서론
선행 연구
이용 데이터 및 분석방법론
1. 이용 데이터
2. 분석방법론
분석 결과
1. 사업용 화물차의 연속운전-휴게시간 준수 수준과 미준수 영향요인
2. 연속운전-최소 휴게시간 시행 전후 DTG 기반 위험운전행동 변화
결론
Appendix
서론
COVID-19 팬데믹 이후 전자상거래 확산과 공급망 재편으로 국내 화물 수요가 증가하면서 도로 기반 화물운송의 중요성이 더욱 커졌다. 2022년 기준 국내 화물운송량은 19.3억 톤으로, 이 중 92.5%가 도로를 통해 운송되고 있다(Ministry of Land, Infrastructure and Transport, 2024). 도로 운송 의존도가 높은 환경에서 사업용 화물차 운전자는 장거리·고빈도 운행을 반복 수행해야 하는 압박에 노출되며, 이는 휴게시간을 줄여 피로 누적을 촉진할 수 있다(Dorn and Brown, 2003; Korea Transport Institute, 2022). 누적된 피로는 운전자의 주의력 저하와 반응지연뿐 아니라 위험운전행동의 증가와 연관되어 사고위험을 높일 수 있다(Williamson et al., 2011; Hege et al., 2015).
화물차 운전자의 피로위험을 완화하기 위해 여러 나라에서 운전·근로시간 상한, 최소 휴식시간 보장제도, 연속운전 상한과 이에 따른 휴게 의무를 결합한 운행서비스시간 (Hours of Service; HOS) 규제를 운영해 왔다(European Parliament and Council, 2006; FMCSA, 2017). 반면 우리나라는 일일 운전·근로시간 상한과 최소 일일 휴식 보장제도가 부재한 가운데, 연속운전 후 최소 휴게 의무(연속운전 2시간 이상 15분 이상 휴게)만이 사실상 유일한 시간규제로 적용되어 왔다(화물자동차 운수사업법 시행규칙 제22조). 이러한 환경에서 최소 휴게시간 규정은 연속운전에 따른 회복기회를 운전자에게 제공할 수 있는 핵심 장치임에도 불구하고, 실제 휴게시간 준수 현황이나 제도 시행으로 인한 효과 관련 연구는 충분히 축적되어 있지 않다.
이에 본 연구는 사업용 화물차의 연속운전에 따른 휴게시간 규제만이 존재하는 우리나라의 제도적 환경에서, 주요 화물거점에서 실시한 운전자 대상 설문조사 자료를 활용하여 최소 휴게시간 준수 수준과 미준수에 영향을 미치는 요인을 파악한다. 또한 디지털운행기록장치(Digital tachograph; DTG) 기반 위험운전행동 자료를 이용하여 동일 링크에서 휴게 제도 시행 전후의 운전행태 변화를 비교한다. 본 연구 결과는 휴게시간 제도의 한계와 개선방향을 논의하고, 휴게 제도의 실효성을 높일 수 있는 정책개발에 도움이 될 것이다.
선행 연구
운전자의 피로(fatigue)는 단순한 졸음 상태를 넘어 경계(vigilance) 저하, 판단능력 저하, 반응시간 지연, 차량 제어 불안정 등 복합적 수행능력 저하를 유발하며, 안전임계사건(safety-critical events)과 사고위험을 증가시키는 요인으로 보고되어 왔다(Williamson et al., 2011). 특히 사업용 자동차 운전에서는 운행시간의 누적뿐 아니라 일정 압박, 정차 여건, 대기·상하차 등 운행 외 업무와의 결합으로 장시간 운전과 부족한 휴식을 초래하여 피로 누적뿐 아니라 급감속·급정지와 같은 급격한 운전 조작 등 위험운전행동을 증가시키는 방향으로 작동할 수 있다(Blanco et al., 2011; Hege et al., 2015).
