Article

Journal of Korean Society of Transportation. 30 April 2022. 137-146
https://doi.org/10.7470/jkst.2022.40.2.137

ABSTRACT


MAIN

  • 서론

  • 도로사업의 교통사고 절감편익 산정방식 및 한계점

  • 관련문헌 검토

  • 고속도로 혼잡도와 교통사고와의 관계

  • 1. 대상구간 선정 및 데이터 수집

  • 2. 기초 통계 분석결과

  • 3. 고속도로 혼잡도와 교통사고율의 관계

  • 고속도로 교통사고 예측모형 개발

  • 사례분석 결과

  • 결론 및 향후 과제

서론

현행 예비타당성조사 수행을 위한 세부지침(KDI, 2021)의 교통사고 감소 편익은 도로의 유형별 교통사고율 원단위 적용을 통해 산출된 사고 절감효과를 편익으로 반영하고 있다. 교통사고율은 억대 ‧ km당 사망자수, 부상자수 형태로 제시되며, 도로유형별 교통사고율 원단위는 위계가 높은 도로일수록 작은 값을 갖고 위계가 낮아질수록 높은 값을 갖는다(고속국도<국도<지방도 순). 즉, 도로유형별 교통사고율의 상대적 차이에 따라 교통사고 절감의 크기가 결정되는 구조이나, 최근 10년간 전체 교통사고는 지속적으로 감소하고, 도로유형별 교통사고율의 상대적 차이 또한 감소하고 있어, 도로사업 시행으로 인한 교통사고 절감효과를 현실적으로 평가하는데 한계를 가질 수밖에 없다.

한편, 교통혼잡은 통행시간의 증가를 초래할 뿐만 아니라 통행속도의 분산을 높여 교통사고, 특히 대기행렬의 후미에서 추돌사고를 증가시킨다는 사실은 여러 연구결과를 통해 확인할 수 있다(Marchesini and Weijermars, 2010). 이렇듯, 도로에서 발생하는 교통 혼잡은 이동성 및 안전성 측면에서 모두 부정적인 영향을 미쳐 막대한 사회 경제적 비용을 초래하므로 교통 혼잡을 해결하는 것이 도로사업의 본질이자 핵심일 것이다.

이에, 본 연구에서는 고속도로의 혼잡도가 교통사고 발생에 미치는 영향을 분석하여, 고속도로 혼잡도에 따른 사고발생 예측모형을 제안하고자 한다. 또한, 후속연구를 통해 혼잡도를 반영한 사고모형으로 교통사고 절감크기를 산정하고 예비타당성조사의 교통사고 절감편익 산정방식을 제안할 계획이다.

도로사업의 교통사고 절감편익 산정방식 및 한계점

예비타당성조사 수행을 위한 세부지침(KDI, 2021)에서 제시하는 교통사고 사상자 수 산정을 위한 교통사고 발생비율 원단위는 Table 1과 같다. 통행배정 결과로 산출된 링크 교통량에 링크 길이를 곱하여 고속국도, 국도, 지방도의 도로유형별로 억대-km를 산출한다. 도로유형별 교통사고 사상자 수와 교통사고비용의 원단위를 곱하여 사업 시행과 사업 미시행에 대해 교통사고 비용을 산출한 후 그 차이를 활용하여 교통사고비용 절감 편익을 산출한다.

Table 1.

Traffic accident rate by road type

Road type Casualties (per 100M veh ‧ km) Property damage (per 100M veh ‧ km)
Fatalities Injured Own vehicle Other’s property
Expressway ≤ 4 lanes 0.72 46.88 52.57 51.59
≥ 6 lanes 0.24 38.08 45.33 45.25
Average 0.46 42.28 48.82 49.16
National highway ≤ 4 lanes 4.32 145.60 221.38 222.92
≥ 6 lanes 1.35 103.09 161.45 162.43
Average 1.83 110.16 171.44 172.50
Rural highway 2.59 332.52 566.71 570.20

예비타당성조사에서 적용하고 있는 도로유형별 교통사고율을 산출하기 위해 최근 10년(2011-2020년)간 도로유형별 총주행거리1)와 교통사고 발생현황2) 자료를 수집하였다. 이를 활용하여 억대 ‧ km당 교통사고율을 산정한 결과는 Table 2와 같으며, 주행거리는 증가하고 교통사고 건수는 감소하여 교통사고 발생률은 지속적으로 감소하는 것으로 나타났다.

