서론
고속도로는 국가간선도로망의 핵심 축이자 국민의 이동권 보장을 위한 필수 기반 시설이다. 그러나 고속주행이라는 물리적 특성으로 인해 교통사고 발생 시 일반도로에 비해 중상 및 사망으로 이어질 확률이 높으며, 이로 인한 사회적･경제적 피해 규모가 막대하다. 따라서 사고 발생 빈도를 낮추는 방안 모색과 더불어, 사고의 심각도(severity)와 영향을 미치는 요인을 규명하고 이에 상응하는 적절한 관리 및 운영 방안을 마련하는 것은 중대한 정책적 의의를 지닌다.
교통사고 심각도에 영향을 미치는 요인을 규명하기 위한 기존의 연구들은 주로 순서형 로짓(ordered logit), 순서형 프로빗(ordered probit), 다항 로짓(multinomial logit)과 같은 전통적 선택모형을 중심으로 발전해 왔다. 이러한 전역적(global) 모형은 변수 간 평균적 관계를 파악하고 정책적 시사점을 도출하는 데 유용하다는 장점이 있으나, 기본적으로 독립변수의 효과가 분석 대상 지역 전체에서 동일하게 작용한다는 공간적 정상성(spatial stationarity)을 가정한다는 한계를 지닌다. 이러한 가정은 자료의 공간적 분포를 충분히 고려하지 못하는 단순화된 접근으로, 동일한 도로‧교통 조건 하에서도 지역에 따라 상이한 사고심각도가 나타내는 현실을 정확하게 설명하는 데 제약이 있다.
기존 연구가 전역 모형 중심으로 발전해 온 배경에는 자료 확보의 한계, 계산의 복잡성, 그리고 공간적 상관 구조를 명시적으로 반영할 수 있는 방법론의 상대적 부족이 존재한다. 그러나 최근 교통사고 데이터의 축적과 GIS 기반 분석 환경의 발전으로 사고발생 위치에 대한 정밀한 공간정보 활용이 가능해졌으며, 이에 따라 사고심각도 분석에서도 공간적 맥락을 고려해야 할 필요성이 점차 강조되고 있다. 특히 고속도로의 경우 지형적 특성, 기상 여건, 교통량 및 통행패턴 등이 구간별로 상이하게 나타나므로, 동일 변수라도 지역에 따라 그 영향의 크기와 방향이 달라질 수 있다. 이러한 공간적 비정상성(spatial non-stationarity)을 고려하지 않을 경우, 평균적 효과에 기반한 정책은 특정 지역의 위험요인을 과소 또는 과대하게 평가할 가능성이 있으며, 결과적으로 획일적인 하향식 정책은 실효성이 제한될 수밖에 없다.
최근에는 이러한 한계를 보완하기 위해 혼합 로짓(mixed logit)이나 잠재계층모형(latent class model)을 적용한 연구도 활발히 수행되고 있다(Anastasopoulos and Mannering, 2011). 특히 공간적 비정상성을 고려하기 위해 Fotheringham et al.(2002)의 지리가중회귀(GWR; Geographically Weighted Regression) 기반 접근 방식이 주목받고 있으며, 교통안전 분야에서도 교통안전 분야에서도 교통사고 빈도의 공간적 변동성을 분석하는 데 적용 사례가 증가하고 있다(Rhee et al., 2016; Gomes et al., 2017; Wang et al., 2021). 이러한 지리가중 모형은 관측지점 주변 자료에 거리 기반 가중치를 부여함으로써 지역별 국지적(local) 효과를 추정할 수 있으며, 이를 통해 변수 효과의 공간적 변동성을 직접적으로 파악할 수 있다는 장점을 지닌다.
그럼에도 불구하고 사고심각도와 같이 순서형 종속변수를 대상으로 지리가중 방법을 적용한 연구는 상대적으로 제한적이며, 특히 국내 사례를 대상으로 한 실증연구는 매우 부족한 실정이다. 대부분의 기존 연구는 전역적 평균 효과에 머물거나, 공간적 이질성을 간접적으로 반영하는 수준에 그치고 있어, 실제 정책 적용을 위한 지역 단위의 정밀한 분석에는 한계가 존재한다.
이에 본 연구는 최근 10년(2015~2024년)간의 국내 고속도로 교통사고 데이터를 활용하여 사고심각도에 영향을 미치는 주요 요인을 도출하고, 지리가중 순서형 로짓(GWOL; Geographically Weighted Ordered Logit) 모형을 적용하여 이들 요인의 효과가 공간적으로 어떻게 변동하는지를 실증적으로 분석하고자 한다. 특히 전역적 순서형 로짓 모형과 GWOL 모형을 비교함으로써 공간적 비정상성의 존재 여부를 확인하고, 변수 효과의 지역별 차이를 해석하는 것을 목표로 한다.
본 연구의 차별성은 다음과 같다. 첫째, 기존 사고심각도 연구가 전역적 평균 효과 분석에 집중해 온 것과 달리, 본 연구는 지리가중 순서형 로짓 모형을 적용하여 변수 효과의 공간적 변동성을 직접 추정함으로써 지역별 이질성을 정량적으로 제시한다. 둘째, 국내 고속도로 사고 데이터를 활용한 장기간(10년) 분석을 통해 공간적 패턴을 안정적으로 도출한다. 셋째, 분석 결과를 기반으로 사고심각도 영향요인의 지역별 차이를 시각적으로 제시함으로써 정책결정자가 공간적 위험 분포를 직관적으로 이해할 수 있도록 지원한다. 마지막으로 이러한 분석은 획일적인 전국 단위 정책에서 벗어나, 지역별 특성을 반영한 맞춤형 교통안전 관리 전략 수립을 위한 기초자료와 실질적인 근거를 제공한다는 점에서 중요한 정책적 의의를 지닌다.
