Journal Search Engine

View PDF Download PDF Export Citation Korean Bibliography PMC Previewer
The Journal of The Korea Institute of Intelligent Transport Systems Vol.17 No.4 pp.26-40
DOI : https://doi.org/10.12815/kits.2018.17.4.26

A Factor Analysis for Bicycle Accidents Using the PLS Structural Equation

Ju Taek Oh*
*Korea National University of Transportation, Division of Civil, Environmental & Urban-Transportation Engineering, Associate Professor

Corresponding author : Ju Taek Oh, jutaek@ut.ac.kr
20180705 │ 20180720 │ 20180728

Abstract


The aim of this research is to analyze factors affecting bicycle accidents using the PLS structural equation. Accident types in this study were categorized into total accidents, serious injuries including death, and light injuries which occurred at nationwide Si·Gun·Gu.



It was found that urbanization was the main factor for bicycle accidents through the accident models developed in this study. Population, ratio of economically active population, density of intersections, ratio of urbanized area, commercial and industrial land-uses, number of drive license holders, number of education institutions, number of parks were the main factors causing bicycle accidents. Besides, length of bicycle roads, number of bicycles, and ratio of bicycle as mode choice also increased bicycle accidents.



PLS 구조방정식을 이용한 자전거사고 요인분석

오 주 택*
*주저자 및 교신저자 : 한국교통대학교 건설환경도시교통공학부 부교수

초록


본 연구는 자전거사고에 영향을 주는 요인들을 분석하기 위해 PLS 구조방정식을 이용하 여 자전거사고모형을 개발한다. 본 연구에서는 자전거사고를 전국 시·군·구를 대상으로 전체 사고건수, 중상이상 사고, 경상사고로 사고유형을 구분하였다.



본 연구에서 개발된 사고모형들을 통해 자전거사고의 주요 원인들을 살펴보면 도시화의 확대가 자전거사고의 가장 큰 요인임을 알 수 있다. 자전거사고모형들에 포함된 주요 요소들 을 살펴보면 인구수, 경제활동인구비율, 교차로밀도, 시가화 면적비율, 상업과 공업의 토지이 용, 운전면허소지자, 자동차등록대수, 교육기관 설립수, 공원수 등의 증가가 자전거사고의 증 가로 이어졌다. 또한 자전거도로연장, 자전거보유대수, 자전거수단분담률의 증가 등 각 지자 체 별로 활성화되고 있는 자전거이용의 확산 역시 자전거사고를 증가시키는 주요 요소들로 밝혀졌다.



    Korea National University of Transportation

    Ⅰ. 서 론

    1. 연구의 배경 및 목적

    1995년 자전거 이용활성화에 관한 법률이 공표된 이후 녹색교통으로서 자전거의 중요도가 부각되고 이 로 인한 자전거의 이용이 도시별로 활발히 이루어지고 있는 현실 속에 자전거의 안전성에 대한 우려 역시 이에 못지않게 증가하고 있고 있다. 지난 10년간의 자전거사고의 통계를 살펴보면, 전국 교통사고건수의 경 우 2008년 211,662명에서 2017년 220,917명으로 약 4.4% 증가한 반면, 자전거사고의 경우 동기간에 71.3%의 증가율을 보이고 있다. 이러한 자전거사고의 급증은 여러 원인들에 의해 설명될 수 있겠지만, 우선 자전거공 급의 확대를 가장 큰 원인들 중의 하나로 들 수 있을 것이다. 이는 2016년 국내 자전거 보유대수는 1,127만 대로 2015년 1,022만대보다 105만대(약 10%)정도 증가한 통계에서도 확인할 수 있다.

    급증하는 자전거사고의 증가를 줄이기 위한 노력에는 여러 접근방식이 있을 것이다. 정책결정자들은 자전 거이용의 편의성과 안전성을 높이기 위한 안전시설을 확충해야 할 것이며, 연구자들은 정책결정자들의 정책 적 결정을 도울 수 있는 활발한 연구들을 도출해야할 것이다. 이와 관련하여 현재 자전거사고와 관련한 연구 들이 얼마나 활발히 이루어지고 있는지에 대한 고민이 필요하다. 우선 자동차사고와 비교하면 자전거사고는 연구자들의 주 연구대상에서 다소 벗어나 있어 연구의 빈도가 상대적으로 미흡하다. 또한 연구의 대상 역시 사고지점을 기반으로 하는 원인분석이 주류를 이루고 있어 다양한 관점에서 연구가 이루어지고 있는 자동차 사고에 비해 많은 연구노력들이 요구된다.