Table 2.

Trend of traffic accident rate for the last 10 years (unit: number/100M veh ‧ km)

Road type 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 Growth rate (%)
Expressway Accident 6.01 5.50 4.76 5.13 6.12 5.59 5.06 4.92 4.93 4.81 -2.4
Fatalities 0.45 0.58 0.44 0.39 0.33 0.35 0.30 0.30 0.24 0.27 -5.6
Injured 14.34 12.92 11.33 12.28 14.99 13.26 11.93 10.76 11.11 9.99 -3.9
National
highway
Accident 52.19 38.10 32.95 30.96 30.48 29.73 29.49 30.85 33.14 31.52 -5.4
Fatalities 2.40 2.14 1.84 1.54 1.55 1.27 1.22 1.07 0.89 0.92 -10.1
Injured 93.25 70.10 60.97 55.86 54.16 51.49 49.87 51.36 55.29 50.50 -6.6
Rural
highway
Accident 62.38 68.93 63.95 64.51 64.16 57.86 52.61 49.17 51.63 43.53 -3.9
Fatalities 2.69 2.88 2.57 2.31 2.14 1.78 1.79 1.60 1.42 1.19 -8.7
Injured 98.89 111.24 102.55 100.91 102.32 91.63 81.22 77.51 81.38 66.86 -4.3

사망자 및 부상자 발생률은 2011년 기준으로 고속국도 대비 국도가 5.39배와 6.5배 많이 발생하였으나, 2020년 기준으로는 각각 3.47배와 5.05배 높은 것으로 나타나, 최근 10년 동안 고속국도와 국도간의 사망자 발생률의 차이는 35.6% 감소하였고, 부상자 발생률의 차이는 22.3%가 감소하였다.

현행 교통사고율 지표는 원단위 갱신과정을 통해 지속적으로 도로유형별 사고율 변화 추이를 반영하여야 하는데, 도로유형별로 교통사고율의 상대적 차이는 감소하고 있어 교통사고 절감 편익의 크기는 감소할 수밖에 없는 구조이다. 또한, 사고발생비율은 일반국도가 고속국도, 지방도보다 월등하게 높게 산정되어 국도사업일 경우 고속도로, 지방도에서 사고비율이 높은 국도로 교통량이 전환되면서 부(-)의 편익으로 산정되는 현상이 발생하고 있다(Lee and Park, 2019).

그 동안 예비타당성조사 지침에서는 기초 자료 및 관련 연구 부족의 사유로 인해 도로의 유형별로 일률적인 사고 발생 원단위를 적용하여 왔다. 하지만, 도로의 혼잡도 수준 변화에 따른 교통사고율의 변화를 반영하지 못하여 실제 교통사고 감소 효과가 큰 교통 혼잡 개선사업에 대한 교통사고 절감편익을 제대로 반영할 수 없는 구조적인 한계를 안고 있다.

관련문헌 검토

Woo(1957)는 사고는 AADT와 혼잡지수(V/C) 모두와 양의 상관관계가 있음을 규명했다. 교통량이 증가할수록 사고율이 높아지는 상관관계는 Oregon, Romania 및 New York의 여러 연구에서도 확인되었다. Frantzeskakis and Iordanis(1987)는 그리스의 4차로 국도를 대상으로 한 연구에서 사고율은 LOS A-C(0.65<V/C)에서 상대적으로 일정하게 유지되지만, LOS D에서는 거의 두 배로, LOS F에서 다시 증가하는 것으로 나타났다. 미국 Maryland주 도로청 보고서(Chang and Xiang, 2003)에 따르면 고속도로에서 사고빈도는 혼잡수준이 증가할수록 증가하는 경향이 있고, 첨두시간대에 사고율은 교통량과 함께 증가하지만 혼잡도(차로당 교통량)가 높을수록 사고 심각도는 낮아진다고 하였다.