이러한 위험을 완화하기 위해 여러 나라에서 운행서비스 시간(Hours of Service; HOS) 규제를 통해 운전시간 및 근로시간 상한, 최소 일일 휴식 보장, 연속운전 후 휴게 의무, 전자기록 기반 점검 및 처벌제도를 결합하여 운전자의 운전 및 휴식시간을 종합적으로 관리해 왔다(European Parliament and Council, 2006; FMCSA, 2017; 国土交通省). 예를 들어 EU는 일일 운전시간 상한과 연속운전 후 휴게 의무를 결합하고, 일본·미국은 운전 및 근로시간 상한과 휴게·휴식 규정을 함께 운용한다. 선행 연구는 화물운송부문의 HOS 규제의 도입과 강화가 휴식시간 증가, 근로·운전시간 감소, 피로 관련 사고 및 위험행동 감소와 연관될 수 있음을 보고해 왔다(Murray and Shackelford, 2009; Jovanis et al., 2011; Goldenbeld et al., 2017; Ren, 2021). 이와 함께 전자운행기록장치(Electronic Logging Device; ELD)의 도입이 HOS 규정 위반 감소 등 준수율 향상에 기여했음을 보고한다(FMCSA, 2023; Scott et al., 2021).
반면 우리나라 화물운송 부문은 일일 운전·근로시간 상한과 최소 휴식 보장제도가 부재한 가운데, 연속운전 후 최소 휴게 의무만이 시간규율의 핵심으로 적용되는 특수한 환경을 가지고 있다. 구체적으로 2017년에는 “3시간 미만 연속운전 시 30분 휴게” 기준이, 2020년 12월 개정 이후에는 “1회 2시간 이상 연속운전 시 최소 15분 휴게” 기준이 마련되었다(화물자동차 운수사업법 시행규칙 제22조). 이처럼 휴게 시간 규제 제도는 마련되었으나, 단속 및 모니터링 등 관리체계는 여전히 취약한 것으로 지적되어 왔다(Korea Transport Institute, 2022). 국내에서도 DTG 데이터를 활용한 화물차 안전 연구가 수행되어 왔으나, 대부분이 위험 도로구간 도출, 위험운전행동의 공간적 특성 분석 등 ‘행동 발생 패턴’ 규명에 초점을 두고 있다(Cho et al., 2017; Kim et al., 2020; Jeong et al., 2021). 반면 최소 휴게시간 규정의 준수 수준을 정량적으로 제시하고, 제도 시행 전후의 안전 운전행태 변화를 함께 분석한 연구는 제한적이다.
이에 본 연구에서는 국외 HOS 관련 근거는 운전 및 근로시간 상한, 휴식시간 보장, 휴게 의무가 결합된 종합 HOS 규제환경에서 축적된 것으로, 휴게 의무만 단독으로 작동하는 국내 환경에 그 결과를 직접 적용하여 해석하기에는 한계가 있다. 특히 첫째, 최소 휴게시간 규정의 실제 준수 수준이 어느 정도인지, 둘째, 최소 휴게시간 미준수가 어떤 운행·거래 조건(예: 장거리 운행, 물량 확보 구조)에서 집중되는지, 셋째, 규정 개정 이후 위험운전행동이 동일 도로구간에서 어떻게 변화하는지에 대해 알아보고자 한다. 실효성 제고와 집행ㆍ모니터링 설계 논의에 필요한 근거를 제공하고자 한다.
이용 데이터 및 분석방법론
1. 이용 데이터
본 연구는 최소 휴게시간 규정(최대 연속운전 2시간 이상 시 15분 이상 휴게)의 준수 수준과 미준수 영향요인, 그리고 제도 시행 이후 위험운전행동 변화를 분석하기 위해 운전자 대상 설문조사 자료와 DTG 기반 위험운전행동 자료를 활용한다. 설문자료는 1회 운행(trip) 기준 최대 연속운전시간과 휴게시간을 바탕으로 규정 준수 여부를 산정하고, 운전자와 화물차 운행 특성과의 연관성 분석을 통해 미준수 영향요인을 파악한다. DTG 자료는 동일 링크수준에서 제도 시행 전후에 관측되는 위험운전행동 변화를 비교함으로써, 운전행태가 어떻게 변화하는지를 비교ㆍ평가하는 근거로 활용하였다. 다만 두 자료는 동일 운전자(또는 동일 차량–운전자) 단위로 직접 연계된 패널 자료가 아니므로, 설문에서 관측된 최소 휴게시간 준수 여부를 DTG 자료로 개인 수준에서 검증할 수는 없다. 따라서 DTG 자료는 설문결과의 직접적 검증이 아니라, 제도 개정 전후 동일 링크에서 관측된 위험운전행동 변화에 대한 보완적 근거로 해석한다.
