Ⅰ. 서 론
도로 상에서 발생하는 교통사고는 여러 가지 특수한 상황이 복합적으로 작용하여 발생하지만, 많은 사고 원인에 운전자 과실이 포함되는 것으로 알려져 있다 (Evans, 2004;Javins and Carter, 2022;Song et al., 2005). 이에 운전자가 과실을 범할 수 있는 위험운전행동 결정요인을 분석하여 고위험군 운전자를 선별하거나, 해 당 특성을 확인하는 방법을 개발하는 연구가 지속해서 이루어져 왔다 (Aberg and Rimmo, 1998;Dahlen et al., 2005;Lajunen and Parker, 2001). 기존 연구에서는 외향성, 신경성 등 개인의 성격적 특성 요인에 기반을 두거 나, 안전운전, 위험운전 등 특정 운전성향을 분류하여 이와 같은 특성이 위험운전행동과 연관성이 있는지 확 인하는 데 중점을 두었다. 이를 통하여 위험운전행동을 보이는 운전자 유형을 평가할 수 있는 요인을 확인할 수 있었지만, 해당 요인 특성을 지닌 운전자가 실제 도로주행 상황에서 위험운전행동과 같은 주행행태 특성 을 보이는지 확인하는 연구는 충분히 이루어지지 않았다. 동일한 도로교통 상황에서도 개인의 운전성향과 다른 요인에 의하여 나타나는 주행행태는 다를 수 있는 만큼 (Zhang et al., 2016), 운전성향과 주행행태를 비 교하여 도로교통 환경에 따라 위험운전행동을 보일 수 있는 운전자 유형을 확인하는 것이 필요하다.
이에 본 연구에서는 기존에 개발된 설문조사 기반의 평가 방법을 활용하여 도출한 위험운전성향과 주행 시뮬레이터 실험을 통하여 도출한 주행행태 특성 간에 상관관계를 분석하고, 운전성향 유형에 따라 어떤 주 행행태 특성과 유의미한 상관성이 나타나는지 분석하였다. 자기 보고 방식의 평가방법을 활용하여 참가자들 의 난폭운전성향 및 운전분노수준을 도출하였으며, 본인이 인지하고 있는 주관적 운전성향과 비교하여 정량 적인 평가 방법의 필요성을 확인하였다. 또한, 일련의 연속류 도로 환경에 구간별로 교통류 서비스 수준 (LOS, Level of Service)을 다르게 설정하여 교통환경에 따른 주행행태 특성을 도출하여 운전성향 유형에 따 라 어떤 교통환경에서 어떤 주행행태 특성이 유의미한 상관관계가 있는지 비교해 보고, 회귀모형을 통하여 주행행태 특성 중 위험운전성향에 영향을 미치는 요인을 확인해 보았다. 이를 통하여 실제 위험운전행동을 보일 수 있는 운전자를 추정해 볼 수 있는 자기 평가 기반 위험운전성향의 유용성을 확인해 보았다.
Ⅱ. 선행연구 고찰
1. 운전성향 관련 연구사례 고찰
운전자의 과실 행위를 분석하고, 이러한 행위가 발생하게 되는 요인을 찾아내기 위하여 많은 연구가 수행 되었다 (Berdoulat et al., 2013;Parr et al., 2016;Starkey and Isler, 2016;Taubman-Ben-Ari et al., 2016). 기존 연 구에서는 운전자 과실 행위로 과속, 난폭한 운전행동, 주의 분산 등을 제시하였으며, 이와 같은 운전행동은 개인의 성격이나 습관 등 인적요인과 관련되어 있다는 점을 제시하였다. 운전행동에 영향을 미치는 요인을 도출하기 위하여 활용된 방법으로는 사람의 외향성, 신경성, 친화성 등의 개별 성격을 규정하여 이와 관련 있는 운전행동 특성을 도출하거나(Lajunen and Parker, 2001;Lev et al., 2008;Taymur et al., 2017), 개인이 인 식하고 있는 특정 주행행태 영향 요인을 도출하는 방법(Aberg and Rimmo, 1998;Mesken et al., 2002;Ryu and Oh, 2022;Zhao et al., 2012) 등이 있다. 또한, 운전 상황에서 개별 운전성향 특성에 따라 나타날 수 있는 분노 수준을 평가하여 공격적 운전행동(Aggressive Driving) 특성을 도출하는 연구들도 수행되었다 (Dahlen et al., 2005;Lajunen and Parker, 2001;Iversen and Rundmo, 2002;Shin et al., 2009;Song et al., 2005). 본 연구에서는 운전자 행동을 정량적으로 평가할 수 있게 개발된 Driving Behaviour Questionnaire(DBQ)와 Driving Anger Scale(DAS)를 활용하여 자기 평가 기반 운전성향을 도출하였다. DBQ와 DAS는 대표적인 척도로 다양한 연 구에서 활용되었으며, 국내 실정에 맞게 설문문항 및 구조를 개량한 방법이 있어(Ryu and Oh, 2022;Shin et al., 2009) 이를 활용하였다.
