서론
1. 연구의 배경 및 목적
2. 연구의 내용 및 방법
선행연구
1. 시스템 다이내믹스
2. 운수업체 교통안전관리
3. 사업용자동차 교통안전 관련 연구
4. 선행연구와의 차별성 및 시사점
전세버스 운수업체 교통사고위험예측 모델 개발
1. 자료 수집 및 변수 선정
2. 문제정의
3. 인과지도(Causal Loop Diagram, CLD) 구축
4. 모델 구축을 위한 기본 설정
5. 저량-유량 모델(Stock-Flow Diagram, SFD) 개발
6. 모델 검증
결론
1. 결과 요약
2. 연구 한계점 및 향후과제
서론
1. 연구의 배경 및 목적
사업용 자동차로 인한 교통사고는 전체 교통사고의 약 20%로 점유율은 높지 않지만, 사업용 자동차 1만대당 교통사고는 비사업용 대비 5.0-5.8배 높게 발생하고 있다. 자동차주행거리 통계(TS, 2017)에 따르면, 사업용 자동차의 연간 주행거리(104.8km)는 비사업용 자동차의 주행거리(35.0km)에 비해 약 2.99배인데, 이를 고려하더라도 사업용 자동차의 교통사고는 약 2-2.8배 높게 발생하고 있다.
교통사고는 복합적인 요인에 의해 발생한다. 일반적으로 도로상에서의 교통사고는 인적요인, 차량요인, 도로환경요인에 의해 발생되는 것으로 알려져 있다(Rumar, 1985; Do et al., 2016). 사업용 자동차 관련 교통사고는 이러한 3가지 요인 외에도 사업용 자동차를 운영, 관리하는 운수사업체의 조직적 요인은 물론 정책적 요인도 직접 또는 간접적으로 교통사고 유발요인으로 작용하고 있다. 사업용 자동차의 교통안전 문제 심각성에도 불구하고, 사업용 자동차 교통사고 감소를 위한 종합적인 교통안전대책에 관한 연구가 미흡한 실정이다. 이러한 측면에서 사업용 자동차를 다수 보유한 운수사업체가 갖고 있는 여러 복합적 요인, 즉, 인적요인과 조직적 요인, 정책적 요인을 포함하는 연구의 필요성이 제기되고 있다.
UN을 포함해서 국제사회에서는 도로교통 부문의 안전대책으로서 기업의 교통안전관리를 위한 제도적 장치 필요성을 강조하고 있다(UN, 2011). 국제표준화기구(ISO)에서는 UN과 WHO의 협력 하에 기업 교통안전관리를 위한 국제표준(ISO39001)을 2012년 개발한 바 있다. ISO39001은 도로교통안전경영시스템(Road Traffic Safety Management System)으로 도로교통 부문에서의 교통사고 감소를 위해 기업이 추구해야할 안전관리 목표와 비전, 전략에 관한 사항을 다루고 있다. 하지만, 이는 기업경영 측면에서 지정된 인증기관으로부터 인증을 받는 방식에 불과하다. 공학적 측면에서의 실질적 교통사고 감소를 위한 세부적인 내용은 포함하고 있지 않아 종합적인 교통안전관리 방안으로는 미흡하다.
산업안전 분야에서도 기업재해 감소를 위해 인적오류(Human Error)에 기초한 안전대책을 중요시하고 있다. 산업안전 분야에서는 오래 전부터 산업재해에 관한 다양한 이론들이 연구, 개발되어 왔다. 하인리히(Heinrich) 법칙, 스위스 치즈모델(Swiss Cheese Model) 등이 있으며, 스위스 치즈모델은 교통 부문에서도 활용되고 있다. 산업재해에 관한 연구는 산업 분야 전반에 관한 시스템 사고와 밀접하게 연결되어 있다. 1980년대부터 통용되기 시작한 시스템 사고는 시스템을 구성하는 여러 요인들간의 순환적 인과관계를 중요시한다. 산업안전과 교통안전 영역의 사각지대에 있는 운수산업은 이러한 시스템 사고를 기반으로 한 교통안전관리를 필요로 하고 있다.
미래예측의 관점에서 운수사업체의 교통안전수준, 교통사고를 예측하는 것은 교통사고 또는 위험에 영향을 미치는 요인들을 선제적으로 관리하고, 이에 대응하기 위해 매우 의미 있고 가치 있는 일이다. 운수업체 교통사고 또는 위험 예측에 관한 연구는 매우 제한적으로 이루어져 온 것이 사실이다. 이에 본 연구에서는 복잡하게 얽혀 있는 운수산업의 구조적 특성을 시스템 사고에 기초해 분석하였다.
본 연구는 운수업체(시내버스, 시외버스, 고속버스, 택시, 화물차 등) 중 전세버스를 대상으로 교통사고위험예측 모델을 개발하는 방법론을 제시하는 것을 목적으로 하고 있다. 세부적으로 본 연구의 목적은 크게 2가지로 구분하였다. 첫째는 운수업체(전세버스 업체)에서 발생하고 있는 교통사고와 관련된 요인간 인과관계를 구조화하여 인과지도(Causal Loop Diagram, CLD)를 구축하는 것이다. 둘째는 이 인과지도(CLD)를 통해 운수업체 중 전세버스에 대한 교통사고위험예측 모델을 개발하는 것이다. 본 연구는 운수업체 특히 사업용 자동차로 구성된 전세버스 관련 교통사고의 심각성을 인지하고, 복잡한 사회문제를 해결하는 방법론으로 활용되고 있는 시스템 다이내믹스(System Dynamics) 분석 방법론을 활용하여 교통사고위험예측 모델을 개발하였다.
2. 연구의 내용 및 방법
본 연구에서는 운수업체 중 전세버스와 관련된 자료를 활용해 교통사고위험을 예측하고자 다음 4단계로 나누어 연구를 수행하는 방법론을 제시하였다. 첫 번째로 자료 수집 단계로 인적요인(Human Factor), 차량요인(Vehicle Factor), 정책요인(Policy Factor), 조직요인(Organization Factor) 등 4가지 요인으로 나누어 이에 대한 자료를 수집하였다. 두 번째, 이들 자료들을 변수 유형별로 정리하였고, 사회현상에서 발생하고 있는 전세버스와 관련된 인과관계를 기존 문헌 등을 토대로 한 인과지도를 작성하였다. 세 번째, 위 인과지도를 기반으로 각 변수들간의 관계식을 4개의 모델 유형(지수함수 모델, 제한 모델, 배스확산 모델, 욕조 모델)으로 구분하고, 각각의 저량-유량 모델(Stock-Flow Model, SFD)을 개발하였다. 각각의 모델은 시스템 다이내믹스에서 적용되는 모델 유형으로 지수함수 모델에 기초로 한 모델이다. 마지막으로, 4단계에서는 모델을 검증하는 단계로, 4가지 모델 검증방법을 활용해 모델의 논리적 구조, 타당성 분석을 수행하였다.
선행연구 부문에서는 시스템 다이내믹스 부문과 운수업체 교통안전관리 부문 및 사업용자동차 교통안전 부문 등 3가지 분야로 구분하였다. 시스템 다이내믹스 부문에서는 이론적 근거와 함께 시스템 다이내믹스와 안전과의 관련성, 교통 분야 적용사례 등을 조사하였다. 운수업체 교통안전관리 부문에서는 운수업체에서의 안전관리의 의미와 중요성을 중심으로 조사를 수행하였고, 사업용자동차 교통안전 부문에서는 국내에서 수행한 사업용자동차 관련 연구보고서와 관련 요인에 관한 연구(논문) 사례를 조사하였다.
연구의 분석방법은 복잡한 사회현상을 이루는 시스템 내 여러 요인들간의 인과관계를 규명하는 방법론으로서 시스템 다이내믹스(System Dynamics) 분석기법을 활용하였다. 분석에 사용한 프로그램은 국내에서 주로 활용되고 있는 벤심(Vensim) DSS 7.3.4 버전을 이용하였다. 전세버스 관련자료를 수집하고 기초분석을 실시하였다. 모델 개발과정은 시스템 다이내믹스 분석 방법론에 따라 문제의 정의, 인과지도(CLD) 작성, 저량-유량 모델(SFD) 개발 및 모델 검증 순으로 진행하였다.
선행연구
1. 시스템 다이내믹스
시스템 다이내믹스(System Dynamics)는 미국 MIT(Massachusetts Institute of Technology)의 Jay Forrester 교수에 의해 Industrial Dynamics(Forrester, 1958) 책에서 처음 소개되면서 기본 논리와 방법론이 체계화되었다. 시스템 다이내믹스는 시스템적 사고(System Thinking)를 모델화하는 도구이자, 시간의 변화에 따라 변화하는 시스템을 수학적으로 모델링하는 컴퓨터 프로그램 기반의 분석 방법론이다(Kim et al., 2001; Moon, 2007).
