Ⅰ. 서 론
과거 우리나라는 승용차 중심의 발전과 보행자에 대한 배려 부족으로 차대사람 사고가 많이 발생하였다. 2012년 ｢보행안전 및 편의증진에 관한 법률｣이 제정되면서 본격적으로 보행 안전에 대한 법정계획이 수립 되기 시작했으며, 2013년 서울시가 보행친화도시 10대 서울비전을 수립함으로써 보행자에 대한 정책적 관 심이 더욱 쏠리게 되었다. 하지만 여전히 전체 사망자수 중 보행 사망자수 구성비가 39.9%를 차지하여, OECD 국가 중 가장 높은 수준으로 나타나, 차대사람 사고에 대한 꾸준한 관심이 필요한 것으로 나타났다 (KoROAD, 2018).
서울시 교통사고 통계에 따르면, 전체 사고건수는 2013년부터 증감을 반복하나 대체로 증가한 추세를 보 인다. 반면, 전체 사망자수는 2014년 이후 꾸준히 감소하는 추세를 보인다. 전체 사고건수는 증가한 데 비해 사망자수는 감소하여 사고심각도가 개선되었음을 확인할 수 있다. 보행 사고건수는 2014년 이후 꾸준히 감 소하는 추세를 보이며 보행자 사망자수 또한 꾸준히 감소하고 있다. 2017년 기준, 보행 사고건수는 전체 사 고건수의 15.1%에 불과하지만, 보행 사망자수는 전체 사망자수 중 55.1%를 차지하고 있다. 이처럼 보행 사고 의 심각도가 높은 이유는 물리적으로 차량에 비해 보행자가 사고에 취약하기 때문이다. 교통사고로 인한 사 망자수를 줄이기 위해서는 전체 사망자수 중 과반 이상을 차지하고 있는 보행자를 충분히 고려한 안전대책 이 필요하다.
교통사고의 요인은 도로 환경적 요인, 차량 요인, 인적 요인으로 구분할 수 있다(AASHTO, 2010). 인적 요 인이 57%로 가장 높은 요인으로 분석되었으며, 다음으로 도로 환경적 요인과 인적 요인의 복합 요인이 27% 를 차지한다. 인적 요인과 차량 요인은 사고의 주체가 되어 능동적인 의미를 가지는 반면, 도로 환경적 요인 은 앞의 두 요인을 수용하는 수동적인 의미를 가진다(KoROAD, 2014). 또한 도로 환경적 요인은 사람과 차량 에게 제약으로 작용하며, 이는 사고에 직접적인 영향을 줄 수 있다(KoROAD, 2014). 이는 사고 주체를 대상 으로 대책을 수립하는 경우보다 도로 환경을 대상으로 대책을 수립하는 것이 더욱 용이하다는 것을 의미한 다. 따라서 본 연구에서는 보행 사고의 도로 환경적 요인에 따른 사고 요인을 중심으로 분석을 수행하였다.
본 연구는 도로 환경적 요인 중 도로 네트워크 속성에 초점을 맞춰 분석을 진행하였다. 도로 네트워크 형 태는 차량과 보행자의 상충 정도에 영향을 미친다. 일반적으로 상충이 많이 발생할수록 교통사고 또한 많이 발생하는 것으로 인식하고 있으나, 이는 상충에 따른 운전자와 보행자의 행태에 따라 다른 상관관계가 나타 날 수 있다. 상충이 많은 구간에서 운전자와 보행자가 상호간 주의를 할 경우, 일반적인 상식과 다르게 사고 발생빈도가 적어질 수 있다. 또한, 상충이 적은 구간에서 운전자와 보행자의 부주의 또는 갑작스러운 상황 발생에 의해 사고 발생빈도가 높을 수도 있다. 이와 같이 도로 네트워크가 차대사람 사고에 미치는 영향이 지역별로 상이할 수 있기 때문에 이를 반영한 심도 있는 분석이 필요하다(Park et al., 2017;Park et al., 2019a). 본 연구의 목적은 도로 네트워크가 차대사람 사고에 미치는 영향을 지역별로 구분하여 분석하고, 그 에 따른 개선방향을 제시하는 것이다.
본 연구는 첫 번째, 기존 국내외 문헌을 검토하여 기존 연구들이 고려한 도로 네트워크 속성들을 파악한 다. 둘째, 차대사람 사고의 공간적 상관성을 설명하고 모형에 반영하는 방법을 논의한다. 셋째, 모형 구축을 위해 구득한 자료 및 모형에 반영한 변수를 설명한다. 넷째, 차대사람 사고모형을 개발하고, 개발된 모형을 토대로 도로 네트워크가 차대사람 사고에 미치는 영향 요인을 논의한다. 마지막으로 결론을 제시하고 향후 개선점을 제시한다.