DBQ는 위험운전행동 범주를 의도적인 위험 행동(위반, violation)과 의도하지 않은 위험 행동(오류, error) 으로 구분하여 응답한 사람들의 위험운전성향을 도출하도록 설계되었다. DBQ에서 제시하고 있는 위험운전 행동과 연관된 이상 행동 유형으로는 작은 실수, 부주의에 의한 과실, 오류에 의한 실수, 의도치 않은 위반행 위, 고의에 따른 위반행위가 있으며, 유형별로 다수의 설문 문항이 구성되어 있다. DBQ 응답 결과를 활용하 여 응답자 간에 상대적인 위험운전행동 수준을 평가할 수 있다. DBQ 방식은 다수의 후속 연구에서 설문 구 성의 안정적 구조를 인정받았으며, 위험운전행동을 평가하는 주요 방법으로 여겨지고 있다 (Aberg and Rimmo, 1998;Mesken et al., 2002;Ryu and Oh, 2022;Zhao et al., 2012). Ryu and Oh(2022) 연구에서는 기존 에 연구된 DBQ 관련 구조를 국내 실정에 맞게 재정립하여 한국판 운전행동척도를 개발하였다. 한국판 운전 행동척도는 기존 DBQ가 주로 다루었던 운전에 영향을 미치는 부정적 요인과 더불어 긍정적 운전행동에 대 한 평가 항목도 포함하여 개발되었다.
또한, 주행 중에 발생하는 다양한 상황에 대하여 분노를 느끼는 수준을 평가하여 운전자의 공격적 운전성 향을 알 수 있는 척도로 Deffenbacher et al.(1994) 연구에서 개발한 운전 분노척도 평가(DAS)가 있다. DAS는 운전 분노가 운전자의 위험운전과 관련되는 중요한 성격 요인이라 가정하고, 이를 측정할 수 있는 설문 문항 을 개발하는 데 중점을 두고 있다. 운전 분노와 관련된 요인으로 적대적 몸짓, 불법 운전, 경찰 출현, 서행운 전, 무례한 운전, 교통방해를 제시하였으며, 각 요인 특성에 맞는 설문 문항을 구성하여 종합적인 운전 분노 척도를 개발하였다. 이후 표준화된 평가 방법을 토대로 수행된 후속 연구 (Deffenbacher et al., 2001)에서 도출 된 운전척도 분노 수준이 운전 상황에서 분노를 느끼는 개인의 운전성향과 상관성이 있음을 제시하였다. 이 후 DAS 평가 방식은 운전 분노척도를 평가하는 다양한 연구에서 활용되면서 유용성을 입증받았다 (Dahlen et al., 2005;Lajunen and Parker, 2001;Iversen and Rundmo, 2002;Shin et al., 2009;Song et al., 2005). 국내에서 는 Shin et al.(2009) 연구에서 국내 실정에 맞게 설문 문항과 구조를 개선시킨 한국형 운전분노척도를 개발하 였다. 또한, Song et al.(2005) 연구에서는 14명의 피실험자를 대상으로 운전분노척도를 평가하고, 도출된 운 전분노 수준과 차량 시뮬레이터 환경으로 구현된 교통정체 상황에서 나타나는 주행행태 특성과의 상관성을 분석하는 연구를 수행하였다. 해당 연구를 통하여 상대적으로 운전분노 수준이 높은 운전성향을 가진 운전 자들이 정체상황에서 난폭운전과 위험운전을 감행하는 경향이 높다는 점을 확인할 수 있었다.
2. 주행행태 특성 분석 연구사례 고찰
주행행태 특성을 분석하는 연구는 주로 교통안전 분야에서 교통사고와 관련된 위험성과의 연관성을 연구 하는데 활용되었다. 운전행동은 나이, 경력, 성별, 태도, 정서 등 다양한 요인에 의해 영향을 받아 운전 과정 에서 나타나는 의도적 또는 비의도적인 특성과 행동을 의미한다 (Elander et al., 1993;Müller et al., 2013;Reiser et al., 2008). 이러한 요인은 다양한 도로교통 상황에서 순간적으로 본인 운전행동에 영향을 미쳐 상황 에 따라 운전속도, 가속, 감속, 조향 등의 운전행동 변화를 초래하는 것으로 알려져 있다. 이와 같이 개인 운 전성향에 따라 달라지는 주행행태 특성을 유형화하여 일반적으로 방어적 또는 소극적 운전행동부터 위험하 거나 공격적인 운전행동에 이르는 범위 내에서 특징을 지어 정의할 수 있다 (Langari and Won, 2005;Murphey et al., 2009;De Vlieger et al., 2000). 공격적 또는 방어적 주행행태 특성으로 정의하는 기준은 특징 지을 수 없으며, 상대적으로 과속 이상의 빠른 주행속도와 급가감속 행태, 잦은 차로변경 등을 보이는 경우 를 공격적 주행행태 특성으로 정의할 수 있다. 국내에서는 한국교통안전공단에서 사업용 차량의 운행기록을 분석하여 11대 위험운전행동을 정의하였는데, 과속, 급가감속 등이 해당 지표로 활용되고 있다 (Digital Tachograph Analysis system, 2021)
이전의 연구들에서는 주행행태 특성 평가를 위한 요인으로 주행속도, 추월 행동, 차간거리 격차 및 감속, 가속도를 활용하였다 (Doshi and Trivedi, 2010;De Vlieger et al., 2000). 실제 도로 조건에서 이와 같은 변수들 을 측정하여 주행 행동을 평가하는 것은 이상적이지만, 안전 문제 및 제한된 실험 조건으로 인하여 현실적인 한계가 존재한다. 이러한 문제를 극복하는 대안으로 가상환경 기반의 주행 시뮬레이터를 활용하여 운전자의 주행행태를 평가하는 연구가 이루어져 왔다 (Abou-Zeid et al., 2011;Fitzpatrick et al., 2017;Philippe et al., 2009;Wang et al., 2014). 관련 연구들에서는 다양한 도로 환경에서 나타나는 주행속도, 감・가속도, 횡방향 배치, 차간거리 격차 및 충돌 시간(TTC)과 같은 변수들을 도출하여 주행행태 특성을 정의하였다. 이 변수들 은 개인의 운전 성향에 따라 특징이 달라지는 차이를 확인할 수 있어 주행행태를 정의하는 데 적합한 지표 가 될 수 있다. 또한, 시뮬레이터에서 파생된 데이터와 실제 차량 주행 데이터의 비교 분석을 통하여 주행 시뮬레이터를 이용하여 주행행태 특징을 도출하는 방법이 적절한 것임을 확인한 연구도 있었다 (Wang et al., 2014). 이처럼 운전자의 개별적인 주행행태 특징을 분석하는 많은 연구가 있었으며, 그중에서도 주행 시뮬레 이터를 활용하여 가상의 다양한 도로교통 환경에서 나타나는 개별 운전자의 주행행태 특징을 분석하기 위한 많은 노력이 있었음을 확인할 수 있었다.