선행연구
고속도로 교통사고 심각도 연구는 전통적으로 순서형 로짓/프로빗, 구조방정식 등의 전역적(global) 모형을 통해 운전자‧차량‧도로 및 환경 요인의 유의성을 규명해왔다. Lee at al.(2008)은 구조방정식 기반 접근을 통해 도로 선형, 노면상태, 날씨 등의 도로‧환경 요인이 사고심각도와 밀접하게 연관됨을 제시했고, Won et al.(2009)는 특정 노선 자료 기반의 순서형 모형은 과속, 차량 결함, 사고유형, 교통량, 도로 선형 등이 심각도와 연계되며 다수 요인이 특정 구간에 집중될 수 있음을 보여 구간 단속이나 선택적 교통정보 제공 가능성을 제안하였다. 다만, 노면상태, 날씨 등의 환경 요인은 국내 고속도로 교통사고자료를 이용한 다수의 연구에서 공통적으로 도출된 심각도 영향요인이었으나, 도로 기하구조 조건에 관해서는 상반된 연구 결과가 존재함을 확인하였다(Mun and Lee, 2011; Park et al., 2019). 또한, Ahn et al.(2024)의 연구는 고속도로에서 발생한 2차 사고에 관하여 EPDO(Equivalent Property Damage Only) 점수와 다양한 요인간 상관분석을 수행하였으며, 분석 결과 사고발생 시간대(주간 또는 야간), 사고유형, 사고차종 등 심각도와의 상관성이 높은 요인을 제시하였다.
그러나 전역 모형은 추정 계수가 공간적으로 동일하다는 가정에 기반하므로, 지역‧노선‧구간별 맥락 차이(비관측 이질성)로 인해 동일 변수의 한계효과가 달라질 가능성을 충분히 반영하지 못하는 한계가 있다. 이에 따라 국외 연구에서는 무작위 파라미터(random parameter), 잠재계층(latent class), 마르코프 전환(Markov switching) 등의 모형으로 비관측 이질성과 시간적 불안정성(spatiotemporal instability)을 동시에 반영하거나(Yan et al., 2021; Xiong et al., 2014), 공간 상관을 조건부 자기회귀(conditional autoregressive) 구조로 반영하는 베이지안 공간 순서형 모형을 통해 인접 관측치 간 상관을 고려하는 등(Zeng et al., 2020) 전역 모형의 한계를 구조적으로 보완해 왔다. 예를 들어, Xiong et al.(2014)는 도로구간의 이질성을 고려한 마르코프 전환(Markov switching) 순서형 프로빗 모형을 제안하여, 시간적 가변성과 횡단면적 이질성을 동시에 반영하는 접근 방법을 제시하였다. 이는 모든 도로구간이 동일한 특성을 가진다고 가정하는 전통적 접근 방법의 한계를 극복하기 위한 것으로, 관측되지 않은 도로의 물리적 상태나 운전자 특성, 환경적 요인 등에 따라 도로구간이 서로 다른 두 가지 상태(안전한 상태와 불안정한 상태) 중 하나에 머물 수 있음을 가정하고 상태 전환 확률에 따른 사고심각도를 정밀하게 예측하였다. Yan et al.(2021)의 연구 역시 악천후 관련 단독사고 자료를 활용해 random parameter 다항 로짓 모형으로 사고심각도 영향요인들에 시공간적 불안정성이 나타난다는 점을 제시했다. 이는 동일 변수라도 지역과 시점에 따라 한계효과가 달라질 수 있음을 뒷받침한다.
한편, 전역 모형의 평균적 관계를 넘어 영향요인 효과의 공간적 변동성을 직접 추정하려는 흐름으로 지리가중(geographically weighted) 기반의 국지적 모형(local model)의 활용 빈도가 높아지고 있다. 지리가중회귀 기반 모형은 관측 지점 주변 표본에 가중치를 부여해 지역별(국지적) 계수를 추정함으로써 공간적 비정상성을 계수 자체로 확인할 수 있다는 장점이 있다. 이러한 지리가중 기반 모형의 적용은 교통사고 심각도 분석에서도 점차 확대되고 있다. 예를 들어, Chen et al.(2022)는 중국 Anhui 지역 교외 간선도로 사고를 대상으로 지리가중 순서형 로지스틱 회귀(GWOLR; Geographically Weighted Ordinal Logistic Regression) 모형을 적용하여 사고유형, 지형특성 등 다양한 요인의 영향력이 시‧공간에 따라 유의하게 달라짐을 확인하였다. Liu et al.(2020)은 미국 North Carolina 주의 약 7,000건 자전거-자동차 사고 자료를 활용하여 동일 모형을 적용하였으며, Zafri and Khan(2023) 역시 방글라데시 Dhaka 지역 보행자 사고를 분석하여 심각도 요인의 공간적 변이를 실증적으로 제시하였다. 특히 이들 연구는 속도, 사고발생 시간대, 기상 상태와 같은 변수들이 지역에 따라 상이한 효과를 나타냄을 공통적으로 제시하고 있다. 한편, Adanu et al.(2024)은 미국 Alabama 주의 차량 결함 관련 사고를 대상으로 혼합 로짓 모형과 지리가중 회귀를 결합한 접근을 시도함으로써, 전역 모형이 포착하지 못하는 운전자 특성의 공간적 이질성을 보완하였다. 최근에는 실제 도로 정책이나 운영 측면의 안전성 강화 대책을 마련하기 위해 지리가중 순서형 모형을 적용하거나 지리가중을 기계학습 모형과 결합한 GWNN(geographically weighted neural network) 등으로 변수 간 비선형 관계까지 국지적으로 학습하는 연구가 확장되고 있다(Xu et al., 2025; Zhang et al., 2024).
