서론
2020년 1월 시작된 코로나19 팬데믹은 교통부문에 큰 영향을 미쳤다. 마스크 착용을 의무화하고 사람들의 대면접촉을 최소한으로 제한하는 사회적 거리두기가 시행되면서 통행량 자체가 크게 줄어들었다. Han and Chang(2020)에 따르면 서울 도시 고속도로 교통량은 2020년 5월 둘째 주까지 전년 대비 4.6%에서 17.4%까지 줄어들었다. 2020년 3월 첫째 주 기준으로 서울 도시철도 이용객 수는 전년 대비 42.7%까지 감소하였고 노선버스 승객수는 47%까지 감소하였다. 6월 이후 도시 고속도로 교통량은 예년 수준을 회복하였으나 도시철도 이용객수와 노선버스 승객수는 예년 수준을 회복하지 못하였다.
코로나 19 팬데믹은 음식 배달 수요도 크게 늘어나게 했다. 한 신용카드 회사의 배달 앱 결제 데이터 분석결과 2020년 대비 2021년 배달 앱 전체 이용 건수는 29%, 이용 금액은 35% 증가한 것으로 나타났다(Choi, 2022). 음식 배달은 대개 이륜차로 이루어진다. 따라서 코로나 19 감염병 이후 이륜차 통행량이 크게 늘어난 것으로 추정할 수 있다. 이륜차 통행량의 증가는 이륜차 관련 교통사고를 늘렸을 것으로 보인다. 특히 배달 라이더들의 수익은 배달 건당 수수료이기 때문에 주어진 시간 동안 가급적 여러 건을 배달하는 편이 유리하다. 이는 과속이나 과로 운전을 유발할 수 있는 교통사고 증가의 원인이 될 수 있다. 그만큼 배달 주문과 관련된 이륜차의 교통사고 가능성은 높다고 볼 수 있다.
본 연구는 코로나19 팬데믹 이후 이륜차 사고의 변화를 분석하는 데 목적이 있다. 이를 위해 우선 거시적 차원에서 코로나 19 발생 이전과 이후의 이륜차 사고 변화를 교통사고통계를 통해 비교한다. 이후 경기도 의정부시, 부천시, 광명시를 대상으로 코로나 19 감염병 발생 이전과 이후의 배달호출건수와 이륜차 교통사고의 관계를 모형화한다(Figure 1). 이를 통해 이륜차 교통사고 예방을 위한 정책적 시사점을 찾을 수 있을 것으로 기대된다.
선행연구
이륜차 교통사고는 치사율이 높은 것으로 알려져 있다. 교통사고분석시스템(Traffic Accident Analysis System, 이하 TAAS)에 따르면 2022년 이륜차가 유발한 교통사고 건수는 15,932건이고 이로 인한 사망자수는 402명으로 나타났다. 이는 사고 100건당 사망자수를 의미하는 치사율이 2.52%임을 의미한다. 이 값은 승용차 0.09%, 승합차 1.3%보다 크게 높은 수준이다. 이륜차 사고는 차대차 사고보다 차량 단독 사고로 인한 사망자수 비율이 큰 특징도 있다. 경찰청이 발표하는 「교통사고통계」에 의하면 2021년 이륜차의 차대 차 사고는 14,051건으로 75.4%를 차지하며 이로 인한 사망자수가 199명으로 47.4%이다. 한편, 차량 단독사고는 1,630건으로 8.8%에 불과하지만 사망자수가 193명으로 전체 사고의 46%나 차지한다. 이는 이륜차의 차량 단독사고가 사망사고로 연결될 가능성이 매우 높음을 시사한다.
이륜차 사고의 사망 가능성이 높은 이유는 대개 탑승자가 이륜차에서 떨어지는 충격을 수반하기 때문에 바닥에 떨어지면서 혹은 고정체에 부딪히면서 심각한 피해를 입기 때문이다. 이런 측면에서 헬멧이나 적절한 기어를 착용하는 것이 중요하다. 또한 이륜차는 질량과 부피가 작아 다른 차량에 의해 가려지거나 사각지대에 위치할 가능성이 크다. 차량과 관련된 이륜차 사고의 1/3은 다른 차량이 좌회전 혹은 우회전하는 이륜차의 진로를 침범하면서 발생한 점이 이를 잘 뒷받침한다1).
