고자 하였다.
분석방법
1. 분석대상의 선정
1) 선정 개요
도로교통 인프라의 안전성 향상을 위한 개선대책은 매우 다양하게 존재한다. 본 연구에서는 분석대상 개선대책을 선정하기 위해 한국도로교통공단의 관련 업무 수행자를 대상으로 전문가 설문조사를 실시하였다.
한국도로교통공단은 도로교통법 제123조에 근거하여 지역 경찰 및 도로관리기관(지자체 등)의 요청에 따라 안전시설 설치 및 개선사업에 대한 기술지원을 수행하고 있으며, 2023년 한 해 동안 총 7,106건의 기술지원이 이루어졌다(MOLIT, 2024).
이를 바탕으로 기술지원 보고서에서 제안된 주요 개선대책을 검토한 결과, 총 26개의 교통안전 개선대책을 도출하였다. 이후, 공단 13개 시·도 지부의 업무 경력 5년 이상 실무자 50명을 대상으로 설문조사를 실시하였다.
설문은 개선대책의 중요도를 평가하기 위한 세 가지 기준—실무 적용도, 정책적 중요도, 사고 감소 효과성—을 중심으로 구성하였다. 실무 적용도는 현장 적용 가능성과 실행 용이성을, 정책적 중요도는 국가 교통안전 정책목표 달성에의 기여도를, 사고 감소 효과성은 대책 시행이 사고 감소에 미치는 기대 효과를 의미한다.
기준 간 상대적 중요도는 AHP(Analytic Hierarchy Process) 기법을 통해 산정하였다. AHP 설문은 9점 척도(1: 동등함 ~ 9: 매우 우월함)에 따라 세 기준 간 쌍대 비교(pairwise comparison)를 수행하도록 구성되었다.
이후 도출된 기준별 가중치를 바탕으로 BWM(Best–Worst Method) 분석을 실시하였다. BWM에서는 응답자가 각 기준별로 ‘최선’과 ‘최악’의 대책을 선택한 후, 이 두 대책을 기준으로 나머지 대책의 상대적 효율성을 1~9점 척도로 평가하였다.
AHP 가중치와 BWM 효율성 점수를 결합하여 종합 점수를 산출하였으며, 그 결과 상위 50%에 해당하는 13개 교통안전 개선대책을 최종 분석대상으로 선정하였다. 이러한 절차를 통해 개선대책 선정의 객관성과 정량적 타당성을 확보하였다.
2) 선정 결과
먼저 AHP 분석을 통해 세 가지 평가 기준의 중요도를 산출한 결과, 실무 적용도 0.48, 정책적 중요도 0.35, 사고 감소 효과성 0.17로 나타났다. 또한 응답 일관성 검증을 위한 일관성 비율(Consistency Ratio, CR) 분석 결과, 모든 응답의 CR이 0.10 이하로 나타나 일반적인 권장 수준을 충족하였다. 이어서 BWM 분석을 통해 기준별 가중치와 종합 결과를 도출하였으며, 그 결과는 Table 2에 제시하였다.
Table 2.
Weighted evaluation results from AHP and BWM methods
Table 2의 결과를 바탕으로, 총 26개 개선대책 중 상위 50%에 해당하는 13개를 본 연구의 분석대상으로 최종 선정하였다. 선정된 개선대책은 Figure 1에 제시된 바와 같이 무인교통단속장비 설치, 도류화, 과속방지시설 설치, 신호기 증설, 미끄럼방지포장, 교차로 구조변경, 무단횡단금지시설 설치, 안전표지 설치, 보도 및 횡단보도 정비, 차로 재조정, 시선유도시설 설치, 신호체계개선, 조명시설 설치 등이다.
이들 13개 개선대책은 기능적으로 Table 3과 같이 세 가지 유형으로 분류할 수 있다. 안전시설에는 안전표지 설치를 포함한 5개 대책이, 통제·규제 시설에는 교통 신호기 증설을 포함한 4개 대책이, 도로·보행 공간 정비시설에는 차로 재조정을 포함한 4개 대책이 해당된다. 본 연구는 이러한 유형별 구조화를 통해 개선대책을 적절히 배분하고, 유형 간 비교 및 유형 내 세부 대책 간의 분석이 가능하도록 분석 틀을 마련하였다.
Table 3.
Functional classification of selected traffic safety countermeasures
2. 분석방법
본 연구는 교통안전 개선대책의 도로 및 교통 특성별 효과를 분석하기 위해 조절 회귀모형(moderated regression model)을 채택하였다. 이 모형은 개선대책 시행 전후의 단순 비교를 넘어, 특성 인자와의 상호작용 항을 포함함으로써 환경별 효과를 통계적으로 검증할 수 있는 분석기법이다. 특히 교통안전 개선대책은 다양한 환경에서 시행되므로, 환경별 효과를 파악하는 데 조절 회귀모형이 유리하다. 이를 통해 특정 환경에서 사고 감소 효과가 강화되거나 약화되는 구조를 규명함으로써 정책 설계의 실효성을 높일 수 있다.
기존의 비교그룹 방법은 적절한 비교군 설정이 어렵고, 경험적베이즈 기법은 사전분포 설정의 주관성과 계산 복잡성이 한계로 지적된다. 단순 비교 방법은 분석은 용이하나, 환경에 따른 구조적 관계를 포착하지 못한다. 조절 회귀모형은 이러한 기존 방법의 한계를 보완하면서도 단순 비교의 장점을 확장한 형태로, 현실을 반영한 타당한 효과 분석 도구로 활용될 수 있다.