선행연구 고찰을 통해 국내 연구는 고속도로 심각도 영향요인을 규명하고 사고심각도를 높이는 특정 조건을 확인하는 성과를 축적해 왔으나, 영향요인의 공간적 변동성을 국지적 계수로 추정하여 노선 또는 구간 맞춤형 처방으로 체계적으로 연결한 사례는 상대적으로 제한적임을 확인하였다. 이에 본 연구는 지리가중 순서형 로짓 모형을 적용하여 국내 고속도로 구간별 사고심각도 요인의 공간적 비정상성을 확인하고, 국지적 추정 결과에 기반한 맞춤형 사고피해 저감 방향을 제시하고자 한다.
방법론
1. 분석 모형
교통사고 심각도는 경상, 중상, 사망 등과 같이 서열화된 범주형 변수의 특성을 가지므로, 순서형 로짓과 같은 순서형 선택모형을 적용하는 것이 일반적이다. 본 연구에서는 관측되지 않는 잠재적 사고심각도를 라 정의하고 독립변수 와의 관계를 Equation 1과 같은 선형 함수로 설정한다.
여기서, 는 추정될 계수이며, 는 로지스틱 분포를 따르는 오차항을 나타낸다. 실제 관측 가능한 사고심각도 는 잠재변수 가 특정 임계값()을 넘어서는 구간에 따라 Equation 2와 같이 결정된다.
이 모형은 사고심각도를 예측하는데 일반적으로 적용되는 순서형 로짓 모형(ordered logit model)으로, 모든 지역에서 변수들의 영향력이 동일하다고 가정하는 전역적(global) 모형이므로 사고심각도 영향요인들의 평균적인 효과를 추정하는 데 사용할 수 있다. 따라서, 지리적 위치에 따라 사고심각도 요인의 영향력이 변동하는 경우를 고려할 수 없다는 한계점을 가지고 있다.
이에 본 연구에서는 전역적 모형의 한계를 극복하기 위해 공간적 비정상성(spatial non-stationarity)을 명시적으로 고려할 수 있는 지리가중 순서형 로짓(GWOL) 모형을 적용하였다. GWOL 모형은 각 사고 발생 지점()마다 개별적인 계수와 임계값을 추정하며, Equation 3과 같이 정의된다.
여기서 는 2차원 공간에서 각 사고발생 지점의 좌표를 나타낸다.
각 지점의 매개변수 추정은 인접한 관측치들에 더 큰 가중치를 부여하는 공간 가중치 행렬(spatial weighting matrix)을 통해 이뤄진다. 가중치의 경우 Fotheringham et al.(2002)가 제시한 bisquare 커널 함수(kernel function) - 관측 지점으로부터 거리가 멀어질수록 작은 가중치를 적용하고, 대역폭 밖의 표본에는 가중치를 0으로 부여함 - 적용하였는데, 이는 사고심각도 영향요인 효과의 국지성(locality)을 뚜렷하게 도출하기 위함이다. 커널 함수의 대역폭(bandwidth) 결정은 사고빈도가 낮은 지역에서도 충분한 표본을 확보하여 통계적 유의성을 높이기 위해 데이터의 밀도에 따라 탐색 반경을 조절하는 적응형 대역폭(adaptive bandwidth) 방식을 사용하였으며, 최적 대역폭의 결정은 교차검증(cross validation) 기법을 적용하여 모형의 예측 오차를 최소화하는 방식을 택하였다.
GWOL 모형을 통해 도출된 국지적 계수()와 임계값()은 역거리 가중(IDW; Inverse Distance Weighting)과 같은 공간내삽 기법을 사용하여 연속적인 표면(surface) 형태로 시각화하였으며, 이를 통해 각 요인의 영향력이 공간적 이질성(spatial heterogeneity)을 보이는지를 직관적으로 파악할 수 있다.
2. 데이터 구축
본 연구의 공간적 범위는 대한민국 전역의 고속도로망을 대상으로 하며, 시간적 범위는 2015년부터 2024년까지의 최근 10개년으로 설정하였다.
