서론
선행 연구 검토
1. 고객서비스 관련 연구
2. 교통부문 지속시간 관련 연구
3. 기존 연구와의 차별성
연구방법론
1. 연구 절차
2. 생존분석
3. 분석 자료
데이터 분석
1. 데이터 전처리
2. 데이터 전처리 결과
생존분석 결과
1. Kaplan-Meier분석 결과
2. Cox 비례 위험 모형 분석 결과
결론 및 시사점
서론
최근 경제성장에 따른 삶의 질 향상에 대한 욕구는 도로정책을 공급자 중심에서 이용자 중심의 서비스 제공으로 변화시켰다(Korea Institute of Civil Engineering and Building Technology, 2014). 기존에는 도로 이용자가 도로를 이용하는데 불편사항을 발견하여도 이를 신고할 기관이나 연락처에 대한 정보가 없어 불편사항을 제보하지 못하는 문제가 있었다(Korea Institute of Civil Engineering and Building Technology, 2014). 이를 해결하기 위해 정부는 국민들이 언제 어디서나 스마트폰 앱을 통해 도로이용 불편사항을 신고 할 수 있는 척척해결서비스를 도입하였다(Ministry of Land, Infrastructure and Transport, 2014). 척척해결서비스는 2014년 3월부터 시행되었으며, 국토교통부의 주관 하에 2019년부터 매년 ‘도로안전 국민참여단’을 250명 모집하였다(Ministry of Land, Infrastructure and Transport, 2022). 국민참여단은 도로의 위험요소 및 불편사항을 척척해결서비스 앱을 통해 상시 신고하고, 앱과 도로안전 정책의 개선사항을 건의하는 역할을 한다. 척척해결서비스를 통해 접수된 민원 건수는 국민참여단이 운영되기 전 2018년 4,259건에서 국민참여단이 운영된 이후 2021년 33,326건으로 크게 증가하였다(Ministry of Land, Infrastructure and Transport, 2022). 특히, 2021년 국민참여단이 신고한 민원의 수는 전체 민원의 73.3%로 국민참여단의 민원 신고가 큰 비중을 차지하는 것으로 나타났다. 2020년부터 2022년 8월까지 척척해결서비스로 접수된 민원의 처리시간을 조사한 결과, 민원 처리까지 최장 3개월 소요되는 것으로 나타났다(Kim and Kim, 2022). 민원의 신속한 처리는 이용자의 만족도에 긍정적 영향을 미칠 것으로 보이며, 척척해결서비스 이용자의 만족도를 향상시키기 위해 민원 처리시간에 영향을 미치는 요인을 분석할 필요가 있다.
본 연구의 목적은 척척해결서비스 민원의 처리시간에 영향의 미치는 요인을 분석하고자 한다. 분석에 활용한 데이터는 척척해결서비스 앱을 통해 수집된 2014년 4월부터 2022년 6월까지의 민원신고 이력 데이터이며 민원의 처리시간에 영향을 미치는 요인을 분석하기 위해 생존분석 기법을 활용하였다. 생존분석은 사건 발생까지의 시간(Time to event)으로 이루어진 데이터를 다룰 때 활용하는 분석 기법으로 여러 연구분야에서 활용되고 있다.
본 연구의 구성은 다음과 같다. 2장에서는 고객서비스와 관련된 기존 연구동향을 검토하였으며 교통 분야에서 지속시간(Duration)과 관련된 기존 연구를 검토하고 본 연구의 차별성을 제시하였다. 3장에서는 연구 절차 및 생존분석의 방법론을 제시하고 본 연구에서 활용한 데이터셋에 대하여 서술하였다. 4장에서는 척척해결서비스 민원신고 데이터를 대상으로 기술통계 분석 및 데이터 전처리, 생존분석을 바탕으로 민원 처리시간에 영향을 미치는 요인 도출 결과를 제시하였다. 마지막 장에서는 연구의 결론을 요약하고 본 연구의 시사점에 대해 서술하였다.
선행 연구 검토
척척해결서비스 민원 처리시간 영향 요인을 분석하기 위해 고객서비스 관련 연구, 교통 부문 지속시간 관련 연구를 검토하였다.
1. 고객서비스 관련 연구
기존 고객서비스 관련 연구는 서브퀄(SERVQUAL) 모형 및 여러 평가 지표를 활용하여 서비스의 품질을 측정하고 주로 서비스 이용자의 만족도에 미치는 영향을 분석하는 연구를 수행하였다. 서브퀄은 Parasuraman et al.(1985), Parasuraman et al.(1988)이 개발한 서비스 질 측정 도구로 국내외 행정학, 경영학 등 다양한 분야에서 서비스 품질척도로 활용되고 있다(Lee, 2004).