미국의 국가교통안전위원회(National Transportation Safety Board, 2018)에서는 2016년 이륜차 교통사고 데이터를 분석하여 65%의 이륜차 사고가 도시부 도로의 간선도로에서 발생하고 81%가 차대차 사고, 19%가 차량 단독사고라고 보고한 바 있다. 이 중 이륜차 단독사고의 38%는 제한속도는 10mph 이상 초과하거나 방호시설과 충돌해서 발생한 것으로 나타났다.
이륜차와 관련된 국외 연구 중에서 Haque et al.(2010)은 계층적 포아송 모델을 이용하여 4지 교차로에서는 차로수가 늘어날수록 이륜차 사고가 높아지며 특히 좌회전 전용 신호가 없고 중앙분리대가 없는 경우 심화된다고 분석하였다. 3지 교차로에서는 주도로와 부도로 양쪽에 전용 우회전 차로가 있는 경우와 주도로에 전용 좌회전 신호가 없는 경우 이륜차 사고가 높다고 제시한다. Cunto and Ferreira(2017)은 혼합 순서형 로짓모형을 이용하여 브라질 Fortaleza 시의 이륜차 교통사고 특성을 분석하였다. 그 결과 헬멧이 중상이나 사망사고 가능성을 9% 감소시키고 주중 낮 시간에 상대적으로 심각한 사고 발생 가능성이 낮은 것으로 나타났다. 또한 61세 이상의 고령자가 젊은 운전자에 비해 중상 및 사망사고 가능성이 크다는 점도 나타났다. Farid and Ksaibati(2021)는 미국 Wyoming 주의 교통사고 데이터를 이용하여 이륜차 사고의 심각도에 미치는 요인을 이항 로지스틱스 회귀분석 모형으로 분석하였다. 그 결과 이륜차가 동물과 충돌하거나 도로방호시설과 충돌할 경우 심각도가 높은 사고일 가능성이 높고, 곡선부에서 사고가 난 경우, 젊은 운전자인 경우, 과속하는 경우 심각한 사고 가능성이 높다고 분석하였다.
국내 연구로 Kim and Chung(2018)은 인천의 택시회사가 수집한 블랙박스 동영상을 기반으로 이륜차와 자전거 사고 데이터를 추출하고 순서형 프로빗 모형으로 이들 사고에 영향을 미치는 주요 요인을 분석하였다. 그 결과 충돌 직전의 택시 속도가 높고 1차 사고 후 운전자가 2차 이상의 충격을 받은 경우 사고 심각도가 커지는 것으로 나타났다. Lee and Park(2022)는 포아송 모형으로 554명에 대한 음식 배달 플랫폼 회사에 근무하는 라이더와 교통사고의 관계를 연구하였다. 그 결과 주행 중 콜 수신 여부, 의무 배달 콜 존재 여부 , 소속된 배달 플랫폼 회사 수 배달 라이더의 근무 여건이 교통사고 건수에 영향을 미치는 요인으로 나타났다. 또한 경력이 낮은 미숙련 라이더가 숙련된 라이더에 비해 사고 가능성이 높은 것으로 나타났다. Gu et al.(2023)은 이륜차의 주행 안정성 지표(Riding Risk Index, RRI)를 정의하여 배달 라이더의 지역별, 연령별, 시간대별 RIR을 도출하였다. 그 결과 시간대별 RRI 분석에서 요식업 배달 이륜차의 특성이 명확하게 드러났다. RRI값은 식사 시간대(11시-13시, 17시-20시)에 높게 나타났고 특히 12시와 18시에 가장 높은 값을 보였다. 식사 시간대에 RRI값이 높은 것을 배달 이륜차의 특성이 반영된 결과로 해석하였다. 그 외에도 배달 이륜차의 사고 위험 이벤트 검지 기법을 제시하고(Cho et al., 2023), 배달 이륜차의 교통 법규 위반 행태 분석(Cho et al., 2022) 등 배달 이륜차 교통안전에 대한 다양한 연구들이 진행되고 있다.