설문자료는 한국교통연구원이 수행한 2022년 「사업용 화물자동차 근로 및 휴식시간 인식조사」(N=940)로, 주요 화물거점(물류단지·터미널 등)에서 사업용 화물차 운전자를 대상으로 실시한 현장조사 자료이다. 표본은 운송품목(컨테이너·벌크시멘트·철강·탱크로리·일반화물)과 운행거리(단거리 <80km, 중거리 80–300km, 장거리 >300km)를 교차한 층화 유의표집으로 설계되어 운행환경의 이질성을 반영하였다. 조사 항목은 Table 1에 제시한 바와 같이 1회 운행 기준 최대 연속운전시간(Maximum continuous driving time, MCD) 및 휴게시간(Break time, BT)을 포함하며, 개인 특성(연령, 경력)과 운행·규모 특성(운행거리, 적재용량, 소득, 차량 소유형태), 운송품목과 물량확보경로를 함께 수집하였다. 최대 연속운전시간(MCD)은 휴게 없이 지속적으로 운행한 시간(시간 단위)이며, 휴게시간(BT)은 연속운전 이후 확보한 정차·휴게시간(분 단위)으로 정의하였다.
Table 1.
Variable definitions and descriptive statistics (n = 940)
설문은 현장 면접 기반 자기보고 자료로 회상오류(recall bias), 시간 단위 응답의 라운딩(heaping), 사회적 바람직한 응답 편향 가능성을 내포한다. 이를 완화하기 위해 조사 과정에서 응답 기준을 ‘최근 1주일’로 통일하고, 휴게시간(BT)은 상·하차 및 업무대기와 구분되는 ‘운행 중 정차·휴게’로 응답하도록 안내하였다. 또한 설문 응답의 외적타당성을 간접적으로 확인하기 위해, 비교 가능한 KOTI 「화물운송시장 동향연간보고서」(2023년, 약 4,400명)의 연령, 운전경험, 운행거리 그리고 월 순임금을 비교하였다. 그 결과, 본 표본의 운전자 연령ㆍ운전경험ㆍ운행·소득 수준이 모두 유사한 범위임을 확인하였다(화물운송시장 동향 연간보고서: 운전자 연령 53.8세, 운전경험 18.5년, 운행거리 177.3km/일, 월 순임금 329만원).
DTG 기반 위험운전행동 자료는 한국교통안전공단 운행기록분석시스템(ETAS)에서 제공받은 ITS 표준링크수준의 집계자료를 활용하였다. 본 자료는 원시 속도·가속도 시계열이 아니라, 주행기록을 바탕으로 ETAS의 표준 산출 규칙에 따라 사전에 정의·집계된 링크 단위 위험운전행동 건수이다. 한국교통안전공단은 위험운전행동을 11개 유형으로 제시하나, 본 연구는 링크 단위 계수형 분석에서 표본 안정성(충분한 발생빈도)과 해석의 명확성을 고려하여 5개 항목(과속, 급가속, 급출발, 급감속, 급정지) 및 이들의 합(총 위험운전행동)을 분석 대상으로 설정하였다(Table 2).
Table 2.
Definitions of five risky driving behaviors for commercial trucks
source: Korea Transportation Safety Authority(2026), Driving Record Analysis System
위험운전행동의 전후 비교는 휴식시간 개정 시점(2020년 12월)을 기준으로 시행 전(2019년 10월)과 시행 후(2021년 10월)의 동일 월 자료를 사용하여 계절성 영향을 최소화하고 제도 정착기간을 고려하였다. 또한 전후 비교의 비교가능성을 높이기 위해 본 연구는 전후 기간 모두 관측되는 동일 링크(Matched link), 즉 1) 2019년 10월과 2021년 10월에 동일 링크 ID가 존재하며, 2) 제한속도와 위험운전행동 건수가 존재하는 링크만을 포함하였다. 위 기준을 만족하는 최종 매칭 표본은 394,272개 링크이며, 링크×2시점으로 총 788,544개 관측치로 구성된다. 단, 위험운전행동은 링크별 통과차량수와 링크길이 등 노출(exposure) 규모에 민감하므로, 분석에서는 차량-km 기반 노출(log vehicle-km)을 offset으로 포함하여 노출 차이를 보정한다.