3. 연구 차별점
본 연구에서는 운전성향과 주행행태 특성 간 연관성을 밝히는 실험 연구를 수행하였다. 많은 연구에서 운 전행동에 영향을 미치는 요인을 분석하였으며, 유의미한 연구 결과를 도출하였다. 하지만, 기존 연구에서는 주로 기록된 사고 건수 등을 통하여 위험운전행동을 보이는 유형에 대한 요인 특성을 도출하였다 (Lajunen and Parker, 2001;Ryu and Oh, 2022;Shin et al., 2009;Zhao et al, 2012). 이는 실제 운전행동으로 나타나는 주 행행태 특성을 실제로 분석하지 못하였다는 점에서 한계가 있다. 국내에서는 Song et al.(2005) 연구에서 운전 분노 수준과 도로정체 상황에서 나타나는 주행행태 특성 간 유의미한 상관성을 제시하였지만, 상대적으로 적은 14명의 피실험자를 대상으로 수행되었다는 한계가 있다. 본 연구는 20대에서 50대까지 다양한 연령대 로 구성된 46명의 피실험자를 대상으로 연구를 진행하였으며, 본인이 인지하고 있는 운전성향과 자기 보고 방식으로 도출된 난폭운전성향 및 운전분노수준의 세 가지 유형을 도출하여 주행행태 특성과의 상관관계 분 석을 통하여 운전성향 도출 방식에 따른 위험운전행동 유형 연관성을 확인하였다는 점에서 의의가 있다.
Ⅲ. 방법론
1. 실험 개요
본 연구에서는 자기 보고 기반으로 조사된 위험운전성향과 VR 기반 주행 시뮬레이터 실험을 통하여 도출 된 주행행태 특성 간 상관성을 확인하기 위하여 다음 <Fig. 1>과 같은 방식으로 실험 연구를 수행하였다. 기 존 문헌 검토를 통하여 확인된 운전행동을 평가하는 방법 중 국내 실정에 맞게 개발된 한국형 DBQ와 DAS 를 활용하여 실험 참가자들의 자기 보고 기반의 위험운전성향을 도출하였다. 한국형 DBQ를 통하여 난폭운 전성향을 도출하였으며, 한국형 DAS를 통하여 운전분노수준을 도출하였다. 여기서 도출된 위험운전성향과 주행 시뮬레이터 실험을 통하여 도출된 주행행태 특성을 상호비교하여 각 위험운전성향과 주행행태 특성 간 의 상관성을 확인하였다. 또한, 실험 참가자들 스스로가 인식하고 있는 운전성향을 조사하여, 조사된 결과와 자기 보고 기반으로 평가된 위험운전성향과의 상관성을 확인하였다. 이를 통하여 정량적인 평가 결과가 도 출되는 자기 보고 기반 방식의 운전성향이 위험운전행동 특성을 보이는 운전자를 평가하는 데 더 유용한 방 법이라는 점을 확인하였다.
본 실험 연구에 참여한 참가자는 총 46명이었다. 20대 13명, 30대 15명, 40대 10명, 50대 8명이었으며, 이 중 남성은 34명, 여성이 12명이었다. 실험에 참여한 참가자들은 모두 유효한 운전면허를 소지하고 있었으며, 최소 주 1회 이상 운전을 하는 사람들을 섭외하였다. 실험에 앞서 참가자들에게 개인 운전성향 및 주행행태 특성 분석을 위하여 관련된 자료를 수집한다는 점을 고지하였으며, 이에 대하여 참가자가 동의하는 경우에 한하여 실험을 진행하였다. 실험 순서는 운전성향 평가를 위한 설문조사와 주행 시뮬레이터 실험 순으로 진 행되었다.
2. 운전성향 조사
1) 자기인식 기반 운전성향 조사
운전성향을 도출하기 위하여 준비된 한국형 DBQ, DAS 설문조사에 앞서 개별 참가자가 스스로 인지하는 운전성향을 네 가지 수준(방어적, 다소 방어적, 다소 공격적, 공격적) 중에서 선택하도록 하였다. 직접적으로 묻는 질문 방식을 통하여 참가자가 충분히 생각할 시간 없이 평소 인지하고 있는 본인의 주관적 운전성향을 도출하고자 하였다. 운전성향을 네 가지로 설정한 것은 응답자가 중간으로 선택하는 경향성을 방지하면서, 인지하는 운전성향을 보다 명확하게 분류하고자 하였기 때문이다.