    본 연구는 두 가지 측면에서 자전거사고에 대한 기존 연구들과 차별화를 시도하였다. 우선 사고지점을 기 반으로 하는 기존의 원인분석에서 공간적인 범위를 확대하여 원인분석의 대상을 시·군·구로 확대하였다. 물 론 사고지점을 기반으로 사고의 원인을 분석하고자 하는 기존 연구들의 장점들을 부정하는 것은 아니다. 다 만 본 연구에서는 기존 연구보다는 보다 거시적인 관점에서 시·군·구의 공간적 범위의 차이가 자전거사고에 미치는 영향에 대해 분석하고자 하였다. 또한 본 연구에서는 원인분석을 하는 방법론으로 기존의 연구들에 서 많이 사용하고 있는 비선형회귀분석보다는 구조방정식을 사용하여 자전거사고의 원인을 설명하려고 하 였다.

    회귀분석 역시 사고의 원인분석에 많이 사용되는 훌륭한 방법론이지만 다중공선성(multicollinearity) 문제 등으로 인해 다양한 설명변수들을 선정하는데 어려움을 보이고 있다. 또한 회귀분석을 사용하는 많은 기존 연구들 중 일부의 결과에서 기존의 상식을 벗어나는 결과들을 종종 발견할 수 있다. 예를 들면 인구의 증가 가 사고의 증가를 일으키는 주요 원인이어야 함에도 불구하고 오히려 유의수준이 높다는 이유만으로 충분한 설명없이 그 반대의 결과를 제출하는 경우 등을 발견한다. 이러한 모델결과의 오류는 상관성 (correlation)이 반드시 원인(causation)을 설명하지 못한다는 사실을 간과하고 단순히 통계적인 접근에 중점을 둔 결과가 아 닌가 생각되어진다.

    이러한 기존 연구들과의 차이점들을 기반으로 본 연구에서는 사고모형을 통해 자전거이용의 안전성을 향 상시킬 수 있는 정책적 방안을 제시하는데 연구의 목적을 두었다. 이를 위해 본 연구에서는 자전거사고를 전 국 시·군·구를 대상으로 전체사고건수, 중상이상 사고, 경상사고로 사고유형을 구분하였으며 유형별 사고모 형결과를 비교하여 사고의 원인을 분석하였다.

    2. 연구방법 및 범위

    본 연구에서는 자전거 교통사고에 영향을 미치는 요인들을 분석하기 위해 요인분석과 회귀분석을 결합한 PLS 구조방정식을 사용하여 사고모형을 개발하고 모형결과들에 대한 논의를 수행한다. 구조방정식은 회귀분석 에 비해 다중공선성 문제에 보다 유연한 대처가 가능하고 자전거사고가 일반 자동차사고에 비해 상대적으로 적은 발생건수를 갖고 있다는 점에서 AMOS 등 기존의 구조방정식 모델들에 비해 데이터 분포와 표본크기에 대한 제약이 상대적으로 유리한 PLS 구조방정식의 추정방법을 본 연구의 주요 분석방법론으로 채택하였다.

    사고모형개발과 관련하여 본 연구에서는 도로교통공단에서 제공하는 교통사고관리시스템(TAAS)를 통해 2011년부터 2016년까지 최근 5년간의 자전거사고를 수집하였으며, 자전거사고의 원인을 설명하기 위한 설명 변수들에 대한 자료 수집은 분석기간 내에 자료수집에 한계를 보인 세종특별자치시와 울릉군을 제외한 전국 시·군·구 226개소를 대상으로 하였다.

    Ⅱ. 선행연구 고찰

    국내의 자전거와 관련한 논문들을 살펴보면, 우선 자전거의 안전성과 관련하여 크게 자전거사고건수와 자 전거심각도를 분석한 연구들을 찾아볼 수 있다. 이중 자전거사고건수와 관련해서는 Kim et al.(2008)과 Kwon et al.(2015)의 논문들에서 인천광역시와 광주광역시 등의 도시부도로를 중심으로 비선형회귀분석을 사용하여 도로의 기하구조 등을 포함한 다양한 변수들을 통해 자전거사고의 원인들을 분석하고자 하였다. Hong and Kim(2010)은 자전거사고발생을 확률과 조건부확률의 개념을 도입하여 자전거사고유형별 확률을 통계적으로 분석하고자 하였다. 또한 Kim and Park(2017)의 연구에서는 전국 시·군·구에서 발생한 자전거사고 발생건수 와 중상이상발생비율을 음이항 회귀분석과 다중회귀분석을 이용하여 모형화하였다.

    자전거 사고심각도와 관련한 연구들을 살펴보면 Oh et al.(2007)와 Shin et al.(2012)의 논문들에서 인천광역 시와 서울특별시를 대상으로 순서형 프로빗모형과 이항 로짓모형 등을 이용하여 사고의 심각도의 원인을 분 석하고자 하였다. 이 논문들의 경우, 사고심각도의 구분을 Oh et al.(2007)은 사망, 중상, 경상으로 Shin at al.(2012)는 경상과 중상으로 구분한 점에서 차이점을 보인다.