기존 연구에서는 이륜차 사고 발생 가능성이나 심각도에 영향을 미치는 요인을 교통사고 데이터 분석으로 찾는 데 초점을 두어왔다. 본 연구에서도 이륜차 사고 데이터를 이용하여 분석을 수행한다. 다만 이러한 이륜차 사고가 코로나 19 팬데믹 발생 전후에 어떤 변화가 있는지 특히 음식 배달 주문의 증가와 어떤 관계를 갖는지 파악하고자 한다.
거시적 통계분석
코로나 19 이후 이륜차의 교통사고 변화를 살펴보기 위해 TAAS에서 이륜차가 유발한 교통사고(제1당사자 사고) 건수를 분석하였다. TAAS 데이터가 제 1당사자, 제 2당사자를 함께 통계로 제시하고 있지않아 부득이 하게 제 1당사자 만을 기준으로 분석하였다. 코로나 19가 시작되기 전(2017년-2019년)과 후(2020년-2022년) 교통사고를 정리하면 Table 1과 같다. 해당 자료는 모든 시간대의 교통사고 건수를 포함한다. 특히 이륜차가 유발한 사고건수나 사망자수가 코로나 19가 시작된 2020년에는 2019년에 비해 오히려 감소세로 전환하였다. 2019년까지 증가 추세를 보이던 이륜차 유발 사고건수는 2020년 18,280건으로 1.0% 감소하였다. 2020년 사망자 수 역시 112명으로 2019년에 비해 7.4%나 감소하였다. 2021년 이륜차 유발 사고건수는 18,375건으로 2020년에 비해 0.5% 증가했지만 사망자수는 105명으로 6.3% 감소하였다. 2022년에는 이륜차 유발 사고건수가 15,932건으로 13.3%나 감소하였다. 사망자수는 86명으로 18.1%나 감소하였다. 이런 결과는 코로나 19 감염병 확산으로 배달 음식 주문이 늘어나고 이 때문에 이륜차 통행량이 늘어나 이륜차 사고도 늘어났을 것이라는 일반적인 가정과 크게 상반된다.
Table 1.
Number of motorcycle crashes and deaths
또한 도로교통공단의 보도자료에 의하면, 이륜차 교통사고는 주로 저녁 시간대(16-22시)에 전체 이륜차 사고의 43.5%가 발생하는 것으로 나타났다.2) 주말 저녁과 평일 저녁에 배달앱 사용이 가장 많은 것으로 미루어 볼 때, 배달 이륜차의 통행량 증가에 따라 해당 시간대 이륜차 사고의 비율이 상승한 것으로 해석하였다.3) 비록 이륜차 통행량을 직접적으로 확인하기는 어렵지만 배달에 주로 이용되는 중형 이륜차(100-250cc) 등록 대수는 코로나 19 발생 이전(2017년)에 비해 발생 이후(2021)에 6.3% 증가한 것으로 나타났다(Jung et al., 2022, Statistics Research Institute, 2021).
이륜차 유발 교통사고의 특징을 구체적으로 살펴보기 위해 이륜차 단독사고와 이륜차와 충돌한 승용차, 승합차, 화물차, 보행자 등 여러 도로 이용자별로 구분하여 교통사고통계의 변화를 살펴보았다 (Table 2). 그 결과 2019년에서 2020년 사이 가장 크게 변화한 도로이용자 유형은 이륜차이다. 증가율이 22.3%이며 건수로는 352건이나 증가하였다. 여기서 이륜차 사고는 다른 도로이용자와의 충돌사고보다는 이륜차 단독사고로 발생한 것이 대부분이다. 다음으로 화물차 충돌사고가 2.5%, 32건 증가하였다. 이에 비해 버스 충돌사고는 –14.7%, 108건 감소하였다. 특히 보행자 충돌사고의 경우 비율은 –10.3% 감소했지만 건수로 따지면 307건 이나 된다. 승용차 부문에서도 –2.2%, 203건 감소하였다. 요약하면 전체적인 이륜차가 유발한 사고건수는 2019년과 2020년 사이 감소하였는데 이를 차량 유형으로 따지면 이륜차 단독사고와 이륜차 대 화물차 관련 사고건 수에서 늘고 이륜차 대 보행자, 승용차, 버스 부문에서 크게 감소하였다.