시스템 다이내믹스는 안전(safety) 분야와 밀접하게 연관되어 있다. 시스템 다이내믹스는 여러 요인에 대한 피드백과 상호관계를 고려한 방법론으로 인적요인(Human Factor), 인적오류(Human Error) 등과 긴밀한 관계를 맺고 있는 안전 분야에서 활용성이 확대되고 있다. Shire et al.(2018)은 1984년부터 2016년까지 안전 분야에서 시스템 다이내믹스에 관해 발행된 총 61건의 연구논문에 대한 동향을 조사하였다. 1980년 초부터 경영, 경제 등 사회 다방면에서 시스템 다이내믹스에 관한 연구가 진행되면서 시스템 관점에서의 사고를 필요로 하는 안전 분야에서도 연구가 진행되었다. 2000년대부터는 시스템 다이내믹스 방법론이 복잡계에서 사회현상과 사건에 관한 가치 있는 연구로 인정받기 시작하였고, 2014년까지 점차 확대되는 경향을 나타냈었다. 2015년부터는 안전 분야에서 시스템 다이내믹스 관련 연구논문 수가 크게 증가하였다. 안전 분야에서 폭넓게 활용되고 있는 인적요인분석분류체계(Human Factors Analysis and Classification System, HFACS) 프레임에 따른 연구는 조직영향(46%), 불안전한 행동의 전제조건(29%), 불안전한 감독(11%), 외부요인(9%), 불안전한 행동(5%) 순으로 나타났다. HFACS는 영국의 James Reason이 인적오류(Human Error)에 관한 스위스 치즈 모델(Swiss Cheese Model)에 기초한 인적요인 사고분석 프레임(framework)이다(Shire et al., 2018).
본 연구에서는 교통사고가 인적요인, 차량요인, 도로환경요인 등 복합적인 요인에 의해 발생되는 특징에 더해 조직요인(organization factor)과 정책요인(policy factor)을 포함하여 운수업체의 교통안전관리체계를 구조화하기 위해 시스템 다이내믹스 분석방법론을 적용하였다. 본 연구에서 시스템 다이내믹스 방법론을 적용한 또 다른 이유는 교통사고에 영향을 미치는 다양한 요인간의 관계를 구조화하여 모델링하기 위함이다. 운수업체에 영향을 미치는 요인은 인적요인, 차량요인, 조직요인 등으로 다양하며 이들 요인들간의 순환적 관계를 고려할 필요가 있다. 이에 본 연구에서는 시스템 다이내믹스에서 고려하고 있는 피드백구조를 활용하여 운수업체의 교통사고 영향요인을 순환적 관계로 구조하였다.
2. 운수업체 교통안전관리
안전관리(Safety Management)에서 안전(Safety)은 지속적인 위험요소의 식별과 위험관리를 통하여 인명이나 재산에 손실을 야기하는 위험이 허용수준 이하로 감소시키거나 유지되는 상태를 말한다(ICAO, 2013). 안전관리는 사고의 예방적 견지에서 임무를 완전하게 수행할 수 있도록 계획, 편성, 조정, 통제하는 것으로, 모든 불안전한 상태와 불안전한 행동 즉 잠재적인 위험요인을 어떻게 인지하고 발견, 제거, 통제하여 아무런 사고 없이 계속 안전한 상태를 유지하도록 하는 노력을 의미한다(Kim, 2013). 기업의 관점에서 안전관리는 사후관리 차원의 안전관리뿐만 아니라 실질적으로 위험요소를 제거하기 위한 안전품질 향상 차원에서의 통합적 안전관리(Integrated Safety Management)의 필요성이 중요시되고 있다.
안전관리는 사고와 재해율 감소뿐만 아니라 회사의 생산성, 경제성 결과에 긍정적 영향을 미친다는 연구(O'toole, 2002; Vredenburgh, 2002; Bottani et al., 2009)에서처럼 안전에 대한 사회적 요구가 점차 강화됨에 따라 통합 차원에서 예측 가능한 안전관리의 중요성이 증가하고 있다. 교통안전관리라는 용어는 명확하게 정의된 바는 없고, 개념이 정립되지 않은 실정이다. 국제적으로는 UN에서 전 세계 교통사고 사상자로 인한 문제를 국제적 이슈로 부각하면서 시스템 관점에서 교통안전 문제의 해결방안에 대해 언급한 바 있다(UN, 2011). 다양한 해법 가운데 하나로 도로안전시스템(Road Safety System)을 언급한 바 있다. 또한 국제표준화기구(ISO)에서 국제표준을 제시한 바 있다. 이 국제표준(ISO39001)은 기업 교통안전관리를 위한 도로교통안전경영시스템(Road Traffic Safety Management Systems)으로 2012년 제정되었다. 이를 기반으로 스웨덴, 일본, 호주 등 주요 선진국에서도 기업의 교통사고 감소를 목표로 교통안전관리시스템에 대한 인증제도 도입이 확대되고 있다. 다수의 차량을 보유한 기업(사업용자동차 보유한 운수업체, 물류기업 등)들은 교통 측면에서의 안전관리가 요구되고 있다.
3. 사업용자동차 교통안전 관련 연구
TS(2012)의 “사업용자동차 운행시간 제한제도 도입방안 연구”에서는 버스(전세버스 제외)와 택시 및 화물자동차에 대해 운전자 근로시간, 휴게시간 실태조사를 실시하였고, 사업용 운전자의 운전시간 제한규정 신설방안을 제시하였다. KOTI(2012)의 “여객자동차 차령제한 개선방안 연구”에서는 차령제도 현황과 차량 운행실태 조사 및 해외사례를 바탕으로 여객자동차의 차령제도 개선방안을 제시하였다. 분석내용으로 차령과 사고간 분명한 상관성은 없다고 판단하였다. MoLIT(2011)의 “전세버스 안전관리 강화 및 기능활성화 방안” 연구에서는 전세버스의 대형교통사고의 증가로 인한 문제와 전세버스 공급과잉 문제를 제기하였다. 개선방안으로는 운전자 1일 최대운전시간과 운전연속시간 제한, 일 근로시간 제한방안, 운전자 안전교육 강화 등의 방안을 제시하였다. MoLIT(2013a)의 “전세버스 운송사업 규제합리화 방안” 연구에서는 높은 대형교통사고 비율, 불법 지입제, 전세버스 공급과 저임금 구조 등을 주요 문제점으로 지적하였고, 제도개선방안으로는 진입규제 개선, 지입제 개선, 경영여건 개선, 안전관리 개선을 제시하였다. MoLIT(2013b)의 “여객운송산업 동향분석 지표개발 및 육성지원 방안” 연구에서는 버스, 택시 등에 대해 동향분석을 위한 지표개발방안과 정보자료 관리방안, 산업 육성지원 방안에 관한 사항을 다루었다. 전세버스 운송산업 육성지원 방안으로는 수급조절정책 도입을 위한 진입등록기준 강화, 총량제 시행, 면허제 시행 등의 방안을 제시하였다. TS(2016)의 “업종별 사업용자동차 교통사고 예방대책 수립 연구용역(2차년도)”에서는 버스, 택시, 화물, 렌터카 등 업종별 교통사고 특성분석을 토대로 지역별 맞춤형 교통사고 예방대책을 수립하였다. DTG를 활용한 운전자 근무관리 등을 포함한 다양한 정책 및 제도 개선방안을 제시하였다. KOTI(2017)의 “사업용 자동차 운전자의 운전 및 휴게시간 개선방안” 연구에서는 운전자 운전시간, 휴게시간 및 교통사고의의 연관성 분석, 여객자동차 운행실태 분석, 운전자의 운전시간과 휴게시간에 관한 법제도 개선방안을 다루었다. Park(2019)은 시내버스 업체를 대상으로 인적요인으로서의 운전자 근로여건이 버스 교통사고에 미치는 영향에 관해 연구하였다. 음이항 회귀분석을 통해 교통사고예측모형(안전성능함수)을 개발하였으며, 종속변수는 버스 교통사고건수를 고려하였다. 최종모형의 독립변수는 보유대수와 대당 운전자수, 월급여를 선정하였다. 이를 기반으로 버스회사 안전등급을 평가하고, 준공영제와 민영제에 따른 안전등급을 평가하였다. Im(2018)은 디지털운행기록시스템과 운전적성정밀검사 자료를 이용하여 고속버스 운수종사자의 개인적 특성요인과 위험운전행동 및 교통사고 경향성간에 미치는 인과관계를 구조방정식으로 분석하였다. 운수종사자의 개인적 특성요인(근로강도, 운전능력, 운전심리)은 위험운전행동(과속, 급가속, 급감속 등)에 영향을 미치는 것으로 분석되었고, 위험운전행동은 교통사고 경향성에 영향을 미치는 것으로 분석되었다. Jung(2017)은 사업용자동차의 교통안전 문제를 인식하고 운수교통안전진단을 받은 업체를 대상으로 시내 ‧ 시외버스, 전세버스, 택시, 화물 등 4개 업종별로 회귀모형식을 이용한 교통안전관리 모형을 개발하였다. 