    이외 자전거와 관련한 연구들은 Kim(2010), Shin and Park(2012), Jeon et al.(2012), Lee et al.(2012), Yang and Jun(2013) 등에서 확인할 수 있다. 이중 Kim(2010), Lee et al.(2012), Jeon et al.(2012)은 자전거도로의 평가 지표와 우선순위선정 등과 관련한 연구를 수행하였고, Shin et al.(2012)은 연령과 도시규모에 따른 자전거사 고의 특성에 대한 연구를 그리고 Yang and Jun(2013)은 지형적 요소를 고려한 자전거도로의 경로선택의 방법 론을 제시하였다.

    자전거사고와 관련한 해외연구들을 살펴보면 Wang et al.(2004), Schepers et al.(2011), Cai et al.(2016) 등이 음이항 모형 등의 회귀분석을 이용하여 자전거사고의 원인에 대한 분석을 하였다. Siddiqui et al.(2012)와 Chen(2015)은 자전거사고의 원인분석을 위한 방법론으로 Bayesian 등의 기법을 이용하였고, Nashad et al.(2016)은 자전거사고 이외에 보행자를 함께 모형화하는 Joint Modeling기법을 사용하였는데, 특히 이 연구 자들은 사고의 분석을 위한 공간적 범위를 사고지점에서 좀 더 거시적인 관점에서 Traffic analysis zone (TAZ)으로 확대하여 죤의 개념에서 사고의 원인을 바라본 점이 주목할 만하다.

    이와 같이 자전거사고와 관련한 국내외의 많은 연구들이 자전거사고의 원인분석을 위해 회귀분석을 사용 하고 있으며 국내의 경우와 달리 국외의 경우 사고의 분석을 위한 공간적 범위를 사고지점에서 TAZ라는 거 시적 관점에서 사고의 원인분석을 시도하고 있다는 점을 확인할 수 있었다.

    Ⅲ. 관련 자료수집

    본 연구에서는 자전거 교통사고에 영향을 미치는 요인과 모형을 개발하기 위하여 전국 시·군·구 226개소 (세종특별자치시, 울릉군 제외)의 자전거 교통사고 자료와 환경·교통·인구·사회경제요인 및 자전거 이용요인 을 반영하는 자료를 사용하였다. 종속변수는 전체사고건수와 중상이상 사고, 경상사고 3개의 항목으로 구성 하였으며, 도로교통공단에서 제공하는 교통사고관리시스템(TAAS)에 최근 5년(2011-2016)간 국내 시·군·구별 로 발생한 자전거 사고 자료를 사용하였다. 중상이상사고란 사망, 중상, 경상사고 자료 중 사망과 중상사고 를 합산한 값을 의미한다. 자전거 교통사고는 전체 교통사고 대비 적은 확률로 발생되기 때문에 교통사고는 5년간의 합계 자료를 이용하여 분석하였다.

    설명변수선정과 관련해서는 기존 국내·외 문헌 검토를 바탕으로 자전거사고와 관련 있는 것으로 판단되 는 총 42개의 변수가 선정되었다. 본 연구에서는 잠재요인에 해당하는 변수들을 환경요인, 교통요인, 인구요 인, 사회·경제요인, 자전거 수요유발요인, 자전거 이용요인으로 6개 그룹으로 분류하였다. 환경요인에서는 시 가화 면적비율, 농업토지이용률, 상업토지이용률 그리고 공업토지이용률의 4개 항목들이, 교통요인에서는 집 산도로비율, 국지도로비율, 교차로밀도, 자전거도로연장, 목적통행(출근·등교·업무·쇼핑·여가)의 9개 항목들 이, 인구요인에는 인구수, 전년 대비 인구성장률, 어린이 인구비율, 고령 인구비율, 경제활동 인구비율의 5개 항목들이 사용되었다. 또한, 사회·경제요인은 운전면허 소지자, 자동차 미보유 가구비율, 자동차등록대수, 화 물자동차 비율, 인구 1만인 당 자동차 등록대수, 고용자수, 의료기관병상확보율, 교육기관 설립수(초·중·고), 교육기관 설립수(대학교), 보행수단분담률, 승용차수단분담률, 버스수단분담률, 교통안전지수의 13개 항목이, 자전거 수요유발요인은 공원수, 자전거 보관대수, 자전거 보유대수, 자전거 수단분담률의 4개 항목이, 자전거 이용요인은 남성 통근자전거이용률, 여성 통근자전거이용률, 어린이 통근자전거이용률, 중간층 통근자전거이 용률, 고령자 통근자전거이용률, 단시간 자전거이용률, 장시간 자전거이용률의 7개 항목이 선정되었다.

    설명변수들에 대한 자료수집과 관련해서는 2015년도 지역별 통계연보 및 인구주택총조사 자료, 한국교통 연구원이 발간한 자전거관련 자료 등이 이용되었다. 변수들의 기초 통계는 <Table 1>과 같다.