2. 분석방법론
1) 최소 휴게시간 미준수 영향요인
최소 휴게시간의 미준수가 어떤 요인과 연관되는지 파악하기 위해, 연속운전시간(MCD) ≥ 2시간인 응답자(N=684)에 한정하여 미준수 여부(BT < 15분=1, BT ≥ 15분=0)를 종속변수로 한 로지스틱 회귀모형을 추정하였다. 이는 이진 결과의 발생확률을 0–1 범위로 제한하며, 추정 결과를 오즈비(odds ratio; OR)로 제시함으로써 미준수 위험의 상대적 크기를 비교하기에 적절하다. 설명변수로는 운행거리, 운송품목 더미, 물량확보경로 더미, 적재용량, 소득수준, 운전자 연령·경력, 차량 소유형태 등을 포함하였다. 표준오차는 이분산에 강건한 HC1 방식으로 산정하였고, 운행거리(DD)는 해석 편의를 위해 100km단위로 재척도화하였다.
여기서, 는 운전자의 최소 휴게시간 미준수 여부 준수, 는 운행거리, 적재용량, 소득수준, 운전자 연령·경력, 차량 소유형태, 운송품목 및 물량확보경로 더미 등 운행 및 규모특성, 개인 변수가 포함된다. 오즈비는 설명변수가 1단위 증가(또는 특정 범주에 속함)할 때, 사건의 오즈가 기준 대비 몇 배로 변화하는지를 나타낸다. 예를 들어 휴게시간 미준수에 대한 운행거리 OR=1.145는 운행거리가 증가 시 미준수 오즈가 14.5% 증가함을 의미한다. 다만 OR은 ‘확률(probability)’의 단순 배수와 동일하지 않으므로, 본 연구에서는 미준수 위험의 상대적 크기를 비교하는 지표로 해석한다. 단, 설문조사가 시행된 2022년은 안전운임제 시행기간에 해당하므로, 안전운임제 적용 품목의 운송특성이 상이할 가능성을 고려하여 안전운임제 비적용 품목인 일반화물, 탱크로리, 철강품목을 대상으로 모형을 추정하여 결과의 강건성을 확보하였다.
2) DTG 기반의 위험운전행동 변화
연속운전–최소 휴게시간 의무가 개정된 2020년 12월을 기준으로, 위험운전행동의 전후 변화(2019년 10월과 2021년 10월)를 링크 수준에서 분석하고자 한다. 위험운전행동 건수는 0이 다수 관측되는 계수형 자료이며, 링크별 노출(통과 차량대수와 링크길이)이 상이하다. 이에 본 연구는 로그 노출(log vehicle-km)을 offset으로 포함하고 링크 고정효과(link fixed effects)를 결합하였으며, 이분산 상황에서도 비교적 안정적인 것으로 알려진 PPML(Poisson Pseudo-Maximum Likelihood) 모형을 적용하였다(Santos Silva and Tenreyro, 2006, 2011; Wooldridge, 2010). 로그 노출의 offset은 링크별 노출 차이를 보정하며, 링크 고정효과는 도로기하구조·제한속도 등 시간불변 링크 특성의 영향을 통제한다.
링크 , 시점 에서의 위험운전행동건수 에 대해, 링크 고정효과와 POST 더미, 그리고 노출(offset)을 포함한 PPML 모형은 식 (2)와 같다.
여기서 는 링크 고정효과(도로기하구조, 주변환경 등 시간불변 링크 특성), 는 시행 후(2021년 10월=1, 2019년 10월=0) 더미, 는 차량-km 기반 노출의 로그를 offset으로 포함한다. 표준오차는 링크 단위로 군집화하였고, 추정치는 발생률비(Incidence Rate Ratio; IRR)로 제시하였다(IRR<1이면 동일 링크에서 사후기간에 위험운전행동이 감소하는 방향의 변화가 나타남을 의미).
본 연구의 위험운전행동의 전후 비교는 단일 월(10월) 두 시점 비교로, 동시적 요인을 완전히 분리하기 어렵다. 특히 사후기간이 안전운임제 시행기간과 중첩되고 코로나 시기 교통·물류 여건 변화를 포함하므로 정책 혼재 가능성이 존재한다. 따라서 분석 결과는 최소 휴게시간 규정의 순수 인과효과라기보다, 동일 링크 기준에서 관측되는 전후 변화의 방향성과 크기를 정량화한 결과로 해석한다. 이를 한계를 보완하기 위해 동일 링크 매칭, 차량-km 기반 노출 offset, 링크 고정효과, 그리고 노출 변화율이 큰 링크를 제외한 민감도 분석(±20%, ±30%, ±40%, ±50%)을 추가 수행하였다(부록 Table A1).