2) 자기보고 기반 위험운전성향 조사
다음으로, 실험 참가자들의 위험운전성향을 도출하기 위하여 기존에 개발된 관련 평가 방법 중 난폭운전 성향을 평가할 수 있는 DBQ과 운전분노수준을 평가할 수 있는 DAS 방법을 활용하였다. 먼저, 난폭운전성향 을 도출하기 위하여 Ryu and Oh(2022) 연구에서 개발한 한국형 DBQ 방법을 활용하였다. 한국형 DBQ 방법 은 안전운전 및 난폭운전 행동 평가를 위하여 총 6가지 하위 범주로 구성되며, 그 중 난폭운전성향을 도출할 수 있는 하위 범주는 <Table 1> 내용과 같이 운전오류, 위반운전, 그리고 공격적 운전을 포함하고 있다. 설문 문항은 총 23개로 구성하였으며, ‘절대 하지 않는다’ ~ ‘거의 항상 한다’의 5가지 응답 항목을 설정하여 1점 에서 5점으로 점수를 산정하였다. 개별 문항 응답 결과를 토대로 각 하위 범주별 평균 점수를 산정한 다음, 각각의 범주별 점수를 평균하여 난폭운전성향 수준을 평가하였다.
<Table 1>
Composition of revised Korean DBQ related to reckless driving propensity
| Categories | Key questionnaire | Response Items | # of questionnaries |
|---|---|---|---|
| Driving errors | Speed judgment error, etc | "I never do it" (1 point) "I rarely do it" (2 points) "Sometimes" (3 points) "You do it often" (4 points) "I almost always do it" (5 points) |
12 |
| Violation | Signal ignoring, etc | 6 | |
| Aggressive driving | reckless driving, etc | 5 |
마지막으로 Deffenbacher et al.(1994)에서 개발한 방법을 토대로 한국 실정에 맞춰 정립한 한국형 DAS 평 가 방법 (Shin et al., 2009)을 활용하였다. 운전분노척도를 도출하기 위한 하위 범주로는 진행방해 행동, 다른 운전자의 무례한 운전 행동에 대한 대응행동, 적대적 운전 행동, 불법 운전 행동, 서행운전 행동의 5가지 항 목이 있으며, 다음 <Table 2> 내용과 같이 범주별 설문 문항을 구성하였다. 설문 문항은 총 21개로 각 질문에 대하여 본인이 화가 나는 정도를 1점(화가 전혀 나지 않는다)에서 5점(화가 매우 많이 난다) 사이로 평가하 도록 하였다.
<Table 2>
Composition of revised Korean DAS
| Categories | Key questionnaire | # of questionnaries |
|---|---|---|
| Traffic obstruction | Traffic congestion, etc | 4 |
| Discourtesy | Conditions for creating an unpleasant driving environment of the other vehicle, etc | 5 |
| Hostile gestures | Conditions of accusation against me, etc. against other drivers | 4 |
| Illegal driving | Speeding conditions of nearby vehicles, etc | 4 |
| Slow driving | Situation where red signal is continuously caught at signal intersection, etc | 4 |
3. 주행행태 특성 분석
1) 실험 도구
본 연구에서는 반 돔 형태의 스크린 화면이 설치된 주행 시뮬레이터 장비를 활용하였다. 해당 장비는 <Fig. 2>와 같으며, 실제 차량 형태를 구현한 운전석과 운전석을 둘러싼 스크린 화면을 통해 피실험자가 주 행환경에 최대한 몰입할 수 있는 환경을 갖추고 있는 것이 특징이다. 주행 시뮬레이터를 구동하는 운영 프로 그램으로는 Forum8 회사가 개발한 UC-winRoad 프로그램(ver.15.0)을 활용하였다. UC-winRoad는 가상현실 솔 루션을 제공하는 프로그램 도구로 도로교통 분야의 전문 시뮬레이션 기능을 탑재하고 있어 다양한 교통 시 뮬레이션 연구에서 활용되었다(Meuleners and Fraser, 2015;Mukai and Hayashi, 2015;Pan et al., 2018). 피실험 자가 운전하는 주행속도, 조향, 엑셀 및 브레이크 답력 등의 행태가 약 0.1초 간격으로 기록되어 주행행태를 정밀하게 분석할 수 있는 장점이 있다.
2) 실험 도로 환경
참가자의 주행행태 특성을 분석하기 위하여 <Fig. 3>과 같이 VR 환경 기반으로 도시부 고속도로를 모사 한 3차로 연속류 도로를 설계하였다. 참가자들로 하여금 평소 익숙한 도로 환경이라 할 수 있는 도시부 고 속도로에서 주행을 시작하여 사전에 안내받은 목적지까지 안내표지판을 보며 신호 제어 없이 교통류에 따라 평소 운전습관에 맞춰 운전행동을 보일 수 있도록 하는데 목적을 두고 도로 환경을 구현하였다. 세부적인 도 로교통 환경은 <Table 3> 내용과 같다. 먼저 상대적으로 안정된 교통류에서 나타나는 참가자들의 주행행태 특성을 분석하기 위하여 처음 3.8km 구간을 LOS C 교통류 수준으로 교통량을 구현하였다. 해당 구간에서는 차로별로 주행하는 주변 차량들의 주행속도를 70~85km/h, 차간간격을 60~160m 내로 임의로 설정하였다. 이 를 통하여 참가자가 추종, 추월 등의 운전행동을 본인 운전성향에 따라 자연스럽게 행동할 수 있도록 유도하 는 데 중점을 두고 해당 구간을 설계하였다. 이어서 두 번째 구간에서는 교통정체가 발생하는 상황을 0.8km 에 걸쳐 구현하였다. 해당 구간은 교통정체로 인하여 참가자가 운전 중인 차량을 지속적으로 제동함으로써, 가속과 감속 행태를 지속적으로 수행하도록 설계하였다. 이를 통하여 운전자가 해당 구간에서 심리적 압박 감이나 짜증감 등을 느낌으로써 주행행태에 변화가 나타나는 것을 유도하였다. 해당 구간에서 LOS는 F 수준 이었으며, 주변 차량들의 평균 주행속도는 10~20km/h 수준이었다.