    Ⅳ. PLS 구조방정식에 관한 이론적 고찰

    구조방정식은 다변량 분석기법 중 요인분석과 회귀분석을 결합한 분석방법론으로, 다중공선성 문제로 많 은 어려움을 겪는 회귀분석에 비해 매우 유연한 분석을 가능하게 하는 장점을 갖고 있다. 특히 PLS 구조방정 식의 추정방법은 LISREL, AMOS 등 기존의 구조방정식 모델들이 공통요인(common factor)을 기반으로 하는 것과는 달리 총 분산인 주성분(principal component)을 기반으로 하며 데이터 분포와 표본크기에 대한 제약이 상대적으로 적다. 또한 PLS 구조방정식은 다중회귀에서의 모든 가정을 공유하기 때문에 요인들의 수가 많거 나 요인들이 높은 다중공선성을 보일 때 예측모델을 만들 때 다른 추정방법들에 비해 유리한 측면이 많다.

    PLS 구조방정식은 외부모델(outer model)과 내부모델(inner model)로 구분된다. 이중 요인에서 잠재요인으 로 화살표가 향하는 외부모델을 반영지표모델(reflective model)이라고 하고, 잠재요인에서 직접요인으로 화살 표가 향하는 외부모델을 조형지표모델(formative model)이라고 한다. 외부모델A는 반영지표모델로 나타내지 며, 외부모델B는 조형지표모델로 나타내고, <Fig. 1>은 PLS 구조방정식의 기존 형태를 나타낸다.

    PLS 구조방정식모형의 통계적 검증은 반영지표 모형, 조형지표 모형, 내부모형 평가에 의해 이루어진다. 전제 조건으로, 모든 통계적 검증은 부트스트랩을 사용하여 진행한다. 우선 반영지표 모형은 크게 3가지의 기준들이 제시하는데 신뢰도 평가, 집중타당도 평가, 판별타당도 평가가 여기에 해당한다. 조형지표 모형에 대한 평가는 타당도로 판단하며 외부모델 평가 기준으로 지표 타당도 및 개념 타당도 평가를 해야 한다. 마 지막으로 내부형의 평가로는 크게 3가지 기준들을 제시하는데 경로분석, 모형의 설명력, 모형 적합도가 여기 에 해당한다. 첫째, 경로계수 평가항목은 부트스트랩을 사용하여 분석된 P값을 제공하며 둘째, 모형의 설명 력을 나타내는 평가항목으로 결정계수(R2)를 평가항목으로 사용한다. 셋째, 모형적합도(GOF) 평가항목은 0.36 보다 큰 것을 기준으로 평가가 이루어진다. <Table 2>는 PLS 구조방정식의 일반적인 통계적 검증기준들 을 제시한다.

    Ⅴ. PLS 구조방정식 모형개발 및 모형 적합성 검증

    우선 본 연구에서 개발된 시(市)의 전체 자전거사고모형은 환경요인, 교통요인, 사회·경제요인, 자전거이용 요인으로 구성된다. 환경요인은 시가화면적비율, 상업토지이용률, 공업토지이용률의 구성요소로, 교통요인은 국지도로비율. 교차로밀도, 자전거도로연장의 구성요소들로 이루어진다. 또한 사회·경제요인은 운전면허 소 지자, 자동차등록대수, 교육기관 설립수(초·중·고), 교육기관 설립수(대학교)들로 구성되고, 자전거이용요인은 여성 통근자전거이용률, 고령자 통근자전거이용률의 요소들로 구성되는 것이 가장 모형의 설명력을 높이는 것으로 나타났다. <Fig. 2>는 시(市) 전체 자전거사고건수에 대한 최종모형을 나타낸다.

    시(市)의 중상이상 자전거사고모형은 전체 자전거사고모형의 요인들과 유사하다. 환경요인, 교통요인, 사 회·경제요인, 자전거이용요인들로 구성된다. 중상이상 자전거사고모형의 환경요인은 시가화면적비율, 상업토 지이용률, 공업토지이용률의 요소들을 포함하며, 교차로밀도와 자전거도로연장 요소들이 교통요인을 구성한 다. 또한 운전면허 소지자, 자동차등록대수, 교육기관 설립수(초·중·고), 교육기관 설립수(대학교)의 구성요소 들과 여성 통근자전거 이용률, 고령자 통근자전거 이용률의 구성요소들이 사회·경제요인과 자전거이용요인 을 각각 구성하는 것으로 나타났다. <Fig. 3>는 시(市) 중상이상 사고건수에 대한 최종모형을 나타낸다.

    시(市)의 경상 자전거사고의 최종모형을 살펴보면 시가화면적비율, 상업토지이용률, 공업토지이용률의 요 소들이 환경요인을 국지도로비율. 교차로밀도, 자전거도로연장의 요소들이 교통요인을 구성한다. 또한 운전 면허 소지자, 자동차등록대수, 교육기관 설립 수(초·중·고)의 요소들과 여성 통근자전거이용률, 고령자 통근 자전거이용률의 요소들이 사회·경제요인과 자전거 이용요인을 각각 구성하는 것으로 나타났다. <Fig. 4>는 시(市) 경상사고에 대한 최종모형을 나타낸다.