Donnelly and Shiu(1999)는 서브퀄 방법을 통해 영국 지방 당국의 주택 수리 서비스의 품질을 평가하였다. 서브퀄의 평가 요인으로 유형성(Tangibles), 신뢰성(Reliability), 반응성(Responsiveness), 확신성(Assureance), 공감성(Empathy) 등 5가지 차원을 기준으로 각 차원에 가중치를 부여하여 서비스 질을 평가하였을 때, 전체 서브퀄 점수는 –1.4로 서비스에 대한 고객의 기대치를 충족하지 못한 것으로 나타났다. 또한, 신뢰성과 반응성이 서비스 품질에 있어 가장 중요한 것으로 나타났다.
Park(2000)은 중앙행정기관의 민원서비스 현황 및 개선방향을 제언하기 위해 연구를 수행하였다. 민원인들은 형평성, 대응성, 신속정확성을 중요시하는 것으로 나타났다. 이 중 신속정확성은 담당공무원의 업무처리의 즉시성, 담당 공무원의 일처리 능숙도, 민원서비스의 처리시간, 민원처리 기간통보 및 준수여부의 영향을 받는다. 신속정확성은 중요도가 높은 것에 비해 만족수준이 낮은 것으로 나타났다.
Park(2001)은 민원서비스의 질을 크게 내용적 차원과 전달수단적 차원으로 재구성하여 서비스의 질을 평가하였다. 민원인만을 고객으로 간주하였을 때, 민원서비스의 질과 고객만족도는 반드시 정비례하지 않는 것으로 나타났다. 그러나 고객의 범주를 민원 처리 결과에 대한 직간접적인 영향을 받는 주민을 포함한다면 고객만족도와 민원서비스의 질은 순상관관계를 보일 것이라고 주장하였다.
Lee(2003)은 도시공공서비스에 대한 고객들의 만족 수준을 규명하기 위해 고객만족의 평가 요인으로 신뢰성, 대응성, 유형성, 편리성, 친절성 등 5가지 차원을 기준으로 측정하였다. 부산지역의 구청, 세무서, 보건소, 복지관을 대상으로 한 본 연구는 신뢰성의 만족도가 가장 높았으며 편리성의 만족도가 가장 낮은 것으로 나타났다. 또한, 민원 접수 기관의 접근성과 민원 내용의 복잡성이 고객의 만족도에 부정적 영향을 미친다고 해석하였다.
Kim et al.(2007)은 부산광역시를 중심으로 행정서비스의 고객만족도 영향 요인을 연구하였다. 행정기관에 따라 고객만족도에 미치는 영향이 다른 것으로 나타났다. 시 본청의 경우 간편성과 정확성이 상대적으로 중요하며, 구·군청의 경우 정확성, 친절성, 신속성이 상대적으로 중요한 것으로 나타났다.
Jung(2008b)은 OECD가입 국가를 대상으로 민원서비스 처리시간을 비교·분석하였다. 10개 분야의 주요 서비스를 분석한 결과 처리속도를 기준으로 볼 때 우리나라의 전반적인 민원서비스 질은 타 국가에 비해 우수한 것으로 나타났다. 그럼에도 불구하고 우리나라 국민들이 전반적인 민원서비스 처리와 관련하여 체감하고 있는 수준이 실제 수준과 다른 이유는 확립된 제도에 비해 운영이 미흡하거나 국민들의 기대수준이 높은 것으로 판단하였다.
Kim(2011)은 통계서비스 품질요인이 이용자의 만족도에 미치는 영향을 분석하기 위해 서브퀄을 활용하여 연구를 수행하였다. 연구를 위해 전자민원G4C를 1회 이상 이용한 고객을 대상으로 설문조사를 실시하였다. 고객대응성은 이용자의 만족도에 영향을 미치지 않으며 이용편의성, 내용충실성이 고객의 만족도에 긍정적인 영향을 미치는 것으로 나타났다. 또한, 이용자가 전자민원G4C 서비스에 만족하면 향후 서비스를 재이용하는 것으로 나타났다.
Kim and Jang(2018)은 교통서비스의 질을 향상시키기 위한 방법을 탐색하기 위해 잠재 디리클레 할당(LDA)을 활용하여 교통민원을 분석하였다.