이러한 결과는 배달 이륜차의 증가로 사고가 늘어났을 가능성을 시사한다. 이륜차 단독사고는 코로나 19 감염병 이후 22.3%나 증가하였고 이는 이륜차의 이용량 증가와 연관되기 때문에 배달 이륜차 사용의 증가가 이와 연관될 가능성이 매우 높다. 다만 이륜차가 유발한 보행자, 승용차, 버스 부분의 사고가 더 크게 감소했기 때문에 전체적으로 이륜차가 유발한 사고 건수는 2020년 전년에 비해 소폭 하락한 것으로 나타났다고 볼 수 있다.
Table 2.
Number of motorcycle crashes by road user types
이륜차와 다른 도로이용자와의 충돌사고가 줄어든 이유는 아마도 전체적으로 통행량이 크게 줄어들었기 때문인 것으로 보인다. Han and Chang(2020)에 따르면 코로나 19 감염병이 퍼지면서 서울시 도시고속도로의 차량 교통량은 2020년 2월 말부터 5월 둘째 주까지 전년도에 비해 –4.6%에서 –17.4%까지 감소하였다. 차량 교통량의 감소는 이륜차와 관련된 사고도 감소시켰을 것으로 추정할 수 있다. 서울시 노선버스 이용객수는 2020년 3월 첫째 주 전년 대비 –47%까지 감소했다. 지하철의 경우는 3월 첫째 주 –42.7%나 감소했다. 버스 등 대중교통 이용객수의 증가는 보행량의 감소와 연결된다. 대중교통을 이용하려면 정류장이나 지하철역까지 걸어야 하기 때문이다. 따라서 이륜차와 승용차 혹은 보행자와의 충돌 사고 가능성은 코로나 19 감염병 이후 상당히 감소되었다고 볼 수 있다.
코로나 19 감염병의 확산은 특히 어린이, 청소년, 고령자의 통행량을 크게 줄인 것으로 보인다. Han(2021)에 의하면 12세 이하 어린이의 보행 중 사망 및 중상자수는 2020년 전년 대비 47.6% 감소하였다. 13에서 20세 청소년의 경우는 36.5% 감소하였으며, 71세 이상 고령자는 23.3% 감소하였다. 어린이와 청소년의 보행자 사고 감소는 비대면 수업으로 학교 등교 일수가 줄었기 때문이고, 고령 보행자 사고 감소는 다른 연령대보다 고령자가 코로나 감염병에 가장 취약한 탓에 사회 활동을 크게 줄였기 때문인 것으로 추정하였다.
이런 측면에서 이륜차 사고 건수의 변화를 연령대 별로 살펴 볼 필요가 있다. Table 3은 경찰청 「교통사고통계」에 제시된 제1당사자 연령별 이륜차4) 사고건수를 2019과 2020년에 대해 비교하고 있다. 이륜차 교통사고는 코로나 19로 사회적 활동이 크게 줄어든 20세 미만과 71세 이상에서 각각 447명과 332명 감소하였다. 이에 비해 26세에서 30세 사이 사고건수는 391건이나 크게 늘어났다. 이러한 결과는 Han(2021)에서 나타난 보행자 사고 감소 경향과 일치한다. 즉, 코로나 19 감염병 이후 사회적 활동의 제약으로 20세 미만과 고령자의 통행량이 줄어들어 이 계층에서 이륜차 사고 건수가 크게 감소하였다고 볼 수 있다.