본 연구는 최소자승법(ordinary least squares, OLS)에 기반한 조절 회귀모형을 사용하였다. 이 모형은 조절변수(moderator variable)를 포함한 회귀분석으로, 조절변수란 Figure 2의 Z와 같이 독립변수 X가 종속변수 Y에 미치는 영향을 조절하는 제3의 변수이다(Hayes, 2018; Helm and Mark, 2012; Hong and Jeong, 2014; Kwak, 2023).
조절변수 Z의 수준이나 조건에 따라 X가 Y에 미치는 효과의 강도나 방향이 달라질 수 있으며, 이 경우 X와 Z 사이에는 상호작용 효과(interaction effect)가 존재한다. 예를 들어, 자동차 등록대수가 많을수록 교통사고가 증가하는데, 도심 상업지구처럼 늦은 시간까지 통행이 활발한 지역에서는 그 증가폭이 더 크다면, 토지이용 특성이 조절변수가 된다.
Figure 2의 (a)는 조절변수 Z의 개념적 역할을, (b)는 실제 분석에서 독립변수 X와 조절변수 Z의 곱으로 구성된 상호작용 항이 모델에 포함되는 구조를 나타낸다(Kwak, 2023). 조절 효과분석은 Z의 값 변화에 따라 X가 Y에 미치는 영향이 달라지는지를 검정하며, 상호작용 항 X × Z가 종속변수 Y에 유의한 영향을 미친다면 조절 효과가 존재한다고 판단한다(Aiken and West, 1991; Jaccard and Turrisi, 2003; Jose, 2013). 이를 통해 조절변수에 따라 교통안전 개선대책의 주 효과(사고 건수, 사고 심각도)의 크기나 방향이 달라지는지를 분석할 수 있다.
본 연구에서는 OLS 기반의 조절 회귀모형을 통해 교통안전 개선대책(연속형 변수)이 사고 건수 및 사고 심각도(종속변수, 연속형)에 미치는 영향을 도로 및 교통 특성별로 분석하였다. 조절변수는 교차로 형태, 주도로 제한속도, 교차로 교통량, 도로 종류의 총 4개이며, 모두 범주형 변수로 더미화하여 상호작용 항을 생성하고 회귀모형에 포함하였다.
또한 조절 회귀분석에서 중요한 평균 중심화(mean centering)를 적용하여 다중공선성을 줄이고 회귀계수 해석의 명확성을 확보하였다. 평균 중심화란 각 변수의 값을 해당 변수의 평균에서 뺀 값을 사용하는 것으로, 변수 대신 중심화된 값을 회귀모형에 투입함으로써 다중공선성을 줄이고 해석을 명확히 할 수 있다(Goldstein, 2015; Kelley et al., 2017; Hong and Jeong, 2014).
아울러 본 연구의 자료에서 오차항 분석 결과 이분산성(heteroscedasticity)이 확인되어, 모형 구축 시 로버스트 표준오차 추정 방식 중 하나인 HC3(heteroscedasticity-consistent standard error estimator Type 3)를 적용하였다. HC3는 잔차제곱값을 강하게 보정하여 소표본에서도 신뢰도 높은 표준오차 추정을 제공하는 방식으로White(1980), 본 연구의 자료 특성과 목적에 적합하다고 판단하였다. 분석에는 R 소프트웨어를 사용하였으며, vcovHC(model, type = "HC3") 함수를 통해 회귀계수의 유의성을 검토하였다.
3. 분석자료
본 연구의 분석자료는 ‘교통사고 잦은 곳 개선사업’의 효과분석 자료를 기반으로 구축하였다. 해당 사업은 도로 기하 구조 및 안전시설을 개선하여 사고를 줄이기 위한 국내 대표적 사후대책으로(KOROAD, 2024a), 1989년부터 매년 시행되고 있다. 사업은 사고자료 분석 → 현장조사 및 기본개선안 작성 → 개선공사 시행 → 사후 효과평가의 절차로 진행된다.
분석자료는 한국도로교통공단의 「교통사고 잦은 곳 기본개선계획 및 효과분석 보고서」를 기반으로 최근 10년(2015–2024)간 효과분석 대상이었던 2,313개소를 검토하였으며, 연구대상 13개 개선대책과 분석대상과 무관한 지점을 제외한 1,892개 교차로(3지 및 4지 교차로)의 자료를 수집하였다.
개선대책 분류는 보고서 내 기호체계를 통합하여 13개 범주로 재구성하였다. 예를 들어, A00(노면색깔유도선), A10(안전표지신설)은 ‘안전표지’로, B91(차선 규제봉), B96(갈매기 표지판)은 ‘시선유도시설’로 통합하였다.
독립변수인 교차로별 개선대책 적용 규모는 효과분석 도면을 통해 접근로별 적용 여부를 조사한 후, 교차로 전체 접근로 수로 나눈 비율로 산정하였다. 예를 들어, 3지 교차로에서 2개 방향에 미끄럼 방지 포장이 적용된 경우 0.67로 계산하였다.
종속변수는 사고 건수와 사고 심각도(EPDO)를 사용하였다. 기존 EPDO 산식(12:3 비율) 대신, 한국도로교통공단의 최근 10년치 사고비용 추계(KOROAD, 2024b)를 활용하여 재산피해 환산 가중치를 재산출하였다(사망 218.6, 중상 29.3, 경상 2.0, 부상신고 1.0). 이를 바탕으로 개선 전후의 사고 건수 및 사고 심각도 변화율을 종속변수로 구축하였다.
조절변수는 교차로의 물리적·교통적 특성을 반영하기 위해 다음 네 가지로 설정하였다: 교차로 형태(3지, 4지), 주도로 제한속도(≤ 50km/h, ≥ 60km/h), 교차로 교통량(< 24,000, ≥ 24,000 대/일), 도로 유형(특별·광역시도, 시도, 일반국도). 이는 개선대책 효과의 이질성을 검증하기 위한 주요 요인으로 활용된다.