고객서비스와 관련된 기존 연구의 방향은 평가지표를 개발하고 이용자의 서비스 만족도를 평가하는 것을 주로 수행하였다. 대부분의 연구 결과에서 민원서비스의 신속대응성은 만족도에 영향을 미치는 것으로 나타나 서비스의 이용자의 만족도를 향상시키기 위해 민원서비스의 처리시간을 단축시킬 필요성이 있다. 그러나 민원서비스의 처리시간에 영향을 미치는 요인을 고려하여 수행한 연구는 미흡한 것으로 나타났다.
2. 교통부문 지속시간 관련 연구
교통 부문에 있어서 지속시간과 관련된 연구는 주로 교통사고 등의 돌발상황 지속시간에 관한 연구가 진행되었다. 돌발상황 지속시간이란 교통사고 발생시점부터 사고처리가 완료된 시점까지의 시간을 말한다(Garib, et al., 1997; Nam and Mannering, 2000). 돌발상황 지속시간은 검지시간, 대응시간, 처리시간으로 구성된다. 생존분석은 그 응용 분야에 따라 고장시간 자료 분석(failure time data analysis), 지속시간 분석(duration analysis)등으로 불린다(Jung et al., 2007).
Jung et al.(2007)은 AFT(Accelerated Failure Time; 가속실패시간) 생존분석 기법을 이용하여 고속도로 교통사고 지속시간 예측모형을 개발하였다. 야간에 발생한 사고, 부상자 수 등에 따라 지속시간이 증가하는 것으로 나타났으며, 사고 후 차량이 정지된 사고, 가을에 발생한 사고 등은 지속시간에 적은 영향을 미치는 것으로 나타났다. 또한, 빠른 제보와 정확한 사고 정보의 제보는 사고의 지속시간의 감소에 매우 밀접한 관계가 있는 것으로 나타났다.
Jung(2008a)은 위험률 기반 지속시간 모형을 통해 돌발상황의 지속시간을 추정하기 위한 연구를 수행하였다. 대응시간과 처리시간 그리고 대응시간과 처리시간을 합친 지속시간으로 나눠 모형을 개발하였다. 대응시간에 영향을 미치는 독립변수로는 야간시간대, 화재 등이며, 처리시간에 영향을 미치는 독립변수로는 화재, 날씨 등이다. 지속시간에 영향을 미치는 독립변수로는 화재, 사고유형 등이다. 야간시간대 변수의 경우 처리시간에는 길게 걸리고 지속시간에는 짧게 걸리는 것으로 나타났다.
Lee et al.(2012)는 돌발상황 지속시간에 영향을 주는 요인을 분석하였다. 이를 위해 1개의 통합 모형과 사고발생 장소별로 구분한 3개의 세부 모형을 구축하여 총 4개의 모형을 구축하였다. 일반적으로 사고처리가 열약할 것으로 예상되는 터널에서 지속시간이 짧은 것으로 나타났다. 이는 공간적 제약에도 불구하고 터널마다 별도의 모니터링 및 관리체계 도입으로 인해 지속시간이 상대적으로 짧은 것으로 판단하였다. 각각의 모형에서 현장 도착시간 변수가 중요 설명변수로 채택되었다. 즉, 교통사고 발생 시 현장 수습차량이 빠르게 도착할수록 전체 지속시간에 긍정적 영향을 미치는 것으로 나타났다.
Kim et al.(2017)은 순서형 프로빗 모형을 활용하여 고속도로 전면차단사고 지속시간 영향요인을 분석하였다. 고속도로 전면차단사고란 사고의 결과로 고속도로가 완전히 차단되어 차량의 이동이 불가한 상태를 말한다. 사고위치의 램프, 차량 화재사고, 전복/전도사고, 적재물 유출 사고 등이 전면차단시간을 증가시키는 요인으로 나타났으며, 비화재 사고, 정차차량만을 포함하는 사고, 적재물 미유출 사고 등이 전면차단시간을 감소시키는 요인으로 나타났다.
Yoon et al.(2017)은 생존분석을 활용하여 과속방지턱 영향구간을 분석하였다. 과속방지턱으로 인해 속도저감이 나타나는 구간을 과속방지턱의 영향구간으로 설정하고, 과속방지턱 영향 구간은 차량이 과속방지턱을 통과하는 과정에서 발생하는 제한속도 이하 주행구간으로 정의하였다. 과속방지턱 통과 시의 차량속도가 제한속도 이하로 감소한 후 다시 초과할 때까지의 시간에 영향을 미치는 분석하기 위해 생존분석을 활용하였다. 분석 결과, 과속방지턱 통과 전보다 통과 후의 영향구간이 긴 것으로 나타났으며, 단일형 과속방지턱에서는 차종별로 통계적으로 유의미한 차이를 보였다.