    본 연구에서 개발된 시(市)의 유형별 자전거 사고모형에 대한 모형적합도 관련해서는 전체사고건수, 중상 이상, 경상 자전거사고모형 모두 내적 일관성 신뢰도(Cronbach’s alpha) 및 합성신뢰도(CR), 지표 신뢰도는 기 준치 0.7 이상으로 신뢰도 검증을 통과하였으며, 집중타당도 검증에서 t-value 1.96 이상, 표준분산추출(AVE) 0.5이상으로 기준치를 모두 만족하였다. 또한 판별타당도 검증의 교차적재기준(Cross loading), 평균분산추출 (AVE) 검증, 지표타당도 검증가중치 유의도 t-value 1.96 이상, 개념타당도 Gefen-Sraub 검증 역시 모두 통과 하여 모형의 신뢰도에 문제가 없음을 확인할 수 있었다. 그 결과는 아래 <Table 3>과 같다.

    부트스트랩을 통한 경로분석 검증에 해당되는 구조모델의 경로계수 값을 살펴보면, 대부분의 지표에서 유 의수준 95%(t-value>1.96)를 만족하고 있어 경로분석 검증을 통과하였다. 모형평가 시 기준이 되는 결정계수 (R2) 값은 0.67 이상으로 3개의 모델 모두 매우 높은 설명력을 가진 안정적 구조모형으로 분석되었다. 또한 모형적합도(Goodness-of-Fit) 평가 역시 기준치 0.36 이상으로 모두 높은 적합성을 가지는 것으로 나타났다. 분석된 모형적합도 결과는 아래 <Table 4>과 같다.

    군(郡)·구(區)의 자전거사고모형을 살펴보면, 군(郡)의 경우 교통요인, 사회·경제요인, 자전거 수요유발요인 이, 구(區)의 경우 교통요인, 인구요인, 자전거 수요유발요인, 자전거 이용요인이 각각 요인들로 구성되는 것 으로 나타났다. 구(區)의 경우, 교통요인, 인구요인, 자전거 수요유발요인, 자전거 이용요인이 각각 잠재요인 들로 구성되는 것으로 나타났다.

    군(郡)·구(區)의 자전거사고모형의 모형적합도 외부검증에서 전체사고건수, 중상이상, 경상 자전거사고모 형들 모두 내적 일관성 신뢰도(Cronbach’s alpha) 및 합성신뢰도(CR), 지표 신뢰도는 기준치 0.7 이상으로 신 뢰도 검증을 통과하였으며, 집중타당도 검증에서 t-value 1.96 이상, 표준분산추출(AVE) 0.5 이상으로 기준치 를 모두 만족하였다. 또한 판별타당도 검증의 교차적재기준(Cross loading), 평균분산추출(AVE) 검증, 지표타 당도 검증가중치 유의도 t-value 1.96 이상, 개념타당도 Gefen-Sraub 검증 역시 모두 통과하여 모형들의 신뢰 도에 문제가 없음을 확인할 수 있었다. 그 내용은 아래 <Table 5>와 같다.

    군(郡)과 구(區)의 유형별 자전거사고모델에 대한 모형적합도 검증은 시(市)의 사고모형의 신뢰도 검증과 동일한 모형적합도 검증을 실시하였다. 군(郡)과 구(區)의 사고유형별 최종모델의 잠재요인과 잠재요인을 구 성하는 요소들의 경로계수를 나타낸 결과는 아래 <Table 6>과 같다. 본 연구에서 개발된 군(郡)과 구(區)의 사고유형별 모델은 내부모형 검증기준을 통과한 모형을 최종모형으로 선정하였다.

    Ⅵ. 모형결과에 대한 논의

    전체사고건수에 대해 시·군·구 사고모형을 비교하였을 경우 시·군·구 모두에서 공통적으로 자전거도로연 장과 교차로밀도가 주요교통요인으로 영향을 주는 것으로 나타났다. 이러한 결과는 도로의 연장이 교통사고 의 증가에 영향을 준다는 점과 교차로의 밀도가 도시화의 규모와 관련이 있다는 점에서 충분히 예상되는 결 과로 보여진다. 그러나 이외에는 시·군·구 사고모형에서 다소 상이한 설명변수들이 발견되는데 이러한 설명 변수의 다양성은 시·군·구의 도시특성이 다름에서 오는 결과라 할 수 있다.

    우선 가장 시가화가 되었다고 판단할 수 있는 구(區)의 경우 정확한 자전거의 통행량을 확인할 수 있는 자 료습득의 한계 속에 자전거노출(exposure)을 간접적으로 유추해낼 수 있는 변수들인 인구수와 경제활동 인구 비율이 자전거사고를 설명하고 있다. 또한 자전거 이용변수들과 관련하여 자전거수단분담률, 남성 통근자전 거이용률, 어린이 통학자전거이용률의 증가가 자전거이용에 영향을 줄 수 있고, 특히 이중 어린이 통학자전 거이용률은 목적통행 중 등교와 함께 자전거사고의 설명변수로 선정되었다는 점은 시가화가 높은 구(區)에 서는 학교에 등하교하는 학생들에 대한 주의가 필요함을 의미한다 할 수 있다.