분석대상 교차로의 지역별 분포와 개선대책별 적용현황은 Figure 3과 Table 4에 요약하였다. 평균적으로 교차로당 2.24개의 개선대책이 적용되었으며(1,892개 교차로에 4,242개의 개선대책 적용), 신호기 증설, 미끄럼방지포장, 도류화의 비중이 높게 나타났다. Table 4에 따르면 대부분의 개선대책은 모든 방향에 적용되었으나, 무인교통단속 장비는 일부 접근로에만 설치되는 경향을 보였다.
Table 4.
Implementation status of traffic safety countermeasures at analyzed intersections
교차로 형태와 주도로 제한속도 현황은 Figure 4에 제시하였다. 전체 교차로 중 약 75%가 4지 교차로이며, 제한속도는 60km/h 이상인 지점이 다수를 차지하였다.
교통량과 도로 유형 현황은 Figure 5에 나타냈다. 전체 교차로의 평균 교통량은 약 18,000대/일이며, 데이터의 편중을 최소화하고 모형의 적합성을 확보하기 위해 24,000대/일을 기준으로 두 그룹으로 구분하였다. 도로 유형은 특별·광역시도, 시도, 일반국도 순으로 분포하였으며, 지방도와 군도는 표본 수가 적어 분석에서 제외하였다.
분석 결과
1. 분석개요 및 모형 적합성 검토 결과
본 연구는 13개의 교통안전 개선대책 각각이 사고 건수와 사고 심각도에 미치는 조절 효과를 분석하기 위해 총 104개의 회귀모형을 구축하였다. 각 개선대책에 대해 사고 건수와 사고 심각도를 종속변수로 설정하고, 도로 및 교통 특성별 조절변수를 포함한 회귀모형을 구성하였다.
모형의 적합성은 F-검정을 통해 검증하였으며, 유의 확률(p-value)이 0.05 미만인 경우를 통계적으로 유의한 모형으로 판단하였다. 그 결과, Table 5에 제시된 바와 같이 전체 104개 모형 중 95개(91.3%)가 유의한 것으로 나타났다. 이는 대부분의 개선대책이 도로 및 교통 특성에 따라 사고에 유의한 영향을 미친다는 점을 시사한다.
반면, 유의하지 않은 9개 모형은 대부분 결정계수(R2)가 0.1 이하로 낮게 나타났으며, 설명력이 충분하지 않은 것으로 판단되었다. 이러한 모형은 이후의 조절 효과 분석에서 제외하였다. 이는 분석의 신뢰성을 확보하기 위한 절차로, 통계적 유의성과 설명력을 동시에 고려한 모형 선별 기준에 따른 것이다.
Table 5.
Goodness-of-fit results for moderation effect models
한편, 구축된 회귀모형의 수정 결정 계수(Adjusted R2)는 Table 6에 제시된 바와 같이 모든 도로 및 교통 특성 변수에서 사고 건수가 사고 심각도보다 높은 설명력을 보였다. 이는 사고 건수가 환경 요인에 더 민감하게 반응하며, 개선대책의 효과가 사고 발생 자체에 더 직접적인 영향을 미친다는 점을 시사한다.
Adjusted R2의 분포는 0.07에서 0.85까지 다양하게 나타났으며, 일부를 제외한 대부분의 조절 효과 모형이 통계적으로 유의하고 현실 자료의 변동성을 적절히 설명하고 있음을 의미한다. Table 6의 수치는 각 특성 유형별로 유의한 13개 모형의 최소값과 최대값을 기준으로 산정하였다.
Table 6.
Adjusted R2 ranges for moderation effect models
2. 유형별 분석 결과
1) 교차로 형태별 사고 감소 효과
교차로 형태별 조절 효과 분석 결과는 Table 7에 제시하였다. 총 26개 모형 중 23개가 통계적으로 유의하였으며, 이는 교차로 구조가 개선대책의 효과에 영향을 미칠 수 있음을 보여준다.
Table 7.
Moderation effect analysis by intersection type
| Countermeasure | Accident frequency reduction effect | Accident severity reduction effect | ||||
| 3-leg | 4-leg |
Moderation effect | 3-leg | 4-leg |
Moderation effect | |
| Traffic light | 6.1% | 8.4%(**) | 2.3% | 8.2% | 6.3%(*) | -1.8% |
| Traffic sign | 5.5% | 10.3%(*) | 4.8% | 11.3% | 10.0%(**) | -1.3% |
| Delineation devices | 7.4% | 15.4%(*) | 8.0%(*) | 17.9%(*) | 18.5%(**) | 0.6%(.) |
| Road lighting | 10.0% | 12.0%(*) | 2.0% | 13.2% | 8.7% | -4.5% |
| Jaywalking prevention facilities | 6.1% | 11.5%(***) | 5.4%(.) | 10.7%(.) | 7.0%(.) | -3.7% |
| Skid-resistant pavement | 15.4% | 22.7%(***) | 7.3%(**) | 4.2% | 15.6%(***) | 11.4%(**) |
| Speed hump | 21.0%(*) | 19.0%(***) | -2.0% | 17.3%(*) | 23.9%(***) | 6.6%(*) |
| Automated enforcement system | 12.8% | 14.9%(***) | 2.1% | 9.8% | 13.0%(***) | 3.2% |
| Signal timing improvement | - | - | - | 32.0%(*) | 9.2% | -22.8%(*) |
| Lane reconfiguration | 9.2% | 9.2%(*) | 0.0% | 5.8% | 11.0%(*) | 5.2% |
| Channelization | 18.3%(**) | 10.7%(**) | -7.7%(**) | 21.0%(**) | 16.2%(***) | -4.8%(.) |
| Sidewalk & crosswalk | - | - | - | - | - | - |
| Intersection geometry redesign | 25.1%(**) | 27.0%(**) | 1.8% | 20.1%(.) | 28.3%(**) | 8.2% |
사고 건수 측면에서는 시선유도시설, 미끄럼방지포장, 도류화에서 형태별 차이가 뚜렷하게 나타났다. 시선유도시설과 미끄럼방지포장은 4지 교차로에서, 도류화는 3지 교차로에서 더 큰 효과를 보였다.