교통분야에서 지속시간의 영향요인을 분석할 때 주로 사고지점, 계절 및 날씨, 사고유형 등을 고려하는 것으로 나타났다. 도로의 위험요소 역시 위와 같은 요인들이 도로 민원의 처리시간에 영향을 미칠 것으로 판단되어 분석에 있어 해당 요인들을 고려할 필요가 있다.
3. 기존 연구와의 차별성
척척해결서비스 민원 처리시간 영향 요인을 분석하기 위해 관련 선행 연구를 검토한 결과 민원서비스의 질을 측정하고 고객만족도에 미치는 영향을 분석하는 차원에서의 연구, 교통사고 지속시간에 관한 연구 등이 수행되었다. 민원 처리시간과 관련된 연구는 Jung(2008b)의 한국과 OECD 가입 국가간 민원 처리시간을 비교한 연구가 있으나 민원의 처리시간에 영향을 미치는 요인에 관한 연구는 부족한 실정이다. 생존분석은 어떤 사건의 기간과 관련된 자료를 분석하는 데 주로 사용되는 분석 방법으로 현재 교통부문에서는 주로 도로의 돌발상황 지속시간에 관한 연구가 수행되고 있으며 도로 민원처리시간을 분석하는 방법으로도 적합하다고 판단하였다. 따라서 본 연구에서는 생존분석 기법을 활용하여 척척해결서비스 민원의 처리시간에 영향을 미치는 요인을 분석하고자 한다.
연구방법론
1. 연구 절차
본 연구의 수행 절차는 총 4단계로 구성되어 있으며 Figure 1에 제시하였다. 첫 번째 단계에서는 척척해결서비스 앱을 통해 데이터를 수집하였다. 두 번째 단계에서는 수집된 데이터를 분석에 활용하기 위해 데이터를 파악하고 전처리 작업을 수행하였다. 전처리는 미완료 데이터 및 이상치를 제거하였고, 단위를 변환하였다. 세 번째 단계에서는 전처리된 데이터를 바탕으로 기술통계량을 제시하였다. 마지막 단계에서는 Kaplan-Meier 방법과 Cox 비례 위험 모형을 활용하여 생존분석을 수행하였다.
2. 생존분석
생존분석은 의학뿐만 아니라 사회학, 경제학, 심리학 등의 분야에서 데이터를 분석하는 중요한 기법으로 사용되고 있다(Park, 2006). 생존분석은 사망 혹은 생존의 여부와 생존기간이라는 두 가지의 주요 정보를 활용하여 그룹별 특성에 따른 생존기간의 차이를 분석하는 것을 주요 목적으로 하는 분석 기법이다(Ma and Kang, 2011).
생존분석에 활용되는 데이터를 생존자료라고 한다. Song and Ahn(1999)에 따르면, 생존자료는 다음과 같은 특징이 있다. 첫째, 생존과 같은 결과변수는 생존 혹은 사망과 같은 생존의 여부와 생존시간이라는 두 가지 형태로 이루어져 있다. 여기서 생존시간이란 어떤 사건이 발생할 때까지의 시간이다. 둘째, 생존시간은 항상 양수값으로 측정된다. 셋째, 이벤트가 발생할 때까지의 시간(Time to event)은 보통 정규분포를 따르지 않는다. 마지막으로 중도절단된 자료가 발생한다. 중도절단된 자료(Censored data)란 자료를 수집하는 과정에서 어떤 사건이 발생하기 전에 모종의 이유로 인해 사건의 발생까지의 시간을 조사할 수 없는 데이터이다. 본 연구에서는 사망을 민원이 처리된 상태, 생존을 민원이 처리되지 않은 상태로 정의하였다.
생존함수(Survival Function) S(t)는 t시점까지 민원이 처리되지 않을 확률로 정의되며 산출식은 Equation 1과 같다(Song and Ahn, 1999).
t는 시간변수, T는 민원 처리에 이르는 시점이며, Pr은 확률함수이다. 중도절단된 데이터가 없다면 t 시점에서의 생존함수는 Equation 2를 통해 추정할 수 있다.
