서론
선행연구
1. 사업용 자동차 운수종사자 관리 정책
2. 사업용 자동차 교통사고 내재적 요인 관련 연구
3. 위계적 교통사고 모형 관련 연구
연구방법론
1. 분석 프로세스
2. 로지스틱 회귀분석 모형(Logistic Regression Model)
3. 위계적 로지스틱 모형(Hierarchical Logistic Regression Model)
자료 처리 및 가공
1. 자료 수집 절차
2. 사고위험 변수정의 및 설명
결과 및 해석
1. 택시 모형구축 결과 및 해석
2. 시내버스 교통사고 및 위험운전행동 위험요인 분석
3. 도시 내 사업용 자동차 교통사고 예방을 위한 시사점 도출
결론 및 향후 연구
서론
교통사고의 원인은 일반적으로 자동차 요인, 도로 요인, 운전자 요인으로 구분할 수 있으며, 그중에서도 운전자 요인과 관련된 영향이 90% 이상을 차지한다(Weller et al., 2006). 특히, 긴 운행거리와 시간을 가진 사업용 자동차의 경우 직업 운전자라는 특성으로 인해 운수종사자에 의한 영향이 중요한 요인이 될 수 있다. 사업용 자동차 교통사고의 원인으로 고려되는 졸음운전, 법규위반, 난폭운전 등은 높은 사고발생 위험과 심각도를 가지고 있으며, 운수종사자의 근로환경, 생활환경, 건강, 인적특성 등과 밀접한 관련성을 가진다(Lee et al., 2020). 예를 들어, 졸음운전의 근본적인 원인이 운수종사자의 무리한 근무 일정일 수도 있으나 개인이 가진 만성질환 또는 불규칙적인 생활습관이 될 수도 있다. 따라서 사업용 자동차 교통사고의 중요한 요인인 운수종사자에 대한 충분한 정보를 교통사고 분석에 반영하지 못한다면 교통사고에 대한 근본적인 원인을 파악할 수 없고, 운수종사자를 대상으로 한 효과적인 사고 예방대책을 수립하는데 한계가 존재한다.
이러한 사업용 자동차 교통사고의 원인 중 운전자 요인의 중요성에도 불구하고, 교통안전 및 사고와 관련된 점검/조사에서는 교통시설, 차량요인, 차량관리 등 물리적 사고요인에 초점을 두고 있다. 교통사고 발생 시 교통안전법에 따라 교통사고 원인조사, 교통시설 안전진단, 교통안전 특별실태조사, 교통수단 안전점검 등 다양한 조사 및 점검이 이루어지고 있으나, 대부분 조사항목이 사고지점 및 사고 차량의 물리적 안전성 진단과 관련된 내용이다. 사업용 자동차 운수종사자의 신규 취업 시 건강검진결과 등을 제출하지만 개인정보 등으로 인해 회사를 옮기지 않는 한 건강검진 결과를 회사가 수시로 점검할 수 없는 실정이다. 사업용자동차의 교통사고는 운수종사자와 운수회사의 안전관리와 같이 물리적인 요소(도로/차량) 외에도 영향을 미치지만 국외 선진국에 비해 운수종사자의 내재적 요인(건강, 스트레스 등)에 대해서는 관리가 미흡한 상황이다.
사업용 자동차의 교통사고 원인분석에 대한 선행연구 중 운수종사자의 건강 및 근무여건을 고려한 국외 연구가 일부 진행되어 왔다(Meng et al., 2015; Chun et al., 2019). 이러한 연구들은 사업용 자동차 운수종사자의 주행거리, 근무시간, 적은 휴식시간, 빈번한 감가속 조작 등을 운전자의 피로도를 높이는 원인으로 제시하고, 이러한 원인들이 사고와 관련성이 있음을 주장하고 있다. 또한, 일부 연구에서 운전자의 근무환경, 근무 중 스트레스, 운수회사의 정책 등이 교통사고에 유의미한 영향을 미칠 수 있음을 보여준다. 그러나 이러한 연구들은 건강특성, 근무환경, 생활환경 등의 측면에서 다소 제한적인 항목을 활용하였으며, 선형회귀 또는 로지스틱 회귀 등 비교적 단순한 방법론을 활용한 분석을 수행하였다. 특히, 사업용 자동차 운수회사 및 운수종사자 관리 측면에서 국내외 여건은 상당히 다를 수 있으며, 국내 여건을 고려한 자료 수집 및 고도화된 분석방법론을 활용한 위험요인 도출이 요구된다.
본 연구에서는 기존 운수종사자관리시스템에서 수집되는 성별, 나이, 운전경력, 운행행태, 법규위반 이력 등 운수종사자의 외재적 인적 특성과 구별된 근본적인 사고원인을 규명하기 위한 “내재적 사고요인”을 정의하고자 한다. 내재적 사고요인은 운수종사자가 사업용 자동차를 운행하는 데 있어 영향을 미칠 수 있는 생활환경, 건강특성, 근로여건, 기분/정서, 개인성향 등과 관련된 인적 특성 등을 포함한다. 내재적 사고요인을 파악해야 근본적인 인적 요인과 교통사고 간의 관계를 규명할 수 있으며, 이러한 분석결과를 통해 운수종사자 및 운수회사 특성을 반영한 맞춤형 예방대책 제공이 가능하다.
본 연구의 목적은 운수종사자의 내재적 사고요인을 중심으로 사업용 자동차 교통사고의 위험요인을 분석하는 것이다. 특히, 위계적 모형을 기반으로 사업용 자동차(법인택시 및 시내버스)에 사고에 영향을 미치는 내재적 사고요인의 영향을 통계적으로 검증하는 것이 본 연구의 초점이다. 운수종사자의 내재적 사고요인을 수집하기 위해 기존 사고 이력 자료뿐 아니라 방대한 설문조사를 수행하였으며, 데이터 가공 및 변수화 방안을 제시하였다. 또한, 운수종사자와 운수회사 간의 위계적 구조를 확인하고 이를 고려할 수 있는 위계적 로지스틱 회귀분석 모형을 적용하였다. 모형을 통해 도출된 사고위험요인을 검토하고 향후 사업용 자동차 교통사고 예방을 위한 시사점을 제시한다는 점에서 의의가 있다.
본 논문은 다음과 같이 구성된다. 2장에서는 사업용 자동차 교통사고의 내재적 요인과 관련된 연구 및 위계적 모형을 활용한 교통사고 연구를 고찰하였다. 3장에서는 본 연구에서 활용한 자료 수집 및 가공 프로세스를 설명하고, 위계적 로지스틱 회귀분석 모형에 대한 설명을 제시하였다. 4장에서는 분석방법론에 따라 제시된 결과 및 해석을 택시와 버스로 구분하여 제시하고, 5장에서는 결론과 향후 연구에 관해 기술하였다.
선행연구
본 연구에서는 위계적 교통사고 모형을 이용해 사업용 자동차 교통사고를 발생시키는 운전자의 내재적 사고요인을 분석하고자 한다. 지금까지 사업용 자동차 교통사고와 관련된 내재적 요인에 관한 연구와 위계적 교통사고 모형에 관한 연구는 다수 수행되었다. 다음과 같이 선행연구 검토를 통해 본 연구의 필요성과 차별성을 제시하였다.