사고 심각도에서는 미끄럼방지 포장, 과속방지시설, 신호체계 개선이 유의한 조절 효과를 나타냈다. 미끄럼방지포장과 과속방지시설은 4지 교차로에서, 신호체계 개선은 3지 교차로에서 효과가 더 컸다.
이 결과는 교차로 형태에 따라 개선대책의 효과가 달라질 수 있음을 시사한다.
2) 주도로 제한속도별 사고 감소 효과
주도로 제한속도에 따른 조절 효과 분석 결과는 Table 8에 제시하였다. 총 26개 모형 중 23개가 통계적으로 유의하였으며, 대체로 속도가 높은 도로일수록 개선대책의 효과가 크게 나타났다.
사고 건수 측면에서는 대부분의 개선대책이 60km/h 이상 구간에서 더 큰 감소 효과를 보였으며, 특히 신호기 증설, 시선유도시설, 미끄럼방지포장이 고속구간에서 유의한 효과를 나타냈다.
사고 심각도에서도 유사한 경향이 나타났다. 신호기 증설은 50km/h 이하 구간의 효과가 높았지만, 미끄럼방지 포장과 무인교통단속장비 설치는 60km/h 이상 구간에서 효과가 두드러졌다.
이는 제한속도가 개선대책의 효과 크기에 영향을 미치는 주요 요인임을 시사한다.
Table 8.
Moderation effect analysis by speed limit
| Countermeasure | Accident frequency reduction effect | Accident severity reduction effect | ||||
| ≤ 50kph | ≥ 60kph |
Moderation effect | ≤ 50kph | ≥ 60kph |
Moderation effect | |
| Traffic light | 2.9% | 13.3%(***) | 10.4%(**) | 9.9%(*) | 3.1% | -6.8%(*) |
| Traffic sign | 6.8%(***) | 10.2%(***) | 3.4%(.) | 7.4%(**) | 12.8%(***) | 5.5% |
| Delineation devices | 7.7% | 18.6%(**) | 10.9% | 7.6% | 18.0%(**) | 10.4% |
| Road lighting | - | - | - | - | - | - |
| Jaywalking prevention facilities | 12.5%(***) | 5.9%(*) | -6.6% | 13.0%(*) | 6.0% | -7.0% |
| Skid-resistant pavement | 15.7%(**) | 22.9%(***) | 7.2% | 4.1% | 18.9%(***) | 14.8%(*) |
| Speed hump | 19.8%(***) | 24.1%(***) | 4.3% | 22.4%(**) | 16.0% | -6.4% |
| Automated enforcement system | 10.3%(**) | 16.6%(.) | 6.3% | 9.0%(***) | 13.7% | 4.7%(**) |
| Signal timing improvement | 11.5% | 12.0% | 0.5% | 25.1%(.) | 11.7% | -13.4% |
| Lane reconfiguration | 15.2%(**) | 6.1% | -9.1% | 9.6% | 6.0% | -3.6% |
| Channelization | 21.1%(**) | 18.5%(***) | -2.6% | 22.6%(**) | 13.7%(***) | -8.9% |
| Sidewalk & crosswalk | 11.2% | 13.8%(**) | 2.6% | - | - | - |
| Intersection geometry redesign | 20.1%(***) | 25.5%(***) | 5.4% | 20.1%(***) | 29.8%(**) | 9.8% |
3) 교차로 교통량별 사고 감소 효과
교차로 교통량별 조절 효과 분석 결과는 Table 9에 제시하였다. 총 26개 모형 중 24개가 통계적으로 유의하였으며, 교통량 수준에 따라 개선대책의 효과 차이가 확인되었다.
Table 9.
Moderation effect analysis by traffic volume
| Countermeasure | Accident frequency reduction effect | Accident severity reduction effect | ||||
| 〈 24,000 | ≥ 24,000 |
Moderation effect | 〈 24,000 | ≥ 24,000 |
Moderation effect | |
| Traffic light | 10.2%(**) | 5.2% | -5.0%(.) | 9.0% | 4.5% | -4.5% |
| Traffic sign | 13.3%(***) | 9.5%(***) | -3.8%(**) | 12.4%(***) | 7.3%(**) | -5.2% |
| Delineation devices | 13.6%(*) | 14.0%(*) | 0.4% | 16.7%(**) | 18.2% | 1.5% |
| Road lighting | 7.8% | 12.8%(**) | 5.0%(*) | - | - | - |
| Jaywalking prevention facilities | 6.7%(*) | 10.8%(***) | 4.0%(**) | 13.0%(***) | 5.0% | -8.0%(*) |
| Skid-resistant pavement | 23.4%(**) | 13.4%(***) | -10.0% | 13.6%(**) | 8.7%(.) | -4.9% |
| Speed hump | 20.7%(***) | 20.4%(**) | -0.2% | 17.6%(**) | 20.6%(*) | 12.6% |
| Automated enforcement system | 5.1% | 16.8%(***) | 11.7% | 4.6%(*) | 12.6% | 8.0% |
| Signal timing improvement | 11.8% | 17.0% | 5.2% | - | - | - |
| Lane reconfiguration | 5.7%(***) | 14.3% | 8.6%(**) | 6.2%(**) | 12.8% | 6.6% |
| Channelization | 15.4%(**) | 13.3%(***) | -2.2% | 13.2%(**) | 21.8%(***) | 8.6% |
| Sidewalk & crosswalk | 13.9%(*) | 4.6% | -9.3% | 10.1%(*) | 3.1% | -7.0% |
| Intersection geometry redesign | 20.8%(**) | 25.0%(***) | 4.2% | 20.3%(**) | 25.0%(**) | 4.7%(.) |
사고 건수 측면에서는 안전표지, 조명시설, 무단횡단금지시설, 차로 재조정에서 차이가 나타났으며, 조명시설, 무단횡단금지시설, 차로 재조정은 24,000대 이상 구간에서, 안전표지는 24,000대 미만 구간에서 더 큰 효과를 보였다.