먼저 교통사고 데이터는 한국도로교통공단의 교통사고분석시스템(TAAS; Traffic Accident Analysis System)을 통해 고속도로 구간에서 발생한 43,198건의 사고 데이터를 수집하였다. 사고심각도는 부상신고-경상-중상-사망 순서의 4개 범주 그대로 모형의 종속변수로 사용하였다. 또한 개별 사고지점을 기준으로 가장 인접한 콘존(IC/JC 사이의 한 구간)을 식별하고, 이를 기준으로 선행연구(Bae and Seo, 2022)를 참고하여 ITS 표준노드링크와 한국도로공사 고속도로 공공데이터 포털에서 수집한 해당 구간의 도로 특성(구간 연장, 차로수, 제한속도, 운영주체, 통행료 수준)과 교통 특성(일교통량, 총통행거리) 데이터를 사고 데이터와 결합하였다. 이후 분석에 필요한 주요 독립변수값이 누락되거나 논리적으로 타당하지 않은 이상치를 제외하여 최종적으로 40,698개의 유효 관측치를 모델링을 위한 최종 데이터셋으로 구축하였으며, 이를 바탕으로 전역적 및 국지적 사고심각도 요인 분석을 수행하였다. 최종 데이터셋에 관한 기술 통계량은 Table 1과 같다.
Table 1.
List of variables and descriptive statistics
분석결과
1. 전역모형(Global Model) 추정 결과
본 연구에서는 고속도로 교통사고 심각도에 영향을 미치는 요인들의 평균적인 영향력을 파악하기 위해 전역 순서형 로짓 모형을 추정하였다. 분석 결과, 전체 40,698건의 관측치에 대하여 로그 우도(log-likelihood)는 –35,476.515, 모형 적합도 지표로 선택된 AIC(Akaike’s Information Criterion) 값은 70,981.029로 나타났다.
Table 2는 전역 모형에 포함된 각 영향요인의 추정 결과를 보여 준다. 모형은 총 9개의 요인에 대한 변수로 구성되었으며, 이 가운데 일부(예-날씨 변수)는 범주형 변수이므로 11개의 계수 추정치가 산정되었다. 또한, 순서형 로짓 모형의 경우 관측된 종속변수 값(1~4의 사고심각도)을 구분하는 경계값(~)도 함께 추정되었다. 모형추정 결과, 강설(WEATHER=3)과 버스전용차로 유무(BUS_ONLY_LANE)를 나타내는 변수를 제외한 모든 계수 추정치는 유의수준 0.05에 대해 통계적으로 유의한 것으로 나타났으며, 추정치 부호 역시 상식에 부합하였다.
주요 요인 가운데 우선 기상요인(WEATHER)의 경우 안개나 강우 상황에서 발생한 교통사고의 심각도가 상대적으로 높아지는 것으로 나타났다. 특히, 안개(WEATHER=1) 발생 시 사고심각도가 더 높은 단계로 이행될 가능성(Odds Ratio)이 약 4.627()로 나타나, 모든 변수 중 가장 영향력이 강한 요인으로 확인되었다.
야간 시간대(NIGHTTIME) 사고는 주간 대비 심각도를 높이는 경향을 보였으며, 차로 수(LANE)가 많거나 도로 사용연수(YEARS_OF_USE)가 길수록 사고심각도가 유의미하게 감소하는 것으로 나타났다. 반면, 총통행거리(VKT)와 제한속도(POST_SPD)는 미약하지만 심각도를 높이는 요인으로 작용하였다.
운영 특성을 나타내는 민자고속도로(PPP)는 재정고속도로 대비 사고심각도를 낮추는 완화 요인으로 작용하였으나(), 재정도로 대비 요금 수준(TOLL_LEVEL)이 높을수록 사고심각도는 오히려 증가하는 경향()을 보였다.
Table 2.
Summary of ordered logit model results
| Variable | Std. Err. | |||
| NIGHTTIME | 0 – Daytime, 1 - Nighttime | 0.232*** | 0.021 | <0.001 |
| WEATHER |
0-Clear or cloudy 1-Foggy 2-Rainy 3-Snowy | 1.535*** 0.302*** 0.094 | 0.207 0.037 0.098 | <0.001 <0.001 0.338 |
| LANE | Number of lanes (both directions) | -0.145*** | 0.006 | <0.001 |
| POST_SPD | Posted speed (km/h) | 0.005** | 0.002 | 0.027 |
| BUS_ONLY_LANE | 0-None, 1-Installed & Operated | 0.099 | 0.042 | 0.119 |
| VKT | Vehicle-kilometer traveled (1M veh·km) | 0.001*** | 0.001 | <0.001 |
| YEARS_OF_USE | Years since its opening (years) | -0.004*** | 0.001 | <0.001 |
| PPP |
0-Non-PPP highway 1-PPP highway | -0.463*** | 0.040 | <0.001 |
| TOLL_LEVEL | Toll level compared to that of Non-PPP highway | 0.472*** | 0.059 | <0.001 |
| Cut-point for Reported Crash vs. Slight | -3.255*** | 0.248 | <0.001 | |
| Cut-point for Slight vs. Serious | 0.960*** | 0.247 | <0.001 | |
| Cut-point for Serious vs. Fatal | 3.271*** | 0.248 | <0.001 | |
| Observations | 40,698 | |||
| Log likelihood | -35,476.515 | |||
| AIC | 70,981.029 | |||
2. 지리가중 순서형 로짓 모형 분석 결과
교통사고 심각도에 대한 전역모형은 각 영향요인의 평균적 효과를 보여 주므로 이들 효과가 공간적 비정상성을 갖는지 알 수 없다. 이러한 한계를 극복하고 각 변수의 실질적 영향력을 파악하기 위해 동일한 데이터셋을 이용해 GWOL 모형을 통한 로컬 계수 분포를 분석하였다.