    시(市)의 경우 도시의 시가화비율과 토지이용중 상업과 공업의 토지이용이 높을수록 자전거사고가 증가하 는 것으로 나타났다. 시(市)로 구분된 도시들은 도농통합형 도시들을 상당수 포함하고 있기 때문에 도시의 토지이용과 시가화가 자전거사고에 영향을 미치는 중요한 변수들이 된다고 판단된다. 구(區)의 경우와 마찬 가지로 시(市)의 경우 역시 정확한 자전거의 통행량을 확인할 수 없기 때문에 자전거노출(exposure)을 유추해 낼 수 있는 간접적인 변수들이 필요한데, 시(市)의 경우 운전면허소지자와 자동차등록대수 자전거사고를 설 명하고 있다. 또한 교차로밀도, 자전거도로연장, 여성 통근자전거이용률 등이 시(市)와 구(區)의 공통된 설명 변수중 하나로 선정되었는데 특히 교차로밀도는 단순히 도시의 시가화 비율뿐 아니라 시가화된 지역의 밀도 역시 중요함을 의미한다 할 수 있다. 또한 시(市)의 경우 구(區)와 달리 어린이 자전거이용률이 자전거사고의 주요 설명변수에는 포함되지 않았지만 초·중·고 교육기관설립수가 시의 주요 설명변수에 포함되었다는 점에 서 학생 자전거이용자에 대한 주의가 요망된다.

    군(郡)의 경우 시(市)와 마찬가지로 운전면허소지자, 자동차등록대수가 자전거노출(exposure)을 유추해낼 수 있는 간접적인 변수의 역할을 하고 있다. 또한 공원수, 자전거수단분담률, 국지도로비율, 교차로밀도, 자 전거도로연장 등이 군(郡)내에서 자전거사고를 증가시키는 설명변수로 나타났으며, 특히 군내 공원수의 증가 로 인한 자전거이용자들의 증가는 자전거사고와 연결된다는 점에서 공원을 이용하는 자전거이용자에 대한 주의가 필요하다.

    중상이상 사고건수에 대한 시·군·구 모형결과를 비교하면, 시·군·구 모형들 모두 전체 자전거사고모형들과 비교하여 설명변수들 사이에 약간의 변동을 보일 뿐 큰 차이를 발견할 수 없었다. 구(區)의 경우 자전거 수 요유발요인 중 자전거 보유대수가 자전거수단분담률을 대체하고 있으며 자전거이용요인 중 여성 통근자전 거이용률이 추가로 중상이상 사고를 설명한다는 차이점을 보이고 있다. 설명변수들의 유형적 측면에서 시 (市)와 군(郡)은 약간의 차이를 보이지만 전체적으로 큰 변동이 없으며, 특히 군(郡)의 경우는 설명변수의 변 동이 없음을 확인할 수 있다. 이러한 결과는 사고의 유형에 상관없이 설명변수들의 동질성이 존재한다는 점 을 의미한다. 다시 말해, 일반 자동차사고가 사고유형별로 복잡한 인과관계를 갖고 있는 반면 자전거사고는 유사한 공간적 범위 내에서는 사고의 인과관계가 상대적으로 단순하다는 점을 나타낸다. 이는 신호교차로와 무신호교차로를 비교할 때 복잡한 교통행태를 보이는 신호교차로가 상대적으로 단순한 무신호교차로에 비 해 보다 이질적인 설명변수들이 사고의 원인들을 설명하는 것과 유사하다. 그러나 동질적인 변수들 사이에 도 사고에 대한 영향력에 있어서는 다소간의 차이가 있음을 또한 보여준다. 시(市)의 경우 전체 자전거사고 모형에 비해 중상이상 자전거사고모형은 사회·경제적인 요인이 0.567에서 0.623로 영향력이 확대된 반면, 교 통요인은 0.350에서 0.242로 영향력이 감소되는 결과를 보인다. 구(區)의 경우는 전체사고건수에 비해 교통요 인은 0.333에서 0.175로 영향력이 감소되는 반면, 자전거관련 요인들은 전체사고건수에 비해 보다 많은 설명 력(자전거수요유발요인: 0.331, 자전거이용요인: 0.424)을 보이고 있음을 확인할 수 있다.

    경상 자전거사고모형들의 경우 중상이상 자전거사고모형들과 마찬가지로 시·군·구 모두에서 전체 자전거 사고모형들과 유사한 설명변수들을 포함하고 있다. 다만, 구(區)의 경우 전체 자전거사고모형과 중상이상 자 전거사고모형과 비교하여 인구요인이 경상 자전거사고모형에서 제외되는 차이점을 보인다. 특히 중상이상 자전거사고모형과 비교하면 사고에 대한 자전거관련 요인들의 영향력은 많은 차이를 보이지 않지만, 인구요 인이 제외된 대신 교통요인의 설명력이 거의 2배로 확대되었다는 점(0.175 vs. 0.330)에서 교통요인들에 대한 주의가 요구된다.