한편, 연령별 이륜차 사고 건수는 이륜차의 주된 이용 계층을 설명한다고 볼 수 있다. 이륜차 이용이 클수록 이륜차 사고와 관련될 가능성이 크기 때문이다. Table 3에 의하면 이륜차의 주된 이용 연령대는 20대 미만 청소년이나 20대 청년이기도 하지만 65세 이상의 고령자이기도 하다는 점을 상기할 필요가 있다. 65세 이상의 고령 이륜차 이용자는 대중교통 서비스가 취약한 농촌에 거주하는 것으로 보인다. 일반적으로 인구 10만명 당 이륜차 교통사고 사망자는 광역시에 비해 농촌 지역이 많은 도 소재 지역에서 현저히 높은 것을 미루어 볼 때, 고령자가 유발하는 이륜차 사고는 주로 농촌 지역에서 발생하는 것으로 보인다(Table 4).
Table 3.
Number of motorcycle crashes by age groups
Table 4.
Number of deaths per hundred thousand population from motorcycle crashes by region (unit: person)
Table 2가 제시하는 이륜차 유발 사고의 도로 이용자별 분포와 Table 3의 연령별 분포 결과는 코로나 19 감염병 확산에 따라 음식 배달 주문이 늘고, 이에 따라 배달 이륜차 사용이 크게 늘어났을 가능성을 시사한다. 이는 코로나 감염병이 확산된 2020년 2019년에 비해 이륜차 단독사고가 높아지고, 20대에서 발생하는 사고 건수도 크게 늘었음을 보여주고 있다. 하지만 보행자 등 다른 도로 이용자의 충돌 사고와 65세 이상 고령자가 유발하는 이륜차 사고가 감소하면서 코로나 감염병 발생 이후 이륜차 유발 사고의 총량은 오히려 소폭 감소하는 결과가 도출되었다. 이는 배달 이륜차 사고 증가량보다 코로나 발생 이후 고령자들의 통행이 줄어들어 일반 이륜차의 사고 감소량이 더 크기 때문으로 보인다.
하지만 이륜차 사고의 특성상 미보고 사고가 많다. 보험 없이 운전하는 20세 미만 청소년이나 20대 청년들이 많기 때문이다. 피해가 크지 않은 물피사고나 인적 피해는 당사자 간 협의를 통해 배상했을 가능성이 높다. 특히 이륜차 단독사고는 운전자 스스로 다친 사고이기 때문에 피해가 발생했어도 보고되지 않을 가능성이 더 높다. 따라서 30대 미만의 이륜차 사고는 실제보다 크게 높을 가능성을 고려할 필요가 있다. 다만 미보고 사고를 고려하더라도 이륜차 사고가 20대에서 크게 늘고 65세 이상 고령자에서 크게 줄어든 사실이 바뀌진 않을 것이다. 또한 이륜차 음식 배달주문의 증가가 실제로 이륜차 사고 증가와 관련성이 있는 지를 분석할 필요가 있다.
연구 방법론
이륜차 사고에 음식배달 호출건수 등이 영향을 미치는지 파악하기 위해 음이항 회귀분석(Negative binomial regression)을 통해 이륜차 사고건수와 음식배달 호출건수 등 관련된 여러 설명변수와의 관계를 살펴본다. 음이항 회귀분석은 사고발생건수와 같이 연속형이 아닌 이산적 변수를 종속변수로 하는 회귀분석 모형의 하나이다. 일반적으로 종속변수의 과분산(혹은 과대산포, overdispersion)이 없을 경우 포아송 회귀분석(Poisson regression)을 사용하지만 사고 발생 건수처럼 과분산이 있는 자료의 경우 음이항 회귀분석 모형이 더 적합한 것으로 알려져 있다(Washington et al., 2020). 음이항 회귀분석에서 음이항은 이항분포와 반대되는 개념의 확률분포를 의미한다. 이항분포에서는 한 번 시도의 성공(success) 확률이 알려져 있을 때 시도(trial)의 횟수에 따른 성공 횟수의 확률적 변화에 초점을 둔다면, 음이항 분포에서는 한 번 시도의 성공 확률이 알려져 있을 때 특정한 횟수의 성공을 위해 몇 번의 시도가 필요한지를 확률적 분포로 표현한 것이다. 음이항 회귀분석 모형에서는 최대우도기법(maximum Likelihood Estimation)을 통해 파라미터 값을 추정한다. 자세한 내용은 Washington et al.(2020)을 참조하면 된다.