모형에 적용된 종속변수는 교통안전도평가지수를 선정하였고, 독립변수는 회사 일반(자동차보유대수 등), 재무분석(부채비율 등), 진단결과(안전관리지표 등) 등 총 20개를 고려하였다. 교통안전관리 모형은 자동차보유대수, 매출액증가율, 운전자평균연령, 매출액순이익률을 독립변수로 하는 회귀모형식을 개발하였다. Rim(2016)은 운행기록장치가 장착된 업체(법인택시, 시내버스)를 대상으로 구조방정식을 이용하여 운수종사자 특성(평균연령 등)과 운수업체 특성(입사자/퇴사자 비율 등), 운행습관(진로변경건수 등), 교통사고(사망자수 등)간의 인과관계를 연구하였다. Kim(2015)은 시내버스 운전자(사고발생 106명 등)의 운행기록 정보를 토대로 사고 잠재력이 높은 운전자를 사전에 판단할 수 있는 모형(사고발생 운전자 분류모형)을 판별분석과 로지스틱회귀분석을 통해 개발하였다. Jo(2013)는 화물자동차 대상으로 사회인구학적 특성, 직업적 특성, 건강행동 특성, 자각피로도, 사고경험 등 5개 영역에 대해 설문조사를 실시하고 ANOVA 분석을 실시하였다. 월수입이 높을수록, 차종규모가 클수록, 흡연과 음주빈도가 높을수록, 아침식사 빈도가 낮을수록 운전자 자각피로도 차이가 높은 것으로 나타났다. 월지출이 높을수록 운전자 자각 피로도가 높게 나타났으며, 자각피로도가 높을수록 교통사고 경험수준도 높아지는 것으로 나타났다. Lee(2013)는 전세버스 지입제 규제와 운영상의 문제를 기술하고, 지입제의 법적 문제를 운수사업자의 명의대여 책임, 사용자의 배상책임, 운수회사 책임 등 다양한 관점에서 검토하였다. Lim(2011)은 사업용자동차의 서비스 경쟁력에 관한 연구로 버스의 서비스 품질, 위험운전행동, 고객만족도, 직무만족도 등에 대한 조사를 통해 상관관계를 분석하였다. 위험운전과 고객만족간의 상관관계 분석 결과는 법규위반이 승객의 위험운전과 상관관계를 나타내었고, 고객만족도가 높은 것으로 인식하는 운전기사가 직무만족도가 높다는 결과를 도출하였다. Lim(2008)은 화물운수기업 등 대규모 자동차 보유기업을 대상으로 교통안전 통계관리 부족과 전문성 부족으로 인한 교통안전관리 접근성 미확보, 교통안전관리에 관한 기업요인 미고려, 의사결정의 문제 등의 교통안전관리 현상을 개선하고, 이를 통해 기업의 교통사고를 감소시키기 위한 합리적인 교통안전관리시스템 구축방안을 제시하였다. 기업의 자동차 운영과 관련된 운전자, 자동차, 업무, 기업문화 등 다양한 영향인자들을 효율적으로 관리, 운영할 수 있는 실용적이면서 표준화된 교통안전관리시스템과 함께 교통사고분석시스템, 조직관리시스템, 제도관리시스템, 투자효율분석시스템 등 세부적인 시스템 설계, 구축방안을 제시하였다. Seo(2016)는 기업의 안전보건활동이 재해손실비용에 미치는 영향에 관한 연구에서 안전투자비와 재해처리비와의 관계를 분석하였다. 안전투자비는 교육훈련비, 안전보건 컨설팅비용, 안전보건 검사비용 및 안전보건 관련 유지보수비 등 4개 항목을, 재해추산비용은 연간 평균재해처리비용과 상시근로자를 곱하여 산정한 후 기업매출에서 차지하는 비율을 산정하였다. 산업재해에서 안전투자의 필요성을 제기하였다. O(2016)는 건설업을 중심으로 기업의 정성적 ‧ 정량적 안전경영활동이 조직성광에 미치는 영향을 분석하였다. 연구결과, 정성적 안전경영활동 요인인 경영자의 안전의식, 안전활동, 안전문화가 직무만족과 조직몰입에 정(+)적인 영향을 미쳤으며, 정량적 안전경영활동 요인인 안전교육, 안전훈련, 안전규정이 직무만족과 조직몰임에 정(+)적인 영향을 미치는 것으로 분석하였다. Cho(2015)는 중소 제조기업의 종사자를 대상으로 종사자의 안전의식에 영향을 미치는 요인을 조직의 안전과 관련한 시스템 요인, 시스템-인적 연계요인, 인적요인으로 분류하고 안전성과에 미치는 영향에 대해 검증하고 효과적인 안전관리시스템 구축 방법론을 제시하였다. 종사자와 경영자 및 현장관리자간이 원활한 의사소통, 안전에 대한 투자, 훈련 및 교육 등의 자원지원 요인이 안전 참여에 긍정적 영향을 미친다는 것을 증명하였다.
4. 선행연구와의 차별성 및 시사점
선행연구로 시스템 다이내믹스 방법론과 운수업체 교통안전관리에 관한 이론 및 연구사례를 검토한 결과, 산업재해와 건설안전 분야 등 각종 사고로 인한 안전문제를 중요시하는 여러 분야에서 시스템적 접근방법, 시스템 사고의 중요성과 필요성을 제기하고 있었다. 조직에서의 사고원인규명과 관련하여 인적요인을 고려한 시스템적 접근방법이 보편화되고 있으며, 이에 대한 연구가 확대되고 있었다.
국내 연구사례에서 알 수 있듯이, 운수업체의 교통안전에 대한 논의가 여전히 미흡한 실정이고, 교통사고로 인한 많은 문제점을 내포하고 있음에도 불구하고, 이에 대한 명확한 해법이나 분석방법이 제시되지 못하고 있다. 이는 운수업체에서의 교통안전과 관련된 특성이 일반적으로 검토되고 있는 교통사고 유발요인에서 여전히 도로환경요인에 치중하고 있기 때문으로 판단된다. 하지만, 항공 ‧ 철도 분야처럼 대량 수송체계 기능을 담당하는 운수업체는 도로환경요인 외에도 인적-조직요인에 대한 고려가 필요하다.
본 연구에서는 운수업체, 전세버스와 관련된 주요 연구사례를 검토하였으며, 그 결과 연구의 방법론, 변수의 적용성 측면에서 차별성을 확보하였다.
첫째, 분석 방법론 측면에서 운수산업의 구조를 파악하고 교통안전에 미치는 요인을 종합적으로 반영하고자 시스템 다이내믹스(System Dynamics) 방법론을 교통안전분야에 처음 적용하였다. 복잡한 사회현상에 대한 데이터 기반의 분석방법으로서 시스템 다이내믹스 분석 방법론은 해외 교통 분야에서 주로 미시적인 연구에서 적용되었고, 단순한 인과지도를 작성하는 연구가 주를 이루었다. 또한 기존의 예측 모델식 개발 위주가 아닌 활용성과 발전성이 우수한 모델개발을 통해 미래를 예측하고 이에 대한 대응책을 마련하는데 주안점을 두고 교통사고위험을 감소시킬 수 있는 방법론을 제시하였다.
둘째, 변수의 적용성 측면에서 변수의 양적 측면은 물론 질적 측면까지 함께 고려였다. 기업의 안전경영에 영향을 미칠 수 있는 경제, 고용 관련 외생변수, 기업 관련 변수, 정책 관련 변수를 함께 고려하였고, 사고빈도(frequency)와 심각도(Severity)를 함께 고려한 교통사고위험지수를 목적변수로 설정하였다. 운수업체 중 전세버스의 산업적 측면(운행체계, 지입제 등)은 다른 운수업체(시내버스 등)와 차별적인 요소가 있음에도 이에 대한 연구는 매우 제한적으로 수행되었다. 본 연구의 분석 방법론인 시스템 다이내믹스 분석방법은 통계분석 방법의 하나로 주로 널리 알려진 구조방정식(Structural Equation Method)과 유사한 형태를 지니고 있다. 시스템 다이내믹스와 구조방정식을 비교한 사례는 전무한 실정으로 세부적으로 비교할 수는 없으나, 목적변수에 영향을 미치는 여러 변수들간의 구조적인 관계에 대한 분석을 통해 모델링하는 방법론으로서는 매우 유사한 특성을 나타내고 있다. 하지만, 구조방정식은 통계적 분석에 기초한 방법론으로 수치화되지 않은 자료에 대해서는 분석에서 포함하지 못함에 따라 목적변수에 영향을 미치는 일부 요인들만을 중심으로 분석을 수행하는 경우가 많다. 이는 모델 개발을 위해 필요한 자료의 확보 여부, 또는 변수 통제수준에 따라 모델구조가 변한다는 것을 의미한다. 구조방정식은 변수들간의 피드백(Feedback)을 고려하지 못하는 특성과 시간 변화에 대한 고려가 미흡하다는 점에서 단선적이고, 일방향적이며, 정태적인 모델의 구조라는 점에서도 시스템 다이내믹스와 큰 차이가 있다. 시스템 다이내믹스 분석 방법론은 변수 적용의 유연성, 변수 통제 가능성이 우수하며, 연/분기/월 시간 단위로 분석을 수행함으로써 동태적인 분석이 용이하다는 점에서 구조방정식과 차별성이 있다. 선행연구에서 변수간의 인과관계와 시간을 고려하지 않은 것과는 달리, 본 연구에서는 변수들간의 인과관계, 변수들간의 피드백(Feedback) 및 시간변화를 고려한 동태적(Dynamics) 모델을 개발했다는 차별성이 있다.