1. 사업용 자동차 운수종사자 관리 정책
현재 우리나라 사업용자동차 운수종사자의 내재적 요인에 관한 관리 정책의 문제점을 간단하게 언급하고자 한다. 먼저 운전자에 대한 휴식시간 보장은 여객자동차 운수사업법에 의해 2시간 이상 운전후 15분, 4시간 이상 운전후 30분 이상, 마지막 운행 종료 후 8시간 이상 휴식시간 등이 보장되어있다. 법은 마련이 되어있으나, 시내버스 외에는 잘 지켜지는 지에 대한 단속 등이 이루어지기가 어렵다. 운행기록계(DTG) 제출이 의무가 아닌 화물, 전세, 택시 업종의 경우 운행기록정보로 휴식시간을 판단하기 어렵고, 배차정보를 입력하지 않은 회사는 차량과 운전자의 매칭이 되지 않는다. 운수회사에서 운전시간, 휴식시간에 대한 정보를 수기로 정리하여 제출하고 있는 실정이라 실제 운행여부를 확인하기 어렵다. 미국, 일본, 유럽의 교통안전 선진국은 운행기록 자료를 노상에서 점검하여 휴식시간 준수 여부 등을 확인하고 있으나 우리나라는 이러한 점검이 되고 있지 않은 실정이다.
운수종사자에 대한 건강관련 규정과 관리도 국외 선진국에 비해서는 아직 미흡한 실정이다. 우리나라는 운수회사에 입사하기 전 건강검진결과를 제출하도록 되어있으나, 입사 후 회사를 옮기지 않는 경우에는 운수회사에서 매년 건강검진결과를 받지는 않는다. 건강이상이 있는 운전자의 경우는 재검을 받도록 조치하는 경우는 있어나 지속적인 건강 모니터링이 가능한 시스템은 되어있지 않다. 일본의 경우에는 승무 전, 승무 중, 승무 후 운수회사 관리자가 운수종사자의 얼굴 혈색 등 건강상태 파악, 음주측정 등을 하는 점호를 실시하도록 되어있다. 3년간 중대한 사고를 발생하지 않은 사업소는 IT기기를 이용한 점호를 허용하고 있으나, 그만큼 운전자의 상태에 관한 점검은 시스템화 되어있다. 미국의 경우도 연방운송안전청(FMCSA) 규정에 따라 7가지 안전지표 중 운전자의 건강(Driver Fitness)을 지표로 두고 있으며, 운전자의 운송자격, 건강상태 등을 점검하여 공개하고 있다.
특히, 만65세 이상의 운수종사자는 자격유지 검사(시야각, 신호등, 화살표, 도로찾기 등 검사)를 받아 통과해야만 계속 사업용 자동차 운송자격이 유지되게 되는데, 택시의 경우는 의료기관 적성검사로 대체가 가능하다. 일본의 경우 고령운전자는 운전적성검사를 시행하게 되는데, 85가지의 상황제시를 통한 성격진단, 심리, 감정, 돌발상황 대처능력 등 다양한 테스트를 교통심리학 측면에서 진단하고 있다.
국내 사업용 자동차 운수종사자의 관리를 위해서는 우선적으로 사업용 자동차 교통사고에 영향을 미치는 다양한 요인을 파악하고, 위험요인을 관리할 수 있는 정책 마련이 추진되어야 한다.
2. 사업용 자동차 교통사고 내재적 요인 관련 연구
운수종사자 및 운수회사에 관련된 요인들과 사업용 자동차 교통사고의 관계성을 규명하고, 교통사고에 영향을 미치는 주요 요인들을 도출하고자 하는 다수의 연구가 수행되어온 것을 Table 1에서 확인할 수 있다. 그중 대부분의 연구는 운수종사자의 건강 및 위험운전행동에 영향을 미치는 요인들을 중점으로 분석하였다.
Li et al.(2019)은 피로와 관련된 사고 위험요인 중 실제 택시 운수종사자의 내재적 요인을 규명하고자 하였다. 피로 관련 사고모형을 구축한 결과 사고위험이 상대적으로 높은 운전자는 하루 운행시간이 길고, 휴식비율이 낮으며, 운전경험이 적고, 스스로 피로 운행을 인지하는 것으로 나타났다. Meng et al.(2015)은 택시 운수종사자의 주행거리, 근무시간, 낙관적 성격 유무, 교육 여부 등이 운수종사자의 피로도에 영향을 미친다고 판단하였으며, 운전자 본인의 피로도 수준 자가 평가에 대한 교육이 필요함을 강조하였다. Meng et al.(2019)은 택시 운수종사자의 피로도와 주행능력의 관련성에 대하여 분석하였으며, 주행능력 중에서도 브레이크 제어, 차선 제어, 조향 제어에 영향을 미친다는 결론을 도출하였다. 이 외에도 다수의 연구에서 운수종사자의 피로도와 교통사고 발생 위험에 대한 분석을 수행하였다. Crizzle et al.(2017)은 문헌조사를 통해서 트럭과 버스 운수종사자의 건강 측면에서 발생한 문제가 사고위험도를 높임을 설명하고, 건강에 영향을 미치는 요인들을 도출하였다. 기존 연구들을 조사 및 고찰하여 장거리 트럭 및 버스 운수종사자들이 다양한 질병과 교통사고로 이어질 수 있는 여러 위험요인을 지니고 있음을 확인하였다.
이처럼 운수종사자의 피로도를 포함한 건강특성에 외에도 운수종사자의 근무환경과 교통안전의 관계에 대한 연구 또한 다수 수행되어 왔다. Chun et al.(2019)은 택시 운수회사의 근무환경이 교통사고에 미치는 영향을 분석한 결과 위험운전행동과 운수회사의 특성, 운수종사자의 피로도, 스트레스 간의 유의한 상관관계가 도출하였다. La et al.(2017)은 베트남 하노이의 시내버스 관련 교통사고 관련 요인을 조사하였다. 그 결과 교통체계, 사회문화의식, 음주운전, 버스 운수회사의 운수종사자 감독 및 처벌정책이 버스 교통사고의 주요한 요인으로 확인되었다. Useche et al.(2017)은 직장에서의 사회심리적 요소를 기반으로 BRT(Bus Rapid Tranist) 운수종사자의 사고위험과 정신 건강을 추정하여 버스 교통사고를 예방하기 위해서는 회사의 지원이 중요함을 확인하였다. Kwon et al.(2019)은 노선버스의 경우 근로형태에 따라 교통사고 위험성이 크게 달라질 수 있음을 확인하였다.
기존의 사업용 자동차 교통사고 내재적 요인 관련 연구는 운수종사자의 신체적 건강상태, 정신적 건강상태 및 근무형태를 중점적으로 진행되었다. 이와 같이 기존의 연구들이 건강특성 또는 근무환경 측면의 다소 한정된 항목을 활용하여 위험요인을 찾고자 하였으나, 법인택시 및 시내버스 교통사고에 영향을 미치는 위험요인은 건강특성, 근무환경, 생활환경, 운수회사 특성 등 보다 다양하고 심층적인 항목을 고려하여 도출될 필요성이 있다. 따라서 본 연구에서는 법인택시 및 시내버스 운수종사자를 대상으로 수행한 심층적인 설문조사를 통하여 다양한 측면의 항목을 수집하여 분석에 활용하였다.
Table 1.