본 연구에서는 로컬 계수값 추정을 위해 적응적 대역폭 방식을 적용하여 개별 사고지점에서 가장 가까운 n개 변수를 이용해 추정하였으며, 교차검증 방법을 사용해 최적의 대역폭(n=2,489)을 선택하였다. Table 3은 추정된 로컬 계수의 분포를 보여 주고 있는데, 경험적으로 각 계수 추정치의 사분위수 범위(IQR; Interquartile Range)가 전역모델의 표준오차의 2배보다 클 때 통계적으로 유의미한 공간적 비정상성을 갖는 것으로 해석한다(Fotheringham et al., 2002; Wang et al., 2016). 모형추정 결과, 11개 모든 회귀계수 추정치의 IQR이 전역모형 계수 추정치의 오차범위 기준값을 크게 상회하는 것으로 나타났다. 이는 해당 변수들의 영향력이 단순한 통계적 오차 범위를 넘어 실제 지리적 위치에 따라 공간적 비정상성을 나타냄을 의미한다. 또한, 로그우도 및 AIC 값 역시 전역 모형보다 GWOL 모형의 값이 크게 개선되어, 본 연구에서 채택한 GWOL 모형이 고속도로 사고심각도를 설명하는 데 더욱 적합함을 뒷받침한다.
지리가중 접근법의 또 다른 장점은 계수 추정치의 공간적 분포를 시각화함으로써 각 설명변수의 영향력이 지역에 따라 어떻게 변하는지 직관적으로 파악할 수 있다는 점이다. Figure 1, Figure 2, Figure 3, Figure 4는 각 설명변수와 심각도 구분 임계값에 대해 추정된 국지적 계수 중 통계적으로 유의한 값을 색상으로 표현한 결과를 보여 준다. 각각의 그림에서 색상은 계수의 부호와 크기를 함께 나타낸다. 계수값이 0보다 작은 경우에는 푸른 계열로, 0보다 큰 경우에는 붉은 계열로 표시하였으며, 0으로부터 멀어질수록, 즉 절대값이 클수록 색이 더 진하게 나타난다. 따라서 짙은 푸른색으로 표시된 지역은 해당 변수의 영향이 사고심각도를 상대적으로 낮추는 방향으로 강하게 작용하는 구간으로 해석할 수 있고, 반대로 짙은 붉은색 지역은 사고심각도를 높이는 방향의 영향이 상대적으로 크게 나타나는 구간으로 해석할 수 있다.
Table 3.
Summary of geographically weighted ordered logit model results
| Variable | ||||||
| Min | Max | 1Q | 3Q |
(3Q-1Q) >2SE* | ||
| NIGHTTIME | 0 – No, 1 - Yes | -0.596 | 1.263 | 0.141 | 0.313 | TRUE |
| WEATHER |
0-Clear or cloudy 1-Foggy 2-Rainy 3-Snowy | -2.653 -0.868 -2.369 | 96.720 0.924 2.138 | 0.495 0.086 -1.128 | 2.102 0.445 0.408 | TRUE TRUE TRUE |
| LANE | Number of lanes (both directions) | -1.487 | 1.175 | -0.070 | 0.102 | TRUE |
| POST_SPD | Posted speed (km/h) | -0.373 | 0.189 | -0.007 | 0.026 | TRUE |
| BUS_ONLY_LANE | 0-No, 1-Yes | -1.928 | 5.126 | 0.099 | 0.195 | TRUE |
| VKT |
Vehicle-kilometer traveled (1M veh·km) | -0.007 | 0.005 | -0.001 | 0.001 | TRUE |
| YEARS_OF_USE | Years since its opening (years) | -0.164 | 0.083 | -0.054 | -0.011 | TRUE |
| PPP |
0-Non-PPP highway 1-PPP highway | -4.760 | 3.376 | -1.003 | -0.350 | TRUE |
| TOLL_LEVEL | Toll level compared to that of Non-PPP highway | -18.142 | 20.880 | -0.288 | 0.641 | TRUE |
| Cut-point for Reported Crash vs. Slight | -42.623 | 14.131 | -4.388 | -2.346 | TRUE | |
| Cut-point for Slight vs. Serious | -38.146 | 18.259 | 0.214 | 2.218 | TRUE | |
| Cut-point for Serious vs. Fatal | -36.054 | 20.853 | 2.518 | 4.684 | TRUE | |
| Observations | 40,698 | |||||
| Optimal bandwidth | 2,489 | |||||
| Log likelihood | -34,378.912 | |||||
| AIC | 68,785.823 | |||||
한편, 회색으로 표시된 지역은 추정 계수가 통계적으로 유의하지 않은 구간을 의미한다. 이는 해당 변수의 효과가 존재하지 않는다고 단정하기보다는, 해당 지점에서 사고심각도와의 관계가 통계적으로 명확하게 확인되지 않았음을 뜻한다. 이러한 시각화는 동일한 변수라 하더라도 고속도로 전 구간에서 동일한 방향과 크기로 작용하지 않으며, 일부 지역에서는 영향이 강화되거나 약화되고, 경우에 따라서는 영향 방향 자체도 달라질 수 있음을 보여 준다.