또한, 본 연구는 기준년도(2017년)을 중심으로 과거 10년간의 데이터를 활용, 분석하여 거시적이고 구조적 측면에서 여러 요인들간의 시간흐름에 따른 변화를 파악하는데 주안점을 두고 미래 10년(목표년도 2028년)의 전세버스 교통사고위험을 예측했다는 측면에서 기존 연구와 차별성이 있다. 교통계획 분야에서는 주로 중장기예측에서 10년 이상의 목표연도를 설정하고 있으나, 교통안전 분야에서는 예측의 어려움 등의 여러 측면에서 중장기 예측이 수행되지 않았다. 본 연구에서는 시스템 다이내믹스의 중장기 예측방법론을 활용해 전세버스의 중장기 교통사고위험을 예측하는데 주안점을 두었다.
전세버스 운수업체 교통사고위험예측 모델 개발
1. 자료 수집 및 변수 선정
모델 개발을 위해 전세버스와 관련된 자료들을 수집하였다. 한국교통안전공단에서 구축해 놓은 전세버스 자료 및 국토교통부와 통계청 자료 및 각종 논문 자료를 자료로 활용하였다. 수집된 자료에 대해 목적변수(Objective Variables), 외생변수(Exogenous Variables), 내생변수(Endogenous Variables), 정책변수(Decision Variables) 등 4개로 구분하였다.
목적(종속)변수는 교통사고 빈도와 교통사고 심각도를 함께 고려하고 가중치를 적용한 교통사고위험지수를 선정하였다. 외생(환경)변수는 모델의 외부에서 값이 결정되는 변수, 내생변수는 모델의 내부에서 그 값이 결정되는 변수, 정책변수는 내생변수이나 본 모델의 정책대안 분석을 위해 사용된 변수로 각각 세분화하였다. 정책변수는 내생변수의 하나로 의사결정자(정부 정책결정자 또는 기업)가 결정해야 하는 변수로 교통안전투자액 등 5개 변수로 구성하였다. 외생(환경)변수는 외생변수로서 의사결정자가 제어 가능하나, 환경에 따라 달라지는 변수로 12개로 구성하였다. 내생변수는 분석 경계 설정 범위 내 목적(종속)변수에 영향을 미치는 변수로 13개로 구성하였다.
모델에 적용된 변수들에 대한 자료수집 방법 및 내용에 대한 세부적인 설명은 다음과 같다. 각 변수들은 모델개발을 위한 인과지도에 사용된 변수들에 해당된다.
GDP(국내총생산)는 국가경제지표로 교통안전에 영향을 미치는 요인으로 고려하였으며, 통계청 자료(KOSTAT, 2008-2017)를 활용하였다. 고령자수(Elderly People)는 운수업체에서 고령운전자에 영향을 미치는 요인으로 65세 이상 인구(KOSTAT, 2008-2028)의 변화추이(통계청의 장래 추계인구 결과 포함)를 고려하였다. 고용자수(Employee)는 기업 통근 수송인원에 영향을 미치는 기업 관련 요인으로 고용 증가에 따른 전세버스 이용수요와 관련되어 외생변수로 반영하였다. 통계청의 5인 이상 기업 고용자수 자료를 활용(KOSTAT, 2008-2017)하였다. 도로안전도(Road Safety Index)는 도로환경요인으로 교통사고에 영향을 미치는 외생변수로 고려하였으며, 교통사고와의 연관성 측면에서 대체변수를 적용하였다. 국내 교통사고 사망자수(KOROAD, 2008-2018) 변화의 역수를 적용하였고, 2008년 기준 값으로 보정하였다. 버스차량가격(Bus Vehicle Price)은 2012년 자동차 제조회사인 A사의 전세버스(45인승, 디젤) 가격과 차량가격 증가율(약 5.0%)을 반영하여 연도 보정한 값을 적용하였다. 모델개발 과정에서는 버스 차량 가격 증가요인으로 생산자 물가지수(Product Price Index)를 고려(KOSTAT, 2008-2017)하였다. 운전자 운전시간(Driver Driving Hour)은 운전자 피로도와 관련된 요인으로 2016년 전세버스 운전자의 일평균 운전시간인 6.92시간(KOTI, 2018)의 약 10%(개별운전자 응답결과 반영)를 추가 반영한 7.6시간을 기준으로 연평균감소율 1.4%(개별운전자 응답결과 분석치 반영)를 적용하였다.
운전자 휴게시간(Driver Break Hour)은 평균 휴게시간 개념으로 개별운전자의 2012년과 2016년 응답분포를 고려해 연평균증가율 1.4%(개별운전자 응답결과 분석치 반영)를 적용하였다. 근로자 부채(Worker Debt)는 운전자 임금(실질)에 영향을 미치는 요인으로 운수산업에서의 지입 관련 사항과 연관된 점을 고려하였으나, 전세버스 운전자의 부채 자료가 없어 통계청에서 2017년부터 제공하고 있는 임금근로자의 산업분류별 개인대출 자료의 중위대출 자료를 활용(KOSTAT, 2016-2017)하였다. 외국인 관광객 수(International Tourists)는 해외에서 국내로 방문한 연간 외국인으로 관광객 수 증가에 따른 전세버스 수요 증가와 관련된 요인으로 고려(KTO, 2008-2017)하였다. 고령운전자(Elderly Driver Share)는 사업용 자동차의 고령운전자(65세 이상) 증가 및 고령운전자로 인한 교통사고 증가 등으로 인해 중요변수로 고려하였다. 제8차 국가교통안전기본계획의 사업용 자동차 고령운전자 비율을 활용(MoLIT, 2016)하였다.
기업 안전경영 수준(Safety Business Level)은 기업에서 추구하는 교통안전에 대한 목표 또는 전략 제시에 대한 수준을 의미하는 것으로, 기업 차원의 교통안전성 확보 노력과 연관되어 변수로 고려하였다. 자료는 (재)한국청년기업가정신재단의 기업가정신실태조사(기업편) 결과를 활용하였으며, 100인 미만 기업(3개 그룹)의 평균점수를 활용(KOSTAT, 2017-2018)하였다.
통근 및 일반 수송인원(Commuting Ridership, General Bus Ridership)은 전세버스가 통근 ‧ 통학 수송용과 관광 등 일반 버스 수송용으로 구분되며 이러한 수송인원 증가를 전세버스 기업의 수요 증가요인으로 고려하였다. 자료는 한국교통연구원의 전세버스 수급조절 시행 성과분석 연구용역의 결과를 활용(KOTI, 2018)하였다. 차량 보조금(Vehicle Subsidy)은 정부 차원의 사업용 자동차에 대한 다양한 형태의 보조금으로 유가보조금, 차량 첨단장치(차로이탈경고장치 등) 보조금 등이 있으나, 분석자료는 사업용 자동차(일반버스 및 CNG버스)의 유가보조금 자료(국토교통부 내부자료)를 활용하였으며, 통계청(KOSTAT, 2016-2018)의 경유가격 소비자물가지수(상승률)을 고려하여 보정하였다. 기업체수(Enterprise)는 전국전세버스운송사업조합연합회에서 제공하는 전세버스 여객운수사업체수(KCBA, 2008-2017a)로 전세버스 자동차면허대수에 영향을 미치는 요인으로 반영하였다.
첨단차량대수(Smart Car)는 자동차의 첨단화에 따른 교통사고 감소 영향을 고려하기 위한 변수로 연간 사업용 자동차(승합)의 친환경자동차 등록대수 자료(MoLIT, 2008-2017)를 활용하였다. 다만, 사업용 자동차 중 전세버스 점유율인 32.8%(2017년 기준)을 적용하여 보정하였다. 교통안전투자액(Traffic Safety Investment)은 기업이 교통안전 부문에 투자하는 금액으로, 전세버스 업체의 안전투자 규모를 반영하기 위한 목적으로 자료로 구축하였다. 전세버스 업체의 교통안전투자 규모는 현재 매우 미흡하고, 자료가 구축되어 있지 않은 상황으로 본 연구에서는 업체당 영업이익(KCBA, 2008-2017b)의 약 1%를 투자하는 것으로 평균비용을 적용하였다.