Intrinsic factors affecting the traffic safety of commercial vehicles
| Author | Year | Method | Factors |
| Kwon et al. | 2019 | ANOVA test & chi-squared test | ∙ Working type |
| Li et al. | 2019 | Logistic ridge regression |
∙ Drive-rest habits ∙ Experience ∙ Intention for fatigue driving |
| Meng et al. | 2019 | Random effect model |
∙ Fatigue ∙ Brake control ∙ Lane control ∙ Steering control |
| Park et al. | 2019a | Negative binomial regression & Poisson regression |
∙ Number of drivers per unit ∙ Monthly wage ∙ Working type ∙ Monthly working hours ∙ Operating system of company |
| Chun et al. | 2019 | Structural equation modeling |
∙ Turnover rate ∙ Fatigue ∙ Driving experience ∙ Number of years of working ∙ Working type (full time) |
| Casas et al. | 2018 | Linear regression |
∙ Supervisory support ∙ Job stress |
| Crizzle et al. | 2017 | Literature review |
∙ Smoking ∙ Obesity ∙ Stress ∙ Sleep ∙ Diabates ∙ Access to health care ∙ Vibration |
| La et al. | 2017 | Content analysis |
∙ Village culture ∙ Drink-driving ∙ Supervision and penalty |
| Meng et al. | 2015 | Logistic regression |
∙ Mileage ∙ Working hours ∙ Optimistic personality ∙ Training |
3. 위계적 교통사고 모형 관련 연구
교통사고에 영향을 미치는 위험요인을 규명하는 연구들은 지속적으로 진행되어왔지만, 전통적인 회귀분석 모형으로 교통사고에 영향을 미치는 다양한 원인을 정확하게 파악하는데 한계가 존재한다. 전통적인 회귀분석 모형으로 편의 없는(unbiased) 산정 결과를 도출하기 위해서는 분석 자료가 모형의 기본가정을 만족해야 한다. 하지만 교통사고 데이터는 이러한 기본가정 중 잔차의 독립성을 유지하기 어려운 특성을 가진다(Yoon, 2020). 잔차의 독립성을 만족하기 위해서는 분석되는 개별 교통사고 간 상관성이 없어서야 하지만, 실제 동일한 차량, 동일한 도로, 동일한 지역에서 발생한 개별 교통사고는 상관성을 가진다. 이러한 특성을 가진 교통사고 데이터를 위계적 구조를 가진 데이터라고 할 수 있으며, 동일한 도로 또는 지역 등을 상위그룹으로 하여 그룹 내 상관성을 고려한 모형 적용이 요구된다. 따라서 Table 2에서 확인할 수 있는 많은 기존 연구들은, 이러한 위계적 구조를 반영한 모형을 적용하여 교통사고에 영향을 미치는 사고위험 요인을 도출하였다.
Huang and Abdel-Aty(2010)은 교통사고 데이터는 집계된 표본에 따라 상관관계가 존재할 가능성이 존재하며, 전통적인 회귀분석 모형의 활용으로 그룹 내 상관성(within-group correlation)을 무시하여 회귀분석의 가정인 독립성을 위반할 수 있다고 판단하였다. 미시적인 범위의 분석과 거시적인 범위의 분석으로 나누어 연구를 진행하였으며, 사고데이터의 위계를 지리적 지역 수준, 교통시설 수준, 교통사고 수준, 운전자 차량 단위 수준, 점유자 수준으로 분류하였다. 각 분석 범위에 따라 모형에 활용되는 위계를 구성하였으며, 위계적 모형 활용으로 인해 모형의 적합도와 모형의 예측 성능이 개선되는 결과를 보였다. Dupont et al.(2013)은 위계적 모형의 활용으로 인해 사고분석모형의 모형적합도를 향상시킬 수 있으며, 이는 전통적인 회귀분석 모형보다 더욱 명확하게 교통사고에 영향을 미치는 변수들을 규명할 수 있다고 말한다. 국가적 수준 즉, 지역적 특징을 가지는 변수들을 상위수준으로 구성하였으며, 교통사고 심각도에 따라 영향을 미치는 변수들을 규정하였다. 또한, Wang et al.(2017)는 위계적 음이항 분포 모형을 활용하여 상하이 도로구간 내 사고에 영향을 미치는 거시적인 도로특성과 교통류 변수를 규명하기도 하였다.
본 연구와 같이 사업용 자동차의 교통사고는 일반적인 교통사고의 형태와 차이가 존재할 수 있다. Quddus(2015)는 사업용 자동차의 위계적 교통사고 모형을 구축하기 위해 지역적, 사고, 운수종사자 단위의 수준을 3단계로 구분하여 지리적 요인에 관련된 변수들이 교통사고 심각도에 미치는 영향을 파악하였다. 도심지보다 농촌 지역에서, 1인당 차량 등록 대수가 많을수록 교통사고의 심각도가 높아지는 것을 확인할 수 있었다. 또한, 나이와 성별에 따라 사고심각도가 유의미하게 달라지는 것을 확인하였으며, 이는 운수종사자 개인 특성과 관련된 변수들이 교통사고에 미치는 영향을 무시할 수 없다는 것을 의미한다. Zohar and Lee(2016)는 통학버스를 대상으로 교통사고 모형을 구축하였으며, 차량 내부의 소음 및 승객의 움직임으로 인한 운전방해가 교통안전에 유의미한 영향을 미친다는 것을 확인하였다. 총 474명의 통학버스 운수종사자를 대상으로, 차내 설치된 카메라를 통해 변수를 구축하였다. 결과적으로 운수회사의 교통문화의식수준이 높을수록, 승객들의 운전방해 관련 행동들이 적을수록 교통사고의 위험도가 낮아질 수 있다는 결과를 보인다. Yoon et al.(2017)의 연구에 따르면, 국내의 경우 버스사고에 대한 사고위험도가 높아 이를 해결할 수 있는 연구가 필요하다고 판단하였다. 2010-2014년 5년간의 버스 교통사고를 기반으로 지역적(시군구 단위) 단위를 상위수준으로 설정하여 분석 모형을 구축하였으며, 이에 따른 교통사고의 심각도에 영향을 미치는 요인들을 규명하고자 하였다. 상위수준인 지역적 변수로는 긴급의료현황, 지역 내 노약자 비율 등의 변수들이 모형구축에 포함되었으며, 하위수준인 사고와 관련된 변수로는 사고 직전 속도, 버스의 차령, 도로의 선형, 도로표면상태, 도로 위계, 신호교차로 유무 등이 포함되었다.
Table 2.
Traffic safety analysis using hierarchical regression model
| Author | Year | Method | Factors |
| Park et al. | 2017 | Cross-classified multilevel model (CCMM) |
∙ Crash fatalities ∙ Company related factors ∙ Region related factors ∙ Driver behavior |
| Yoon et al. | 2017 | Hierarchical ordered model |
∙ Vehicle speed, vehicle age, surface condition, road grade, and traffic light installation ∙ Paved roads, emergency medical environment, adaptability, proportion of senior citizens in the community |
| Wang et al. | 2017 | Random parameters negative binomial model (RPNB) |
∙ Marginal effects for three estimates (motor vehicle, bicycle, pedestrian) |
| Zohar and Lee | 2016 | Multilevel model |
∙ Variables related to children’s driving disturbance |
| Quddus | 2015 | Multilevel mixed-effects ordered logit model |
∙ Crash fatalities ∙ Population, regional pattern |
| Dupont et al. | 2013 | Multilevel logit model |
∙ Crash fatalities & number of crash ∙ Seat belt use |
| Huang and Abdel-Aty | 2010 | Bayesian hierarchical model |
∙ Geographic region factors ∙ Traffic site factors ∙ Traffic crash factors ∙ Driver-vehicle unit factors ∙ Occupant level factors |
사업용 자동차에 대한 교통사고모형을 구축하려는 시도는 계속해서 진행 중이며, Park et al.(2017)은 택시, 버스, 화물에 대하여 운수회사에 따라 개별 사고 간의 상관관계가 존재함을 고려하여 위계적 모형을 구축하였다. 2010-2014년 5년간 86,622건의 사업용 자동차 교통사고를 활용하여 운수회사의 영향과 지역적 이질성을 모두 고려한 Cross-Classified Multi-level Model(CCMM)을 개발하였다. 결과적으로 모형의 모형적합도가 향상되었으며, 더욱 명확한 교통사고의 원인을 규명할 수 있었다. 본 연구에서 활용한 사업용 자동차의 교통사고 데이터와 같이 운수회사, 운수종사자 단위로 위계가 구분되어있는 데이터는 상위수준인 운수회사에 따라 교통사고에 미치는 영향이 달라질 수 있다. 이러한 한계점을 위계적 모형의 활용한다면, 상위수준인 운수회사에 대한 하위 운수종사자 단위의 상관관계를 고려해주어 교통사고 모형의 적합도와 사고예측의 정확도를 높일 수 있다.