Ⅱ. 기존연구 고찰
다수의 보행자 사고 관련 논문들이 도로 환경적 요인을 주요 원인으로 설정하여 연구를 수행하였다. Wier et al.(2009)은 각 단위지역의 교통량, 인구 특성, 토지이용 특성, 도로 특성을 독립변수로 차대사람 사고빈도 수에 대한 선형회귀모형을 구축하였다. 그 결과, 대중교통이 없는 간선도로 비율, 상업/주거지역 비율, 빈곤 율 등에 따라 사고빈도가 증가하는 것으로 나타났다. Clifton et al.(2009)은 보행자 사고 심각도를 종속변수로 순서형 프로빗 모형을 구축하여 분석을 실시하였다. 여성이 남성보다, 어린이가 노인보다 더 사고에 취약한 것으로 나타났으며, 공간적으로는 횡단보도가 없는 교차로에서, 시간적으로는 야간에 더욱 심각한 사고가 발 생하는 것으로 나타났다. Ukkusuri et al.(2012)은 각 단위지역별 인구사회적 특성, 토지이용 특성, 교차로 특 성, 도로 특성을 반영하여 음이항 회귀분석을 실시하였다. 그 결과, 상업 및 공업지역일수록 사고빈도가 높 으며, 학교 수와 버스정류장 수에 따라 사고빈도가 결정되었다. Park(2014)는 근린의 물리적 환경특성이 보행 자 교통사고에 미치는 영향을 분석하기 위해 가로환경, 토지이용, 주요 장소들을 변수로 설정하였다. 다양한 가로환경 변수를 반영하여 음이항 회귀분석모형을 구축하였으나, 신호등 밀도와 횡단보도 밀도 두 변수만이 보행자 교통사고와 유의하게 양의 상관관계를 가지는 것으로 나타났다. Lee and Lee(2017)는 근린의 도로 네 트워크 구조와 보행자 교통사고의 연관성을 분석하기 위해 토지이용, 도로, 교차로, 대중교통 환경, 도로 네 트워크 구조에 대한 변수를 반영하였다. 특히, 연구의 초점인 도로 네트워크 구조 변수는 최단경로거리, 네 트워크 매개중심성, 평균 군집화계수를 사용하여 모형에 반영하였다. 이와 같이 도로 환경적 요인을 다룬 기 존 연구들에서는 다양한 도로 환경 변수를 모형에 반영하여 차대사람 사고에 미치는 영향을 분석하였다.
앞서 검토한 논문들은 분석 대상 범위에 대한 전역적인 단일 모형을 제시하였다. 이러한 전역적인 모형은 각 독립변수에 대한 일관된 설명력을 가진 한편, 지역적 특성을 충실히 반영하지 못하는 경우가 발생할 수 있다. 이에 따라 국지적 모형을 구축하여 차대사람 사고에 대한 독립변수의 영향을 각 지역별로 분석한 연구 가 일부 존재했다. Li et al.(2013)은 교차로 사고 예측 모형을 공간가중 회귀모형으로 구축하였는데, 교차로 내 교통량, 좌회전차로 개수 등이 교통 사고빈도수에 영향을 미치는 것으로 나타났다. Shariat-Mohaymany et al.(2014)은 신호/비신호 교차로 개수, 도로 밀도 등 네트워크 특성과 교통량, 차량보유대수 등 통행발생 특성 을 변수로 설정하고, 교통사고를 예측하는 공간가중 포아송회귀모형을 구축하였다. Zhang et al.(2015)은 도로 네트워크 구조를 최단경로거리, 네트워크 매개중심성, 군집화계수를 이용하여 기하학적인 지표를 통해 공간 가중 포아송회귀모형을 구축하였다.
본 연구의 공간적 범위인 서울시는 지역에 따라 상이한 유동인구, 토지이용, 도로 네트워크 구조를 갖는 다. 따라서 이러한 요인들이 차대사람 사고에 미치는 영향은 지역에 따라 다르게 나타날 것이며, 본 연구에 서는 이러한 공간적 상관성을 반영한 모형을 활용하였다.
Ⅲ. 방법론
1. 공간적 상관성
Tobler(1970)의 지리 제 1법칙에 따르면 공간상의 객체들은 서로 영향을 주고받으며 존재하고 있다. 공간 적 자기상관(Spatial autocorrelation)은 이러한 공간상 객체들 간의 상호작용을 의미한다. 정적 공간적 자기상 관(Positive spatial autocorrelation)은 공간적으로 근접한 객체 간 유사한 특성을 지닌 경우를 의미하고, 부적 공간적 자기상관(Negative spatial autocorrelation)은 공간적으로 근접한 객체 간 이질적인 특성을 지닌 경우를 의미한다. 이렇듯, 공간적 자기상관은 공간상 객체들 간의 공간적 종속성(Spatial dependence)과 이질성(Spatial heterogeneity)과 같은 상호작용에 따라 나타나는 현상이다.