Marchesini and Weijermars(2010)는 기존 문헌을 통해 고속도로의 혼잡과 안전과의 관계를 조사하였고, 다음 두 가지 가설에 대한 결과를 제시하였다. 첫째, 사고건수는 혼잡의 증가와 함께 증가하지만 심각도는 증가하지 않는다는 가설에 대한 다양한 연구들은 일관성 있는 결과를 보이지 않고 혼잡이 사고율에 미치는 영향에 대한 명확한 정보를 제공하는 연구는 없었다. 둘째, 사고건수, 심각도와 사고형태는 혼잡으로 인한 교통상태 변화에 의해 영향을 받는다는 가설에 대한 연구결과는 더욱 일관성을 보인다. 사고가능성은 속도 변동성 증가와 함께 증가하며, 사고 심각도는 교통량 또는 V/C가 증가하면서 감소하지만, 후미 추돌사고는 불안정한 교통상황에서 많이 발생한다는 사실은 여러 연구에서 일관적으로 확인할 수 있다.

Retallack and Ostendorf(2019)는 교통사고와 혼잡간의 관계에 대한 선행 연구 결과를 종합 정리하였는데 교통량과 사고 간에는 양의 선형 관계가 일반적이나, 혼잡 수준이 낮거나 높을 때 사고 발생이 커지는 U형 관계도 있다.

문헌검토 결과를 종합하면 혼잡의 대표적인 지표로 교통량, V/C 등이 사고건수, 사고율 및 사고 심각도 분석에서 핵심적인 지표로 활용되고 있다. 교통 혼잡과 사고의 관계는 오래도록 연구되고 있지만 세부 주제별로 명확한 결론을 내지는 못하고 있는 실정이다. 따라서 선행연구에서 검토된 교통혼잡과 사고와의 관계 분석을 위한 대상도로의 유형(도로특성), 사고데이터의 양(시간범위) 및 분석지표(데이터 형태)를 Table 3과 같이 정리하여 연구방향 설정에 참고하였다.

Table 3.

Summary of the result of the related studies

Author Road type
(country)
Length
(km)
Number
of lanes
Accident
(number)
Period
(year)
Index Relationship
Congestion Accident
Woo (1957) Rural highway
(USA)
5,018 2 15,821 2 ADT
ADT/Capacity
Accident/mile Linear
(regression)
Dart and Mann
(1970)
Rural highway
(USA)
1,600 2 6,000 5 Traffic volume ratio Accident rate* Non linear
(exponential)
Frantzeskakis
and Iordanis
(1987)
National highway
(Greece)
18 4 778 7 V/C Accident rate Linear
Casualty related
accident
U
Persaud and
Dzbik (1993)
Expressway
(Canada)
1,991 4 or >4 38,189 2 Daily volume /year Linear
25 4 or >4 2,996 2 Hourly volume /hour/km Logarithm
Oh et al.
(1999)
Expressway
(Korea)
24 4 276 6 Hourly V/C Hourly
accident rate
U
Abdel-Aty and
Radwan (2000)
Arterial
(USA)
227 2,4,6 1,606 3 AADT Number Linear
(NB)
Martin (2002) Expressway
(France)
2,000 4,6 11,172 2 Hourly volume Number Linear
Accident rate U
Abbas (2004) Rural highway
(Egypt)
636 4,6 (792/1,999) 10 AADT
AAVK
Number Power
Chang and
Xiang (2003)
Expressway
(USA)
- - 5,402 1 Volume/lane /distance Linear
Accident rate Linear during
congestion
Wang et al.
(2009)
Urban expressway
(England)
- - - 3 AADT Number Linear

*million Vehicle-Miles has been largely used as the unit of traffic accident rate.