연구방법론
1. 분석 프로세스
본 연구에서는 위계적 모형을 활용한 사고발생 확률모형을 개발하기 위해 다음과 같은 프로세스를 진행하였다. 먼저, 설문조사 데이터 및 한국교통안전공단 내부 시스템 데이터를 수집하여 분석용 변수를 구성하였다. 운전자의 내재적 요인을 구분하기 위해 분석용 변수는 근무환경, 생활환경, 건강상태, 인적특성으로 구분하였으며, 상위그룹 변수로 구분되는 회사특성 변수도 수집되었다. 법인택시와 시내버스의 많은 변수를 한 번에 고려하는 것은 효율적이지 못하므로 사전 가설적합도 검정을 통해 변수를 선별하였다. 가설적합도 검정은 사업용 자동차 교통사고 발생에 미치는 영향을 고려하여 상, 중, 하로 구분하였으며, 하 수준으로 분류된 변수들은 모형 분석에서 제외되었다. 가설적합도 검정은 상관성 분석을 통한 통계적 유의성과 기존 연구 결과를 기반으로 한 이론적 해석 가능성 두 가지 측면을 검토하였다. 상관성 분석을 통해 종속변수와 통계적으로 유의하게 상관성이 있는 변수이면서, 상관계수의 부호가 기존 연구 결과와 일치한다면 상 수준의 변수로 구분하였다. 만약 두 조건 중 하나만 만족한다면 중 수준, 모두 만족하지 못한다면 하 수준으로 구분되었다. 택시의 경우, 총 239개의 변수를 고려하였으며, 그중 근무환경 변수 46개, 생활환경 변수 49개, 건강상태 29개, 인적특성 57개로 구분되며, 회사특성 변수는 58개이다. 그중 가설적합도 분석을 통해 선별된 100개의 변수를 모형 개발에 고려하였다. 버스의 경우, 총 167개의 변수를 고려하였으며, 그중 근무환경 변수 36개, 생활환경 변수 14개, 건강상태 36개, 인적특성 37개로 구분되며, 회사특성 변수는 44개이다. 그중 가설적합도 분석을 통해 선별된 82개의 변수를 모형 개발에 고려하였다.
다음으로 가설적합도 검정 단계에서 선정한 독립변수 후보군과 운수종사자의 최근 3년간 사고 발생 유무를 종속변수로 하여 위계적 교통사고 모형을 개발하였다. 위계적 구조는 운수종사자를 하위수준으로 운수회사를 상위수준으로 설정하였으며, 사고 발생 유무를 확률로 표현하기 위해 위계적 로지스틱 회귀분석 모형이 활용되었다. 위계적 모형 분석을 위한 도구로 “MLwiN”을 활용하였으며, 모형 내 변수들의 통계적 유의성과 분산팽창계수(Variance Inflation Factor, VIF)를 통해 다중공선성을 판단할 수 있었다. 최종적으로 통계적 유의성과 다중공선성 기준을 만족하는 변수만을 모형에 포함하였다. 또한, 모형 추정을 위한 방법으로 MCMC(Markov Chain Monte Calro) 기법을 활용하여 샘플링을 진행하였으며, 산출되는 DIC(Deviance Information Criterion) 값을 통해 모형의 적합도를 판별하였다. 본 연구에서 활용한 위계적 로지스틱 회귀분석 모형과 비교 모형인 로지스틱 회귀분석 모형에 대한 구체적인 설명은 다음과 같다.
2. 로지스틱 회귀분석 모형(Logistic Regression Model)
로지스틱 회귀분석 모형은 일반적으로 종속변수가 이항 변수일 때 활용되는 방법론으로 교통사고 발생유무에 영향을 미치는 요인들을 파악하는 데 널리 활용된다. 교통사고 모형을 구성하는 종속변수는 이항 변수로 구성되어 있으며 교통사고가 발생할 수 있는 확률의 간접적인 예측치를 확인할 수 있다. 로지스틱 회귀분석 모형에서 활용되는 로지스틱 분포는 정규분포와 유사한 형태를 보이나, 계산과 추정이 편리하여 가장 보편적으로 활용되는 분석방법론이다. 종속변수는 0과 1 사이의 확률변수에 따라 S자 곡선형태로 그래프가 형성되며, 오차항의 분포가 로지스틱 분포의 형태로 구성된다(Lee et al., 2006). 운수종사자 에 대한 교통사고 발생 확률 은 다음과 같은 로지스틱 분포에 의해 산정된다.
여기서, 는 로지스틱 회귀분석 모형의 연결함수로 다음과 같이 나타낼 수 있다.
여기서, 는 회귀계수, 는 사고 발생에 영향을 미치는 개의 변수들에 대한 설명변수를 뜻한다.
3. 위계적 로지스틱 모형(Hierarchical Logistic Regression Model)
위계적 로지스틱 모형은 교통사고 분석에서 자주 활용되는 방법론으로써, Figure 1과 같이 위계적 구조를 가진 데이터를 분석하는데 적합한 방법론이다(Goldstein et al., 1998). 본 연구에서 위계적 모형의 구조에서 상위수준은 운수회사로 설정하고, 하위수준은 운수종사자 단위로 설정하여 모형을 구축하였다.
일반적인 로지스틱 회귀모형은 본 연구에서 활용된 사업용 자동차 교통사고 데이터와 같이 상위수준에 따른 하위수준인 운수종사자의 사고 간의 상관관계를 고려하지 못하며, 이를 무시하고 모형을 적용하면 회귀분석 모형에서 산정되는 계수의 표준오차를 과소 추정할 수 있다(Park et al., 2019a). 그로 인해 현실보다 좁은 신뢰구간이 도출될 수 있으며, 이는 잘못된 모형 설정으로 인한 편의(Biased)된 모형 결과를 의미한다(Jeon and Park, 2020). 이를 개선할 수 있는 위계적 로지스틱 모형에 대한 수식은 다음과 같다.
회귀모형의 설정에 있어 종속변수와 독립변수의 관계는 하나의 기울기로 고정하되 상위수준의 영향에 따라 절편을 다르게 설정하는 임의절편모형(Random Intercept Model)을 활용하였다. 는 운수종사자, 는 운수회사로 구성된다. 또한 임의절편모형이므로 개별 운수종사자 수준 변수 는 모든 회사가 동일한 를 가진다. Equation 4는 1수준(1-level)의 절편 을 상위수준 변수와 운수회사별 오차항으로 구성한 2수준(2-level) 수식이다. 는 상위수준(회사)에 대한 절편이며, 는 회사 수준의 변수를 의미한다. 는 회사수준에 의한 오차항이며, 을 따르는 확률변수이다.
일반적인 회귀분석이 아닌 위계적 모형을 구축할 때, 모형의 적용가능성을 판단하기 위해 분산분할계수(Variance Partition Coefficient, VPC)를 활용하였다. VPC는 상위수준과 하위수준의 분산 중에서 상위수준의 분산이 차지하는 비율을 말하며, 하위수준의 사고가 상위수준의 영향을 얼마나 받는지 판단할 수 있는 지표이다. 산정된 VPC 값이 크다는 것은 상위수준의 영향을 크게 받는 것을 의미하며, 일반적으로 5% 이상의 값을 기준으로 모형의 적용가능성을 판별한다(Park et al., 2019a, 2019b). 본 연구에서 활용한 위계적 로지스틱 회귀분석 모형 내에서 상위수준에 따른 분산은 으로 표현하였으며 VPC는 다음과 같이 계산된다.