도로 네트워크는 물리적으로 연속적인 형태를 띠며, 네트워크의 같은 지역을 이동하는 객체들은 물리적 공간의 유사한 영향을 받으며 통행하게 된다. 차대사람 사고는 사고 발생 지점의 물리적 환경 내에서 통행한 차량과 보행자의 상충 환경에서 발생한다. 따라서 차대사람 사고는 공간적 자기상관이 관여하기 때문에, 이 를 분석모형에 반영할 필요가 있다.
2. 공간가중 포아송회귀모형(Geographically Weighted Poisson Regression, GWPR)
차대사람 사고의 경우, 각 사고 지점이 이웃하는 지역에 영향을 받아 생기는 공간적 상호작용에 따라 일 반 회귀모형의 여러 가정을 위배하게 된다. 공간적 자기상관에 의해 일반 선형회귀모형의 독립성과 등분산 성이 위배되는 것이다. 공간가중 회귀모형은 이러한 공간적 상호작용을 통제하여 모형에 반영한다.
여기서,
-
yi = 지점 i에서의 종속변수
-
β0 (ui, υi) = 좌표 (ui, υi)에서의 모형의 절편
-
βk (ui, υi) = 좌표 (ui, υi)에서의 k번째 계수
-
xik = 지점 i에서의 k번째 독립변수
-
∈i = 지점 i에서의 오차
따라서 공간가중 회귀모형은 전역적인 일반 회귀모형과는 달리, i 개의 국지적 모형이 산출되며, 각 지역 에 따라 사고와 독립변수 간 계수가 다르다. 각 지역별 계수 추정에 있어, 모든 사고 지점의 데이터가 같은 비중으로 모형에 반영되지 않는다. 공간적 상호작용에 따라 기준 지역에서 가까운 지점일수록 높게 반영된 다. 계수 βk (ui, υi)는 다음과 같이 나타난다.
여기서,
여기서,
각 지점 i 를 중심으로 근접 지점 j 의 위치에 따라 가중치가 부여되어 모형에 반영된다. 대다수의 가중치 함수는 위치 i로부터 가까운 위치들이 먼 위치들보다 크게 반영된다. 본 연구에서는 가중치 함수에 주로 활 용되는 Gaussian 함수와 Exponential 함수를 활용하였다. 최적 가중치 함수를 선정하기 위해 모형의 AICc(corrected Akaike Information Criteria)값을 비교하여 더 작은 AICc 값의 가중치 함수를 선정한다.
각 지점 i 를 중심으로 반영되는 근접 지점의 기준은 거리에 대한 고정적 방식(fixed) 또는 가변적 방식 (adaptive)에 따라 산출된다. 차대사람 사고는 지역에 따라 공간적 밀집도에 차이가 존재하기 때문에 가변적 방식을 활용하는 것이 적합한 것으로 판단하였다.
사고건수를 종속변수로 하는 사고 모형은 일반적으로 정규 분포를 따르지 않는다. 이에 따라 본 연구에서 는 포아송 분포를 활용한 공간가중 포아송회귀모형을 구축하였다.
여기서,
-
yi = 지점 i에서의 종속변수
-
β0 (ui, υi) = 좌표 (ui, υi)에서의 모형의 절편
-
ln (Exposure) = 노출변수
-
βk (ui, υi) = 좌표 (ui, υi)에서의 k번째 계수
-
xik = 지점 i에서의 k번째 독립변수
-
∈i = 지점 i에서의 오차
Ⅳ. 데이터 수집 및 변수 설정
1. 구득자료
본 연구에서는 서울시 사고 자료, 도로 네트워크 자료, 유동인구 자료를 사용하였다. 사고 자료는 도로교 통공단 교통사고분석시스템(이하 TAAS, Traffic Accident Analysis System)에서 2015년부터 2017년까지의 서울 시 차대사람 사고 자료를 추출하여 활용하였다. 차대사람 사고 자료는 발생 시간 및 장소, 사고 내용, 사고 유형 등의 사고 정보와 가해자 및 피해자 정보를 포함하고 있다. 본 연구에서는 차대사람 사고 자료를 서울 시 행정동 424개를 기준으로 분류하였다. 2015년부터 2017년까지 발생한 차대사람 사고 총 32,243건을 대상 으로 연구를 수행하였으며, 행정동에 따라 최소 5건에서 최대 433건의 차대사람 사고빈도수가 나타났다. 서 울시 도로 네트워크 자료는 행정자치부 도로명 주소DB의 2017년 기준 도로구간 공간자료를 활용하였다. 도 로구간 공간자료를 행정동 단위 링크와 노드 공간자료로 가공하여 본 연구에 활용하였다. 유동인구 자료는 서울열린데이터광장의 2017년 생활인구 자료를 활용하였다. 생활인구는 서울시의 특정지역, 특정시점에 존 재하는 모든 인구를 추계한 자료이다. 본 연구에서는 서울시 생활인구 자료를 행정동 별 사고에 대한 노출변 수로 활용하였다.