누적분포함수(Cumulate Distribution Function : CDF) F(t)이며, F(t)가 미분가능하다면, 확률밀도함수(Probability Density Function : PDF)는 각각 Equation 3과 Equation 4와 같이 표현된다.
위험함수(Hazard Function) h(t)는 t시점까지 처리되지 않은 민원이 t시점 직후 순간적으로 처리될 조건부 확률로 정의되며 Equation 5와 같이 표현된다.
누적위험함수 H(t)는 위험함수 h(t)를 시간 0부터 t시점까지를 적분한 값으로 Equation 6을 통해 추정할 수 있다. 위험함수가 크면 민원이 처리될 확률이 크다고 할 수 있다. 위험함수의 값이 커질수록 민원 처리까지의 시간은 대체로 작아진다.
생존함수 추정 모형은 다변량 분석 방법인 모수적 모형(Parametric Model), 단변량 분석 방법인 비모수적 모형(Nonparametric Model), 모수적 방법과 비모수적 방법의 성격이 모두 포함되어 있는 준모수적 모형(Semiparametric Model)으로 구분된다. 모수적 모형은 지수 분포 모형, 와이블 분포 모형, 로그-정규 분포 모형 등이 있다. 비모수적 모형은 생존기간에 대해 특정한 분포를 가정하지 않고 생존함수를 추정하는 방법으로 Life table method, Kaplan-Meier method 등이 있다(Song, 2008). 준모수적 모형은 모수적 모형의 성격과 비모수적 모형의 성격을 동시에 지니는 모형으로 Cox proportional hazard model이 있다(Table 1 참조).
Table 1.
Survival function estimate model
Source : Rewritten using Song(2008)
Kaplan-Meier 방법은 1958년 Kaplan과 Meier에 의해 고안된 방법이다. Kaplan-Meier 방법을 활용하면 전체 생존함수의 추이를 파악하고, 예측변수에 따라 시점 t에서의 민원이 처리되지 않을 확률에 유의미한 차이가 있는지 확인할 수 있다(Kaplan and Meier, 1958). Kaplan-Meier 방법을 통해 도출한 생존함수 그래프에서 생존함수 값이 크면 민원이 처리될 확률이 낮다는 것을 의미하며, 생존함수의 값이 작으면 민원이 처리될 확률이 크다는 것을 의미한다. 생존함수의 추이를 통해 생존함수 값이 빠르게 감소하는 요인은 민원이 빠르게 처리될 확률이 높다고 해석할 수 있다.
Cox 비례 위험 모형(Cox Proportional Hazard Model)은 생존시간의 분포를 가정하지 않으면서 모형에 근거하여 회귀계수를 추정하는 준모수적 모형이다(Song, 2008). Equation 7을 통해 회귀 모형계수를 추정할 수 있다.
는 위험함수이며, 는 기저위험함수로 공변량의 값이 모두 0일때의 위험함수이다. 또한, 는 생존시간에 영향을 미치는 k개의 공변량이며, 는 회귀 모형계수이다(Cox, 1972). 회귀계수 β값이 양의 부호(+)라면 해당 변수는 참조변수보다 민원이 처리될 위험이 크다는 것을 의미한다. 따라서 β값이 커질수록 민원 처리시간이 짧아짐을 의미한다(Kang and Kim, 2013). 반대로, 회귀계수 β값이 음의 부호(-)라면 해당 변수는 참조변수보다 민원이 처리될 위험이 작아 민원 처리시간이 길다는 것을 의미한다. 마찬가지로, Hazard ratio는 Exp(β)으로 Hazard ratio가 1보다 크면 민원 처리시간이 참조변수보다 짧고, 1보다 작으면 민원 처리시간이 참조변수보다 긴 것으로 해석할 수 있다.
두 그룹 이상에서 민원 접수 후 일정 시간이 지났을 때 처리 비율에서 차이가 있는지 분석하기 위해 Kaplan-Meier 방법을 활용하였다. 그러나 Kaplan-Meier 방법은 독립변수가 2개 이상일 경우 적용할 수 없다는 한계가 있다(Ma and Kang, 2011). 이를 극복하고자 Cox가 제안한 분석 방법인 Cox Proportional Hazard Model을 활용하여 민원 처리시간에 영향을 미치는 요인을 분석하였다.