고속도로 혼잡도와 교통사고와의 관계

1. 대상구간 선정 및 데이터 수집

지방부와 도시부가 고르게 포함될 수 있도록 고속도로 주요 노선의 시점에서 종점까지 전체 IC 구간을 분석대상으로 하였다. 대상노선은 경부선(414km), 서해안선(336km), 중부내륙선(303km), 수도권제1순환선(91km), 영동선(234km), 중부선(117km), 제2중부선(31km), 광주대구선(171km), 상주영덕선(108km) 등 총 9개 노선 1,805km이다. 차로수의 경우 총 223개 구간 중 4차로가 107개 구간, 6차로이상이 116개 구간으로 나타났으며, 예외적으로 홀수차로로 운영되는 3개 구간을 제외하고 총 220개 구간을 최종 선정하였으며, 대상구간의 서비스수준별 분포와 차로수별 분포는 Figures 1, 2와 같다.

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F1.jpg
Figure 1.

Distribution of selected sections by LOS

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F2.jpg
Figure 2.

Distribution of selected sections by number of lanes

교통사고 자료는 대상노선의 IC구간별로 최근 3년간(2018-2020년)의 교통사고 8,195건을 수집하였으며, 220개 IC구간별로 사고건수, 사망자수, 부상자수를 입력하여 km당 사고율로 변환하였다. 도로혼잡도 지표는 범주형 변수인 LOS 보다 모델링에 적합한 연속형 변수인 일 교통량 기준의 V/C를 선정하였고, 교통량은 2020년 정기교통량 조사결과를 활용하였으며, 도로용량은 Table 4와 같이 국토교통부의 도로업무편람(MoLIT, 2020)에서 도로유형별, 차로별, LOS별 적정 교통량을 대/일 단위로 제시하고 있어, E수준의 경계 값을 용량으로 간주하여 교통수요 분석결과를 기반으로 편익 산정 시 적용이 용이하도록 하였다.

Table 4.

Daily traffic volume by the level of service and the number of lanes for expressway

Level of service Daily volume (vehicle/day)
4 lanes 6 lanes 8 lanes
A 22,700 34,100 45,400
B 37,800 56,800 75,700
C 51,300 76,900 102,600
D 67,300 101,000 134,500
E 84,100 126,100 168,200

2. 기초 통계 분석결과

본 연구에서 고속도로의 혼잡도는 일 기준의 V/C로 정의하였고, 교통사고 발생률은 구간거리에 따른 사고 노출도를 표준화하기 위하여 단위 km당 사고건수, 사망자수, 부상자수로 정의하였다.

연구의 목적을 감안하여 도로계획 단계에서 수집 가능 여부를 변수 선정 시 주요 고려사항으로 하였다. 이에 따라, 도로 기하구조 관련변수(구간거리, 차로수), 속도 관련변수(설계속도, 제한속도), 교통량 관련 변수(교통량, 시간교통량의 표준편차, 첨두교통량비율, 승용차비율, 화물차비율, 차로당 교통량, V/C) 및 교통사고 변수(km당 사고건수, 사망자수, 부상자수)로 구성하였다. 선정 변수는 총 14개로 기하구조 관련 2개, 속도 관련 2개, 교통량 관련 7개, 교통사고 관련 3개로 구성되며, 변수 통계는 Table 5와 같다.

Table 5.

Summary of variables

Variables N Mean SD Median Min Max
Length (km) 220 8.15 5.15 7.15 1.00 25.50
Lane Number of lane 220 5.76 1.94 6.00 4.00 10.00
S_Design Design speed (km/h) 220 103.91 7.95 100.00 100.00 120.00
S_Limit Speed limit (km/h) 220 103.45 4.77 100.00 100.00 110.00
Vol Volume (veh) 220 80,041.13 59,360.71 59,615.00 7,107.00 253,490.00
SD_Vol Standard deviation of hourly volume 220 1,731.52 1,156.06 1,369.81 229.81 5,127.83
PHF Peak hour volume/daily volume (%) 220 0.07 0.01 0.07 0.05 0.10
P_Car % of car 220 0.67 0.08 0.67 0.39 0.88
P_Truck % of truck 220 0.31 0.08 0.31 0.11 0.60
Vol_Lane Volume/lane (veh) 220 12,622.79 6,643.29 12,425.75 1,776.75 31,686.25
VC Volume/capacity 220 0.60 0.32 0.59 0.08 1.51
Accident_km Accident/km 220 5.55 3.99 4.65 0.37 29.62
Fatality_km Fatalities/km 220 0.22 0.26 0.15 0.00 1.25
Injured_km Injured/km 220 0.87 0.88 0.62 0.00 6.92