2. 변수 설정
본 연구는 행정동 별 사고빈도수를 종속변수로 설정하고 노출변수, 인구특성 변수, 토지이용 변수, 도로 네트워크 특성 변수를 독립변수로 설정하였다. 교통사고 노출은 사고 발생 기회의 수로 정의할 수 있으며, 분석 범위의 규모에 따라 미시적인 변수와 거시적인 변수로 구분할 수 있다(KOTSA, 2011). 차대사람 사고는 일반적으로 보행량과 차량 주행거리가 사고 노출에 주요한 영향을 미친다(Marshall and Garrick, 2010;Ukkusuri et al., 2012). 하지만 지역단위의 자료 구득이 어려워 기존 연구에서는 거주 인구와 종사자수를 활용 하거나 통행 유발과 연관된 학교개수, 주택밀도, 산업특성 등을 반영하였다(Marshall and Garrick, 2010;Ha and Thill, 2011). 보다 직접적인 노출변수를 사용한 연구들은 국내 유동인구 자료를 활용하거나 통신데이터 기반 유동인구 및 도로 혼잡도를 대리변수로 활용하였다(Lee and Lee, 2014;Lee and Lee, 2017;Lee et al., 2019). 본 연구에서는 서울시에서 공식 배포되는 유동인구 전수화 자료인 생활인구 데이터를 활용하여 보다 높은 신뢰성을 확보하였다. 또한, 기존 연구에서 활용한 유동인구는 보행자만을 고려한 반면, 생활인구는 보 행자 뿐 아니라 승용차 및 대중교통에 탑승하고 있는 인구 또한 측정한다. 따라서 생활인구는 교통량과 보행 량을 모두 반영하여, 보행량만 반영한 데이터에 비해 교통사고 노출변수로서 보다 신뢰성을 확보할 수 있다. 생활인구는 공휴일이 적은 2017년 4월 데이터의 행정동 단위 시간대별 생활인구수의 합을 활용하였다.
교통사고 관련 연구의 많은 주제가 고령자를 대상으로 하고 있다. 이는 고령자가 신체적으로 갖는 불리한 조건에 의해 사고 경향이 다른 연령대와 다르게 나타날 것이라는 가설을 전제로 한다(Kim, 2017;Oh et al., 2015;Park et al., 2019b;Seo et al., 2017). 본 연구에서도 고령자 비율이 사고빈도수에 미치는 영향이 상당히 높을 것으로 판단하여 행정동 전체인구 대비 고령자 인구수를 변수로 선정하였다.
기존 다수의 연구에서 지역별 토지이용이 차대사람 사고에 영향을 미치는 것으로 나타났다(Ukkusuri et al., 2012;Lee and Lee, 2017;Zhang et al., 2015). 토지이용과 차대사람 사고에 대한 기존 연구를 살펴보면, 일반 적으로 차량통행량이 많은 상업지역이 단독 주택지역에 비해 차대사람 사고가 많이 발생했다(Park, 2014). 주 거지역은 상업지역에 비해 차량 주행속도가 낮아 사고 발생율이 낮을 수 있다(Seo and Lee, 2016). 또한 상업 지역의 경우, 고밀도의 업무 유동인구의 사고 노출 시간이 높아 사고 발생율이 높아질 수 있다(Seo and Lee, 2016). 이와 같이 토지이용 또한 차대사람 사고에 영향을 미칠 것이라 판단하여 주거지역 비율과 상업지역 비율을 변수로 반영하였다.