3. 분석 자료
본 연구에서는 척척해결서비스 민원신고 이력 데이터를 활용하였다. 민원신고 이력 데이터는 일반 이용자 및 국민참여단의 민원을 바탕으로 수집되었다. 시간적 범위는 2014년 4월 1일부터 2022년 6월 30일이며 공간적 범위는 전국이다. 데이터는 민원ID, 위치, 신고 유형, 등록일시, 내용, 구분, 기관코드, 접수 기관 이름, 상태, 외부 연계 여부, 처리 소요 시간에 대한 정보를 포함하고 있다. Table 2에 분석에 활용된 변수의 예시를 제시하였다. 신고 유형은 노면상태불량, 도로시설물불량, 로드킬 및 낙석 등 여섯 가지로 구분되며, 상태는 조치중, 조치완료, 취하완료로 구분된다. 분석을 수행하기 위해 종속변수로 민원 처리시간 선정하였다. 설명변수로는 민원 처리시간에 영향을 미칠 것이라고 판단되는 신고 유형, 등록일시, 지역을 선정하였다. 신고 유형은 6가지로 구분하였으며, 등록일시는 연도, 분기, 계절, 월별로 변수를 구분하였다. 지역은 광역시·도를 기준으로 17가지로 구분하였다.
Table 2.
Examples of variables
데이터 분석
1. 데이터 전처리
Figure 2에 연도별 민원 건수를 제시하였다. 2014년 4월부터 2022년 6월까지 척척해결서비스 앱을 통해 접수된 민원은 총 80,751건이며, 평균 신고 건수는 연 8,972건이다. 2014년부터 2018년까지 민원 건수가 감소하였으나, 2019년부터 민원 신고 건수가 증가하는 추세를 보이는 것으로 나타났다. 이는 2019년 6월부터 국민참여단을 운영함에 따라 민원 신고 건수가 증가한 것으로 판단된다.
국민참여단의 활동으로 인해 2019년부터 민원 건수가 크게 증가한 것으로 나타났다. 본 연구에서는 2019년 1월부터 2022년 6월까지의 데이터를 활용하여 민원 처리시간에 관한 연구를 수행하였다. 민원 처리시간을 분석하기 위하여 데이터 전처리를 수행하였다. 데이터 전처리 과정은 데이터 필터링 및 데이터 유형 변환을 진행하였다(Figure 3 참조). 데이터 필터링 단계에서 민원의 처리 상태를 필터링하였다. 민원의 처리상태는 크게 ‘조치중’, ‘조치완료’, ‘취하완료’로 구성된다. ‘조치중’ 민원은 분석에 활용하기에 표본 수가 적어 제외하였으며(전체의 0.1%), ‘취하완료’ 데이터는 본 연구의 목적과 달라 제외하였다. 민원 처리시간이 1개월 이상 소요된 데이터는(전체의 1.8%) 표본 수가 적어 분석에서 제외하였다. 데이터 유형 변환 단계에서 분석을 위해 설명변수를 더미변수화 하였다. 데이터 전처리 결과 총 66,981건의 데이터를 생존분석에 활용하였다.
2. 데이터 전처리 결과
데이터 전처리 후 기술통계량을 검토하였다. 신고 유형별, 지역별 민원 건수를 Table 3에 제시하였다. 경기도와 서울의 민원 신고 건수가 많으며, 노면상태불량, 도로시설물불량으로 접수된 민원이 많은 것으로 나타났다.
Table 3.
Number of complaints by region and complaint type
Table 4에 총 66,981개 민원의 기초 통계량을 정리하였다. 분석 결과 평균 민원 처리시간은 7.34일로 평균적으로 접수된 민원을 처리하는데 약 1주일 소요되는 것으로 나타났다. 데이터 전처리를 통해 민원 처리시간이 30일 이내인 데이터만을 활용하였으며 최소 민원 처리시간은 1일이다. 중위값은 7일, 최빈값은 5일이다.
Table 4.
Complaint time Descriptive statistics
| Category | Day (n=66,981) |
| Mean | 7.34 |
| Max | 30 |
| Min | 1 |
| Standard deviation | 4.86 |
| Variation | 23.62 |
| Median | 7 |
| Mode | 5 |
Figure 4에 민원 처리시간 분포를 시각화하였다. 척척해결서비스의 시행 목적인 24시간 이내(1일 이내)에 처리된 민원은 전체의 5.4%로 다소 낮은 수치인 것으로 나타났다. 또한, 민원 접수 후 4일 이상 5일 이내에 처리되는 민원이 가장 많았으며, 상당수의 민원이 1일 이상 9일 이내에 처리되는 것으로 나타났다. 누적 처리 비율은 1주일 이내에 처리된 민원이 전체의 58.9%, 2주일 이내에 처리된 민원이 전체의 92.2%로 대부분의 민원이 2주일 이내에 처리되었다.