분석 결과
1. 사업용 화물차의 연속운전-휴게시간 준수 수준과 미준수 영향요인
설문 응답자의 1회 운행 기준 최대 연속운전시간(MCD)은 평균 2.3시간(SD=1.0), 휴게시간(BT)은 평균 15.4분(SD=11.3)으로 나타나(Table 3), 평균 수준에서 법적기준(2시간–15분)에 근접했다. 연속운전과 휴게의 결합 분포를 보면(Table 4), 최대 연속운전시간은 2–3시간 구간이 47.6%로 가장 큰 비중을 차지하고, 다음으로 2시간 미만이 27.2%로 나타났다. 휴게시간은 1–14분(45.2%)과 15–29분(37.2%)에 집중되어 82% 이상 운전자의 휴게가 30분 미만의 단시간 휴게에 집중되는 경향을 확인할 수 있다. 또한 무휴게(0분)는 전체의 5.9%를 차지하였으며, 이 중 81.8%(45/55)는 연속운전시간 2시간 이상(MCD≥2h)에서 발생하여, 휴게(회복기회) 자체가 확보되지 않은 운행이 존재함을 보여준다.
Table 3.
Maximum continuous driving hours and break time (N = 940)
| Variable (per trip) | Mean | SD | Skewness | Min | Median | Max | P10 | P90 |
| Maximum continuous driving hours (h) | 2.3 | 1 | 0.5 | 0.5 | 2.5 | 5.5 | 1 | 3.5 |
| Break time (min) | 15.4 | 11.3 | 2.6 | 0 | 15 | 60 | 10 | 30 |
“연속운전 2시간–최소 15분 휴게” 규정의 준수 수준을 제시하기 위해, 전체 940명 중 연속운전시간(MCD) ≥ 2시간인 응답자(n=684)에 한해 휴게시간 (BT) ≥ 15분이면 준수(compliance), BT < 15분(0분 포함)이면 미준수(non-compliance)로 분류하였다(Table 4). 연속운전시간(MCD) < 2시간은 비적용(not subject)으로 구분하여 준수율 산정에서 제외하였다(n=256). 그 결과, 규정 적용대상(MCD ≥ 2시간)에서 미준수(BT < 15분)는 52.3%(358명)로 과반을 차지했으며, 준수(BT ≥ 15분)는 47.7%(326명)에 그쳤다. 이는 휴게시간 규정이 존재하더라도 실제 운행에서 2시간 이상 연속주행이 발생하는 화물 운전자의 절반 이상이 규정상 요구되는 최소 휴게(15분)를 확보하지 못하고 있음을 보여준다.
Table 4.
Joint distribution of maximum continuous driving hours and break time, and compliance classification
최소 휴게시간 미준수가 어떤 요인과 연관되는지 파악하기 위해, 규정 적용대상(1회 운행 기준 최대 연속운전시간 MCD ≥ 2시간) 응답자에 한정하여 미준수 여부(BT < 15분=1, BT ≥ 15분=0)를 종속변수로 한 로지스틱 회귀모형을 추정하였다(Table 5). 전체 품목(N=684)에서는 최소 휴게시간 미준수는 운전자 개인 특성보다는 장거리 운행과 플랫폼 기반 물량확보(거래·배차 구조)와 더 강하게 연관되었다. 운행거리가 100km 증가할수록 미준수 오즈가 14.5% 증가하였다(OR=1.145, 95% CI: 1.012–1.295, p=0.001). 이는 장거리 운행 조건에서 일정 압박 또는 정차·휴게 여건 제약이 최소 휴게 확보를 어렵게 만들 가능성을 시사한다. 물량확보경로 측면에서도 온라인 플랫폼·화물정보망 기반 운송은 소속회사 기반 대비 미준수 오즈가 2.6배 유의하게 높게 나타났다(OR=2.569, p=0.001). 이는 다른 조건이 같을 때 플랫폼 기반 운송물량확보에서 최소 휴게시간 미준수가 더 자주 관측되는 경향을 의미하며, 거래·배차 구조의 불확실성 및 시간압박이 휴게 확보 선택을 제약할 수 있음을 시사한다. 반면 연령, 운전경력, 적재용량, 소득, 차량 소유형태 등 개인·차량 특성은 통계적으로 뚜렷한 관련성이 관측되지 않았다.