기존 연구에서는 도로 환경적 요인을 변수로 설정하기 위해 다양한 방식을 활용했다. 차대사람 사고에 영 향을 미칠 수 있는 도로의 규모와 형태를 도로위계별 연장, 도로폭, 제한속도 등으로 반영하였다(Wier et al., 2009;Ukkusuri et al.,2012;Lee and Lee, 2017). 또한 교차로 밀도, 교차로 형태 등 교차로 특성을 반영하였다 (Park, 2014;Lee and Lee, 2017). 도로 네트워크 구조 측면에서는 최단경로거리, 네트워크 매개중심성, 평균 군집화계수 등 네트워크 토폴로지를 활용하여 변수를 설정하였다(Zhang et al., 2015;Lee and Lee, 2017). 본 연구에서는 차량과 보행자 간 상충에 대한 이해와 해석에 초점을 맞추기 위해 세 가지 도로 네트워크 변수 를 선정하였다. 첫 번째, 차량 행태에 영향을 미치는 도로 위계를 반영하기 위해 ‘상위 위계 도로 비율’을 변 수로 선정하였다(Table 4). ‘상위 위계 도로 비율’는 행정동 내 총 도로 연장 대비 상위 위계 도로 연장의 값 으로 도출하였다. 고속도로를 포함한 자동차 전용도로는 일반적으로 차량과 보행자가 상충하는 일이 발생하 지 않기 때문에 분석 대상에서 제외하였다. 도로의 위계는 일반적으로 상위에 포함될수록 도로폭이 넓으며 이동성과 속도가 높은 경향이 있어, 상충 회피 및 주의력에 관여하는 변수로 볼 수 있다. 두 번째 선정된 변 수는 ‘교차로 밀도’이며, 도로 연장 대비 교차로 개수로 산출하였다. 일반적인 4지 교차로 뿐 아니라 다양한 형태의 교차로를 포함하여 분석하였다. 이 변수는 교차로의 밀도에 따라 차량과 보행자 간 상충 상황이 발생 하는 빈도가 달라져, 운전자와 보행자의 행태가 상이하게 나타날 것이라는 가설을 전제로 하고 있다. 마지막 으로 선정된 변수는 ‘다른 위계 도로의 교차 비율’로써, 총 교차로 개수 대비 상위 위계의 도로와 하위 위계 의 도로의 교차로 개수의 값이다. 위계가 다른 도로의 교차가 많은 도로 네트워크는 보다 혼잡한 환경에서 운전자와 보행자의 행태가 나타나기 때문에, 차대사람 사고에 미치는 영향이 상이할 것이다. 본 연구에서 포 함된 변수에 대한 자세한 내용은 <Table 5>와 같다.
결과적으로 본 연구에서 선택한 공간가중 포아송회귀모형의 독립변수는 노출변수, 인구특성 변수, 토지이 용 변수, 도로 네트워크 변수로 구분할 수 있다.
Ⅴ. 분석 결과 및 해석
앞서 선정한 노출변수, 인구특성 변수, 토지이용 변수, 도로 네트워크 변수를 서울시 행정동 424개를 기준 으로 구분하였으며 기초통계량은 <Table 6>와 같다. 종속변수인 차대사람 사고빈도수는 최저 5건에서 최대 433건으로 나타났다. 노출변수인 유동인구는 평균 최소 4,872명/시간에서 최대 115,862명/시간으로 나타났다. 인구특성 변수인 고령 유동인구 비율은 최소 8%에서 최대 26%로 나타났다. 토지이용의 경우, 주거지역과 상 업지역 모두 최소 0%에서 최대 100%로 나타났다. 도로 네트워크 변수를 살펴보면, 상위 위계 도로 비율이 최소 0.88%에서 최대 99.99%로 나타났다. 교차로 밀도의 경우 최소 0.16%에서 최대 4.59%로 나타났다. 다른 위계 도로의 교차 비율은 0.00%에서 75.00%로 나타났다.
공간가중 포아송회귀모형의 결과로 서울시 행정동 424개에 대한 국지적 모형이 산출되었다. 공간가중 포 아송회귀모형의 적합성 평가를 위해 AICc 값을 활용하였다. AICc 값은 모형의 적합도를 나타내며, 낮은 값 일수록 적합한 모형으로 판단한다(Fotheringham et al., 2002).
여기서,
전역적 모형과 Gaussian 함수 및 Exponential 함수를 적용한 국지적 모형을 비교한 결과, 두 국지적 모형이 모두 전역적 모형에 비해 더 높은 적합성을 보였다(Table 7). 본 연구에서는 두 국지적 모형 중 보다 높은 적 합성을 보이는 Exponential 가중치 함수를 사용한 국지적 모형을 채택하였다.
각 독립변수의 계수값은 행정동에 따라 상이하게 나타났다. 고령 유동인구 비율은 최소 0.082에서 최대 1.246으로 상이하였으나, 모든 행정동에서 차대사람 사고에 양의 상관관계를 갖는 것으로 나타났다. 주거지 역 비율은 모든 행정동에서 양의 상관관계를 가졌으나, 상업지역 비율은 약한 음의 상관관계부터 강한 양의 상관관계를 보였다. 도로 네트워크 변수인 ‘상위 위계 도로 비율’, ‘교차로 밀도’, ‘다른 위계 도로의 교차 비 율’은 행정동에 따라 음과 양의 상관관계 모두 나타났다.