3. 고속도로 혼잡도와 교통사고율의 관계

Figures 3, 5, 7은 고속도로 혼잡도 수준(V/C) 변화에 따른 km당 사고건수, 사망자수, 부상자수에 대한 Scatter plot으로 모두 양의 관계를 보이며, 세 가지 비율 모두 도로의 혼잡도 증가에 따라 증가하는 일관성 있는 결과를 확인하였으므로 도로혼잡도와 교통사고율의 분석 방법론을 선형 회귀분석으로 설정하였다. 여기서, 혼잡도(V/C) 지표에 이미 교통량이 반영되어 있기 때문에 사고는 교통량으로 표준화하지 않은 km당 산출되는 비율 지표를 활용하였다.

회귀분석에서 절편이 0의 값을 갖는다는 것은 독립변수 V/C가 0일 때, 즉 교통량이 0일 경우 사고율도 0임을 가정하는 것인데 이는 매우 합리적이므로 절편을 0인 상태로 고정하는 모형을 반드시 포함할 필요가 있다. 또한, 교통사고 데이터의 형태는 도로혼잡도가 증가할수록 분산이 커지게 되어 선형 적합성이 떨어지게 되지만, 로그로 변환하게 되면 혼잡도가 0에 가까운 작은 범위에서는 데이터의 분산을 넓혀주고, 혼잡도가 높아질수록 데이터의 분산을 좁혀주어 전반적으로 선형 적합도를 높여주는 것을 Figures 4, 6, 8을 통해서 확인할 수 있다.

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F3.jpg
Figure 3.

Relationship between V/C and accident/km

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F4.jpg
Figure 4.

Log transformation for accident/km

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F5.jpg
Figure 5.

Relationship between V/C and fatalities/km

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F6.jpg
Figure 6.

Log transformation for fatalities/km

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F7.jpg
Figure 7.

Relationship between V/C and injured/km

/media/sites/kst/2022-040-02/N0210400201/images/kst_40_02_01_F8.jpg
Figure 8.

Log transformation for injured/km

고속도로 교통사고 예측모형 개발

Figures 3, 5, 7을 통해 도로혼잡도(V/C)와 교통사고율 간 양의 관계를 확인하였으므로, V/C를 단일 독립변수로 하는 단순 선형회귀분석을 실시하였다. 또한, V/C 변수를 구성하는 교통량과 용량 관련 변수인 차로수를 분리하여 다중 선형회귀분석을 실시하였으나, 교통량과 차로수 변수간의 높은 상관관계로 인한 다중공선성 문제로 인해 제외하였다. 회귀모형은 절편이 있는 경우, 절편이 없는 경우, 절편이 없고 교통사고율을 로그로 변환한 경우의 세 가지 형태로 분석하였으며, 본 연구에서 제안하는 고속도로의 혼잡도 수준(V/C)에 따른 사고건수, 사망자수, 부상자수 예측모형은 Table 6과 같다.

Table 6.

Traffic accident prediction models

Model Accident frequency (ModelⅠ) Fatalities (Mode1Ⅱ) Injured (Mode1Ⅲ)
Estimate Pr (>|t|) Estimate Pr (>|t|) Estimate Pr (>|t|)
V/C 2.9064 <2exp-16*** 0.1090 <2exp-16*** 0.4624 <2exp-16***

*significant codes: ‘***’ p<0.001

사고건수 모형(ModelⅠ)은 절편을 0으로 설정한 모델이 앞서 설명한 세 가지 모형 형태 중 가장 설명력이 우수하였다. 사망자수 모형(ModelⅡ)은 절편을 0으로 설정하고 사망사고율을 로그로 변환한 모형이 가장 우수하였다. 사망자수의 경우 3년간의 교통사고 자료를 분석하였음에도 불구하고 제로 셀 구간이 존재하여 로그변환이 불가능하므로 제로 셀 제거를 위해 모든 사망자수 값에 1을 더해 치환하여 로그변환 회귀분석을 실시하였다. 부상자수 모형(ModelⅢ)은 절편을 0으로 설정하고 부상사고율을 로그로 변환한 모형이 가장 우수하였다. 사망자수와 같이 부상자수의 경우에도 3년간의 교통사고 자료를 분석하였음에도 불구하고 제로 셀 구간이 존재하여 로그변환이 불가능하므로 제로 셀 제거를 위해 모든 부상자수 값에 1을 더해 치환하여 로그변환 회귀분석을 실시하였다.