운송수익(Operating Profit)은 전세버스 운영에 따른 수익으로 교통안전투자에 미치는 요인으로 고려하였다. 자료는 전세버스 업체의 영업이익 총액(KCBA, 2008-2017b)을 적용하였다. 지입제(지입차량 비율, Freelancer Owner Driver System)는 여객운송 사업을 하는 운송사업주와 실질적으로 자동차를 소유하고 있는 지입차주 사이의 계약에 따라 지입차주의 차량을 운송사업주 명의로 등록하여 운영하는 형태이다. 전세버스 업체의 실질적 지입제 실태 또는 지입차량 비율을 파악하는 것은 경찰 수사 등의 조치 없이는 현실적으로 어려운 상황이다. 이에 본 연구에서는 “전세버스 운송사업 규제합리화 방안”에서 제시한 표본조사에 의한 지입차량 운행업체 비율 추정치(MoLIT, 2013a)와 언론보도 자료(Gyotong New, 2019)에서 제시한 지입차량 비율 자료 등을 토대로 지입차량 비율(지입차량 운행업체 비율)을 적용하였다.
운송원가(Carriage Cost)는 전세버스 운영에 소요되는 재료비, 노무비, 경비 등을 포함하는 비용으로 운송원가의 증가는 근로자 임금 등에 영향을 미치는 요인으로 고려하였다. 자료는 인천시의 전세버스 운송원가 산정 자료를 활용(ICBA, 2013)하였다. 근로자 임금(Worker Salary)은 운전자의 안전의식 수준과 위험행동에 미치는 요인으로 고려하였다. 국가 성장에 따른 소득수준의 개선은 국민 의식수준에 영향을 미치는 것으로 판단하여 전세버스 근로자임금 자료(KCBA, 2008-2017d)를 활용하였다.
운전자 피로도(Driver Fatigue)는 운전자의 운전부하(운전시간, 휴게시간 등) 뿐만 아니라 운전자의 특성(신체조건, 운전경력, 학력 등)과 연관되어 복합적으로 발생한다. 전세버스 업체의 운전자 피로도에 대한 자료는 확보되지 않아, 대체변수로 화물자동차 운전자 피로도 설문조사 결과(Jo, 2013)를 활용하였다. 사업용 자동차(화물자동차) 관련 연구로부터 취득된 월수입 300만원 미만의 운전자 자각피로도 평점(5점)을 100점으로 환산한 값(2012년도 값)을 적용하였으며, 운전자 소득수준 증가율(1.67%)의 역값(반비례)을 적용하여 산출하였다. 자동차면허대수(Registered Car) 및 수송거리(Transport Distance)는 교통사고에 영향을 미치는 중요한 내생변수로 고려하였다. 자동차면허대수의 증가는 수송거리 증가로 이어지며, 수송거리의 증가는 교통사고 증가요인으로 영향을 미치고 있어 이를 고려하였다. 전국전세버스운송사업조합연합회의 자동차면허대수와 수송거리 자료(KCBA, 2008-2017c)를 활용하였다. 차량기술수준(Veh Tech Level)은 자동차의 기술발달에 따라 교통안전에 미치는 영향을 파악하고자 내생변수로 고려하였다. 자료는 과학기술기본법에 따른 한국과학기술기획평가원의 과학기술 분야 기술평가 결과(2년 단위)를 활용한 것으로, 중점과학기술 중 스마트 자동차 기술에 대한 선진국 대비 기술수준 자료(KISTEP, 2008-2017)를 적용하였다.
교통사고 사회적비용(Accident Social Cost)은 교통사고 발생으로 인해 사회적으로 발생하는 비용으로 인적, 물적, 행정, 정신적 피해 비용을 모두 포함한 비용이다. 전세버스에 대한 교통사고 사회적 비용은 도로교통공단에서 매년 공식적으로 제공하는 총 비용(KOROAD, 2008-2017)을 사고1건당 단위비용으로 환산한 후 전세버스 사고건수에 곱하여 산출하였다. 다만, 2012년부터 교통사고 통합DB(경찰, 보험사, 공제조합 자료 통합)에 따라 사고비용을 산출함에 따라 본 연구에서는 2011년 이전에는 경찰DB 사고자료에 따른 단위비용을 적용하였고, 2012년 이후에는 경찰DB에 따른 단위비용과 통합DB에 따른 단위비용의 평균 값을 적용하였다. 교통법규위반(Traffic Law Violation)은 전세버스 업체별 운전자 법규위반 총 실적 값(TS, 2016-2018c)을 적용하였다. 운전자 안전교육(Driver Safety Education)은 교통사고를 유발한 운전자에 대한 체험교육 또는 특별적성정밀검사 내용으로, 전세버스 업체 총 인원 자료(TS, 2016-2018b)를 활용하였다.
운전자 안전의식(Safety Culture Index)은 운전자의 교통안전에 대한 의식수준을 나타낸 것으로 대체변수로써 교통문화지수를 활용(TS, 2012-2018)하였다. 교통문화지수는 교통안전법에 근거하여 한국교통안전공단에서 매년 지자체 단위로 수행되고 있다. 위험행동(Dangerous Driving)은 운전자의 위험운전행동을 나타낸 것으로 디지털운행기록장치를 통해 수집된 과속, 장기과속, 급가속, 급출발, 급감속, 급정지, 급좌회전, 급우회전, 급유턴, 급앞지르기, 급진로변경 등 총 11개의 행동유형 자료(TS, 2016-2018a)를 활용하였다. 본 연구에서는 전세버스 업체의 평균 100km당 위험운전행동 값을 적용하였다.
교통사고위험지수(Risk Level Index)는 교통사고 위험지수는 본 연구의 목적변수로 본 연구에서 전세버스의 교통사고 위험수준을 구현하기 위해 산출한 값이다. 교통사고 유형을 사망 ‧ 중상 ‧ 경상 사고로 구분하고, 각각의 교통사고건수와 사상자수에 대해 가중치와 전세버스차량 등록(면허)대수를 반영하여 산출하였다. 단순 물피사고는 포함하지 않았으며, 현재 한국교통안전공단에서 활용하고 있는 교통안전도평가지수 형식을 준용(이 지수의 가중치를 동일하게 적용)하였다. 많은 교통안전 관련 연구에서는 목적변수로 교통사고건수를 고려하고 있으나, 본 연구에서는 교통사고의 빈도(frequency)와 심각도(Severity)를 함께 고려한 목적변수를 선정하였다. 본 연구의 목적변수 선정을 위해 3가지 대안으로 검토하였다. 대안 1은 전세버스 업종전체 사고 자료를 기준으로 물피 교통사고를 반영한 방법으로 물피사고에 대한 가중치는 0.1을 적용하였다. 대안 2는 물피 교통사고를 고려하지 않은 방법으로 현재 한국교통안전공단에서 개별업체를 대상으로 산출하고 있는 교통안전도평가지수를 전세버스 업종전체 사고 자료를 기준으로 산정한 방법이다. 대안 3은 개별업체에 대한 교통안전도평가지수의 총 합계를 평균한 값으로 1만대당 자동차면허대수로 환산하고자 현행 교통안전도평가지수에 1,000을 추가로 곱하여 산출한 것으로 본 연구에서의 활용을 위해 교통사고위험지수로 명칭을 변경하였다. 한국교통안전공단에서는 교통안전법에 따라 사업용 자동차에 대한 교통안전관리를 위해 교통안전도평가지수(KLIC, 2018)를 개발하여 여객자동차운송사업자 시내 ‧ 시외 등 20대 이상 보유 회사의 교통안전수준을 평가, 관리하고 있다. 이 지수에서는 교통사고건수에 대한 가중치는 0.4 교통사고사상자수에 대한 가중치는 0.6 그리고 사망자수에 대한 가중치 1.0, 중상자에 대한 가중치 0.7, 경상자에 대한 가중치 0.3을 적용하고 있다. 본 연구에서는 교통안전도평가지수의 가중치를 전세버스에 대해서도 동일하게 적용하였다.
• 교통사고위험지수 = [(사고건수×0.4)+(사상자수×0.6)] / 자동차등록(면허)대수×10,000
• 교통안전도평가지수 = [(사고건수×0.4)+(사상자수×0.6)] / 자동차등록(면허)대수×10
* 가중치(사고건수, 사상자수 적용) : 사망자 1.0, 중상자 0.7, 경상자 0.3 (물피사고 미반영)
본 연구에서는 변수간의 어떠한 관계를 형성하고 있는지 통계분석 프로그램인 SPSS(version 21)을 사용하여 상관분석을 실시하였다. 본 연구에서는 이변량 상관계수 분석을 실시하였다. 상관분석 결과, 상당수의 변수간 상관성은 양 또는 음의 높은 상관관계를 나타내었으며, 이는 선정된 변수들이 전세버스 운수산업과 관련된 중요요인으로 대부분 방향성을 갖고 있기 때문인 것으로 해석된다.