본 연구에서는 모형의 적합도를 판별하기 위한 지표인 Deviance Information Criterion(DIC)이 산출되는데, 작은 값을 가질수록 모형의 적합도가 높아진다고 판단한다(Spiegelhalter et al., 2002). DIC는 모형 구축단계에서 활용된 데이터의 적합도에 대한 의 평균값 과 필요 변수의 개수를 의미하는 을 결합한 형태이다(Hwang and Kang, 2011). 수식 내의 가 작아지면 가 커지기 때문에, 는 데이터의 모집단을 설명하는 모수가 상대적으로 작은 모형을 적합하다고 판단할 수 있다. DIC는 다음과 같이 계산된다.
자료 처리 및 가공
1. 자료 수집 절차
사업용 자동차 교통사고 분석을 위한 자료 수집은 조사 준비, 조사 진행, 데이터 처리 및 코딩, 방법론을 통한 모형구축 4단계로 구분되며, 택시 및 버스의 운수회사와 운수종사자 교통사고 데이터를 기반으로 수집되었다. 설문조사는 법인택시의 운수회사 및 운수종사자, 시내버스의 운수회사 및 운수종사자를 대상으로 2020년 9-10월까지 조사를 진행하였다.
Table 3은 전국 단위의 조사 샘플에 대하여 정리한 표이며, 국내 사업용 자동차 교통사고의 전반적인 특성을 반영하기 위해 전국 단위로 고르게 설문조사 시행하였다. 전국 단위로 총 116개의 운수회사를 대상으로 조사를 시행하였으며, 택시 운수회사 63개, 버스 운수회사 53개를 대상으로 집계되어 있다. 지역에 따라 규모의 차이가 존재하며, 서울이 31.3%로 가장 높은 비율을 보유하고 있다. 수도권 지역이 53.7%로 절반 이상의 규모를 보이며, 60세 이상 운전자가 52.3%로 높은 비중을 보이는 것으로 확인되었다.
Table 3.
Regional survey results
사고자료 제공을 거부한 운수종사자를 제외한 시내버스 운수종사자 1,005명과 택시 운수종사자 1,060명을 대상으로 설문조사 및 시스템 수집 항목을 변수로 활용하였다. 설문조사 데이터 내의 근무환경변수는 1일 2교대 및 1인 1차제 분포 비율, 1일 기준 공차 대기시간, 전액관리제 시행 여부, 직무만족도 등이 있으며, 회사 특성 변수로는 회사에서 운전자들을 대상으로 관리하는 항목, 고령운전자 안전교육 시행 여부, 휴식시간, 교통사고 예방 등의 교육 여부 등이 포함된다. 생활환경 변수로는 1일 운행 중 개인용무에 활용하는 시간, 평소 음주횟수, 사고 발생 주원인으로의 졸음운전과 불규칙적 생활 등이 있다. 건강상태 관련 변수로는 운전자들의 피로관리 필요 여부, 내분비계 질환, 뇌혈관계 질환 등 앓고 있는 질환 등이 포함되며, 인적특성 변수로는 직무 스트레스 유발요인, 교통문화의식수준 등이 포함된다.
설문조사 데이터 이외에 사용할 수 있는 시스템 변수들 또한 분석에 활용하였으며, 운수회사 관련 시스템 변수와 개별 운수종사자와 관련된 시스템 변수들을 포함하여 분석을 진행하였다. 운수회사 관련 시스템 변수에는 소속지역, 운수종사자의 수, 면허 대수, 노선정보 등이 포함되어 있으며, 운수종사자와 관련된 시스템 변수에는 운행기록정보가 집계된 위험운전행동 건수가 포함되어 있다.
2. 사고위험 변수정의 및 설명
본 연구에서 최종적으로 모형에 포함된 변수들의 정의와 기초통계량을 Table 4와 같이 제시하였다. 법인택시와 시내버스에 대하여 운수회사 수준 변수와 운수종사자 수준 변수로 구분하여 제시하였다.
구축된 모형은 택시와 버스로 구분할 수 있으며, 변수에 따라 근무환경, 회사특성, 생활환경, 건강상태, 인적특성에 관련된 변수를 확인할 수 있다. 택시 모형구축에 활용된 근무환경 변수로는 Waiting time for a passenger(1일 기준 공차 대기시간)가 있으며, 회사특성과 관련된 변수로는 Passenger violence management(운수회사에서의 운수종사자 대상 승객폭력 관리 시행), Fatigue management system(운수회사 내 피로도 관리시스템 보유), Support program after accident(운수회사 내 사고 후 운전자 지원 프로그램의 시행) 등이 포함된다. 생활환경에 관련된 변수로 Hours used for personal business(개별 운수종사자별 1일 운행 중 개인용무에 사용하는 시간), Number of drinks(Alcohol)(개별 운수종사자의 평소 음주 횟수) 등과 같은 운수종사자들의 개인적인 변수들이 포함된 것을 확인할 수 있다. 건강상태에 관련된 변수로 Endocrine disease(내분비계 질환 보유 여부), Cerebral Hematopoietic disease(뇌혈관계 질환 보유 여부) 등이 포함되며, 인적특성에 관련된 변수로 Elderly workers(+65)(운수종사자의 고령자 여부) 등이 존재한다. 또한, 분석에 활용한 변수에는 Mental and physical exhaustion(심신 피로로 인한 직무스트레스), Work environment exposed to crash(사고에 항상 노출된 업무 환경에 따른 직무스트레스)와 같이 직무스트레스와 관련된 변수들이 분석에 포함되어 있다. 운수종사자 교통사고 내재적 요인 분석을 위해 직무스트레스는 주요한 변수로 작용할 수 있으며, 가설적합도 검정 결과 다양한 직무스트레스와 관련된 변수가 교통사고와 유의미한 상관관계가 존재함을 확인할 수 있다.
Table 4.
Descriptive statistics for risk factors of taxi and bus accidents
시내버스 모형구축에 활용된 변수들 또한 법인택시 모형구축에 활용된 변수들과 유사한 형태로 구성되어 있다. 회사특성과 관련된 변수로는 Safety training(운수회사의 안전교육 수행 정도), Reported violence from passengers(운수회사 이용 승객으로부터의 폭력 보고 여부) 등이 있으며, 생활환경에 관련된 변수로 Leisure activities(개별 운수종사자의 여가활동 중 취미 및 오락활동) 등이 포함되어 있다. 건강상태에 관련된 변수로는 Usual fatigue(운수종사자의 평소 느끼는 피로감)가 포함된 것을 확인할 수 있으며, 인적특성과 관련된 변수로는 Conscientiousness(성실성), Driving habits of workers(평소 운전자의 운전습관으로 인한 사고 발생이 주원인) 등이 포함된다. 여기서 Conscientiousness(성실성)는 성격 5 요인(Big 5)을 설문조사를 통해 변수화한 것으로, 운수종사자의 성향을 파악하기 위한 모형을 활용하였다(Yoo and Min, 2001). 또한, 근무환경에 관련된 변수로는 Average weekly working hours(일주일 평균 운행시간), Speeding and non-stop to complete the operation of the route(노선운행을 마치기 위한 과속 또는 정류장 미정차 경험), Excessive driving of workers(운전자의 무리한 운전으로 인한 사고 발생이 주원인), Violence from passengers(승객으로부터 신체적, 언어적 폭력으로 인한 직무스트레스) 등이 포함된다. 특히 근무환경과 관련된 변수들이 분석에 다수 포함되어 있으며, 가설적합도 검정 결과 다양한 근무환경 변수가 교통사고와 유의미한 상관관계가 존재하는 것으로 도출되어 시내버스 운수종사자의 교통사고 내재적 요인을 도출하는 데에 주요한 변수로 작용할 수 있을 것으로 판단하였다.