<Table 3>
Design characteristics of road sections
| Sections | Length of Roads | LOS | Objectives |
|---|---|---|---|
| 1 | 3.8km | LOS C | Anslysis of driving behaviors for car-following and overtaking |
| 2 | 0.8km | LOS F | Anslysis of driving behaviors in congested situations |
3) 실험 진행
참가자들의 주행행태 특성 분석을 위한 주행 시뮬레이터 실험은 다음과 같은 방식으로 진행되었다. 본 실 험 진행에 앞서 참가자가 주행 시뮬레이터 환경에 익숙해지면서, 평소 운전습관대로 운전을 할 수 있다고 체 감할 수 있도록 충분한 사전연습 주행 기회를 참가자들에게 제공하였다. 참가자들이 본인이 충분히 익숙해 졌다고 느끼고, 실험 진행자도 해당 참가자가 충분히 시뮬레이터 환경에 적응되었다고 판단되는 경우 연습 주행을 마치도록 하였다. 주행 시뮬레이터 실험은 참가자당 1회로 한정하여 운전이 이루어지도록 진행하였 다. 실험 진행 간 참가자가 멀미 등 불편한 현상을 호소할 경우 즉각적으로 실험을 중단하였으며, 해당 참가 자의 데이터는 분석에 활용하지 않았다.
4) 데이터 분석
주행 시뮬레이터 실험을 통하여 수집되는 주행 기록 로그 데이터 중 주행속도, 가감속도, 차간거리 등의 변수를 활용하여 주행행태 특성을 도출하였다. <Table 3>에 제시되어 있는 구간 별 특성에 따라 개별 참가자들의 주행행태 특성을 도출하였다. 변수별 데이터는 주행거리 1m 간격으로 보간법을 적용하여 전처리를 하여 구간별로 나타나는 주행행태 특성을 거리 단위로 정확히 분석할 수 있게 작업하였다. 각 구간별로 나타난 주행행태 특성 중 참가자들의 주행행태 특성 차이를 확인할 수 있는 주요 지표를 다음 <Table 4> 내용과 같이 선정하였다.
<Table 4>
Driving behavior propensities variable items
| Sections | Driving Behavior Characteristics | Representative Value | Units |
|---|---|---|---|
| Section 1 | Longitudinal acceleration (x1) | Average | m/s2 |
| Driving speed(x2) | Average | km/h | |
| Headway (x3) | Average | m | |
| Lateral acceleration (x4) | Average | m/s2 | |
| Section 2 | Longitudinal deceleration (x5) | Average | m/s2 |
| Longitudinal acceleration (x6) | Average | m/s2 | |
| Headway (x7) | Average | m | |
| Section 1 and 2 | # of lane changing (x8) | Count | counts |
| Rate of overspeed(x9) | Overspeed driving time / Total driving time | % |
먼저 구간 1에서는 종・횡방향 가속도 및 주행속도, 그리고 차간거리를 주행행태 특성 변수로 선정하였 다. LOS C 수준의 구간 1에서 참가자들은 본인 운전 습관에 따라 다양한 가속행태와 주행속도를 보였고, 과 속행태에 따라 다른 차간간격 행태를 보이는 것을 확인할 수 있었다. 주행속도와 차간거리는 로그 데이터로 수집되는 값을 활용하여 분석하였으며, 가속도 값은 차량 진행방향에 따라 수집된 시간과 거리 값을 활용하 여 산출하였다. 지ㆍ정체 상황이 발생하는 구간 2에서 참가자들은 차간간격 유지 수준에 따라 가속과 제동 수준을 다르게 하는 행태를 보였다. 종방향 가속도 및 감속도, 그리고 차간간격을 주행행태 특성 변수로 선 정하였으며, 해당 값을 도출하는 방식은 앞서 설명한 구간 1에서의 분석 방법과 동일하다. 구간별 주행행태 특성과 별개로 전체 주행과정에서 나타난 차로변경 횟수와 전체 주행시간 대비 과속 주행시간을 비율로 계 산한 값을 추가로 분석하여 도출된 운전성향과의 상관성을 분석하는 데 활용하였다.
도출된 위험운전성향에 따른 주행행태 특징 간 상관성을 분석하기 위하여 Pearson 상관분석 방법을 활용 하였다. 추가적으로 위험운전성향에 영향을 미치는 주행행태 특성을 확인하기 위하여 회귀분석을 수행하였 다. 모든 분석은 SPSS 프로그램(Ver. 20)을 활용하여 수행되었다.