    시(市)과 군(郡)의 경우 전체 그리고 중상이상 자전거사고모형들과 비교하면 경상 사고모형에서는 시(市) 는 대학교 교육기관설립수가 사회·경제요인을 구성하는 주요 요소에서 제외되는 점과 군(郡)은 중상이상 사 고건수모형과 달리 목적통행 중 업무가 교통요인에서 제외된다는 점에서 차이를 보일 뿐 큰 변화는 없는 것 으로 나타났다. 또한 각 요인들의 설명력에 있어서도 경상 자전거사고모형은 전체 그리고 중상이상 자전거 사고모형들과 비교하여 많은 변화를 보이지 않는다는 점에서 시(市)와 군(郡)에서는 사고의 유형에 상관없이 사고의 인과관계가 구에 비해 상대적으로 일정하다는 차별성을 발견할 수 있었다. 이는 전체 자전거사고모 형들에서 살펴본 바와 같이 구(區)가 시(市)와 군(郡)에 비해 상대적으로 보다 복잡한 도시개발과 토지이용패 턴을 갖고 있다는 점에서 어느 정도 예상 가능한 결과라 할 수 있다.

    Ⅶ. 결 론

    본 연구는 전국 시·군·구를 대상으로 자전거사고에 영향을 주는 요인들을 분석하기 위한 목적으로 기존에 많이 이용되어온 회귀분석을 배제하고 PLS 구조방정식을 통한 사고모형개발을 시도하였다. 또한 본 연구에 서는 개별사고에 중점을 둔 기존 연구들에서 보다 거시적인 관점에서 시·군·구의 공간적 범위의 차이가 자 전거사고에 미치는 영향에 대해 분석하고자 하였다.

    본 연구의 사고모형들을 통해 자전거사고의 주요 원인들을 살펴보면 도시화의 확대가 결국 자전거사고의 가장 큰 요인임을 알 수 있다. 이는 자전거사고모형들에 포함된 인구수, 경제활동인구비율, 교차로밀도, 시가 화 면적비율, 상업과 공업의 토지이용, 운전면허소지자, 자동차등록대수, 교육기관설립수, 공원수 등의 증가 는 도시화의 확대가 원인이 된 다양한 결과적 요인들이라 할 수 있기 때문이다. 또한 자전거 이용활성화에 관한 법률이 공표된 이후 녹색교통으로서 자전거의 중요도가 많이 부각되고 이로 인한 자전거이용의 활성 화가 각 도시별로 활발히 이루어지고 있는 현실 속에 자전거사고는 필연적으로 증가할 수밖에 없다는 것도 본 연구를 통해 알 수 있었다. 이는 자전거도로연장, 자전거보유대수, 자전거수담분담률 등이 자전거사고모 형들에 역시 포함되고 있다는 점에서도 알 수 있다.

    그러나 앞으로 도시화는 계속 진행될 것이고 자전거의 이용도 역시 계속 확대될 수밖에 없다는 점에서 자 전거사고 증가를 최소화시키고 사고의 심각도를 낮추려는 노력들은 앞으로도 계속 요구될 것이다. 도시화를 막을 수 없는 것이 현실이라면 보다 체계적인 도시계획을 통해 자전거이용의 안전성을 높이는 계획들이 필 요할 것이다. 또한 자전거이용시설에 대한 각종 기준과 시설들에 대한 개선이 필요할 것이며, 각 지자체에서 시행하는 자전거이용 활성화 계획 등의 법정계획들 역시 보다 실효성을 가질 수 있도록 계획의 위상과 예산 의 확대 그리고 실질적으로 관리·감독을 할 수 있는 인력의 배치 또한 절실히 요구된다. 또한 각 지자체는 자전거이용의 확대에 대응하여 단순히 자전거도로의 연장 등에 관심을 가지는 소극적 대응에서 탈피하여 자 전거 전용도로의 확대와 일반도로와 접속하는 교차로에서 자전거이용자의 안전성을 높이는 다양한 안전정 책들을 개발해야 할 것이다.

    본 연구를 진행하면서 가장 아쉬운 부분들 중 하나는 사고의 원인이 되는 자전거노출(exposure)에 대한 자 료수집의 한계다. 사고를 설명하는 설명변수 중 가장 중요한 변수는 교통량이라는 점에서 자전거교통량에 대한 자료수집이 불가능하다는 점은 아쉬운 부분이라 할 수 있다. 또한 자전거도로의 기하구조에 대한 자료 역시 보다 체계화될 필요가 있다. 자전거전용도로, 자동차·자전거 혼용도로, 자전거·보행자 혼용도로 등은 안 전적 측면에서 각기 다른 의미를 갖고 있고, 따라서 이들 도로들의 기하구조 역시 보다 세분화되어 관련정보 를 제공할 필요가 있다. 앞으로 자전거관련 연구가 확대될 것이라는 기대 속에 각 지자체 및 관련 공공기관 들은 자전거교통량, 자전거도로의 기하구조 등과 같은 기초자료의 수집 및 제공에 보다 많은 관심을 보여야 할 것이다.