본 연구에서 제시한 고속도로 교통사고 예측모형의 검정결과는 Table 7과 같고, Adjusted R2는 사고건수 모형이 0.75, 사망자수 모형이 0.51, 부상자수 모형이 0.58로 나타났으며, 사고건수에 대한 설명력은 양호하지만 사망자수, 부상자수에 대한 설명력은 상대적으로 낮은 것으로 나타났다. 이는 사망자수, 부상자수는 도로혼잡 요인 외에 과속이나 졸음운전 등 운전자 요인, 차량 요인 및 무작위적 특성도 존재하는 것으로 판단된다.

Table 7.

Statistical validation for the traffic accident models

Statistical validation Accident frequency (ModelⅠ) Fatalities (Mode1Ⅱ) Injured (Mode1Ⅲ)
Residual standard error 0.0816 0.0724 0.2664
Multiple R2 0.7498 0.5116 0.582
Adjusted R2 0.7487 0.5094 0.5801

사례분석 결과

현행 주행거리 기반의 교통사고율 산정 방식과 본 연구에서 제안한 혼잡도 기반의 교통사고율 산정방식을 비교 분석하였다. 사례분석은 서해안고속도로 서평택-안산 확장사업을 대상으로 하였으며, 교통수요예측 결과는 한국도로공사에서 수행한 사전타당성조사(2020.6) 자료를 활용하였다. 현행 산정방식과 본 연구에서 제안한 산정방식으로 사망자수와 부상자수를 산정한 결과는 Table 8과 같다.

Table 8.

Comparison of the fatalities and injured calculated from present and proposed method for widening project

Section Length
(km)
Volume
(AADT)
Congestion
level (V/C)
Fatalities (×10-3) Injured (×10-3)
Present Proposed Present Proposed
DN* Do** DN Do DN Do DN Do DN Do DN Do
Ansan Jct-Palgok Jct 5.1 110,518 142,421 0.94 0.72 1.35 1.74 0.58 0.57 214.63 276.59 2.45 2.42
Palgok Jct-Maesong IC 3.8 115,494 150,654 0.98 0.77 1.05 1.37 0.47 0.48 167.12 218.00 1.99 2.04
Maesong IC-Bibong IC 4.0 131,526 166,393 0.84 0.85 1.26 1.60 0.48 0.62 200.34 253.45 2.04 2.62
Bibong IC-Paltan Jct 6.2 121,893 157,582 1.03 0.80 1.81 2.34 0.85 0.85 287.78 372.04 3.60 3.61
Paltan Jct-Balan IC 7.5 128,753 163,406 1.09 0.83 2.32 2.94 1.15 1.11 367.72 466.69 4.87 4.70
Balan IC-Seopyungteak Jct 7.8 118,690 150,882 1.00 0.77 2.22 2.82 1.01 0.99 352.54 448.16 4.28 4.19

*Do Nothing: a scenario when the widening project would not be done.

**Do: a scenario when the widening project would be done.

안산Jct-팔곡Jct 구간을 예를 들면, 현행 사망자수 산정 방식(Y=Length×AADT×10-9×0.24)을 적용할 경우 확장 사업시행으로 주행거리가 증가하게 되어 사망자수는 증가하게 된다. 하지만, 본 연구에서 제안한 혼잡도 기반의 회귀모형을(Y=Length×AADT×10-9×0.109×V/C) 적용할 경우 해당구간의 혼잡도(V/C)는 0.94에서 0.72로 감소하게 되어 사망자수는 감소하게 된다. 부상자수의 경우에도 현행 방식과(Y=Length×AADT×10-9×38.08) 본 연구의 제안 방식을(Y=Length×AADT×10-9×0.4624×V/C) 비교하면 사망자수와 유사한 결과를 확인할 수 있다.