본 연구의 목적변수인 교통사고위험지수(31번)는 도로안전도(4번, 0.953), 고용자수(3번, 0.949), 운전자피로도(22번, 0.939), 운송원가(20번, 0.933), 차량보조금(14번, 0.932), 기업안전경영수준(11번, 0.931) 등의 변수와 유의수준 5% 수준에서 통계적으로 유의한 것으로 나타났다. 교통안전투자액(17번)과 교통사고사회적비용(26번)은 국내총생산(GDP)와 가장 높은 상관관계로 각 0.895, 0.988을 나타냈다. 자동차면허대수(23번)는 기업체수(15번)와 가장 높은 상관관계(0.979)를 나타냈으며, 수송거리(24번)는 통근통학 수송인원(12번)과 가장 높은 상관관계(0.977)를 나타냈고, 자동차기술수준(25번)은 첨단차량대수(16번)와 가장 높은 상관관계(0.970)을 나타냈다. 위험행동(30번)은 유의수준 5% 수준에서 상관관계가 높은 변수로 운전자 운전시간과 휴게시간(7번), 운전자 피로도(22번) 등으로 나타났다.
Table 1.
Categories and type of variable
2. 문제정의
문제정의 단계에서는 인과지도(CLD) 작성에 앞서 시스템에서 발생하고 있는 다양한 문제들을 검토하였다. 사실적 사고에 기초한 인과관계 및 상관관계를 구조화하기 위해 전세버스의 교통안전 문제는 도로 교통사고에서의 인적요인, 차량요인, 도로환경요인 등 일반적인 교통사고 유발요인 외에도 조직요인과 정책요인이 함께 고려되어야 한다. 전세버스 안전문제에 대해 다음 2가지 사항을 중점적으로 고려하였다.
• 문제1 : 교통사고는 인적요인 외에도 조직요인, 정책요인 영향을 받고 있으나 고려되지 못하고 있다.(기업의 안전경영수준, 운송수익, 근로자 임금, 자동차면허대수, 전세버스 수급조절정책 등)
• 문제2 : 전세버스 교통사고와 관련된 다양한 사회현상에 대한 특성 및 특징이 반영되지 못하고 있다.(고령운전자 증가, 사업용자동차 평균 대비 긴 주행거리 및 많은 수송인원, 지입제 특성 등)
이러한 문제를 중심으로 전세버스 운수업체에 대해 문제를 구조화하는 인과지도를 작성하였다.
3. 인과지도(Causal Loop Diagram, CLD) 구축
인과지도(CLD)는 시스템 다이내믹스 방법론에 따른 모델을 작성하기 전에 문제를 이해하기 쉽게 구조화하기 위한 것이다. 본 연구에서는 변수간 인과관계, 상관성을 고려해 인과지도를 반복적으로 수정하고 보완하는 과정을 거쳤으며, 각 변수간의 양(+) 또는 음(-) 관계를 문헌고찰 등을 통해 제시하였다. 인과지도 작성을 위해 전세버스 교통사고위험에 영향을 미치는 요인을 인적요인(Human Factor), 조직요인(Organization Factor), 정책요인(Policy Factor), 차량요인(Vehicle Factor) 등으로 구분하였다. 이 요인들을 토대로 요인별 변수들간의 인과관계, 상관관계를 구조화하였다. 인과지도는 외생변수를 포함한 전체 시스템을 나타낸 것이며, 피드백루프는 외생변수를 제외하고 상호 관계를 맺고 있는 구조도에 해당된다. 피드백루프는 양(+)의 피드백루프인 강화루프(Reinforcing Loop, RL)와 음(-)의 피드백루프인 균형루프(Balancing Loop, BL)로 구성된다.
본 연구에서의 인과관계에 따른 변수간의 관계는 양(+)과 음(-)의 관계로 다양하게 구성되어 있으나, 피드백루프는 음(-)의 피드백루프인 균형루프(BL)를 형성하고 있었다. 이렇게 시스템이 균형루프(BL)만으로 형성되어 있다는 것은 시스템이 일정한 상태로 수렴하는 안정적인 상태라는 것을 의미한다. 본 연구의 목적변수인 교통사고위험지수는 외생변수를 제외하고 18개 내생변수(저량변수 12개, 유량변수 6개)로 구성된 총 36개의 피드백루프를 형성하고 있다. 본 연구의 피드백루프는 다음과 같다(BL1 내용 외 자료는 Figure 1의 인과지도 참조).
• BL1[사고운전자 안전교육→운전자 안전의식→법규위반→교통사고위험(지수)] : (BL1 피드백루프 해설) 사고운전자에 대한 안전교육이 증가하면 운전자 안전의식이 개선되고, 안전의식이 개선되면 법규위반이 감소하며, 법규위반이 감소하면 교통사고위험(지수)이 감소함
피드백루프는 인적요인, 조직요인, 정책요인, 차량요인간 상호작용으로 구조화된 것으로 전세버스 교통사고위험에 영향을 미치는 요인들을 직접적 또는 간접적인 관계로 표현한 모델의 세부 구조에 해당된다. 하나의 피드백루프는 다른 피드백루프와도 연결되어 상호 영향을 미치게 된다. 피드백루프를 완벽하게 구축, 형성하는 것은 현실 세계와 동일하게 모델링했다는 것을 의미한다. 하지만, 모델링 단계에서 현실 세계와 동일하게 구축하는 것은 매우 복잡한 작업이며, 오랜 시간을 필요로 한다. 본 연구는 전세버스 교통사고위험에 영향을 미치는 요인들에 대해 선행연구 등의 자료를 통해 인과지도를 작성함으로써 인과관계의 피드백루프를 형성하였다. 이를 기반으로 전세버스 교통사고위험 예측모델을 개발하였다.
4. 모델 구축을 위한 기본 설정
모델 개발을 위한 분석기간은 2008-2028년으로 설정하였으며, 자료가 확보된 2008-2017년 과거 10년간의 자료를 바탕으로 장래 10년을 예측하였다. 예측기간은 운수업체의 교통사고위험수준이 중장기 관점에서 어떻게 변화하는지 파악하고자 10년으로 설정하였다. 시뮬레이션 시작시점인 초기시간(initial time)은 2008년(Time=0)으로 설정하였고, 시뮬레이션 종료시점인 종료시간(final time)은 2028년(time=240)으로 설정하였다. Vensim 프로그램에서 분석의 시간단위(time step, 타임스텝)는 0.25로 설정하였다. 타임스텝은 저량변수를 계산하는 과정에서 적분하는데 기준이 되는 시간 단위이다. 따라서 저량변수의 값은 타임스텝에 따라 변하게 되므로, 모델이 완성되었을 때 타임스텝의 값에 따른 변화를 고려해 최종적으로 판단해야 한다. 타임스텝 값은 1-0.0625 범위에서 민감도 분석을 통해 결정하였으며, 모델 검증 단계에서도 타임스텝에 따른 민감도 분석을 수행하였다.
Table 2.
Setting for analysis program (Vensim DSS. 7.3.4)
Table 3.
Modeling pattern (structure and equation)
5. 저량-유량 모델(Stock-Flow Diagram, SFD) 개발
전세버스를 중심으로 한 운수업체의 교통사고위험 예측모델을 구축하고자 개별 서브 모델을 기반으로 전체 저량-유량도(SFD)를 작성하였다. 저량-유량도(SFD)는 정성적 분석에 해당되는 인과지도(CLD)를 바탕으로 각각의 변수들간의 관계식에 기초한 서브 모델을 연결한 통합 모델이다. 여기서 저량(Stock)은 축적되는 양으로 유입과 유출에 의해 변화한다. 유량(Flow)은 흘러다니는 양으로 저량의 값을 변화시킨다. 저량변수는 시간을 갖는 변수, 즉 유량변수에 의해 증감하는 변수를 의미한다. 저량변수와 유량변수 외에도 보조변수, 시간변수, 상수 등을 이용해서 모델을 구축하는 과정을 거치게 된다. 모델은 시스템 규모가 클 경우 서브모델로 세분화한 후 통합하는 과정을 거친다. 통합 모델을 구축하기 위해 본 연구의 목적변수인 교통사고위험지수를 중심으로 각 변수간의 관계를 지수함수 모델에 기초한 구조화 과정을 거쳤다.
교통사고위험지수(Risk Level Index) 모델은 운수업체 교통사고위험에 직접적으로 영향을 미치는 7개 변수로 구성되어 있으며, 7개 변수는 4개 요인(인적요인, 정책요인, 차량요인, 도로환경요인)으로 구분된다. 위험행동(dangerous driving)과 법규위반(traffic law violation) 변수는 인적요인으로, 첨단차량대수(smart car)와 교통안전투자(traffic safety investment) 변수는 정책요인으로, 수송거리(transport distance)와 차량기술수준(veh tech level) 변수는 차량요인으로, 도로안전도(road safety index) 변수는 도로환경요인으로 설정하여 분석하였다.