Ⅳ. 분석 결과
1. 운전성향 분석 결과
1) 자기인지 기반 운전성향 조사 결과
설문조사 방법을 활용하여 도출한 참가자들의 네 가지 운전성향 중 본인들이 인지하고 있는 운전성향은 다음 <Fig. 4>와 같았다. 방어적인 운전성향은 2명, 다소 방어적인 운전성향은 17명으로 약 41.3%가 상대적 으로 방어적인 운전성향으로 인지하고 있었다. 반대로 상대적으로 공격적인 운전성향을 지닌 사람은 약 58.7%로 이 중 다소 공격적인 운전성향이 21명, 공격적인 운전성향은 6명이었다.
2) 자기보고 기반 운전성향 조사
다음으로 한국형 DBQ를 기반으로 참가자들의 난폭운전성향을 분석한 결과, 다음 <Table 5>와 같은 결과 가 도출되었다. 참가자들은 위반운전에 대한 자기 평가가 상대적으로 높은 반면, 운전오류에 있어서는 낮은 평가를 한 것으로 나타났다. 전체 참가자들의 난폭운전성향은 평균 약 1.31점으로 나타났다.
<Table 5>
Results of derived reckless driving propensity (5 scales)
| Criteria | Driving errors | Violation | Aggressive driving | Overall |
|---|---|---|---|---|
| Mean | 0.99 | 1.85 | 1.10 | 1.31 |
| S. D | 0.39 | 0.66 | 0.66 | 0.40 |
<Table 6>은 한국형 DAS를 기반으로 운전분노 척도를 도출한 것으로, 타인의 무례행동에 대한 대응행동 과 적대적 운전 행동이 상대적으로 높은 평균 값이 기록되었다. 반면, 진행방해 행동의 경우 상대적으로 가 장 낮은 평균 값과 높은 표준편차 값이 기록되어 응답자 간 차이가 상대적으로 더 큰 것으로 나타났다.
<Table 6>
Results of derived driver anger scale (5 scales)
| Criteria | Traffic obstruction | Discourtesy | Hostile gestures | Illegal driving | Slow driving | Overall |
|---|---|---|---|---|---|---|
| Mean | 3.18 | 3.94 | 3.90 | 3.49 | 3.34 | 3.57 |
| S.D | 0.82 | 0.61 | 0.61 | 0.63 | 0.60 | 0.49 |
본인이 인지하고 있는 운전성향과 자기 보고 기반으로 도출된 운전성향 간 상관관계를 분석한 결과 난폭 운전성향과 유의미한 상관관계가 있는 것으로 도출되었다 (γ=0.42, ρ=0.00). 운전분노수준과는 유의미한 상관 관계가 도출되지 않았다. 이는 참가자들이 인지하고 있는 운전성향과 자기 보고 기반으로 평가된 운전성향 결과에 있어서 공격적이거나 난폭한 위험운전 행동 수준에 대한 인식 수준이 일정 부분 유사한 특징을 보인 것으로 판단된다.
2. 주행행태 분석 결과
피실험자들의 주행행태 특성을 구간별로 살펴본 결과 다음 <Table 7> 내용과 같다. 구간 1에서 참가자들은 평균 주행속도 82.07km/h로 주행하였고, 15th percentile이 77.35km/h, 85th percentile이 87.48km/h로 참가자들은 도로 제한속도(80km/h)보다 다소 높게 주행하는 경우가 많은 경향을 보였다. 평균 차간간격은 72.73m, 표준편차가 26.34로 참가자들 간 차간간격에 분포가 상대적으로 넓게 나타나는 특징을 보였다. 종방향 가속도는 평균 1m/s2 이지만, 횡방향 가속도는 평균 2.9m/s2로 참가자들은 횡방향 주행 시 더 빠른 가속행태를 보이는 특징을 나타냈 다. 구간 2에서 참가자들의 평균 감속도 행태는 2.73m/s2이었고, 평균 가속도는 1.63m/s2로 구간 1에서보다는 상대적으로 다소 높은 가속 행태를 보였다. 마지막으로 전체 주행 과정에서 참가자들은 평균 5.04회 차로변경 행태를 보였으며, 평균 약 51.38% 비율로 과속 주행이 나타나는 특징이 도출되었다.
<Table 7>
Results of characteristic analysis of driving behaviors
| Categories | Average | S.D | 15th percentile | 85th percentile | |
|---|---|---|---|---|---|
| Section 1 | Longitudinal acceleration (x1) | 1.00 m/s2 | 0.45 | 0.52 m/s2 | 1.53 m/s2 |
| Driving speed (x2) | 82.07 km/h | 4.72 | 77.35 km/h | 87.48 km/h | |
| Headway (x3) | 72.73 m | 26.34 | 47.42 m | 100.31 m | |
| Lateral acceleration(x4) | 2.90 m/s2 | 0.85 | 1.98 m/s2 | 4.08 m/s2 | |
| Section 2 | Longitudinal deceleration (x5) | 2.73 m/s2 | 0.59 | 2.22 m/s2 | 3.31 m/s2 |
| Longitudinal Acceleration (x6) | 1.63 m/s2 | 0.27 | 1.40 m/s2 | 1.84 m/s2 | |
| Headway (x7) | 19.71 m | 4.98 | 15.07 m | 26.19 m | |
3. 위험운전성향과 주행행태 특성 간 상관관계 분석
설문조사를 통하여 도출한 네 가지 유형의 운전성향과 주행 시뮬레이터 실험을 통하여 도출한 주행행태 특성 간 상관성을 확인하기 위하여 상관분석을 수행하였다. <Table 8>에 정리된 결과를 살펴보면, 참가자 본인이 인지하고 있는 운전성향과 주행행태 특성 간에는 유의미한 상관관계가 도출된 경우가 없었다. 본인이 인지하고 있는 운전성향으로는 그 사람의 운전행동 특성을 도출하는데 한계가 있음을 보여준 결과로 해석되었다.