데이터 범위 및 변수
자료의 공간적 범위는 부천시, 의정부시, 광명시로 한다. 배달 호출 데이터를 이들 도시에 대해 수집할 수 있었기 때문이다. 배달호출데이터는 KT 빅데이터 플랫폼5)에서 구매하였다. 시간적 범위는 코로나 19 이전과 이후를 구분하여 정리하였다. 코로나 19 감염병이 발생하기 전 기간은 2019년 10월부터 2019년 12월(3개월)까지로 설정하였고, 감염병 발생 후 기간은 2020년 1월부터 2020년 12월(12개월)까지 정리하였다. 코로나 19 발생 이전과 이후의 시간 범위가 같으면 보다 명확하게 그 효과의 전후 비교가 가능할 것이다. 그럼에도 불구하고 시간적 범위를 달리 설정한 것은 코로나 확산에 따른 통행의 변화가 반영되는 시기를 더 명확히 보는 것이 우선이기 때문이다. 코로나 발생 초기에는 사회적 거리두기, 마스크 의무착용, 재택근무 등이 활성화되지 않았던 시기이므로 코로나 19 발생 전후 3개월을 시간적 범위를 분석하기에 한계점이 있었다. 또한 코로나가 진행된 후 동질 기간(2020년 10월-12월, 3개월)을 사용하지 않은 것은 충분한 샘플 수를 확보하기 어려워 분석결과의 신뢰도를 확보가 어려웠기 때문이다. 종속변수인 동별 이륜차 사고 건수는 TAAS6)에서 사고 발생 시각과 발생 위치의 법정동(부천시 16개, 의정부 10개, 광명시 5개로 한정)을 구분하여 추출하였다(Figure 2).
배달 호출 건수 이외의 설명변수로는 전일 코로나 확진자 수, 인구, 음식점 및 카페수 등으로 설정하였다. 코로나 전일 확진자 수가 많을수록 외식보다는 배달 음식 주문 가능성이 커지고, 특정 행정동에 인구가 많을수록, 음식점 및 카페가 많을수록 배달 음식 주문 가능성이 높을 것으로 가정했기 때문이다. 전일 코로나 확진자 수는 질병관리청의 코로나 바이러스 감염증-19 홈페이지7)에서 추출하였다. 동별 인구는 국토정보플랫폼8)에서 추출하였으며 동별 음식점 및 카페 수는 행정안전부와 한국지역정보개발원이 운영하는 Local Data 플랫폼9)에서 취득하였다. 한편, 동별 이륜차 사고 건수와 배달 호출 건수는 하루 단위로 정리하였다. 동별 인구와 동별 음식점 및 카페 수는 연 단위로 집계한 값을 사용하였다. 이렇게 정리된 데이터 수는 13,927개로 나타났다.
또한 모든 독립변수는 log 변환된 값들을 사용하였다. 로그 변환을 통해 큰 데이터 값에 대한 편차를 줄이고 정규분포를 따르도록 하였다. 추가적으로 Variance Inflation Factor(VIF)를 계산하여 변수들 간의 다중공선성을 확인하였다. 그 결과 모든 변수에서 VIF값이 10미만으로 매우 낮아 다중공선성에는 큰 문제가 없는 것으로 나타났다(인구=1.91, 배달호출건수=1.93, 확진자수=1.01, 카페수=2.47). 이렇게 정리된 데이터는 Table 5와 같이 정리된다. 동별 하루 최대 사고 건수는 3건으로 나타났다.
Table 5.