생존분석 결과
1. Kaplan-Meier분석 결과
기술통계 분석 결과를 바탕으로 요인에 따라 민원 처리시간에 영향을 미칠 것이라고 판단되는 변수들의 민원 처리시간 차이를 비교·분석하였다.「민원처리에 관한 법률 시행령」제 15조에 따르면, 행정기관의 장은 건의민원을 접수한 경우에는 특별한 사유가 없으면 14일 이내에 처리하여야 한다고 명시되어 있다. 이를 준용하여 Kaplan-Meier 방법을 활용하여 14일을 기준으로 처리 비율의 차이를 확인하였으며, 그 절반인 7일을 기준으로도 분석을 수행하였다. 또한, 요인별로 민원을 50% 이상 처리하는 시점과 75%이상 처리하는 시점에 처리시간이 차이를 보이는지 분석하였다.
Figure 5에 전체, 지역, 신고 유형별 생존함수 그래프를 제시하였다. 전체 민원의 처리 비율이 50% 이상이 되는(누적 생존함수가 0.5 이하가 되는) 시점은 민원이 접수된 시점으로부터 7일 후, 75% 이상이 되는 시점은 9일 후인 것으로 나타났다. 전체 민원은 11일 이내에 처리될 확률이 높은 것으로 나타났다. 지역별로 보면 서울시와 부산시의 민원 처리시간이 짧은 것으로 나타났으며, 세종시는 타 지역에 비해 민원 처리시간이 긴 것으로 나타났다. 전라남도는 처리시간이 18일 이상인 민원이 다른 지역에 비해 많은 것으로 나타났다. 신고 유형에서는 로드킬 및 낙석의 처리시간이 다른 유형에 비해 짧은 것으로 나타났다.
전라남도는 처리시간이 18일 이상인 민원이 다른 지역에 비해 많은 것으로 나타났다. 신고 유형에서는 로드킬 및 낙석의 처리시간이 다른 유형에 비해 짧은 것으로 나타났다.
민원 접수 후 7일과 14일 후에서의 누적 민원 처리 비율 및 민원 처리 비율이 50% 및 75%에 도달하는 시점을 검토하였다(Table 5 참조). 로드킬 및 낙석의 누적 신고 처리 비율은 7일 이내에 71.4%, 14일 이내에 96.1%로 다른 신고 유형보다 처리가 원활한 것으로 나타났다. 또한, 5일 이내에 50% 이상의 민원이 처리되었으며, 8일 이내에 75% 이상 처리 된 것으로 나타났다. 서울시와 부산시는 7일 이내에 각각 73.9%, 68.4%로 7일 이내에 처리된 민원의 비율이 높은 것으로 나타났다. 반면, 세종시는 7일 이내에 45.9%, 14일 이내에 83.0%로 낮게 나타났다. 대부분 50%의 민원을 처리하는데 6-7일이 소요되었으며 75%의 민원을 처리하는데 9-10일이 소요되었다. 로드킬 및 낙석으로 접수된 민원은 다른 신고 유형보다 민원이 빠르게 처리되는 것으로 나타났으며, 서울시와 부산시에서 접수된 민원이 타 지역에 비해 빠르게 처리되는 것으로 나타났다. 도로 민원의 발생이 분기 및 계절에 따라 다른 모습을 보일 것이라고 예상하였으나 민원 처리의 누적 비율 및 시간에 있어 큰 차이가 없는 것으로 나타났다.
Table 5.
Cumulative rate of complaint processing by type & Complarint processing time
2. Cox 비례 위험 모형 분석 결과
Kaplan-Meier 방법을 토대로 요인별 민원 처리시간을 비교하였을 때, 신고 유형과 신고 지역에 따라 민원 처리시간의 차이가 있을 것이라고 판단하였다. 이에 민원 처리시간에 영향을 미치는 요인을 분석하기 위해 Cox 비례 위험 모형을 활용하여 분석하였다. Table 6에 추정계수 검정 결과를 보면, 배수시설불량과 부산광역시를 제외한 나머지 공변량의 추정계수는 통계적으로 유의한 것으로 나타났다(p<0.01). 로드킬 및 낙석의 Hazard ratio는 1.497로 노면상태불량에 비해 민원 처리시간이 짧은 것으로 나타났으며, 도로시설물불량, 포트홀, 기타 유형 또한 노면상태불량에 비해 민원 처리시간이 짧은 것으로 나타났다. 지역은 서울시를 참조변수로 하여 분석하였다. 분석 결과, 모든 지역에서 Hazard ratio가 1보다 작아 서울시보다 민원 처리시간이 긴 것으로 나타났다.