이러한 변수들은 기존의 교통사고 관리시스템에 포함되어 있지 않았던 교통사고의 내재적 요인들로 판단하였다. 회사 단위의 조사를 통해 파악할 수 있는 변수로, 지속적으로 운수회사에 대한 관리 및 운영을 통해 관련 자료를 구득받는 것이 필요하다. 본 연구에서는 운수종사자들의 내재적 요인에 대하여 규명하는 데 주요한 관심을 두었으며, 이러한 변수들에 대한 분석은 교통사고의 요인 중 가장 큰 비중을 차지하는 인적요인에 대하여 설명할 수 있을 것으로 판단하였다.
결과 및 해석
1. 택시 모형구축 결과 및 해석
가설적합도 검정 단계에서 선정한 독립변수 후보군과 택시 운수종사자의 최근 3년간 사고유무를 종속변수로 이용하여 법인택시의 위계적 교통사고 모형을 개발하였다. 위계적 로지스틱 모형의 적용가능성 검토를 위해 VPC값을 산출한 결과 30.84%로 위계적 사고모형의 구축이 적절한 것으로 분석되었다. VPC값이 30.84%라는 것은 하위수준의 개별 운수종사자 교통사고가 상위수준 운수회사에 따라 변화하는 정도가 상당히 크다는 것을 의미한다. 즉, 운수회사에 따라 운수종사자의 사고발생 수준이 상이하며 이에 영향을 주는 요인을 찾기 위해서는 위계적 모형이 필요하다는 것을 보여준다.
위계적 로지스틱 모형 구축 후에 종속변수와 독립변수를 동일하게 설정하고 일반 로지스틱 회귀모형을 구축한 결과, 모형적합도를 판단할 수 있는 DIC가 위계적 로지스틱 모형은 1,293.724, 일반 로지스틱 모형은 1,463.893로 도출되었다. 즉, 위계적 로지스틱 모형적합도가 일반적인 로지스틱 모형보다 더 높은 것을 Table 5에서 확인할 수 있다.
Table 5.
Estimation results of VPCs and model performance for taxi
| Logistic model | Hierarchical logistic model | |
| VPC | - | 30.84% |
| DIC | 1,463.893 | 1,293.724 |
상위수준인 운수회사가 하위수준인 운수종사자의 교통사고에 미치는 영향을 통계적으로 유의미하게 분석할 수 있으며, 모형적합도도 상대적으로 우수한 위계적 로지스틱 모형을 Table 6과 같이 구축하였다. 모형의 계수는 신뢰수준 90%에서 모델링을 진행하였으며, 운수종사자 수준에서는 Hours used for personal business(개별 운수종사자별 1일 운행 중 개인용무에 사용하는 시간), Endocrine disease(내분기계 질환 보유 여부), Cerebral hematopoietic disease(뇌혈관계 질환 보유 여부), Number of drinks(Alcohol)(개별 운수종사자의 평소 음주 횟수), Elderly workers(+65)(운수종사자의 고령자 여부), Waiting time for a passenger(1일 기준 공차 대기시간), Mental and physical exhaustion(심신 피로로 인한 직무스트레스), Work environment exposed to accidents(사고에 항상 노출된 업무 환경에 따른 직무스트레스)가 영향요인으로 도출되었다. 운수회사 수준에서는 Passenger violence management(운수회사에서의 운수종사자 대상 승객폭력 관리 시행), Fatigue management system(운수회사 내 피로도 관리시스템 보유), Support program after accident(운수회사 내 사고 후 운전자 지원 프로그램의 시행)가 영향요인으로 도출되었다.
Table 6.
Model estimation results for taxi
하위수준인 운수종사자 수준에서 살펴보면, 많은 교통사고는 운수종사자 부주의와 같은 인적요인에 큰 영향을 받을 수 있고, 사업용 자동차 교통사고 같은 경우에는 업종 특성상 장시간 근로 또는 부족한 개인시간으로 인해 부주의 교통사고가 발생할 수 있다(Park et al., 2019b). 이러한 배경은 Hours used for personal business(개별 운수종사자별 1일 운행 중 개인용무에 사용하는 시간)가 적을수록 교통사고의 위험도가 높아지는 현상을 설명할 수 있다. Endocrine disease(내분비계 질환 보유 여부), Cerebral Hematopoietic disease(뇌혈관계 질환 보유 여부)과 같은 만성질환과 교통사고와의 관계는 다양한 연구를 통해 증명되어 왔다(Park et al., 2008). 고령 운전자들은 반사 신경 저하로 인한 돌발 상황 대처 미흡, 시각 및 청각적인 능력 감퇴 등으로 인해 사고 위험도가 높아질 수 있다(Yoon and Lee, 2018). 결국, 긴 운행시간을 가지는 직업운전자로서의 고령 운수종사자들은 이러한 신체적 능력 저하로 인한 영향이 더욱 커질 수 있다. 추가적으로 택시 운수종사자 내에서는 운전자의 연령과 만성질환 여부의 상관성이 낮은 것으로 분석되었다. 택시 내 고령운전자가 만성질환을 가질 확률이 더욱 높다고 할 수 없으며, 고령운전자와 만성질환 운전자가 별로도 관리될 필요가 있음을 보여준다.
또한, Mental and physical exhaustion(심신 피로로 인한 직무스트레스), Work environment exposed to crash(사고에 항상 노출된 업무 환경에 따른 직무스트레스) 등 직무 관련 스트레스가 교통사고 위험도를 높일 수 있다. 직무스트레스로 인해 운전자의 부정적인 심리적 반응이 나타날 수 있으며, 운전 중 집중력 저하, 심리적 불안 행동 등으로 이어질 수 있다(Lee et al., 2006). 특히, 이러한 스트레스로 인한 영향은 위험운전 상황에 대한 부주의로 이어지고 사고 발생 위험도를 높일 수 있다.
Passenger violence management(운수회사에서의 운수종사자 대상 승객폭력 관리 시행)에 따라 교통사고에 미치는 영향이 달라지며, 이는 근로자가 소속된 업체로부터 안전하다고 느끼는 정도가 사고 발생에 영향을 미친다고 해석된다(Clarke, 2006). Fatigue management system(운수회사 내 피로도 관리시스템 보유) 또한 교통사고에 영향을 미치는 위험요인으로 산출되었다. 이는 운수종사자의 피로도 관리가 필요하다는 것을 의미하며, 피로관리는 효과적인 수면과 연결될 수 있다. 수면시간이 적은 운수종사자는 수면시간이 많은 운수종사자에 비해 교통사고 경험 비율이 상대적으로 높으며, 이러한 특성변수들과 교통사고와의 관계를 규명하는 연구는 다수 찾아볼 수 있다(Yoon et al., 2006; Kwon, 2018). 하루 평균 수면시간이 6시간 미만인 집단과 수면시간이 6시간 이상인 집단을 비교하는 연구를 보면, 하루 평균 수면시간이 적은 집단의 교통사고 경험 비율이 상대적으로 높은 것을 확인할 수 있다(Yoon et al., 2006). 또한, Support program after accident(운수회사 내 사고 후 운전자 지원 프로그램의 시행) 또한 모형에 포함되며, 운전자 지원 프로그램 시행 여부에 따라 교통사고의 위험도가 달라지는 것으로 분석된다. 이를 통해, 교통사고를 겪은 운수종사자들에 대한 특별지원 프로그램 시행이 필요함을 알 수 있다.
2. 시내버스 교통사고 및 위험운전행동 위험요인 분석
본 분석에서는 가설적합도 검정 단계에서 선정한 독립변수 후보군을 기반으로 버스 교통사고 발생 가능성에 미치는 영향을 파악하고자 운수종사자의 사고유무를 종속변수로 하는 위계적 로지스틱 모형을 구축하였다. 위계적 로지스틱 모형의 적용가능성 검토를 위해 VPC값을 산출한 결과 29.2%로 위계적 사고모형의 구축이 적절하다고 판단하였다. 위계적 로지스틱 모형 구축 후에 종속변수와 독립변수를 동일하게 설정하고 일반 로지스틱 회귀모형을 구축한 결과, DIC가 위계적 로지스틱 모형은 1,102.340, 일반 로지스틱 모형은 1,192.081로 위계적 로지스틱 모형이 더욱 적합하다는 것을 Table 7에서 확인할 수 있다.