<Table 8>
Results of characteristic analysis of driving behaviors
| Categories | Average | S.D | 15th percentile | 85th percentile | |
|---|---|---|---|---|---|
| Entire sections | # of lane changing (x8) | 5.04 | 1.83 | 4 | 8 |
| Rate of overspeed (x9) | 51.38% | 21.35 | 31.14% | 75.47% | |
반면, 난폭운전성향과 주행행태 특성 간 상관관계를 분석한 결과, 구간 1에서 나타난 종・횡방향 가속도 및 주행속도, 그리고 전체 구간에서 나타난 과속수준 행태와 유의미한 상관관계가 있는 것으로 분석되었다. 난폭운전성향이 높을수록 일반적인 주행 상황에서 빠른 가속도와 주행속도를 보이는 것을 확인할 수 있었으 며, 전반적으로 제한속도 이상의 과속수준을 유지하는 비율이 높은 것을 확인할 수 있었다. 이를 통하여 난 폭운전성향이 높은 사람들은 빠른 속도로 주행하는 운전행동을 보이는 것으로 추정할 수 있다. 마지막으로 운전분노수준은 구간 1에서의 종방향 가속도, 구간 2에서의 종방향 감속도 및 전체 구간에서의 차로변경 횟 수와 유의미한 상관관계가 있는 것을 확인하였다. 운전분노수준이 높은 참가자들일수록 빠른 종방향 가속 행태를 보이고, 구간2에서 더 빠른 감속행태를 보였으며, 주행 중 차로변경 빈도가 많은 것으로 나타났다.
결과를 종합하면, 본인이 인지하고 있는 운전성향으로는 주행행태 특성을 도출하는데 한계가 있었다. 자 기 보고 기반으로 평가된 위험운전성향 중에서는 상대적으로 난폭운전성향이 위험운전행동 특성을 보이는 운전자를 도출하는 데 효과가 있는 것을 확인할 수 있었다. 난폭운전성향이 높을수록 일반적인 주행이 가능 한 상황에서 빠른 주행속도와 가속도를 보이는 행태를 보이는 경향이 높은 것을 확인할 수 있었으며, 운전분 노수준이 높을수록 빠른 감・가속도 행태와 빈번한 차로변경 행태를 보이는 경향이 높은 것을 확인할 수 있 었다. 한편, 본인이 인지하고 있는 운전성향과 난폭운전성향 간 유의미한 상관관계를 보이지만 각 운전성향 과 주행행태 특성 간 도출되는 상관관계는 다른 결과가 도출되었다. 이는 본인이 인지하고 있는 운전성향만 으로 주행행태 특성을 분석하는데 한계가 있으며, 정량적으로 분석된 운전성향을 통하여 주행행태 특성을 추정하는 것이 더 효과적임을 확인할 수 있는 결과로 판단된다.
4. 위험운전성향 회귀분석
도출된 주행행태 특성을 토대로 각 위험운전성향에 영향을 미치는 주요 변수를 확인하기 위하여 회귀분석을 수행하였다. 먼저, 난폭운전성향에 영향을 미치는 주요 주행행태 특성 변수를 확인하기 위한 회귀분석을 수행한 결과 다음 <Table 9>와 같은 결과가 도출되었다. 종방향 및 횡방향 가속도 행태가 상대적으로 급하고, 주행속도가 빠를수록 높은 난폭운전성향이 도출되는 확률이 높아지는 것을 확인할 수 있었다.
<Table 9>
Results of correlation analysis between driving propensities and driving behavior characteristics
| Categories | Driving Behavior Propensities | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | |
| Perceived | 0.19 | 0.29 | 0.09 | -0.04 | -0.15 | -0.27 | 0.00 | 0.15 | 0.14 |
| Reckless driving propensity | 0.49* | 0.53* | -0.12 | 0.48* | 0.22 | 0.10 | -0.27 | 0.28 | 0.43* |
| Driver anger scale | 0.32* | 0.26 | -0.19 | 0.03 | 0.40* | 0.01 | -0.15 | 0.35* | 0.23 |
*ρ<0.05
반면, 운전분노수준에 대하여 상대적으로 높은 설명력을 가지는 주행행태 특성 변수로는 종방향 감속도와 차로변경 횟수가 도출되었다. <Table 10>은 운전분노수준에 대한 회귀분석을 수행한 결과이며, 개발된 해당 회귀모형은 설명력이 0.184 수준으로 나타났다. 이는 앞서 난폭운전성향에 대한 회귀모형의 설명력이 0.453 수준인 것에 비하여 상대적으로 낮은 설명력을 보이는 것으로 주행행태 특성으로 운전분노수준을 평가하는 데 상대적으로 한계가 있음을 확인할 수 있었다.