본 연구의 목적변수인 교통사고위험지수는 2008년 179.34(인덱스)에서 2028년 85.49(인덱스)로 감소하여 연평균증가율 3.6% 수준으로 감소하는 것으로 예측되었다. 이러한 예측치는 각 모델에 적용된 변수(내생변수)들의 예측치가 반영된 것으로, 같은 기간(2008-2028), 통근통학 승차인원은 연평균 2.9% 증가, 일반(관광) 수송인원은 연평균 4.1% 증가, 자동차면허대수는 연평균 1.9% 증가, 교통법규위반 연평균 -8.7% 감소, 운전자안전교육 연평균 -6.1% 감소, 위험행동 연평균 -6.9% 감소하였다.
저량-유량 모델을 통해 교통사고위험지수에 대한 영향강도(종속변수에 미치는 영향정도로 p-value 값 고려)를 분석한 결과, 교통사고위험지수에 영향을 미치는 요인 중 가장 큰 영향은 미치는 변수는 위험행동으로, p-value 값이 0.525로 가장 높게 나타났다. 그 다음은 수송거리, 교통안전투자 변수가 p-value 값 각각 0.375, 0.275으로 높게 나타났다. 법규위반과 차량기술수준 및 도로안전도는 각 0.0275, 0.0475, 0.05 p-value 값이 낮아 교통사고위험지수에 큰 영향을 미치지 못하는 것으로 분석되었다.
Table 4.
Forecasting results of key variables (endogenous and objective variables)
본 연구를 통해 개발한 전세버스 교통사고위험예측 모델의 구조는 Figure 3과 같다. 본 모델을 통해 산출한 최적화 목적함수(payoff definition) 값은 -5.071987e+16으로 산출되었다. 시스템다이내믹스 분석방법은 비선형계획법에 의한 방법으로 모델이 정교하면 할수록 목적함수(payoff definition) 값은 0(zero) 값으로 수령하게 된다. 본 모델의 목적함수 값이 0(zero)에 현저하게 가깝게 산출되었다.
분석모델을 토대로 교통사고위험도 변화를 분석(±10% 변화시)한 결과, 운전자 피로도의 변화(10% 감소)에 따른 교통사고위험지수의 변화가 -5.54%로 가장 높게 나타났고, 교통안전투자액(-3.77%), 운전자 운전시간(-3.56%), 운전자 안전의식(-2.42%), 운전자 휴게시간(-2.36%) 순으로 나타났다. 내생변수로만 한정해서 살펴보면, 운전자 피로도와 교통안전투자액, 운전자 안전의식, 위험행동, 첨단차량대수 순으로 교통사고 감소에 미치는 영향이 높은 것으로 분석되었다.
Table 5.
Analysis result for independent variables’ effect on traffic accident risk index
6. 모델 검증
복잡계(complex world)에서의 시스템 사고에 기초로 전체적인 구조를 이해하려는 시스템 다이내믹스 방법론은 구조(structure)와 행태(behavior)를 초점을 두고 있어 이러한 구조와 행태를 이해하고 모델의 유용성을 판단하는 것을 검증이라고 여긴다. 즉, 모델 검증은 모델의 구조에 대한 검증과 행태에 대한 검증을 의미한다. 모델 구조에 대한 검증은 실제 현상, 시스템의 구조와 비교하는 것이며, 행태에 대한 검증은 실제 현상, 시스템이 어떻게 관측되는지 판단하는 것이다.
본 연구에서는 여러 변수들간의 인과관계 또는 상관관계를 미래 예측의 관점에서 모델 검증이 어떤 의미와 가치가 있는지 고려하였다. 위에서 언급한 검증방법들을 기초로 하되, 최근 시스템 다이내믹스 연구에서 주로 활용되고 있는 모델검증 방법을 적용하였다. 검증방법은 모델개발 과정에서의 오류 검증을 위한 단위점검(Unit Check), 시간간격 변화에 따른 민감도 분석(sensitivity analysis for time step change), 계수값에 대한 민감도 분석(sensitivity analysis for parameter), 모델의 적합성 판단을 위한 결정계수(RSQ) 검토 및 단일년도(2018년)에 대한 예측모델의 검증을 실시하였다.
첫 번째로 변수들간의 관계가 논리적으로 제대로 구성되어 있는지 변수의 단위를 확인하고 오류를 없애는 방법으로 단위점검(Uunit Check) 수행하였다. 각 서브 모델 구축 단계에서 지속적으로 저량변수, 유량변수 등 변수간의 관계를 고려해 단위를 점검하고, 일치되도록 설계하고 검증하였다.
두 번째 검증사항으로, 시간간격 즉 타임스텝(Time Step) 변화에 따른 민감도를 분석하였다. 타임스텝은 저량변수를 계산하는 과정에서 적분하는데 기준이 되는 시간단위이다. 타임스텝에 따라 저량변수 값이 변하게 되므로 타임스텝을 얼마로 할 것인지 결정해야 한다. 타임스텝은 시뮬레이션 결과 측면에서 작게 하는 것이 좋지만, 타임스텝을 작게 하면 시뮬레이션 시간이 길어지고, 결과 파일의 크기가 커지는 문제가 발생하게 된다. 이에 본 연구에서는 목적변수인 교통사고위험지수를 포함해 핵심변수 8개를 대상으로 타임스텝 변화에 따른 민감도(2028년 기준)를 판단하여 최종적으로는 타임스텝을 0.25로 적용하였다. 타임스텝 결정에 관한 정해진 기준은 없으나, 분석의 정확성과 편리성 차원에서 일반적으로 민감도 5% 이하의 값을 타임스텝 기준 값으로 적용한다. 모델의 결과값 변동성 검증 차원에서의 민감도 분석결과, 타임스텝 1인 경우와 0.5인 경우 민감도 5% 이상인 변수가 많아 배제하였고, 타임스텝 0.125 그리고 0.0625인 경우는 타임스텝 0.25인 경우와 큰 차이가 없어 최종적으로 타임스텝은 0.25로 적용하였다.
Table 6.
Sensitivity analysis for key variables by time step
세 번째로 검증수단으로 계수값(p-values)에 대한 민감도 분석은 각 서브모델에서 산출된 계수값의 장래 변화 정도를 분석하였다. 본 연구에서의 민감도 분석은 총 88개 장래 파라미터(parameter) 대해 실시하였으며, 88개의 e-values의 ±10% 범위에서 변화하는 정도를 분석하였다. 핵심변수는 교통안전투자, 첨단차량대수, 지입제(비율), 자동차면허대수, 차량기술수준, 기업안전경영수준 등 6개로 선정하였다. 대부분의 핵심변수에 대한 계수값 민감도는 5% 미만으로 핵심변수에 대한 장래 계수값 변화에 따른 영향은 미미한 것으로 분석되었다.
민감도 분석은 개별 e-values ±10% 변화에 따른 각 변수의 민감도 분석결과이므로, 전체 88개 e-values 변화에 따른 각 변수의 민감도를 분석하였다. 시뮬레이션은 200회 실시되었으며, 난수를 이용해서 함수의 값을 확률적으로 계산하는 알고리즘인 몬테카를로 방법(Monte Carlo Method)이 적용되었다. Figure 4의 좌측상단 그림은 교통안전투자의 전체 e-values 변화에 따른 민감도를 나타낸 것으로 연도별 민감도 값의 변화를 보여주고 있다. 좌측 하단 그림과 우측 표는 이러한 2028년 민감도 값의 분포를 확률밀도함수로 나타낸 것으로 정규분포 형태로 띄는 것으로 분석되었다. 예측 결과의 민감도는 높지 않으며, 정규분포 형태로 도출됨에 따라 예측결과의 논리적 타당성을 확보하였다.
네 번째 검증사항은 모델의 적합성 판단을 위한 결정계수(RSQ)에 대해 검토하였다. 모델 적합도(Goodness of Fit)는 회귀모형식 등에서 사용되는 통계적 유의성 판단기준으로 결정계수(R square, RSQ or R2)를 사용하였다. 결정계수는 추정된 제곱오차(squared errors)의 합을 전체 제곱오차의 합으로 나눈 값으로 0과 1사이 값을 나타낸다. 본 연구에서는 내생변수를 중심으로 각 변수의 실측값과 추정값을 비교하여 결정계수를 산출하였다. 인과지도 및 저량-유량도 작성 과정에서 결정계수 값을 산출하고 모니터링 한 결과, 최종적으로 각 변수별로 0.7 이상의 높은 결정계수 값을 나타내도록 모델링을 실시하였다. 결정계수 값의 기준은 정해진 바 없으나, 시스템 다이내믹스 관련 연구에서는 주로 0.7 이상을 검증 기준으로 사용하고 있어 본 연구의 모델 적합도가 우수한 것으로 분석되었다.