Descriptive statistics of data
분석 결과
음이항 회귀분석의 결과는 Table 6에 제시되어있다. 설명변수별로 추정된 계수의 부호와 p-value는 유의수준 0.05보다 낮아 모두 설명력이 있다고 볼 수 있다. 가령 배달 호출 건수(delivery call)의 경우 계수 값이 양수이므로 배달호출이 많을수록 이륜차 사고 가능성이 커진다고 해석할 수 있다. 또한 전날 코로나 확진자(covidecase)가 많아질수록, 동별 인구(population)가 많을수록, 음식점과 카페 수(restaurants and cafes)가 많을수록 이륜차 사고 가능성이 커진다는 것도 확인되었다. 하지만 코로나 19 감염병 발생 이전과 이후를 더미변수로 처리한 설명변수에서는 회귀계수가 유의하지 않은 것으로 분석되었다. 이는 코로나 19 감염병 발생이 이륜차 사고 발생 건수에 큰 영향을 미치지 않았음을 의미한다. 이에 비해 코로나 19 감염병 발생과 배달 건수의 상호작용(interaction)을 살펴본 결과 유의수준 0.05에서 음의 상관관계가 있음이 나타났다. 이는 코로나 감염병 발생 이후 음식 배달 호출의 증가했지만 이륜차 사고는 감소했다는 것으로 해석된다.
음식 배달 호출의 증가는 일반적으로 이륜차 교통사고 증가에 영향을 미치지만 코로나 19 감염병이 발생한 이후에는 오히려 사고가 감소하는 경향과 연관된다는 결과는 서로 상충되는 것처럼 보인다. 그러나 앞서 살펴본 거시적 통계분석 결과는 이렇게 상충되는 되는 결과가 나온 이유를 잘 설명한다. 거시적 사고 통계는 전국적으로 이륜차 사고 건수가 코로나 19 감염병 발생 이후 거의 변화가 없는 것으로 나타났다. 그 이유는 배달 이륜차를 주로 이용하는 20대에서 이륜차 사고가 늘어난 만큼 통행량 자체를 줄인 65세 이상 고령자에서 이륜차 사고가 크게 줄어들었기 때문이다. 혹은 배달 이륜차의 단독사고가 증가한 만큼 이륜차와 승용차 혹은 이륜차와 보행자 사고가 감소했기 때문이다. 따라서 음이항 회귀분석 결과처럼 코로나 19 감염병 이후의 이륜차 사고가 오히려 감소할 수 있다.
Table 6.
The result of negative binomial regression
논의 및 결론
본 연구에서는 코로나 19 감염병 이후 급격히 늘어난 음식배달 주문이 이륜차 교통사고 증가에 영향을 미쳤는지 확인하기 위해 시도되었다. 이를 위해 TAAS에서 이륜차 교통사고 통계를 코로나 19 발생 이전인 2017년부터 발생 이후인 2022년까지 비교하였다. 그 결과 코로나 19 발생 이후 이륜차 사고 발생 건수가 큰 차이를 보이지 않거나 오히려 감소한 경향이 나타났다. 하지만 도로 이용자별 사고건수와 연령대별 사고 건수를 상세 분석한 결과 그 이유를 파악할 수 있었다. 코로나 19 발생 이후에도 이륜차 사고가 증가하지 않은 이유는 20대에서 이륜차 사고가 늘어난 만큼 통행량 자체를 줄인 65세 이상 고령자에서 이륜차 사고가 크게 줄어들었기 때문이다. 또한 배달 이륜차의 단독사고가 증가한 만큼 이륜차와 승용차 혹은 이륜차와 보행자 사고가 감소했기 때문이다. 이는 코로나 19 발생 이후 음식 배달주문 증가로 이륜차 교통사고가 증가한 만큼 통행 자체를 줄인 탓에 이륜차와 다른 교통수단과의 사고가 줄었음을 의미한다.