Figure 1(a)은 교통사고 발생시간대 변수(NIGHTTIME)의 영향을 나타내는데, 야간 시간대 고속도로에서 발생한 교통사고의 경우 전역모형에서와 같이 전반적으로 사고심각도를 높이는 경향을 보인다는 것을 알 수 있다. 해당 요인의 영향 정도는 공간적 변동성이 확인되는데, 특히, 영남 지역, 전북·충북 일부 지역에서 사고심각도에 미치는 영향이 상대적으로 강하게 나타났다. 이러한 공간적 이질성은 지역별·노선별 교통 특성에 의한 것으로 유추해볼 수 있다. 유의미한 정(+)의 영향력이 나타난 영남권 및 내륙 지역은 다른 지역 대비 심야 시간대 장거리 운행을 하는 대형 화물차 통행 비중이 상대적으로 높은 구간으로, 사고 발생 시 심각도를 가중하는 요인으로 작용할 수 있다. 또한 야간에는 주변 시인성 저하, 운전자의 위험 인지 및 반응시간 한계, 피로 누적에 따른 주의력 저하가 중첩되므로 동일한 사고라도 주간보다 회피조작이나 감속이 늦어져 중상 이상의 심각한 결과로 이어질 가능성이 크다.
Figure 1(b)와 1(c)는 각각 안개와 강수가 사고심각도에 미치는 영향을 보여 준다. 두 경우 모두 전반적으로 사고심각도를 증가시키는 것으로 나타났다. 특히 안개의 경우 전국 대부분 지역에서 심각도를 가중하는 요인으로 분석되었는데, 서해안과 인접한 수도권 및 충남 지역과 부산･경남 지역에서 영향이 상대적으로 강한 것을 알 수 있다. 이는 안개가 운전자의 전방 시야와 물체 식별거리를 크게 감소시켜 차로변경, 선행차 추종, 돌발상황 인지에 필요한 정보 획득을 어렵게 만들기 때문으로 해석할 수 있다. 특히 해안 인접지역이나 지형적 영향으로 국지적 안개 발생이 잦은 구간에서는 이러한 위험이 더욱 크게 나타날 수 있다. 다만 영동선 신갈분기점 동측 사고지점에서 해당 계수값이 96.720으로 매우 크게 추정되었는데(Table 3 참고), 이는 안개 사고 표본의 희소성으로 인해 국지적으로 불안정한 추정치가 도출되었을 가능성이 있으므로 해당 지점에서의 안개 효과에 대해서는 제한적인 해석이 필요하다.
강수의 경우 동남권 해안 지역과 강원·충청 지역 내 영동선, 중앙선 등에서 강우 시 사고심각도가 증가하는 경향이 강한 것으로 나타났다. 이는 강우 시 노면 마찰력 저하로 인해 제동거리가 증가하고, 조향 및 차량제어 성능이 저하되며, 시야 확보 또한 제한되기 때문으로 볼 수 있다. 특히 동남권 해안지역과 산악지 통과 노선은 국지성 강우, 노면 배수 여건, 터널이나 교량 연속구간 등의 영향으로 기상 변화에 대한 운전자 대응 부담이 커질 수 있기 때문으로 해석할 수 있다.
Figure 2는 제한속도, 총통행거리, 고속도로 사용연수가 사고심각도에 미치는 영향을 시각화한 결과를 보여 준다. 제한속도(POST_SPD) 변수는 전국 대부분 지역에서 통계적으로 유의하지 않았으나, 충남 당진, 충북 진천·음성, 경남 창원·김해 등 대형 화물차 통행량이 상대적으로 많은 물류 거점 및 대도시권을 중심으로 제한속도가 높을수록 사고심각도가 증가하는 경향이 나타났다. 특히 물류 기능이 강한 구간에서는 대형 화물차 비율이 높아 승용차와의 속도 차이, 차종 간 제동성능 차이, 차로변경 및 합류부의 상충 가능성이 함께 작용할 수 있어, 높은 제한속도가 사고심각도를 증폭시키는 요인으로 작용할 수 있다. 이러한 지역의 경우 일괄적인 속도 제한보다는 교통류의 속도를 보다 안정적으로 관리할 수 있도록 속도관리 정책을 수립해야 할 필요성을 보여 준다.
총통행거리(VKT)는 다른 변수와 달리 호남권의 구간에서만 유효한 영향을 미치는 것으로 나타났으며, 추정 계수가 양(+)의 부호를 가지므로 통행량이 많고 구간 길이가 길수록 사고심각도가 높아지는 경향이 있음을 알 수 있다. 총통행거리가 증가할수록 차량의 주행 노출도가 커지고, 고속 주행상태가 장시간 지속될 수 있기 때문으로 해석할 수 있다. 호남권 일부 구간에서만 유의하게 나타난 것은 해당 지역의 노선 기능, 장거리 통행 특성, 화물통행 비중 등 지역적 특성이 복합적으로 반영된 결과로 볼 수 있다.