목적변수인 교통사고위험지수의 결정계수 값은 분석 초기 단계에서 모델의 부정확성으로 인해 낮은 결정계수 값을 나타냈으나, 보다 구체적인 모델링 과정에서 결정계수 값이 증가하였다. 하지만, 각 변수간 인과관계, 상관관계로 인해 교통사고사회적비용 등 일부 변수의 변동성으로 인해 최종적으로 결정계수 값은 0.78로 산출되었다. 결정계수 값은 각 변수별로 관측 값과 추정 값 사이의 관계를 통계적 유의성을 나타낸 것이나, 시스템 다이내믹스에서는 여러 변수간의 피드백 작용으로 인해 상호 영향을 미치고 있어 모델개발 과정에서 결정계수 값은 변동된다. 분석결과, 각 변수의 결정계수 값이 높아 전체 모델의 적합도는 우수한 것으로 판명되었다.
마지막으로 단일년도 예측모델 검증은 모델개발 과정에서 실제 자료로 포함되지 않았던 2018년을 대상으로 예측모델의 정확도를 검증하는 것으로 시스템 다이내믹스의 민감도분석에서 주로 활용되는 백캐스팅(Backcasting) 기법을 활용하였다. 백캐스팅은 미래예측 결과를 토대로 자료 재구성하여 검증하는 방법으로 시스템 다이내믹스 등 미래예측에서 주로 활용되고 있다(Kwak and Yoo, 2016). 하지만, 장기예측에서 일정기간의 분석을 수행하는 방법으로 단년도 분석의 경우에는 자주 활용되지 않으나, 본 연구에서는 예측모델의 정확성 검증 차원에서 실시하였다. 모델개발시 2018년 자료는 교통사고위험지수 관측 값이 반영되어 있으나, 각 독립변수에 대한 관측 값은 반영되어 있지 않아 독립변수의 실측값을 적용한 교통사고위험지수 예측모델 값과 관측 값을 비교분석하여 검증을 실시하였다.
검증결과, 관측(실측) 값은 126.9, 예측모델에 의한 값은 126.3으로 산정되었으며, 이에 따른 오차율은 -0.48%로 분석되었다. 오차율은 1% 내외로 양호한 것으로 분석되어 예측모델의 예측력이 우수한 것으로 판단된다. 이는 각 변수의 변화가 1차 함수의 선형 분포를 나타내어 큰 오차가 발생하지 않았다. 관측 값과 예측모델 값 간의 오차 발생원인은 운전자 운전시간 등 일부 자료가 확보되지 않아 시나리오 분석(각 변수별 과거년도 연평균증가율 고려)을 통해 예측모델 값을 산정한 영향으로 판단된다. 이로써 백캐스팅 방법에 의한 예측모델의 검증 결과는 관측 값과 큰 차이가 없는 것으로 분석되었다.
결론
1. 결과 요약
본 연구에서는 기업의 교통안전관리 차원에서 교통사고에 영향을 미치는 다양한 변수들에 대한 고려와 함께 각 변수들간의 상호관련성에 기초한 인과관계를 분석하고 이를 구조화하였다. 시스템 사고에 기초한 시스템 다이내믹스는 시간의 변화에 따라 변화하는 시스템을 수학적으로 모델링하는 컴퓨터 프로그램 기반의 분석방법론으로 본 연구에서 이 방법론을 활용하여 거시적이고 구조화된 모델을 개발하였다. 이와 함께 변수간의 인과관계를 토대로 피드백루프를 형성하는 인과지도(Causal Loop Diagram)와 각 변수들의 저량-유량도(Stock-Flow Diagram)을 작성하고 Vensim 프로그램을 이용해 교통사고위험 예측 모델을 개발하였다. 자료는 2018년을 기준으로 과거 10년(2008-2017년)간의 자료를 활용하였으며, 목표연도는 2028년으로 설정하고, 시간 변화에 따른 영향을 파악하였다. 모델에 적용된 변수는 총 31개이며, 12개 외생변수(국내총생산 등)와 13개 내생변수(수송인원 등) 그리고 시나리오 분석을 위한 5개 정책변수(교통안전투자액 등)로 구분하였으며, 교통사고위험지수를 목적변수를 하는 교통사고위험 예측모델을 개발하였다. 예측모델 개발과 관련하여 본 연구의 결과를 다음 3가지로 요약하고자 한다.
첫째, 전세버스 교통사고위험에 직접적 그리고 간접적 영향을 미치는 30개의 변수를 인적요인, 조직요인, 정책요인, 차량요인, 도로환경요인 등으로 구분하고 각 변수들간의 상호 인과관계, 상관관계를 기초로 하는 시스템 다이내믹스 예측모델을 개발하였다. 각 요인별 변수는 인적요인 7개, 조직요인 10개, 정책요인 9개, 차량요인 3개, 도로환경요인 1개로 세분화하고, 변수의 대표성을 확보하는데 주력하였다.
둘째, 시간의 변화에 따른 각 변수의 예측 서브모델을 개발하고 각각의 서브모델을 연결하는 통합모델을 개발한 결과, 장래 목표연도인 2028년 교통사고위험지수는 연평균증가율 -3.6%로 감소하여, 2008년 대비 절반수준에 이를 것으로 예측되었다.
셋째, 전세버스 교통사고위험에는 운전자 피로도, 교통안전투자, 운전자 운전시간, 휴게시간, 운전자 안전의식, 운전자 휴게시간, 위험행동, 첨단차량대수 등이 큰 영향을 미치고 있는 것으로 분석되었다. 각 변수가 교통사고위험지수에 미치는 영향(각 변수의 ±10% 변화시)은 운전자 피로도가 -5.54%, 교통안전투자가 -3.77%, 운전자 운전시간이 -3.56%, 운전자 안전의식이 -2.42%, 운전자 휴게시간이 -2.36% 등으로 분석되었다.
기존 연구는 전세버스 교통사고 또는 교통안전에 영향을 미치는 일부의 변수들만을 고려해 통계분석방법을 활용해 분석한 반면, 본 연구는 전세버스와 관련된 여러 변수, 특히 사회현상과 관련된 요인까지 반영해 거시적인 모델을 개발하였다는 점에서 의미가 있다. 즉 기존의 전세버스의 교통사고위험에 관한 요인을 운수업체 내부에 한정해 분석한 것과는 달리 본 연구는 다양한 외부환경 요인을 고려한 점이 가장 큰 차별점에 해당된다.
2. 연구 한계점 및 향후과제
모델 구축 과정에서 교통안전 부문으로 전반적인 구조를 모델링하였음에도 또 다른 시스템(자동차보험 등) 내 요인에 관한 심도있는 연구가 필요하다. 전세버스 지입제도에 대해 제도의 실질적인 영향을 보다 구체적으로 다루지 못한 측면에서 한계가 있다. 또한, 모델에 활용된 변수들의 인과관계 설정, 변수 자료수집의 제약(대체자료 등), 목적(종속)변수의 선정 부문도 연구의 한계로 인식된다. 운전자 피로도, 운전시간과 같은 각각의 변수들간의 인과관계는 또 다른 연구의 주제에 해당된다. 본 연구는 국내 교통안전 분야에서 시스템 다이내믹스 방법론을 처음 활용한 사례이다. 사회가 복잡해지고, 기술이 발달함에 따라 전체적인 구조와 행태를 이해하는 작업 그리고 이를 분석, 연구하는 노력이 더욱 강화되어야 한다. 본 연구는 전세버스에 한정된 연구모델이나, 향후 여러 운수업체 또는 자동차 보유 기업, 정책과 제도 개선 분야에 활용될 수 있도록 시스템 다이내믹스 활용에 관한 보완 연구가 필요하다.
본 연구의 예측모델을 통해 정책대안을 마련하고, 효과평가하는데 본 연구결과를 활용할 수 있다. 연구에서 개발된 전세버스 교통사고위험 예측모델은 지속적으로 모델을 재구성함으로써 보다 현실적이고 실용적인 모델로 발전시켜 나아감으로써 전세버스 분야에서 폭넓게 활용될 것으로 예상된다. 시스템 다이내믹스을 활용한 모델의 가장 큰 장점은 모델의 발전 가능성을 열어둔 것으로 모델에 활용된 변수의 추가, 보완, 변형 등을 통해 더욱 실제에 가까운 모델로 개선함으로써 다양한 연구 분야에 활용될 수 있다. 또한 본 모델은 전세버스 분야 뿐만 아니라, 모델에 적용된 변수에 대한 재구성을 통해 시내 ‧ 시외버스, 택시, 화물 등 다른 운수업종에도 적용이 가능하며, 물류기업 등과 같은 자동차를 다수 보유한 기업에서도 충분히 활용될 수 있을 것으로 판단된다.