고령 유동인구 비율은 기존 다수의 연구와 같이 차대사람 사고빈도에 양의 상관관계를 갖는 것으로 나타 났다(Kim, 2017;Oh et al., 2015;Seo et al., 2017). 고령운전자 및 고령보행자의 신체적 인지반응 능력이 다른 연령대에 비해 상대적으로 부족한 데에서 비롯된 결과로 예상된다.
토지이용에 대한 결과를 살펴보면, 주거지역은 모든 지역에서 사고빈도수를 증가시키는 것으로 나타났다. 이는 다른 토지이용에 비해 주거지역에서 보행 활동이 활발하기 때문에 사고 발생빈도가 높음을 예측할 수 있다(Siddiqui et al., 2012). 상업지역의 경우, 고밀도의 유동인구로 인해 사고 노출이 높고 이에 따라 사고 발 생이 높아질 수 있으나, 반대로 보행자가 많은 상업지역에서 운전자의 주의력이 향상되는 경향이 있어 사고 발생이 낮아질 가능성도 있다(Pulugurtha et al., 2011).
본 연구의 핵심인 도로 네트워크 변수를 각각 살펴보면, 첫 번째 변수인 ‘상위 위계 도로 비율’의 결과는 <Fig. 2>와 같이 나타났다. 도로 위계는 도로폭에 따라 ‘대로’, ‘로’, ‘길’로 구분된다. 일반적으로 ‘대로’와 ‘로’는 차도와 보도가 구분되어 있으며 ‘길’은 보차혼용도로가 많다. ‘대로’와 ‘로’에서는 주로 도로가 서로 만나는 교차로에서 상충이 발생하고 ‘길’은 교차로 뿐 아니라 도로 상에서도 상충이 발생한다. 다수의 연구 에서 도로폭이 넓은 상위 위계 도로를 횡단하는 보행자가 하위 위계 도로를 횡단하는 보행자에 비해 위험에 더 오랜 시간 노출되어 있기 때문에 사고 발생률이 증가한다고 서술하고 있다(Morency and Cloutier, 2006;Schuurman et al., 2009;Morency et al., 2015). 반면 일부 연구에 의하면, 제한속도가 낮은 하위 위계의 도로에 서 10명 중 7명은 제한속도를 초과하고 있으며, 제한속도 대비 높은 속도로 주행하려는 운전 성향은 차대보 행 사고를 유발할 수 있다고 주장한다(Tignor and Warren, 1990). 상위 위계 도로 비율이 높을수록 사고 발생 빈도가 높아지는 지역은 대체로 강남권역과 강북권역의 남부지역에 해당하였다. 해당 지역에서는 도로폭이 넓고 차량 속도가 빠른 상위 위계 도로의 특징이 사고 발생빈도를 높이는 경향이 있는 것으로 판단할 수 있 다. 반대로 상위 위계 도로 비율이 높을수록 사고 발생빈도가 낮아지는 지역은 강북권역과 동남권 일부지역 에 해당하였다. 이는 해당 지역에서 위계가 낮은 도로에서 상대적으로 많은 차대사람 사고가 발생하는 것으 로 판단되며, 구체적인 원인을 파악하기 위해서는 추가적인 연구가 필요하다.
두 번째 변수인 ‘교차로 밀도’의 결과는 <Fig. 3>와 같이 나타났다. 도로 네트워크에 교차로가 많을수록 운 전 행태에 주의가 필요해지며, 경로가 복잡해져 차량과 보행자 간 충돌 가능성을 높인다(Guo et al., 2017). 또 한 교차로가 많아짐에 따라, 횡단하는 보행자와 운전자의 돌발 행동에 의한 사고 발생 가능성이 높아진다 (Guo et al., 2017). 이는 운전자가 회전할 경우, 시거 확보가 어렵고 그에 따른 대응이 어렵기 때문이다(Rifaat et al., 2011). 반면 복잡한 경로에 의해 운전자가 주의력을 높이고 속도를 줄임으로써 사고를 줄일 수도 있다 (Rifaat et al., 2011;Hedlund, 2000;McCarthy and Talley, 1999;Miller and Levym, 2000). 변수와 사고 발생빈도 가 양의 상관관계를 갖는 지역은 도심권 및 일부 동남권을 제외한 모든 지역으로, 차로에서 차량과 보행자의 상충이 사고로 이어진다. 이는 운전자의 부주의를 야기하는 환경 혹은 보행자의 무단횡단과 같은 돌발적인 행동이 빈번한 환경임을 의미한다. 반면, 교차로 밀도가 높을수록 사고 발생빈도가 낮아지는 지역은 도심권 과 일부 동북권 지역으로 나타났다. 교차로 밀도와 사고 발생빈도가 음의 상관관계를 갖는 지역은 교차로에 서의 상충이 사고를 억제한다. 도심을 비롯한 해당 지역은 차량 통행속도가 상대적으로 낮고, 교차로를 통행 하는 보행인구가 많은 것으로 예상된다. 이는 해당 지역의 교차로 환경이 운전자와 보행자가 서로 주의하며 이동해야 하는 환경인 것으로 해석할 수 있다.