총통행거리와는 반대로 고속도로 사용연수의 경우 동남권과 강원지역을 제외한 대부분 구간에서 음(-)의 값들로 분포하고 있는데, 이는 사용연수가 긴 구간에서 발생한 사고일수록 심각도가 낮은 경향이 있음을 의미한다. 또한 이러한 특징은 수도권 남부와 충남 일부 지역에서 더 강하게 나타났다. 이처럼 사용연수가 길수록 사고심각도가 감소하는 것은 도로 개통 후 시간이 흐를수록 운전자들이 해당 노선의 선형, 합류구조, 상습 정체구간 등 위험 특성에 대한 경험을 축적하게 되고, 반복 이용을 통해 주행행태가 더 안정화되기 때문으로 유추할 수 있다. 또한 운영기관 측면에서도 공용기간이 긴 노선일수록 사고다발구간 개선, 노면 및 시설물 보수, 안전시설 보강 등 유지관리 및 운영개선이 누적되었을 가능성이 있다. 따라서 사용연수 변수의 음(-)의 효과는 단순한 시간 경과의 의미라기보다, 이용자 적응과 시설‧운영 측면의 학습효과가 결합된 결과로 해석할 수 있다.
Figure 3은 민자고속도로(PPP), 통행료 수준(TOLL_LEVEL)에 대한 시각화 결과를 나타낸다. 우선 민자고속도로 구간은 전반적으로 사고심각도가 낮은 경향이 있음을 알 수 있는데, 이러한 경향은 선행연구(Bae and Seo, 2022)에서도 동일하게 관찰된다. 다만 PPP 변수의 영향은 수도권 북부와 동남권 일부 지역에서는 유의하지 않은 것으로 나타났는데, 이는 해당 지역의 경우 민자 여부 자체보다 교통량 수준, 중차량 비율, 주변 도시권 연계성, 개별 노선의 기하구조 및 운영 특성 등 다른 요인이 사고심각도에 더 큰 영향을 미쳤기 때문으로 볼 수 있다. 재정고속도로 대비 통행료 수준을 나타내는 TOLL_LEVEL 변수의 경우 중부지역에서 대체로 유의한 결과를 보였는데, 노선 및 구간별로 상반된 영향이 혼재하는 것으로 나타났다. 이는 통행료 수준이 단순히 비용 변수에 그치지 않고, 이용자의 경로 선택과 교통량 분산, 차종 구성, 그리고 평균속도 및 속도편차와 같은 교통류 특성에 복합적으로 작용하기 때문으로 해석할 수 있다. 예를 들어 통행료가 상대적으로 높은 구간에서는 일부 요금에 대한 민감도가 높은 차량이 대체노선으로 전환되면서 본선 교통류가 더욱 원활해질 가능성이 있다. 반면 특정 구간에서는 높은 통행료에도 불구하고 대체 가능한 경로가 부족하거나 장거리‧고속 통행 수요가 집중될 경우 사고 발생 시 충돌 강도가 커질 가능성도 있다.
지리가중 모형에 포함된 독립변수 중 강설(WEATHER=3), 차로 수(LANE), 버스전용차로 운영(BUS_ONLY_LANE) 변수의 경우 계수 추정치의 공간적 변동성은 존재하였으나 대부분 지역에서 통계적 유의성을 확보하지 못하는 것으로 분석되었다. 이는 해당 변수들이 사고심각도에 전혀 영향을 미치지 않는다는 의미라기보다, 다른 도로‧교통‧환경 변수의 영향에 비해 상대적으로 약하게 식별되었음을 의미한다. 특히 일부 변수의 경우 전역모형에서도 통계적으로 유의하지 않은 것으로 나타났는데, 이는 해당 범주에 해당하는 관측치 비중이 전체 표본에서 작아 계수 추정의 안정성과 통계적 검정력을 충분히 확보하지 못했기 때문으로 볼 수 있다.
관측되지 않는 잠재적 사고심각도를 결정하는 구분 임계값(~) 역시 Figure 4와 같이 공간적 이질성을 보였다. Figure 4(c)의 ‘사망-중상’ 경계값인 의 경우, 경남 김해·창원 지역은 다른 지역에 비해 상대적으로 높은 값을 나타냈다. 이는 동일한 설명변수 조건하에서 사고가 발생하더라도, 해당 지역에서는 사고가 ‘중상’에서 ‘사망’ 범주로 넘어가는 데 필요한 잠재적 심각도 수준이 더 높다는 것을 의미한다. 다시 말해, 같은 조건이라면 이 지역에서는 다른 지역보다 사고가 ‘사망’보다 ‘중상’으로 분류될 가능성이 상대적으로 더 높음을 시사한다.
결론
본 연구는 지리가중 순서형 로짓(GWOL) 모형을 활용하여 국내 고속도로 교통사고 심각도에 영향을 미치는 요인들이 공간적으로 어떻게 분화되어 나타나는지를 실증적으로 규명하였다. 분석 결과, 각각의 요인은 전국적으로 균일한 효과를 내는 것이 아니라 지역적 도로 및 교통 특성, 기후 및 환경 조건, 노선 특성 등에 따라 공간적 비정상성(spatial non-stationarity)을 나타내는 것으로 확인되었다.
이러한 결과는 야간, 안개, 강우, 제한속도, 총통행거리(노출도) 등의 요인이 사고심각도에 영향을 미친다는 일반적 사실을 다시 확인하는 데 그치는 것이 아니라, 동일한 요인이라 하더라도 모든 지역에서 동일한 크기와 방향으로 작용하지 않으며, 어떤 지역에서는 강한 영향이 나타나는 반면 다른 지역에서는 유의하지 않거나 상대적으로 약하게 작용할 수 있음을 보여준다는 점에서 의의가 있다. 이처럼 지역별로 세분화된 결과는 향후 고속도로의 안전성을 강화하기 위한 지역 맞춤형 고속도로 관리운영 전략과 대책을 수립하는 데 활용이 가능하다. 본 연구에서 추정한 GWOL 모형과 시각화를 통한 분석 결과를 바탕으로 도출할 수 있는 정책적 시사점은 다음과 같다.