위의 고속도로 확장사업 구간만을 고려할 경우 현행 교통사고 절감편익 산정방식 적용 시 사망자수와 부상자수는 각 27.97%씩 증가하지만, 본 연구에서 제시한 혼잡도 모형을 적용할 경우 사망자수와 부상자수는 각각 1.83%씩 소폭 증가하는 것으로 나타났다. 예비타당성조사 수행을 위한 세부지침(KDI, 2021)에서 제시하고 있는 교통사고비용 원단위(사망 75,769만원/인, 부상 1,998만원/인)를 적용하여 사고절감 편익을 산정할 경우 현행 방식은 주행거리 및 사상자수 증가로 인해 연간 11.0백만 원의 음(-)의 편익이 발생하지만, 본 연구에서 제안한 방식을 적용할 경우 주행거리는 증가하지만 혼잡도의 감소 효과가 반영되어 음(-)의 편익은 0.07백만 원으로 감소하며, 현행 방식 대비 연간 사고절감 편익은 10.9백만 원 증가하게 된다. 이를 경제성 분석기간인 30년으로 환산할 경우 편익은 총 328.2백만 원이 증가하는 것으로 분석되었다.

결론 및 향후 과제

현행 예비타당성조사의 교통사고 절감편익 산정방식은 도로의 유형별로 정해진 교통사고율에 주행거리를 곱하여 산정하는 방식이다. 예를 들면, 사고율이 높은 도로의 교통량이 늘어 주행거리가 길어지면 교통사고는 증가하게 되는 방식으로 다음과 같은 문제점이 있다. 첫째, 교통사고 절감편익은 4대 편익 중 2% 수준으로 매우 미미한 수준인데 이는 위의 현행 산정방식의 문제점에서 기인한다. 둘째, Table 2와 같이 최근 10년간 교통사고와 도로 유형별 교통사고의 상대적 차이는 감소하는 추세로 현행 방식을 유지할 경우 교통사고 절감편익은 더욱 감소할 수밖에 없다. 셋째, 실제 국도사업의 경우 음(-)의 편익이 발생하고 있으며, 이는 제도를 운용하는 KDI에서도 문제점으로 인식하고 있다(Lee and Park, 2019).

일반적으로 도로상에 교통 혼잡이 발생하면 차량 간 통행속도의 분산이 커져 교통사고의 위험을 높인다는 선행 연구결과에(Marchesini and Weijermars, 2010) 착안하여 현행 주행거리 기반의 산정방식에서 교통 혼잡도 기반의 산정방식으로 개선 방향을 설정하였다. 고속도로의 혼잡도와 사고율의 관계를 분석한 결과 혼잡도가 높아질수록 사고건수, 사망자수, 부상자수 모두 증가하는 선형 패턴을 확인하였고, 이는 도로혼잡도와 교통사고율의 모델링 방법을 선형 회귀분석으로 설정하는 근거가 되었다.

V/C 단독변수로 구성된 단일 회귀모형은 절편이 0인 형태의 모형이 사고건수, 사망자수, 부상자수 모형 모두에서 절편이 있는 모형보다 설명력이 우수하였으나, 사망 및 부상자수 모형은 사고율을 로그변환하고 절편을 0으로 설정한 모형이 더욱 우수하였다. 또한, 모형의 설명력은 사고건수 모형이 0.75로 양호한 수준이나, 사망자수 모형은 0.51, 부상자수 모형은 0.58로 상대적으로 낮게 나타났다. 인사사고는 무작위적 특성과 차량 및 운전자조건 등 다른 요인에도 영향을 받는 것으로 판단되지만, 예비타당성조사 단계에서 관련 변수를 반영하는 것은 현실적인 한계가 있다.

현행 주행거리 기반의 교통사고 절감 편익 산정 방식은 도로사업 시행으로 교통량이 증가하여 주행거리가 늘어나면 교통사고도 함께 증가하는 구조이나, 본 연구에서 제시한 혼잡도 기반의 교통사고 예측모형을 활용하면 도로 사업 시행으로 혼잡도(V/C)가 감소하면 교통사고도 감소하는 구조이다. 즉, 도로 사업을 통한 교통 혼잡의 감소가 교통사고의 감소로도 이어지는 선순환 구조를 평가에 반영할 수 있는 계기를 마련하였다는데 본 연구의 의의를 찾을 수 있으며, 점차 강화되고 있는 교통안전에 대한 사회적 가치도 평가에 제대로 반영될 수 있을 것으로 기대한다.