사고 심각도에서는 무단횡단금지시설이 유의한 조절 효과를 보였으며, 교통량이 적은 구간에서 감소 효과가 더 크게 나타났다.
이는 교통량 수준이 개선 대책의 효과에 영향을 미치는 요인임을 시사한다.
4) 도로 종류별 사고 감소 효과
도로 종류별 조절 효과 분석 결과는 Table 10에 제시하였다. 총 26개 모형 중 25개가 통계적으로 유의하였으며, 도로 유형에 따라 개선대책의 효과 차이가 뚜렷하게 나타났다.
Table 10.
Moderation effect analysis by road type
사고 건수 측면에서는 일반국도 대비 특별·광역시도에서 신호기 증설, 안전표지 설치, 과속방지시설 설치, 보도 및 횡단보도 설치가, 일반국도 대비 시도에서는 안전표지 설치와 차로 재조정이 유의한 차이를 보였다. 전반적으로 일반국도에서 사고 감소 효과가 크게 나타났으며, 이는 중앙정부 관리도로의 체계적인 운영·관리뿐 아니라 상대적으로 높은 제한속도 환경에 기인한 것으로 해석된다.
실제로 제한속도별 분석(Table 8)에서도 60km/h 이상 구간에서 대부분의 개선대책 효과가 크게 나타나, 속도 환경이 개선 효과의 주요 영향요인임을 뒷받침한다. 따라서 일반국도에서의 높은 개선 효과는 단순한 관리 주체 차이라기보다, 도로 기능과 속도 특성의 복합적 영향으로 이해할 수 있다.
사고 심각도에서도 유사한 경향이 나타났으며, 일반국도에서의 개선 효과가 전반적으로 더 높게 분석되었다.
정책제언 및 사고보정계수 정리
1. 도로 및 교통 특성별 핵심 분석 결과 및 개선대책 설치 전략
본 절에서는 분석 결과를 바탕으로 교통안전 개선대책의 핵심 효과와 설치 전략을 제시한다. 13개 개선대책은 제3장에서 분류한 세 가지 유형(안전시설, 통제·규제 시설, 도로·보행 공간 정비 시설)에 따라 구분하여 논의한다.
1) 안전시설
안전시설은 도로 이용자에게 물리적·시각적 정보를 제공함으로써 사고 가능성을 저감하는 기능을 수행한다. 해당 대책에는 안전표지, 시선유도시설, 조명시설, 미끄럼방지포장, 과속방지시설이 포함된다.
Figure 6은 각 안전시설의 사고 감소 효과를 도로 및 교통 특성별로 시각화한 열 지도이며, 가로축은 시설 유형, 세로축은 교차로 형태·제한 속도·교통량·도로 종류를 나타낸다. 색상은 사고 감소 효과(%)의 크기를 의미하며, 좌측은 사고 건수(Accident frequency), 우측은 사고 심각도(Accident severity)에 대한 결과이다.
안전표지는 전반적으로 안정적인 사고 저감 효과를 보였으며, 특히 제한속도 60km/h 이상, 교통량 24,000대 미만, 일반국도에서의 효과가 두드러졌다(약 13~15%). 이는 지방부 교차로에서 노면색깔유도선 등 시인성 강화 시설이 효과적으로 작용함을 시사하며, 고속 주행 교차로 접근부나 시야 확보가 어려운 구간에 우선 설치가 필요하다.
시선유도시설은 사고 심각도 감소 측면에서 가장 높은 효과를 보였으며, 특히 제한속도가 높은 교차로에서 효과가 뚜렷했다(약 18%). 이는 도로 선형 변화에 대한 운전자 인지·반응 시간을 단축시켜, 고속 및 복잡한 교차로 환경에서 유용하게 작용함을 의미한다.
조명시설은 도로 유형과 무관하게 안정적인 사고 건수 감소 효과(약 10~13%)를 나타냈다. 이는 조명이 단순한 밝기 확보를 넘어 운전자에게 시각적 정보를 제공하여 사고 예방에 기여함을 보여준다. 따라서 야간사고가 빈번한 일반국도 및 도시부 보행 횡단부에 대한 조명 강화가 지속적으로 추진되어야 한다.
미끄럼방지포장은 사고 건수 감소 효과가 가장 큰 개선대책 중 하나로, 특히 제한속도가 높고 교통량이 적은 구간에서 효과가 컸다(약 23%). 이는 고속·급제동이 빈번한 환경에서 노면 마찰력 확보가 효과적으로 작용함을 입증하며, 지방부 교차로에 우선 적용하되, 노면 재료 및 시공 방식은 현장 여건에 따라 신중히 선택해야 한다.
과속방지시설은 사고 건수와 사고 심각도 모두에서 일관된 효과를 보였으며, 대부분 20% 이상의 감소 효과를 나타냈다. 이는 물리적 감속 유도 장치로서의 기능적 우수성을 보여주며, 특히 대도시 외 지역 교차로에서 높은 효과가 확인되었다. 향후에는 단순 과속방지턱을 넘어 스마트 감속 유도 등 기술 융합형 시설로의 발전이 요구된다.