세 번째 변수인 ‘다른 위계 도로의 교차 비율’의 결과는 <Fig. 4>와 같이 나타났다. 상위 위계의 도로는 하 위 위계의 도로에 비해 비교적 속도가 빠르며 넓은 도로에 통행 우선권이 있어, 도로 위계에 따른 운전자의 행태와 교통류 특성이 다르게 나타난다. 상위 위계의 도로에서 운전자는 보행자에 대한 많은 주의력이 요구 되지 않아, 부주의로 인한 사고 발생 가능성이 높아진다(Guo et al., 2017). 반면 운전자와 보행자의 사고방어 적 행태로 사고 발생 가능성이 낮아질 수도 있다(Rifaat et al., 2011;Hedlund, 2000;Levym and Miller, 2000;McCarthy and Talley, 1999). 서남권 및 동남권 일부를 제외한 대부분의 지역에서 사고 발생빈도에 대해 양의 상관관계가 나타났다. 해당 지역에서 위계가 다른 도로가 교차하는 지점은 운전자와 보행자 간 상충이 사고 로 이어지는 환경으로 예상된다. 서로 다른 교통류 특성이 만나는 환경에서 운전자와 보행자가 상호 부주의 하여 사고 발생빈도가 증가한 것으로 예상된다. 반면 서남권과 동남권의 일부지역의 위계가 다른 도로가 교 차하는 지점에서 사고 발생빈도가 낮아지는 경향을 보였다. 이는 서로 다른 교통류 특성이 만나는 환경에서 운전자와 보행자 간 상호 주의력이 높기 때문에 사고 발생빈도가 낮은 것으로 예상된다. 이 원인에 대한 충 분한 이해를 위해서는 추가적인 연구가 필요하다.
본 연구에서 초점을 두고 있는 도로 네트워크 변수를 기준으로 다음과 같은 분석을 수행하였다. 분석에 사용한 세 가지 독립변수를 종합적으로 살펴본 결과, 유사한 행정동 집단을 선별할 수 있었다. 각 독립변수 는 세 가지 경위의 수(+, - , Insignificnat)를 가지며, 유사한 행정동 집단은 총 27개의 경우의 수가 발생할 수 있다. 분석 결과에 따라 실제 표본이 존재하는 행정동 집단은 총 15개 집단으로 분류되며, 각 집단별 도로 네트워크 특성이 사고발생에 미치는 영향을 독립변수의 부호에 따라 해석할 수 있다. 서울시 행정동의 75% 이상이 집단 1, 2, 3에 해당하는 것으로 나타났다.
가장 많은 44.3%의 행정동이 포함된 집단1은 강남의 극동과 극서 지역을 제외한 대부분의 지역과 강북의 남쪽 지역에 분포하고 있다. 집단1에서는 넓은 도로가 많고 교차로가 많으며, 서로 상이한 위계의 교차로가 많을수록 사고가 증가한다. 이는 규모가 큰 도로와 교차로에서 차량과 보행자의 부주의가 유발되므로, 규모 가 큰 도로를 중심으로 운전자와 보행자를 위한 주의 시설을 확보할 필요가 있다. 위계가 상이한 교차로에서 도 보행자 보호 의무에 대한 경각심과 무단횡단 주의에 대한 시설을 확보하고 시야를 방해하는 환경을 개선 해야 한다. 두 번째로 많은 집단2는 주로 강북지역의 북쪽지역과 강남지역의 극동지역에 분포하고 있다. 집 단2에서는 좁은 도로가 많고 교차로가 많으며 서로 상이한 위계의 교차로가 많을수록 사고가 증가한다. 이 는 교차로, 특히 위계가 상이한 교차로에서 상충이 사고로 이어지는 경향이 강하며, 상위 도로의 비율이 낮 은 네트워크의 특성에서 운전자의 부주의가 잦아, 교차로 상충 상황에서 대응력이 부족한 것으로 판단된다. 따라서 해당 지역 도로의 속도 관리, 교차로의 시야 관리 등 운전자의 대응력 확보를 위한 노력이 필요하다. 세 번째로 많은 집단3에서는 넓은 도로가 적고 교차로가 적은 반면, 서로 상이한 위계의 교차로 비율이 높을 수록 사고가 증가한다. 교차로가 비교적 적어 단순한 구조의 네트워크를 통행하는 운전자와 보행자가 상이 한 위계의 교차로에서 상호 부주의하게 되는 상황이 발생함을 유추할 수 있다. 이에 따라 상이한 위계의 교 차로를 집중적으로 관리하여 운전자와 보행자가 상호 주의할 수 있는 환경을 조성해야 한다.