Table 7.
Estimation results of VPCs and model performance for bus
| Logistic model | Hierarchical logistic model | |
| VPC | - | 29.2% |
| DIC | 1,192.061 | 1,102.340 |
Table 8의 분석 결과를 살펴보면, 시내버스 운수종사자의 사고 발생 가능성에 영향을 미치는 총 10개의 유의한 변수가 도출되었다. Average weekly working hours(일주일 평균 운행시간)가 많을수록, Speeding and non-stop to complete the operation of the route(노선운행을 마치기 위한 과속 또는 정류장 미정차 경험)가 있을수록, Excessive driving of workers(운전자의 무리한 운전으로 인한 사고 발생이 주원인)라고 응답한 운수종사자일수록, Usual fatigue(운수종사자의 평소 느끼는 피로감)가 클수록 교통사고 발생의 증가에 영향을 미치는 것으로 분석되었다. 또한, Safety training(운수회사의 안전교육 수행 정도)이 높을수록, Leisure activities(개별 운수종사자의 여가활동 중 취미 및 오락활동)를 할수록, 운수종사자의 개인 성향 중 Diligence(성실성)가 높을수록 교통사고 발생의 감소에 영향을 미치는 것으로 나타났다. 또한, Reported violence from passengers(운수회사 이용 승객으로부터의 폭력 보고 여부)가 있을수록, Violence from passengers(승객으로부터 신체적, 언어적 폭력으로 인한 직무스트레스)가 많을수록, Driving habits of workers(평소 운전자의 운전습관으로 인한 사고 발생이 주원인)라고 응답한 응답자일수록 교통사고 발생의 증가에 영향을 미치는 것으로 분석되었다.
Table 8.
Model estimation results for bus
다양한 내재적 요인이 교통사고 발생에 영향을 미치는 것으로 도출되었으며, 시내버스의 교통사고 발생 감소 및 교통안전 개선을 위한 운수회사 및 정부 차원의 위험요인 도출 및 대책 마련의 필요성을 확인하였다. 기존 연구에 따르면 근무환경에서의 폭력은 버스 운수종사자의 정신적 건강 및 업무 능력에 영향을 미치며 외상 후 스트레스 장애는 공격적인 승객에 대처하는 운수종사자의 자신감에 부정적인 영향을 미치는 것으로 나타났다(Zhou et al., 2018). 본 연구의 시내버스 사고모형 구축 결과에 따르면 승객폭력에 관련된 변수가 다른 변수들에 비하여 시내버스 교통사고에 큰 영향을 미치는 것으로 도출되어 기존 연구 내용과 동일함을 알 수 있다(John et al., 2006; Sampaio et al., 2009). 운수종사자의 정신적 건강 및 업무 능력은 교통사고 발생 가능성에 영향을 미치는 요인이며 이에 영향을 미치는 승객의 폭력은 시내버스 교통안전의 내재적인 영향요인이라고 할 수 있다. 따라서 현재 시내버스 업종의 근무환경에서 승객의 폭력에 대한 대안이 마련된다면 시내버스 운수종사자의 정신적 ‧ 육체적 건강에 긍정적인 영향을 미치고 이로 말미암아 교통안전을 증진할 수 있을 것으로 기대된다.
다음으로는 Excessive driving of workers(운전자의 무리한 운전으로 인한 사고 발생이 주원인) 및 Driving habits of workers(평소 운전자의 운전습관으로 인한 사고 발생이 주원인), Speeding and non-stop to complete the operation of the route(노선운행을 마치기 위한 과속 또는 정류장 미정차 경험)가 시내버스 교통사고 발생의 증가에 크게 영향을 미치는 것으로 분석되었다. 기존 연구에 따르면 버스 운수종사자의 부주의 및 주행행태는 운수회사의 근무환경과 큰 관계가 있는 것으로 나타났으며, 과도한 근무는 버스 운수종사자의 스트레스 및 건강에 큰 영향을 미치는 것으로 분석된 바 있다(Chun et al., 2019; Chung et al., 2013). 버스의 경우 계획된 노선과 시간표에 따라 운행하므로 버스 운수종사자의 근무형태 또한 운수종사자의 근무환경에 영향을 미치는 요인으로 기존 연구에서 도출되었다(Park et al., 2019a). 본 연구에서 도출된 위험요인 중 Speeding and non-stop to complete the operation of the route(노선운행을 마치기 위한 과속 또는 정류장 미정차 경험)는 시내버스 운수종사자의 근무형태와 관련이 있으며, 교통안전 증진을 위하여 운수종사자 근무형태 및 근무제도에 대한 개선이 필요함을 확인하였다. 이 외에도 위험요인 중 Usual fatigue(운수종사자의 평소 느끼는 피로감)는 운수종사자의 위험요인을 파악하기 위한 다수의 연구에서 확인하였을 뿐만 아니라 본 연구의 시내버스 사고모형에서도 도출되었으므로, 교통사고 발생 가능성 감소를 위해서 필수적으로 고려하여야 하는 요인으로 고려된다. 따라서 시내버스 운수종사자의 피로도를 모니터링하고 개선하기 위한 대책과 체계가 마련된다면 시내버스의 교통안전을 개선할 수 있을 것으로 기대된다.
3. 도시 내 사업용 자동차 교통사고 예방을 위한 시사점 도출
본 연구를 통해 도시 내에서 운행되는 택시와 시내버스의 교통사고 영향요인으로 공통적인 특성과 업종별 특성을 발견할 수 있다. 택시와 시내버스의 공통적인 교통사고 영향요인은 두 가지로 요약할 수 있다.
첫 번째로 승객의 폭력은 운전자에게 직접적으로든 운수회사에 관리여부에 따라 간접적으로든 교통사고에 영향을 미친다는 것이다. 승객의 언어적, 신체적 폭력은 운전자에게 스트레스로 작용하게 되며, 이러한 심리적 스트레스는 교통사고 발생에 영향을 미치는 것으로 나타났다. 좀 더 자세히 살펴보면 비교적 안정적인 고용상태와 젊은 운전자가 많은 시내버스 업종 특성상 승객의 폭력이 운전자 자체에게 큰 스트레스를 주고 이러한 경험은 교통사고에 미치는 영향요인으로 포함이 되는 것을 알 수 있다. 반면 택시 업종의 경우에는 버스에 비해 주취자 등 폭력에 많이 노출되어 있어 승객의 폭력 자체가 교통사고에 영향을 미치기 보다는 운전자의 신체적 건강적 질환적인 부분이 교통사고에 더 큰 영향을 미치는 것으로 해석된다. 다만 승객의 폭력여부를 운수회사에서 관리를 하는 경우와 관리하지 않는 경우에는 교통사고 발생여부에 영향을 미칠 수 있다.
운수회사 차원에서 승객의 폭력성을 경험한 운전자는 심리적 치료를 적극 실시할 필요가 있으며, 운전자는 승객의 폭력 경험시 즉각 운수회사에 보고하고, 운수회사는 조치할 수 있는 시스템을 갖추는 것이 필요하다. 또한. 교통수단 안전점검시 승객의 폭력을 경험한 운전자에 대한 스트레스 관리나 치료가 잘 이루어졌는지 확인이 필요하며, 피해 운전자에게는 유급 휴가를 의무화하는 등의 제도적 검토도 필요할 것으로 보인다.