<Table 10>
Regression model results related to reckless driving propensity
| Variable | B | S.E, | P |
|---|---|---|---|
| Longitudinal acceleration (x1) | 0.297 | 0.115 | 0.014 |
| Driving speed (x2) | 0.022 | 0.011 | 0.059 |
| Lateral acceleration (x4) | 0.185 | 0.054 | 0.001 |
| Constant | -1.330 | 0.851 | 0.126 |
| adj R2 =0.453 | |||
<Table 11>
Regression model results related to driver anger scale
| Variable | B | S.E, | P |
|---|---|---|---|
| Longitudinal deceleration (x5) | 0.266 | 0.119 | 0.030 |
| # of lane changing (x8) | 0.072 | 0.038 | 0.067 |
| Constant | 2.481 | 0.331 | 0.000 |
| adj R2 =0.184 | |||
이와 같은 결과를 토대로 자기 보고 기반으로 도출되는 난폭운전성향과 운전분노수준에 따라 상관성 높 은 주행행태 특성이 각각 다르다는 점을 확인할 수 있었다. 상대적으로 난폭운전성향이 높은 사람들은 연속 류 구간에서 빠른 주행속도와 가속행태를 보이는 것을 확인할 수 있었다. 특히, 주행 중 상대적으로 제한속 도 이상으로 과속하는 비중이 높은 것으로 나타나 난폭운전성향과 과속주행행태와 상관성이 높은 것을 확인 할 수 있었다. 한편, 운전분노수준이 높은 사람들은 상대적으로 정체 구간에서 급감속 행태를 보이고, 주행 중 잦은 차로변경 행태와 상관성이 높은 것을 확인할 수 있었다. 이는 운전자가 정체 상황과 전방 주행 차량 으로 인하여 답답함을 느낄 수 있는 교통환경에서 짜증감이나 분노를 느끼며 그에 따라 운전행동을 하게 되 어 나타나는 결과로 해석할 수 있다.
Ⅴ. 결 론
본 연구에서는 여러 유형의 위험운전성향이 특정 주행행태 특성과 상관성이 있는지 확인하는 실험 연구 를 수행하였다. 본인이 인지하고 있는 주관적 운전성향과 정량적 분석을 위하여 기존에 개발된 한국형 DBQ 와 DAS를 통하여 난폭운전성향과 운전분노수준을 도출하였다. 이러한 위험운전성향 유형과 주행행태 특성 간 상관성을 분석하기 위하여 일방향 3차로 연속류 도로를 가상환경으로 구현하여 소통이 원활한 상황과 정 체가 발생한 상황에서 나타나는 주행행태 특성을 도출하였다. 분석 결과, 사람들이 주관적으로 인지하고 있 는 본인의 운전성향으로는 주행행태 특성을 설명하는데 한계가 있었다. 정량적으로 평가된 위험운전성향 중 에서는 난폭운전성향이 상대적으로 빠른 주행속도와 가속도 행태를 보이는 주행행태 특성과 유의미한 상관 관계가 있는 것을 확인할 수 있었다. 그리고 운전분노수준이 높은 성향일수록 정체 상황에서 상대적으로 급 감속을 하는 경향이 있는 것을 확인할 수 있었다. 이를 통하여 한국형 DBQ 및 DAS를 통하여 도출되는 위험 운전성향으로 개별 운전자에 대하여 간접적으로 주행행태 특성을 추정해볼 수 있다는 점을 확인할 수 있었 다. 이와 같은 방식으로 특정 위험운전행동과 관련된 주행행태 특성과 유의미한 관계를 보이는 운전성향을 도출할 수 있다면, 교통사고 예방 및 도로교통안전 증진에 활용할 수 있을 것이다.
한편, 본 연구에서는 주행 시뮬레이터를 활용하여 실험 참가자들의 주행행태를 도출하였는데, 이는 가상 현실 공간에서 나타난 특성으로 현실을 완전히 반영할 수 없다는 한계가 있다. 그리고, 도시고속도로라는 한 정된 도로환경과 제한된 교통환경에서 나타나는 주행행태만을 가지고 분석에 활용하여 다양한 도로교통 환 경에서 나타날 수 있는 차이점을 반영하지 못했다. 또한, 본 연구는 관련 연구가 필요하다는 점을 제시하기 위하여 수행된 실험연구로 참가자들의 유형을 분류하는데 충분한 샘플을 확보하였다고 제시하기 어려우며, 상대적인 평가를 통하여 결과를 도출하였다는 한계가 있다.
따라서 향후 연구를 발전시키기 위해서는 지속적인 실험을 통하여 표본을 수집하는 것이 필요하다. 많은 표본을 확보할 수 있다면 전반적인 특성 분석 뿐만 아니라 성별, 연령별 특성 차이도 확인해볼 수 있을 것이 다. 또한, 연속류 외 도시부 도로, 비신호교차로 등 다양한 도로교통 환경에서 나타날 수 있는 주행행태 특징 차이를 반영하기 위하여 추가적인 실험 시나리오 구축이 필요하다. 또한, 현실과 가상현실 간 차이를 극복하 기 위하여 주행 시뮬레이터 실험 환경 중 일부 실험을 현실에 접목해 수행하는 것이 필요하다. 최근 기술발 전을 통하여 증강현실을 기반으로 현실과 가상현실을 연계하는 Vehicle in the loop system이 실험 연구에 활 용되고 있는데, 이와 같은 기술을 활용할 수 있다면 현실을 반영한 주행행태 데이터를 취득하여 결과의 신빙 성을 높일 수 있을 것이다. 동일한 피실험자들을 대상으로 VR 및 AR 기반 환경에서의 주행행태와 실제 차 량 주행 데이터(DTG 등)를 비교해서 분석한다면 더 유의미한 연구 결과를 도출할 수 있을 것이다. 이와 같 은 방법을 통하여 보다 객관적으로 평가할 수 있는 운전성향을 도출할 수 있는 기준을 마련한다면 인적요인 측면에서 심화된 연구 결과를 도출해낼 수 있을 것이다.