안전운임제 적용 품목(컨테이너ㆍ시멘트)을 제외한 품목인 일반화물·철강·탱크로리를 대상으로 동일 모형을 재추정하였다. 그 결과, 운행거리 증가(OR=1.150, p=0.036)와 온라인 플랫폼 기반 물량확보(OR=3.227, p<0.001)는 여전히 미준수 가능성과 유의하게 연관되었으며, 효과의 방향성과 크기는 전체 품목 결과와 유사하게 나타났다(Table 5). 특히 플랫폼 기반 물량확보의 오즈비는 안전운임제 비적용 품목 표본에서 더 크게 나타나, 최소 휴게시간 미준수가 특정 품목에 의해 주도되기보다 장거리 운행조건과 플랫폼 기반 거래·배차 구조라는 운송환경 요인과 견고하게 연결될 가능성을 뒷받침한다.
Table 5.
Determinants of non-compliance with the minimum break requirement (Logistic regression, robust SE)
note: 1. The dependent variable equals 1 if BT < 15 min among subject trips (MCD ≥ 2 h). OR = odds ratio; CI = confidence interval. Robust standard errors (HC1) were used. Significance: *** p<0.01, ** p<0.05, * p<0.10.
2. The General cargo, Steel, and Tanker model excludes cargo types covered by the Safe Freight Rate program.
3. In the all-cargo model, the reference categories are BCT (Bulk Cement Transport) and affiliated company. In the General cargo, Steel, and Tanker model, the reference categories are General cargo and affiliated company.
한편 탱크로리의 미준수 오즈가 유의하게 낮게 나타났다(Odds ratio=0.293, p=0.001). 탱크로리는 물류정책기본법(제29조의2)에 따라 10,000ℓ 이상 위험물질 운송 시 운행기록 제출 의무, 안전교육, 운송경로 제한 등 추가 규제가 적용된다. 이러한 강화된 관리·감독 체계와 상대적으로 정형화된 운행 여건이 휴게시간 준수와 관련될 가능성이 있다.
2. 연속운전-최소 휴게시간 시행 전후 DTG 기반 위험운전행동 변화
연속운전–최소 휴게시간 의무가 개정된 2020년 12월을 기준으로 동일 링크에서 관측된 위험운전행동의 전후 변화를 비교하였다. 분석 결과, Table 6에 제시한 것과 같이 총 위험운전행동의 IRR은 0.925로 나타나, 시행 후 동일 링크에서 총 위험운전행동이 평균적으로 7.45% 낮게 관측되었다(p<0.001). 항목별로도 과속, 급가속, 급출발, 급감속, 급정지 모두에서 유의한 감소가 확인되었으며, 특히 급정지(−14.07%), 급감속(−9.54%) 등 제동 관련 위험행동에서 감소폭이 상대적으로 크게 나타났다. 피로가 누적된 운전자는 반응시간 지연과 주의력 저하로 인해 전방 상황 변화에 대한 선제적 대응이 어려워 급감속·급정지와 같은 사후적 제동상황의 발생 가능성이 높아질 수 있다는 선행연구와 비교할 때(Williamson et al., 2011; Blanco et al., 2011), 제동계열 감소 패턴은 휴게 확보를 통한 운전자의 회복기회 확대라는 정책 취지와 방향성이 부합하는 변화로 해석될 수 있다. 다만 분석 사후기간이 안전운임제 시행과 중첩되고 코로나 시기의 교통·물류 여건 변화 가능성도 포함하므로, 결과는 휴게시간 규정 개정의 순수 효과라기보다 관측된 링크 수준 변화로 해석한다.
Table 6.
Pre/post change in DTG risk behaviors: PPML with link fixed effects
note: Change(%) = (IRR − 1) × 100. The model includes link fixed effects and an exposure offset (log vehicle-km), with standard errors clustered at the link level. Links with zero counts in both periods were excluded from estimation. Model fit: N = 788,544 (link-month observations), Wald χ2 = 15,537.72 (p < 0.001), Pseudo R2 = 0.971, Log-likelihood = −2,217,674.2.