코로나 19 이후의 이륜차 교통사고 변화를 경기도 부천시, 의정부시, 광명시를 대상으로 살펴본 결과 이륜차 교통사고 건수와 음식 주문배달 호출건수, 코로나 19 감염자수, 인구, 음식점 및 카페수와의 관계는 모두 양의 상관관계가 있는 것으로 나타났다. 하지만 코로나 19 감염병이 발생한 이후 음식 주문배달 호출건수와 이륜차 사고건수는 음의 관계를 나타내었는데 이는 교통사고 통계분석에서 확인된 바와 같이 배달 이륜차 관련 교통사고 건수가 늘어난 것보다 다른 부문에서 이륜차 사고가 더 많이 감소했기 때문으로 보인다. 거시적 통계분석과 특정 도시에서의 상세분석이 같은 결과를 보이고 있다.
향후 연구에서는 우선 코로나 19 발생 후 고령자의 교통사고 발생 특성 변화를 살펴볼 필요가 있다. 코로나 19는 다른 연령대보다 고령자에게 가장 큰 영향을 준 것으로 보인다. 감염병 우려 때문에 통행 자체를 줄였기 때문이다. 따라서 고령자와 관련된 교통사고 건수는 이륜차뿐만 아니라 특히 보행자 관련 사고에서도 감소하였을 것으로 보인다. 이처럼 감염병 상황에 취약한 계층의 통행 패턴을 이해하고, 그에 대한 다면적인 사고 분석이 필요하다. 다. 또한 이륜차 배달사고의 특성 분석도 필요하다. 이륜차 배달사고가 증가했다면 이를 줄이는 대책이 마련되어야 하기 때문이다. 가령, 배달 플랫폼에 등록된 라이더의 연령, 경력 등의 데이터와 배달관리 앱으로부터 수집할 수 있는 주행거리, 배달소요시간, 평균주행속도 등의 주행 특성 자료를 이용하여 배달 이륜차 사고의 특성을 보다 파악하면 효과적인 사고 예방 대책을 제시할 수 있을 것이다. 다만 이륜차 교통사고 중 배달 이륜차에 의한 사고 데이터를 구축한다면 보다 효과적인 사고 예방 대책 마련에 도움을 줄 것이다.
본 연구에서는 감염병 발생 전후의 시간적 범위를 동일한 기간을 설정하지 못하였다. 시간적 범위를 달리 설정한 것은 코로나 확산에 따른 통행의 변화가 반영되는 시기를 반영하기 위함이다. 코로나 발생 초기에는 사회적 거리두기, 마스크 의무착용, 재택근무 등이 활성화되지 않았던 시기이므로 코로나 19 발생 전후 3개월을 시간적 범위를 분석하기에 한계점이 있었다. 또한 코로나가 진행된 후 동질 기간(2020년 10월-12월, 3개월)을 사용하지 않은 것은 충분한 샘플 수를 확보하기 어려워 분석 결과의 신뢰도를 확보가 어려웠기 때문이다. 향후 연구에서 코로나19 이전의 배달 호출 건수에 대한 충분한 데이터 수를 확보한다면 보다 명확한 코로나 전후 교통사고 효과에 대한 비교가 가능할 것이다.
마지막으로, 이륜차 사고 감소의 효과를 보기 위해서는 단순히 배달 호출 건수만 고려하기보다는 통행을 유발하는 다양한 도시 환경적 요인에 대한 종합적인 고려가 필요한 것으로 보인다. 코로나 19 발생 이후 증대된 비대면 사회활동으로 인해 배달 수요가 증가하게 되었고, 이는 이륜차 사고로 증가로 이어진 것으로 보인다. 그러나 도시 인구와 환경적 요인(카페 및 음식점 수) 등 변수들도 이륜차 사고에 중요한 요인로 나타났다. 단순히 배달 호출 건수로만 이륜차 교통사고를 예측하기 어려우며 향후 연구에서는 도시 환경 및 인구사회적 요인들에 대한 보다 종합적인 고려가 필요하다. 그러나 배달 호출 건수의 사고효과와 도시 환경적 요인의 사고효과의 크기 비교는 추후 연구가 필요하다.