2) 통제ㆍ규제시설
통제·규제 시설은 차량 흐름을 조절하고 교통 법규 위반을 억제하기 위한 개선대책으로, 교통신호기 증설, 무단횡단금지시설, 무인교통단속장비, 신호체계 개선이 해당된다. Figure 7은 각 개선대책의 사고 건수 및 사고 심각도 감소 효과를 도로 및 교통 특성별로 종합한 결과를 시각화한 것이다.
교통 신호기 증설은 전체적으로 13개 개선대책 중 가장 낮은 수준의 효과를 보였으나, 제한속도 60km/h 이상 또는 일반국도에서는 사고 건수 감소 효과가 비교적 높게 나타났다(약 11~13%). 이는 고속 환경에서 신호 시인성 향상과 규칙 준수 유도가 효과적으로 작용한 결과로 해석된다. 반면, 특별·광역시도에서는 사고 빈도와 심각도 모두 낮은 수준으로, 대도시 지역에서는 비용–효율성 측면의 재검토가 필요하다.
무단횡단금지시설은 사고 건수와 사고 심각도 모두에서 안정적인 감소 효과를 보였다. 특히 제한속도 50km/h 이하, 시도 및 특별·광역시도에서의 효과(약 13~21%)가 두드러졌으며, 이는 보행자 및 이륜차 통행이 많은 도심 환경에서 규제 효과가 뚜렷함을 보여준다. 따라서 보행자 밀집 지역이나 야간 시인성이 낮은 구간에 우선적 설치가 검토된다.
무인교통단속장비는 교통량 24,000대 이상 및 특별·광역시도에서 사고 건수 감소 효과가 크게 나타났다(약 12~14%). 이는 교통량 밀집 지역에서의 법규 준수 유도 효과로 해석된다. 반면 사고 심각도 감소 효과는 제한적이며, 일반국도와 시도에서는 상당히 낮은 효과를 나타냈다. 이에 따라 중상 사고 예방을 위해서는 다른 시설과의 복합적 적용이 바람직하다.
신호체계 개선은 통제·규제 시설 유형 중 가장 높은 효과를 보였다. 3지 교차로에서의 사고 심각도 감소(약 32%)와 시도에서의 사고 건수 및 심각도 감소(각 20% 이상)가 두드러졌으며, 이는 신호 운영 최적화가 교차로 혼잡 해소뿐 아니라 교통안전 향상에도 기여함을 의미한다. 따라서 대도시뿐만 아니라 중소 도시에서도 신호 운영 기술에 대한 지속적 투자와 관리가 필요하다.
3) 도로ㆍ보행공간 정비시설
도로·보행 공간 정비 시설은 도로 구조 개선을 통해 차량과 보행자의 통행 흐름과 안전을 향상시키는 개선대책으로, 차로 재조정, 도류화, 보도 및 횡단보도 정비, 교차로 구조변경이 이에 해당한다. Figure 8은 이들 네 가지 대책의 사고 건수 및 사고 심각도 감소 효과를 도로 및 교통 특성별로 종합한 결과를 나타낸다.
차로 재조정은 제한속도가 낮고 교통량이 많은 대도시(특별·광역시도) 환경에서 사고 건수 감소 효과가 확인되었다(약 13~19%). 이는 차로 폭 축소 및 재배분을 통한 속도 저감 효과로 해석된다. 반면, 사고 심각도 감소 효과는 전반적으로 낮았으며, 일반국도 및 3지 교차로에서는 유의한 차이가 나타나지 않았다. 따라서 본 대책은 사고 빈도 감소를 목표로 하는 도심 교차로에 적합하다.
도류화는 사고 건수와 사고 심각도 모두에서 안정적인 효과를 보였으며, 특히 제한속도 50km/h 이하의 3지 교차로에서 효과가 뚜렷하였다(사고 건수 18~21%, 사고 심각도 20~23%). 이는 주·종 관계가 명확한 교차로에서 진행 방향을 유도하는 기하 구조적 기능이 효과적으로 작용했기 때문으로 해석된다. 시도 및 일반국도에서도 높은 효과가 나타나, 도시 및 외곽 지역 모두에서 적용 가능성이 높은 대책으로 평가된다.
보도 및 횡단보도 정비는 전반적으로 다른 개선대책에 비해 효과 수준이 낮았다. 특히 교통량이 많은 도심(특별·광역시도)에서는 사고 감소 효과가 미미했으며, 이는 보행자 편의 개선 중심의 시설 특성과 관련이 있다. 반면, 제한 속도 60km/h 이상 및 일반 국도 구간에서는 사고 건수 감소 효과(약 14%)가 상대적으로 높게 나타나, 외곽 지역에서 보행자 안전 강화를 위한 대책으로의 활용이 바람직하다.
교차로 구조변경은 모든 개선 대책 중 가장 높은 사고 저감 효과를 보였다. 대부분의 도로 및 교통 특성에서 사고 건수와 사고 심각도 모두 최대 수준(25~30%)의 감소 효과를 나타냈으며, 특히 4지 교차로, 높은 제한 속도, 교통량 24,000대 이상, 시도에서 탁월한 효과를 보였다. 이는 기하 구조 개선이 교통 흐름의 효율성과 상충 감소에 실질적으로 기여함을 의미한다. 따라서 교차로 구조변경은 우선순위가 높은 핵심 대책으로, 예산 여건이 허락된다면 가장 효과적인 투자 대상으로 평가된다.