이러한 위험운전행동의 전후 비교가 코로나 시기 물동량 및 교통량 변화에 따른 노출 변동에 좌우될 가능성을 검토하기 위해, 통과차량수 변화율이 큰 링크를 단계적으로 제외(±20~±50%)한 민감도 분석을 수행하였다(부록 Table A1). 그 결과, 총 위험운전행동과 5개 항목 모두에서 IRR<1으로 유지되었고, 특히 제동계열에서 상대적으로 큰 감소가 관측되는 경향도 일관되게 유지되었다. 이는 전후 변화가 일부 링크의 노출 변동에 의해 결정되기보다는, 동일 링크 기준에서 비교적 안정적으로 관측되는 패턴임을 시사한다.
또한 운행환경(도로유형)별 이질성 분석(Table 7)도 수행하였다. 링크 제한속도를 기준으로 도로 유형을 도시부 도로(30–60km/h), 국도·지방도(80–90km/h), 고속도로(100–110km/h )로 구분하여 PPML 모형을 추정하였다. 그 결과, 도시부 도로(IRR=0.937, −6.25%) 대비 국도·지방도(IRR=0.912, −8.82%), 고속도로(IRR=0.881, −11.87%)에서 감소폭이 더 크게 나타났다. 이러한 경향은 노출 변화율이 큰 링크(±30% 초과)를 제외한 분석에서도 유사하게 나타났다(부록 Table A2). 이는 운전자 위험운전행동의 감소가 모든 도로에서 동일하게 나타나기보다, 속도수준에 따라 상이하게 나타날 수 있음을 시사한다. 특히 고속도로는 장거리·고속 주행이 빈번하여 긴 연속운전이 발생할 가능성이 높으므로 휴게시간 규정의 적용 대상이 될 확률이 크다는 점에서 연관성이 더 뚜렷하게 나타났을 가능성이 있다.
Table 7.
Heterogeneity by road functional class: PPML with link fixed effects (IRR)
결론
우리나라 화물 운송부문은 운전·근로시간 상한과 최소 일일 휴식 보장제도가 부재한 가운데, 연속운전 후 최소 휴게(2시간–15분)만이 유일한 시간 규제이다. 본 연구는 이러한 환경에서 휴게시간 규정의 준수 실태와 미준수 영향요인을 운전자 설문자료로 제시하고, 동일 링크에서 위험운전행동의 변화를 비교하였다. 주요 결과와 시사점은 다음과 같다.
첫째, 최대 연속운전시간은 평균 2.3시간, 휴게시간은 평균 15.4분으로 평균 수준에서는 법적 기준(2시간–15분)에 근접하였으나, 적용대상 운행(연속운전시간≥ 2시간)에서의 미준수율은 52.3%로 과반을 차지하였다. 이는 최소 휴게시간 규정이 유일한 회복기회 장치임에도 실제 운행에서는 상당한 휴게시간 미준수가 발생하고 있음을 의미한다. 둘째, 미준수 영향요인 분석에서 운행거리 증가(OR=1.145)와 온라인 플랫폼/화물정보망 기반 물량확보(OR=2.569)는 휴게시간 미준수 가능성을 유의하게 높인 반면, 연령ㆍ경력 등 개인 특성은 뚜렷한 유의성을 보이지 않았다. 이러한 결과는 안전운임제 비적용 품목을 대상으로 한 분석에서도 그 방향성과 유의성이 유지되었다(운행거리 OR=1.150; 온라인 플랫폼 OR=3.227). 이는 휴게 준수가 운전자 개인 성향이나 단순 소득수준, 특정 품목만으로 설명되기보다, 장거리 운행에서의 시간압박, 정차 여건, 그리고 거래·배차 구조 등 운행환경·시장구조 요인과 더 밀접하게 연결될 수 있음을 보여준다. 셋째, DTG 기반 동일 링크 비교에서 총 위험운전행동은 시행 후(2021년 10월)에 시행 전(2019년 10월) 대비 7.45% 낮게 관측되었고(IRR=0.925), 급정지·급감속 등 제동 관련 위험행동에서 감소폭이 상대적으로 크게 나타났다. 또한 고속 주행환경(고속국도)에서 감소가 더 크게 관측되어, 속도수준과 운행환경에 따라 전후 변화가 이질적으로 나타날 수 있음을 확인하였다. 전후 변화가 일부 링크의 노출 변동에 좌우될 가능성을 검토하기 위해 민감도 분석을 수행한 결과, 총 위험운전행동 및 5개 항목, 도로 기능별 이질성 패턴이 유사하게 관측되었다. 이는 위험운전행동의 변화가 일부 링크의 노출 변동에 의해 결정되기보다, 동일 링크 기준에서 비교적 안정적으로 관측되는 패턴임을 시사한다. 다만 DTG 기반 전후 비교는 분석 사후기간이 안전운임제 시행시기와 중첩되어 있어 이를 휴게시간 규정 개정의 단독 정책효과로 해석하기는 어렵다. 따라서 DTG 분석결과는 동일 링크 기준에서 제도 개정 이후 관측된 위험운전행동 변화의 방향성과 규모를 제시하는 보완적 근거로 이해할 필요가 있다.