⦁기후 및 환경적 요인 대응을 위한 지역별 고위험 구간 집중 관리 : 안개‧강우는 전국적으로 사고심각도를 높이는 경향을 보였으나, 그 영향은 특정 권역에서 더욱 크게 나타났다. 따라서 서해안 및 수도권 지역서는 안개 취약 구간을 중심으로 시인성 보조시설, 경고표지, 가변속도제어 등 시계 저하 대응 대책을 우선적으로 강화할 필요가 있으며, 동남권 및 강원 산간 지역에서는 강우 시 노면 배수, 미끄럼 저항 등의 기능을 집중적으로 보완할 필요가 있다.
⦁교통량 분산 및 신규 노선 유지관리 강화 : 총통행거리(VKT)는 호남권 일부 구간에서만 유의한 양(+)의 영향을 보였으며, 사용연수는 다수 지역에서 음(-)의 영향을 나타냈다. 따라서 통행노출이 큰 구간에 대해서는 실시간 교통정보 제공, 과속단속, 피로운전 저감 대책 등 운영적 대응을 강화할 필요가 있다. 또한 신설 또는 개통 초기 노선의 경우 일정 기간을 집중 안전관리 대상으로 설정해 시설점검, 위험구간 모니터링, 정보제공을 강화하는 것이 더욱 직접적인 정책 대응이 될 수 있다.
⦁사업추진방식 효과에 대한 추가 분석 : 본 연구에서 민자고속도로(PPP) 변수는 일부 지역에서 상대적으로 낮은 사고심각도와 연관되는 경향이 나타났다. 다만 이러한 경향이 사업추진방식 자체의 효과인지를 구분한 추가 분석이 필요하다. 또한 고속도로 계획, 설계, 건설, 운영 및 유지관리 단계 전반에 대한 종합적 검토를 통해 어떠한 세부 요소가 이러한 차이를 유발하는지를 규명하고, 그 결과를 향후 도로 계획 및 운영 개선에 활용할 필요가 있다.
아울러 본 연구는 다음과 같은 한계점을 갖는다. 우선, 사고심각도는 도로 환경뿐 아니라 운전자의 연령과 운전 행태, 음주 여부 등 다양한 인적 요인, 차량 안전장치와 같은 차량 요인에 의해서도 크게 좌우됨에도 불구하고 데이터 범위 및 비용의 한계로 인해 인적 요인과 차량 요인에 대한 특성을 통제하지 못한 한계가 존재한다. 비록 본 연구의 주목적이 사고심각도 영향요인의 공간적 비정상성을 확인하는 데 있음에도 불구하고, 향후 연구에서는 가해‧피해 운전자 및 차량 특성을 포함한 데이터를 구축하여 도로‧교통‧환경 요인뿐 아니라 인적‧차량 요인이 결합된 상태에서 사고심각도의 공간적 이질성이 어떻게 달라지는지를 더 정교하게 분석할 필요가 있다. 둘째, 적응형 대역폭 방식으로 교차검증법을 통해 최적의 대역폭을 선택하였으나, 참조할 수 있는 주변 데이터의 양이 제한적인 경우 계수 추정치의 정밀도가 상대적으로 낮아질 우려가 존재한다. 시각화 결과물 작성 과정에서 개별 추정치에 대한 통계적 유의성 정보를 추가함으로써 그러한 한계를 어느 정도 보완하였으나, 차로 수나 강설조건과 같은 일부 변수에서는 계수 추정치가 유의한 지역이 거의 나타나지 않아 공간적 비정상성을 확인할 수 없는 또 다른 한계도 발생하였다. 향후에는 사고자료의 분석 기간을 확대하거나, 세분화된 시‧공간 패널 자료를 구축하여 지역별 표본 수를 보강하고 시간적 이질성을 보다 충실히 통제할 필요가 있다. 또한 다중 스케일 지리가중 회귀와 같은 대안적 공간모형과의 비교를 통해 해석의 강건성을 추가로 검토할 필요가 있다. 셋째, GWOL 모델은 교통사고 심각도에 영향을 미치는 다양한 요인이 지리적으로 상이한 효과가 어떻게 나타나는지 확인할 수 있다는 장점에도 불구하고, 그러한 관계는 통계적 상관관계를 보여 줄 뿐, 엄밀한 의미에서의 인과관계를 입증하는 데에는 한계가 존재한다. 따라서 향후 연구에서는 특정 정책의 개입이나 도로 환경 변화 전후를 비교할 수 있는 준실험적 연구설계를 적용할 필요가 있다. 예를 들어 노선의 개통 또는 확장, 구간단속카메라 설치와 같은 사건을 기준으로 이중차분법을 적용하거나, 사고심각도에 영향을 미치는 직‧간접 효과를 함께 검토할 수 있도록 구조방정식 모형을 활용한 연구를 통해 본 연구에서 제시한 다양한 요인의 성격을 명확히 규명할 필요가 있다.