2. 사고보정계수 정리
1) 사고보정계수 개요
사고보정계수(Crash Modification Factor, CMF)는 특정 교통안전 개선 대책이 교통사고 발생률에 미치는 영향을 정량적으로 나타내는 지표로, 값이 1보다 작으면 사고 감소 효과를, 1보다 크면 사고 증가를 의미한다. 예를 들어 CMF가 0.8이면 해당 대책이 사고를 약 20% 감소시킨다는 뜻이다.
미국 교통부는 2009년부터 CMF Clearinghouse라는 공개 데이터베이스를 운영하며, 다양한 연구 및 실제 사업 사례로부터 산출된 CMF 값을 평가·제공하고 있다. 이 데이터는 교통안전 사업의 정책 의사결정에 활용되며, 국제적으로도 표준화된 참고 지표로 인정받고 있다.
국외 연구에서는 주로 예측 모형 기반(predictive model approach) 또는 로그 선형 회귀모형(log-linear regression)을 활용하여 CMF를 산정하며, 로그 선형 형태의 회귀식에서는 일반적으로 CMF = exp(β·k) 식을 사용한다.
반면, 본 연구는 종속변수가 연속형(사고 건수 및 사고 심각도 변화율)임을 고려하여 로그 변환을 적용하지 않은 선형 회귀모형을 통해 CMF를 산출하였다. 이러한 접근은 Galgamuwa and Dissanayake(2019), Wu et al.(2017), Chen et al.(2013) 등의 연구에서도 채택된 바 있으며, 실제 개선 효과를 직관적으로 해석할 수 있다는 장점이 있다.
Table 11은 일반적인 CMF 산출 방식과 본 연구의 방식 간 구조적 차이를 비교한 것이다.
Table 11.
Comparison of general CMF calculation methods and the approach used in this study
2) 본 연구의 사고보정계수 분석 결과
본 연구는 13종의 교통안전 개선대책에 대해 교차로 형태, 주도로 제한속도, 교통량, 도로 종류 등 네가지 도로 및 교통 특성을 반영하여 총 104개의 OLS 기반 회귀모형을 구축하였다. 이 중 통계적으로 유의한 95개 모형을 대상으로 산출한 사고 보정 계수(CMF)는 다양한 현장 조건을 반영한 한국형 CMF로, 각 개선대책별 4개 유형의 평균값을 종합하여 도출하였다.
회귀모형의 적합성과 유의성은 앞서 Table 5에서 검증되었으며, CMF 산출은 Table 7, 8, 9, 10에 제시된 유의한 모형의 회귀 계수(사고 감소율)를 기반으로 평균화하여 수행하였다. 이 결과는 Table 12에 정리하였으며, 개별 회귀모형의 상세 결과는 지면 관계상 생략하였고, 개별 분석 결과는 Table 7, 8, 9, 10을 참고하면 된다.
Table 12.
Crash modification factors (CMFs) for traffic safety countermeasures in this study
본 연구에서 산출된 CMF 값을 국제적 참고 기준인 CMF Clearinghouse와 비교한 결과는 Figure 9에 제시하였다.1)Figure 9에서 확인할 수 있듯이, 대부분의 개선대책에서 본 연구의 CMF 값이 Clearinghouse의 값보다 높게 나타났으며, 이는 동일한 개선대책이 국내에서는 상대적으로 낮은 사고 감소 효과를 보였음을 의미한다.
이러한 차이는 다음과 같은 요인에 기인한 것으로 해석된다.
첫째, CMF Clearinghouse는 북미 지역의 고속·직선 도로환경을 기반으로 한 연구가 다수 포함되어 있어, 시설 개선의 한계 효과가 크게 나타날 가능성이 있다. 반면, 국내 교차로는 이미 일정 수준 이상의 교통안전시설이 조성된 상태에서 추가 개선이 이루어지는 경우가 많아, 개선의 한계 효과가 상대적으로 작게 측정되는 경향이 있다. 또한, 본 연구에서는 분석대상지에 대한 개선대책 적용 규모를 교차로 접근로별로 정밀하게 조사한 점도 영향을 미친 것으로 보인다.
둘째, 본 연구의 분석 대상은 교통사고 잦은 곳 개선사업 중에서도 다양한 도로 및 교통환경을 포함하고 있어, 효과가 낮은 조건(예: 저속부, 도심부 등)이 평균값에 반영된 점도 영향을 미친 것으로 판단된다.
한편, 조명시설, 미끄럼방지포장, 신호체계 개선의 CMF는 Clearinghouse의 값과 유사한 수준으로 나타났으며, 이는 해당 개선 대책이 국내외 환경에서 비교적 일관된 효과를 발휘함을 시사한다.
3) 시사점
본 연구의 분석 결과는 다음과 같은 시사점을 제공한다.
첫째, 본 연구에서 산출된 CMF 값이 전반적으로 높게 나타난 것은 국내 교통안전 개선사업이 이미 일정 수준 이상의 안전시설이 설치된 사고 다발 교차로를 대상으로 시행되고 있음을 시사한다. 이는 개선의 한계 효과가 상대적으로 작게 나타날 수 있음을 의미하며, 향후에는 위험 운전 행태가 빈번한 고위험 구간이나 신규 택지개발 지구와 같은 지역을 중심으로 예방적 차원의 개선사업을 수행할 필요가 있음을 보여준다.
둘째, 일부 개선대책의 CMF가 국제 연구와 유사한 수준으로 나타난 것은 해당 대책의 기본적인 효과가 국가 간 도로환경의 차이와 관계없이 일관되게 유지됨을 시사한다. 이는 특정 개선대책의 보편적 효과성을 뒷받침하는 근거로 활용될 수 있다.