이러한 결과는 휴게시간 단독 규제환경 하에서 최소 휴게시간 제도의 실효성 제고와 모니터링의 필요성을 제공한다. 최소 휴게시간 제도의 실효성을 높이기 위해 정책적으로 다음과 같은 단계적 접근이 요구된다. 첫째, 단기적으로는 휴게시간 준수를 운전자 개인 책임으로만 환원하기보다, 장거리·고속 운행축(corridor) 에서 휴게가 가능해지는 물리적·운영적 조건(정차 가능지점, 거점 연계 휴게, 휴게 선택의 예측가능성)을 개선할 필요가 있다. 본 연구는 DTG 데이터와 휴게시설 유무·주차면수 정보를 결합하여 그 효과를 직접 검증하지는 못했으나, 관련 연구에서 반복적으로 지적된 정차·휴게공간 부족 문제는 중요한 정책과제이다(Ministry of Land, Infrastructure and Transport, 2019; FHWA, 2002; FHWA, 2012;. Jung et al., 2017). 둘째, 중기적으로 DTG/운행기록 기반의 모니터링·집행 체계를 설계하여 연속운전 초과가 임박하거나 발생할 때 운전자·운송사업자에 대한 알림 및 사후점검이 가능하도록 하고, 위반기록의 저장·검증·점검 절차를 제도화할 필요가 있다. 셋째, 장기적으로 최소 휴게 의무만으로는 총 운전시간이나 휴게시간을 구조적으로 관리하기 어렵다는 점에서, 운전·근로시간 상한과 최소 일일 휴식 보장을 포함하는 HOS 체계의 단계적 도입을 검토할 필요가 있다. 특히 플랫폼 기반 물량확보가 휴게 미준수와 강하게 연관된 결과는 안전운임제 논의가 단순 운임 하한 설정을 넘어 플랫폼 기반 운송에서 거래조건의 예측가능성(대기·상하차 비용 반영, 도착시간 페널티 구조, 배차 취소·재배차 규칙)과 준수책임의 배분을 포함하는 정책 패키지로 설계될 필요가 있음을 시사한다.
본 연구의 한계와 향후 연구과제는 다음과 같다. 첫째, 설문과 DTG 자료가 동일 운전자 단위로 연계되지 않아 준수 여부와 위험운전행동 간의 개인 수준 대응관계를 직접 검증하기 어렵다. 따라서 DTG 분석결과는 제도 개정 전후 링크 수준에서 관측된 위험운전행동 변화에 대한 보완적 근거로 이해할 필요가 있다. 향후 설문–DTG 연계 데이터를 통해 휴게시간 준수와 안전성과의 관계를 보다 직접적으로 규명할 필요가 있다. 둘째, 본 연구의 DTG 자료는 한국교통안전공단 ETAS의 임계값이 적용된 집계자료로, 자료 구조상 위험운전행동 임계값을 재설정하는 민감도 분석에는 한계가 있다. 셋째, DTG 분석은 단일 월(10월)의 두 시점 비교로 단속 강도, 기상, 계절성뿐 아니라 코로나 시기의 물동량 및 교통량 변화와 같은 동시적 요인을 완전히 통제할 수 없었으며, 안전운임제 등 정책 혼재를 분리하여 추정하지 못하였다. 이에 향후에는 장기 시계열 기반 이벤트 스터디 또는 DiD 설계와 적절한 비교집단 구성을 통해 인과적 해석 가능성을 강화할 필요가 있다. 마지막으로 설문자료는 현장 면접 기반 자기보고 방식으로 수집되었으므로, 회상오류(recall bias), 사회적 바람직성 편향이 존재할 수 있으므로 운행기록자료와 연계, 일지 기록방식을 통해 연속운전 및 휴게시간의 측정 정밀도를 높일 필요가 있다.