Ⅵ. 결론 및 향후 연구과제
사고 발생 요인은 매우 다양하지만 크게 인적 요인, 차량 요인, 도로 환경적 요인으로 나뉜다. 단일 요인 으로 살펴보면 인적 요인이 가장 크지만, 복합 요인으로 살펴보면 도로 환경적 요인 또한 크게 작용한다. 인 적 요인은 통제가 어려운 반면, 도로 환경적 요인은 정책적 개선 요소가 크므로, 본 연구에서는 보행 사고 개선을 위한 도로 환경적 요인, 특히 도로 네트워크 특성에 초점을 맞췄다. 도로 네트워크는 차량과 보행자 의 통행 행태를 결정하며, 이에 따라 상충 행태가 상이하게 나타나 사고로 연계되거나 회피로 연계될 수도 있다. 상충 발생에 따라 반드시 사고가 발생하는 것은 아니며, 운전자와 피해자의 개인적 특성에 따라 사고 발생 여부가 크게 달라질 수 있다. 하지만 본 연구에서는 도로 네트워크 특성이 주의력에 영향을 미쳐, 상충 이 사고 혹은 회피로 연계될 수 있는 데에 초점을 맞추었다.
본 연구의 대상지인 서울시는 지역에 따라 다양한 도로 네트워크 구조를 갖고 있다. 이에 따라 서울시 도 로 네트워크가 차대사람 사고에 미치는 영향이 지역별로 상이하게 나타날 것이며, 이를 분석하기 위해 공간 가중 포아송모형을 구축하였다. 기존 많은 차대사람 사고 연구에서 반영되었던 노출변수인 교통량과 보행량, 인구특성변수인 고령자 비율, 토지이용변수인 주거지역 및 상업지역 비율을 통제하고, 도로 네트워크가 차대 사람 사고에 미치는 영향에 대한 분석을 실시하였다. 모형 구축 결과, 지역에 따라 도로 네트워크 변수가 사 고에 미치는 영향이 다르게 나타났다. 세 가지 도로 네트워크 변수를 기준으로 행정동 집단을 구분한 결과, 총 15가지 집단이 도출되었으며, 상위 세 집단에 전체 행정동의 약 75%가 포함되었다. 이에 따라 서울시 전 역에 대한 획일적인 대책이 아닌 지역별 도로 네트워크 특성을 반영한 대책 수립을 제시하였다.
Park(2014)는 차대사람 사고란 보행자 및 운전자의 개인적 특성, 사고 발생 시간, 날씨, 사고 발생 주변의 시야 등 다양한 요인들이 복합적으로 얽혀있는 사건으로써, 물리적 환경요인만으로 사고를 설명하는 데 한 계가 있음을 시사하고 있다. 하지만 본 연구에서 제시한 국지적 모형을 기반으로 거시적 관점에서 차대사람 사고에 대한 도로 네트워크 특성의 영향을 분석하고 개선 방향을 제시하는 데에 기여할 수 있다. 우선, 행정 동 집단별 대표 사고지점을 선정하여 도로 네트워크 특성에 따른 차량과 보행자의 행태를 미시적으로 조사 및 분석하여 개선대책을 수립한다. 개선대책의 효과가 입증되면, 유사한 행정동에 확대 적용하여 효과적으로 차대사람 사고를 개선할 수 있다. 향후 관련 자료가 축적되면, 도로 네트워크 특성이 차량 및 보행자 행태에 미치는 영향이 보다 명확히 규명되고 이에 따른 차대사람 사고 개선대책이 보다 구체적으로 제시될 것으로 기대된다.
향후 연구과제로 모형의 적합도를 높이기 위한 추가적인 검토가 필요하다. 본 연구에서는 사고건수의 분 포를 포아송으로 가정하고 모형을 구축하였다. 그러나 사고의 과분산을 반영할 수 있는 모형은 포아송 외에 도 포아송감마(음이항), 포아송로그정규분포 등을 활용할 수 있다. 다양한 분포를 검토하여 가장 적합한 모 형을 찾을 수 있다면 더욱 정교한 모형 결과를 얻을 수 있을 것이다.