셋째, 향후 CMF 기반 정책평가의 고도화를 위해 국내 교통환경에 특화된 CMF 데이터베이스의 체계적 구축과 지속적인 갱신이 필요하다. 이는 한국형 교통안전 성능함수(Safety Performance Function, SPF) 정립을 위한 기초자료로 활용될 수 있으며, 과학적 근거 기반의 교통안전 정책 수립에 기여할 수 있다.
결론
본 연구는 교통안전 개선대책이 도로 및 교통 특성에 따라 사고 건수 및 사고 심각도에 미치는 영향을 실증적으로 분석하였다. 최근 10년간 1,892개 교차로의 교통안전 개선사업 자료를 기반으로 총 104개의 조절 회귀모형을 구축하였으며, 이 중 91.3%가 통계적으로 유의한 결과를 나타냈다. 이는 개선대책의 효과가 단일하지 않으며, 도로 및 교통 환경에 따라 상이하게 나타날 수 있음을 시사한다.
분석 결과, 교차로 형태, 제한속도, 교통량, 도로 종류 등 네 가지 특성 변수에 따라 개선 대책의 효과가 뚜렷하게 달라졌다. 예를 들어, 도류화는 3지 교차로에서, 미끄럼방지포장은 고속 환경에서, 조명시설과 무단횡단금지시설은 교통량이 많은 교차로에서 사고 감소 효과가 크게 나타났다. 특히 일반국도는 특별·광역시도나 시도에 비해 대부분의 개선 대책에서 더 높은 효과를 보였으며, 이는 도로 기능과 속도 특성의 복합적 영향으로 해석된다.
정책적 측면에서, 본 연구는 개선대책을 안전시설, 통제·규제 시설, 도로·보행 공간 정비시설로 구분하고, 각 유형별로 도로 및 교통 특성에 따른 설치 전략을 제시하였다. 과속방지시설과 미끄럼방지포장은 전반적으로 높은 사고 감소 효과를 보였으며, 교차로 구조변경은 모든 특성에서 가장 탁월한 효과를 나타냈다. 반면, 교통신호기 증설과 보도·횡단보도 정비는 특정 조건에서만 효과가 뚜렷하여, 환경에 따른 선별적 적용이 요구된다. 이러한 결과는 교통안전 개선사업의 대상지 선정, 대책 조합 설계, 예산 배분 등에 있어 정량적 근거로 활용될 수 있다.
또한 본 연구는 국내 교통환경에 특화된 사고보정계수(CMF)를 산출하고, 이를 국제 기준(CMF Clearinghouse)과 비교하였다. 총 95개의 유의한 회귀모형을 기반으로 산출된 한국형 CMF는 다양한 도로 및 교통 특성을 반영한 실증적 지표로, 대부분의 개선대책에서 CMF Clearinghouse보다 높은 값을 나타냈다. 이는 국내 안전개선사업이 이미 일정 수준 이상의 안전시설을 갖춘 교차로를 대상으로 시행되고 있어, 추가 개선의 한계 효과가 작게 나타났기 때문으로 해석된다. 반면, 조명시설·미끄럼방지포장·신호체계 개선은 국제 기준과 유사한 수준의 CMF를 보여, 개선대책의 효과가 국가 간 환경 차이와 무관하게 일관적으로 유지될 수 있음을 시사한다.
이러한 결과는 향후 교통안전 정책 수립에 다음과 같은 시사점을 제공한다. 첫째, 고위험·신규 구간 중심의 개선사업에서는 개선대책 적용에 대한 우선순위 재조정이 필요하다. 둘째, CMF 기반의 정량적 평가체계를 통해 개선 대책의 효과성을 사전에 예측하고, 안전개선사업의 타당성을 검토할 수 있다. 셋째, 국내 교통환경에 적합한 CMF 데이터베이스와 지속적인 업데이트 체계를 구축함으로써, 한국형 교통안전 성능함수(Safety Performance Function, SPF) 정립의 기초자료로 활용될 수 있다.
한편, 본 연구는 몇 가지 한계를 내포하고 있다. 평균 회귀(regression to the mean) 효과를 충분히 통제하지 못한 점, 기상·운전자 행태·시간대 등 외부 요인을 반영하지 못한 점, 복수 개선대책의 병행 설치에 따른 상호작용을 고려하지 못한 점 등이 있다. 또한, 교차로 안전개선 대책의 효과를 분석함에 있어 도로 및 교통 특성을 중심으로 조절 효과를 검증하였으나, 토지이용 형태, 기상 조건, 교통 통제방식 등 일부 외부 요인은 분석에 포함되지 못하였다. 이는 교차로별 세밀한 자료 확보의 어려움과 단기간 개선사업 효과 분석의 현실적 제약에 기인하며, 결과 해석 시 이러한 한계를 고려할 필요가 있다.
아울러, 전국 단위의 교차로를 대상으로 분석을 수행하였으나, 도시부와 지방부의 사고 특성 이질성이 충분히 반영되지 못한 점도 존재한다. 다만, 조절변수로 설정한 도로 종류(특별·광역시도, 시도, 일반 국도)는 지역적 특성을 일정 부분 내포하고 있으며, 특히 일반국도는 지방부의 교통환경을 반영하는 지표로 활용될 수 있다.
향후 연구에서는 도시화 수준, 보행자 통행 특성, 토지이용 형태 등 지역별 요인을 추가적으로 반영하여 교통안전 개선대책의 효과를 공간적 맥락에서 보다 정밀하게 검증할 필요가 있다. 또한 변수 간 상호작용을 고려한 비선형 모형이나 공간 통계기법을 적용함으로써, 개선대책 효과의 지역별 이질성을 보다 정교하게 분석할 수 있을 것이다. 이러한 확장형 분석은 한국형 사고보정계수(CMF)의 고도화와 교통안전 성능함수(SPF) 정립에도 기여할 수 있을 것으로 기대된다.