Table 6.
Cox proportional hazards model estimation results
결론 및 시사점
정부는 도로 사업의 주체가 공급자 중심의 도로에서 이용자 중심의 도로로 시대가 변화함에 따라 정부 3.0 선도과제의 일환으로 ‘도로이용불편 척척해결서비스’를 시행하였다. 척척해결서비스를 통해 국민들이 체감하는 도로의 위험요소를 제거하고, 처리 결과를 공유하여 서비스로서의 도로를 추진하였다. 정부는 척척해결서비스의 활성화를 위하여 2019년부터 매년 도로안전 국민참여단을 모집하였다. 국민참여단 운영을 통해 민원 건수는 증가하였지만 민원 처리시간은 오래 소요되는 실정이다. 척척해결서비스의 핵심은 도로 안전을 저해하는 요소들을 빠르게 처리하여 시민들의 불편을 최소화하는 것인 만큼 민원 처리시간을 단축시키는 것은 중요하다.
본 연구에서는 척척해결서비스 민원 이력 데이터를 바탕으로 생존분석을 활용하여 민원 처리시간에 영향을 미치는 요인을 분석하였다. 기술 통계 분석을 통해 요인별 민원 건수 및 민원 처리시간을 확인하였다. 생존분석을 통해 요인별 민원 처리시간을 비교하고, 민원 처리시간에 영향을 미치는 요인을 분석하였다. 결과를 요약하면 다음과 같다.
도로 민원 처리시간에 영향을 주는 요인을 다각적으로 분석하기 위해 생존분석의 비모수적 모형과 준모수적 모형을 활용하여 데이터를 분석하였다.
Kaplan-Meier 방법을 활용하여 전체, 신고 유형별, 신고 지역별, 분기별, 계절별 생존율 변화를 살펴보고. 설명변수에 따라 민원 처리시간에 차이가 있는지 비교·분석하였다. 신고 유형에서는 로드킬 및 낙석이 다른 신고 유형보다 민원 처리시간이 짧은 것으로 나타났다. 지역에 따라서는 서울시와 부산시의 민원 처리시간이 짧았으며 세종시의 민원 처리시간이 긴 것으로 나타났다.
다음으로 준모수적 모형인 Cox 비례 위험 모형을 활용하였다. Cox 모형을 활용한 추정계수 검정 결과 로드킬 및 낙석은 다른 신고 유형에 비해 민원 처리시간이 짧은 것으로 나타났으며, 지역에 따라서는 세종시와 전라남도가 민원 처리시간이 긴 것으로 나타났다.
본 연구에서 활용한 민원신고 이력 데이터는 국민참여단의 민원을 중심으로 수집되어 국민참여단의 주 활동 지역이 지역별 민원 건수에 영향을 미칠 것으로 판단된다. 그러므로 향후 국민참여단과 일반 이용자를 비교·분석하여 연구를 수행할 필요가 있다.
도로 민원의 처리는 날씨, 기후, 도로 보수 및 유지 관리 인력, 예산 등의 영향을 받을 것으로 판단되나 이에 대한 자료가 부족하여 연구에 반영하지 못했다는 한계가 있다. 추가 조사를 진행하여 연구를 보완한다면 향후 더 정확한 분석 결과가 도출될 것으로 기대된다.
현재 도로·교통 민원은 국민신문고, 110 정부민원안내콜센터, 민원24 등 다양한 방식으로 접수되고 있다(Jo et al., 2016). 따라서 척척해결서비스를 통해 접수되는 민원이 도로 민원 전체를 대표하지 않는다. 향후 적극적인 홍보를 통해 시민들이 도로 관련 민원을 척척해결서비스를 통해 접수하도록 하는 노력이 필요하다.
본 연구는 척척해결서비스 시행 이후 해당 앱을 통해 접수된 민원을 다각적으로 분석하였다는 점에서 의의가 있다. 특히 생존분석 기법을 활용하여 민원의 처리시간에 영향을 미치는 요인을 분석하였다는 점에서 기존의 연구와 차별성을 지닌다. 향후 세종시와 전라남도 등 민원 처리시간이 상대적으로 긴 지역에 도로 관리 인력을 추가적으로 배치한다면 척척해결서비스의 민원 처리시간을 개선할 수 있을 것으로 기대된다.