두 번째는 운전자의 피로도는 교통사고 발생에 영향을 미친다는 것이다. 운전자의 피로도에는 여러 가지 요인들이 영향을 미치게 된다. 분석결과에도 나타났듯이 택시 운전자는 개인적인 휴식시간이 적고, 음주 횟수와 공차 대기시간이 많을수록 교통사고 발생을 높이는 경향을 보이는데 이러한 변수들은 운전자의 피로도를 높이는 요인이기 때문으로 해석할 수 있다. 플랫폼 택시가 공차 대기시간을 줄여 운전자의 피로도를 줄이는 측면에서는 효과가 있을 것으로 판단된다. 택시 운수회사는 이러한 운전자의 피로도를 높이는 요인들을 관리할수록 교통사고 발생을 감소시킬 수 있는 것으로 나타났다.
버스 운전자는 무리한 운전 스케줄을 맞추려고 정류장에 미정차하는 등의 조급 운전을 하거나, 평균 운전시간이 길어지게 되면 교통사고 발생에 양의 영향을 미치고, 여가활동을 하는 운전자일수록 교통사고에 음의 영향을 미치는 것으로 나타났다. 이러한 분석 결과들은 근본적으로는 운전자가 피로감을 증가시킬 수 있는 행위는 교통사고로 연결될 확률이 높아지고, 피로감을 줄이는 활동은 교통사고를 감소시킬 수 있다는 것으로 해석할 수 있다. 따라서 운수회사 차원에서 운전자의 피로도를 관리할 수 있는 시스템을 갖추어 나가는 것이 중요하다. 일본의 버스회사의 경우는 관리자가 운전자의 전날 음주 여부, 피로도, 심리적 상태까지도 체크하는 일종의 ‘점호’ 시스템이 활성화되어있다. 시내버스 회사의 경우 준공영제 또는 완전공영제 운영이 확대되고 있기 때문에 관리적인 측면에서의 여건은 더욱 좋아졌다고 볼 수 있다. 이제는 대부분의 사고 발생 원인이 운전자 특성임을 간과하지 말고 운전자에 대한 좀 더 세심한 관리를 통해 교통사고 감소를 유도할 필요가 있다.
업종별 교통사고 발생에 영향을 미치는 특성을 살펴보면, 택시 운전자의 경우는 내분비계 질환, 뇌혈관계 질환 유무가 교통사고 발생에 영향을 미치고, 버스 운전자의 경우는 이러한 요인이 나타나지 않았다. 이는 단순히 택시 운전자는 고령운전자가 많아 그만큼 질병을 보유한 운전자가 많기 때문으로 해석할 수 있다. 시내버스 운전자의 경우는 65세 이상 고령운전자는 없으며 평균연령이 택시 운전자에 비해 낮은 수준이다. 따라서 택시 운전자만이라도 건강에 대한 운수회사 관리를 의무화할 필요가 있다. 현재 65세 이상 고령운전자가 택시 운수회사에서 일을 하기 위해서는 자격유지 검사 또는 의료적성검사를 받아야 한다. 그러나 검사항목 및 운전 제한조건이 높지 않아 지속적인 검토가 필요하다. 따라서 의료적성검사 상으로는 운전을 하기에 어려움이 없다고 판정받더라도 주기적으로 모니터링하여 건강에 이상이 있는지, 스트레스 관리가 되고 있는지 등을 운수회사가 관리할 필요가 있다.
결론 및 향후 연구
본 논문은 사업용 자동차인 택시와 버스 업종의 교통사고 발생 영향요인에 대해서 분석하였다. 일반적인 교통사고의 경우 도로, 차량, 운전자의 요인이 단독 또는 복합적으로 작용하여 교통사고 발생에 영향을 미치는 것으로 알려져 있다. 사업용 자동차는 이 3가지 요인과 함께 운수회사의 소속 운수종사자 관리가 교통사고 발생에 미치는 영향이 있을 것으로 판단하여 위계적 모형(hierarchical model)을 적용하였다. 버스와 택시 업종 모두 종속변수가 교통사고 발생 유무일 때 사용되는 일반적인 로지스틱 회귀모형에 비해 적합도가 높게 나타나 위계적 모형을 구축한 것은 타당한 것으로 나타났다. 다만 버스업종의 경우 위계적모형이 통계적으로 더욱 적합(VPC: 29.2%)하였으나, 본 논문에서 수집한 운수회사 측면의 변수로는 교통사고 영향요인을 밝혀내지는 못하였다. 이는 운수회사 관리와 관련된 다른 어떤 요인이 작용하여 교통사고 영향요인을 더욱 잘 설명할 수 있다는 것을 의미한다.
모형 구축 결과, 사업용 자동차 교통사고 감소를 위해서는 운수회사가 운전자의 신체적 ‧ 육체적 피로도, 건강상태 등에 대한 세심한 관리가 필요하다는 것을 알 수 있었다. 이러한 피로도, 스트레스, 건강상태를 관리하는 방법은 다양할 수 있다. 운전자들의 개인시간을 반드시 확보해주고 스트레스를 해소할 수 있는 회사차원의 지원 제도를 검토해볼 수 있다. 택시의 경우 승객 배회시간을 최소화 시킬 수 있는 방안을 강구하는 것이 좋으며, 승객에 대한 폭력에 대한 모니터링 체계를 갖추는 것이 좋다. 또한 65세 이상 되는 운전자의 경우 자격유지 검사나 의료적성검사를 통과하더라도 사고예방을 위해 주기적인 건강 모니터링을 실시할 필요가 있다. 버스 운전자의 경우도 택시와 마찬가지로 운전자의 피로도를 줄일 수 있는 방안을 강구해야 하며, 규제라기보다는 회사와 운전자와의 밀접한 유대관계를 통해서 교통사고 예방차원의 관리방안을 구축해나갈 필요가 있다.
본 논문에서는 연구 진행에 있어 시내버스와 법인택시를 대상으로 연구를 진행하였으며, 이를 대상으로 설문조사를 진행한 데이터를 활용하였다. 하지만, 사업용 자동차는 시내버스와 법인택시 이외에 시외버스, 화물차 등이 포함되며, 다양한 사업용 차량에 대한 분석이 필요하다. 특히, 버스는 시내버스와 시외/광역버스의 운전자 여건 및 운행시간 등이 상이하므로 이를 고려한 추가적인 연구가 필요하다.
사업용 자동차 영역은 운전자의 잘못으로 인한 교통사고 감소를 위해서 제도적인 부분과 첨단안전장치와 같은 기술적인 부분이 그동안 많은 성과를 이루었다. 그러나 이러한 부분은 일정기간 감소효과를 보이다가 한계가 오기 마련이다. 이제는 운수회사 관리에 따라 교통안전에 미치는 영향을 고려하여 운수종사자에 대한 세심한 관리를 체계적으로 갖추는 패러다임이 필요하다고 판단된다.
본 논문의 한계점은 앞서 언급하였듯이 VPC도출을 통하여 운수종사자를 하위수준으로, 운수회사를 상위수준으로 설정한 위계적 사고모형의 구축이 필요하다는 것은 확인하였으나, 시내버스 위계적 사고모형 구축에 활용된 상위수준의 변수는 운수회사 차원의 위험요인을 정의하고 대책을 마련하지 못한 것이다. 따라서 추후 시내버스 운수회사 수준의 명확한 변수 도출을 위한 조사체계가 마련된다면 운수회사 차원의 개선안을 마련할 수 있는 분명한 위험요인이 도출될 수 있을 것으로 기대된다. 또한 위계적 모형이 더욱 적합하다는 것을 검증하기 위해서 사업용자동차 영역 중에서도 지입제 등으로 인해 운수회사 관리 정도가 상대적으로 약한 화물자동차 영역에 대해서 모형을 구축하여 비교하는 것이 도움이 될 것으로 판단된다.