    ACKNOWLEDGEMENTS

    이 논문은 2017년도 한국교통대학교의 해외파견연구교수지원금을 받아 수행한 연구임

    The research was supported by a grant from the 2017 program for visiting professors overseas in Korea National University of Transportation

    Figure

    KITS-17-26_F1.gif

    PSL-SEM model

    KITS-17-26_F2.gif

    Si(市) model results for total accidents

    KITS-17-26_F3.gif

    Si(市) model results for serious injuries

    KITS-17-26_F4.gif

    Si(市) model results for light injuries

    Table

    Summary statistics of variables

    Verification statistic standard of PLS-SEM

    Si(市) verification results of outer model conformity by accident types

    Si(市) model results by accident types

    Gun(郡), Gu(區) verification results of outer model conformity by accident types

    Gun(郡), Gu(區) model results by accident types

    Reference

    1. CaiQ. , LeeJ. , EluruN. and Abdel-AtyM. (2016), “ Macro-level Pedestrian and Bicycle Crash Analysis: Incorporating Spatial Spillover Effects in Dual State Count Models ,” Accident Analysis and Prevention, vol. 93, pp.14-22.
    2. ChenP. (2015), “ Built Environment Factors in Explaining the Automobile Involved Bicycle Crash Frequencies: A Spatial Statistic Approach ,” Safety Science, vol. 79, pp.336-343.
    3. HongJ. and KimM. (2010), “ Statistical analysis and its application of bicycle accidents ,” Journal of the Korean Data & Information Science Society, vol. 12, pp.1081-1089.
    4. JeonW. , LeeH. and BaikN. (2012), “ Determining Priority of the Bikeway Construction in Rural National Highway ,” International Journal of Highway Engineering, vol. 14, no. 3, pp.111-120.
    5. KimD. , ChoH. and KimE. (2008), “ A Study on Bicycle Accident Patterns at Urban Intersections ,” International Journal of Highway Engineering, vol. 10, no. 38, pp.117-125.
    6. KimJ. (2010), The Development of Pre-Evaluation Criteria for Leisure Purpose Bicycle Route Plans in an Urban Area Context, Hanyang University.
    7. KimT. and ParkB. (2017), “ Analysis of Bicycle Accidents in Korea Based on Regional Characteristics ,” Journal of the Korean Society of Transportation, vol. 35, no. 5, pp.447-457.
    8. KwonS. , KimY. , KimJ. and HaT. (2015), “ Development of Bicycle Accident Prediction Model and Suggestion of Countermeasures on Bicycle Accidents ,” Journal of the Korean Society of Civil Engineers, vol. 35, no. 5, pp.1135-1146. .
    9. LeeJ. , JooY. and ParkS. (2012), “ A Study on Environmental Assessment of Bikeway based on ANP Model for Sustainable Green Road ,” Journal of Korea Spatial Information Society, vol. 20, no. 6, pp.33-43.
    10. NashadT. , YasminS. , EluruN. , LeeJ. and Abdel-AtyM. (2016), “ Joint Modeling of Pedestrian and Bicycle Crashes: Copula-Based Approach ,” Transportation Research Record, vol. 2601, pp.119-127.
    11. OhJ. , KimE. and KimD. (2007), “ A Study on the Bicycle Accident Injury Severity at Urban Intersections ,” Journal of the Korean Society of Civil Engineers, vol. 27, no. 4D, pp.389-395.
    12. SchepersJ. P. , KroezeP. A. , SweersW. and WustJ. C. (2011), “ Road factors and bicycle-motor vehicle crashes at unsignalized priority intersections ,” Accident Analysis and Prevention, vol. 43, pp.853-861.
    13. ShinH. and ParkJ. (2012), “ Bicycle traffic accidents according to age and city size ,” Monthly KOTI Magazine on Transport, 2012.12, pp.68-72.
    14. ShinH. , HongJ. and LeeS. (2012), “ A Study on the Factors Affecting the Severity of Bicycle-Related Accidents ,” Journal of Transport Research, vol. 19, no. 1, pp.67-78.
    15. SiddiquiC. , Abdel-AtyM. and ChoiK. (2012), “ Macroscopic Spatial Analysis of Pedestrian and Bicycle Crashes ,” Accident Analysis and Prevention, vol. 45, pp.382-391.
    16. Traffic Accident Analysis System, http://taas.koroad.or.kr, 2018.02.13.
    17. Wang, Y. and NihanN. L. (2004), “ Estimating the risk of collisions between bicycles and motor vehicles at signalized intersections ,” Accident Analysis and Prevention, vol. 36, pp.313-321.
    18. YangJ. and JunC. (2013), “ A Study on Bicycle Route Selection Considering Topographical Characteristics ,” Journal of the Korean Society of Geospatial Information System, vol. 21, no. 3, pp.3-9.

    저자소개

    Footnote