향후 고속도로 확장사업 시행 전 ‧ 후의 실제 교통사고율 분석을 통해 현행 사고율 산정 방식과 본 연구에서 제안한 사고 모형의 결과를 검증하고, 교통량 등 다른 변수를 추가하여 다중 회귀분석을 시행할 계획이다. 이를 통해 도로 혼잡도를 반영한 교통사고 절감편익 산정방식을 제안하고자 하며, 예비타당성조사에 적용하기 위해서는 국도와 지방도까지 확대하여 도로의 유형별 혼잡도에 따른 교통사고율에 대한 후속 연구도 필요할 것이다.

알림

본 논문은 대한교통학회 제85회 학술발표회(2021.11.10)에서 발표된 내용을 수정 ‧ 보완하여 작성된 것입니다.

References

1
Abbas K. A. (2004), Traffic Safety Assessment and Development of Predictive Models for Accidents on Rural Roads in Egypt, Accident Analysis and Prevention 36, 149-163. 10.1016/S0001-4575(02)00145-8
2
Abdel-Aty M. A., Radwan A. E. (2000), Modeling Traffic Accident Occurrence and Involvement, Accident Analysis and Prevention 32, 633-642. 10.1016/S0001-4575(99)00094-9
3
Chang G. L., Xiang H. (2003), The Relationship between Congestion Levels and Accidents, Maryland State Highway Administration.
4
Dart O. K., Mann L. (1970), Relationship of Rural Highway Geometry to Accident Rates in Louisiana, Highway Research Record, 312, 1-16.
5
Frantzeskakis J. M., Iordanis D. I. (1987), Volume to Capacity Ration and Traffic Accidents on Interurban Four Lane Highways in Greece, Transportation Research Record 1112, 29-38.
6
KDI (Korea Development Institute) (2021), The Detailed Guideline for Preliminary Feasibility Study for Highway and Railway Projects.
7
Lee S. H., Park B. Y. (2019), A study on the Methodology for the Benefit Estimation of Transportation Sector, J. Korean Soc. Transp., 16(1), Korean Society of Transportation, 51-63.
8
Marchesini P., Weijermars W. (2010), The Relationship between Road Safety and Congestion on Motorways, SWOV Institute for Road Safety Research.
9
Martin J. L. (2002), Relationship between crash rate and hourly traffic flow on interurban motorways, Accident Analysis and Prevention 34, 619-629. 10.1016/S0001-4575(01)00061-6
10
MoLIT (Ministry of Land, Infrastructure and Transport) (2020), Road Business Handbook, 140.
11
Oh C., Jang J. N., Jang M. S. (1999), Relationship between V/C and Accident Rate for Freeway Facility Section, Journal of Korean Transportation Society, 17(2), Korean Transportation Society, 21-27.
12
Persaud B., Dzbik L. (1993), Accident Prediction Models for Freeways, Transportation Research Record 1401, 55-60.
13
Retallack A. E., Ostendorf B. (2019), Current Understanding of the Effects of Congestion of Traffic Accidents, International Journal of Environment Research and Public Health. 10.3390/ijerph1618340031540246PMC6766193
14
Wang C., Quddus M. A., Ison S. G. (2009), Impact of traffic congestion on road accidents: A spatial analysis of the M25 motorway in England, Accident Analysis and Prevention 41, 798-808. 10.1016/j.aap.2009.04.00219540969
15
Woo J. C. (1957), Correlation of Accident Rates and Roadway Factors, Final report of Joint Highway Research Project, Purdue University: Lafayette, Indiana. 10.5703/1288284313533

각주

[5] 1) 교통량정보제공시스템(http://www.road.re.kr).

[6] 2) 교통사고분석시스템(http://taas.koroad.or.kr).

페이지 상단으로 이동하기