Ⅰ. 서 론

1. 연구 배경 및 목적

교통사고는 사회적, 경제적 비용을 초래하는 심각한 문제로, 전 세계적으로 이를 줄이기 위한 다양한 정책 이 시행되고 있다. 특히 과속은 교통사고의 주요 원인으로, 2023년 과속으로 인한 사고는 1,316건, 사망자는 260명으로 치사율이 약 19.8%에 이르렀다. 이러한 상황에서 정부는 도시부 제한속도(5030) 정책을 도입하고, 과속방지턱, 고원식 횡단보도, 교통단속장비 등 다양한 도로 및 교통안전시설을 설치하여 과속 사고 예방 및 피해 최소화를 목표로 하고 있다. 도로 및 교통안전시설은 고속 주행으로 인한 대형 사고를 방지함으로써 사 고 빈도와 피해 규모를 줄이는 이중의 안전장치 역할을 한다. 특히 어린이 보호구역에서 도로 및 교통안전시 설은 감속을 유도하여 안전성을 강화하는 데 중요한 역할을 하고 있다.

도로 및 교통안전시설의 설치 효과를 분석하는 일반적인 방법은 교통사고 건수 비교와 주행속도 변화를 분석하는 방법이 많이 활용된다. 사고 건수 비교는 설치 전 · 후의 사고 빈도를 평가하고, 속도 분석은 설치 전 · 후 속도의 변화를 측정하는 방식이다. 그러나 두 방법은 자료 수집에 오랜 시간이 소요될 뿐만 아니라, 분석 기간 동안 도로 환경이 변화하여 도로 및 교통안전시설의 효과만이라고 명확히 판단하기 어렵다. 또한 개별 차량의 속도, 가속도, 차간거리 등의 세부 행태 변화를 정밀하게 평가하기 어렵다.

따라서 본 연구는 도로 및 교통안전시설이 도심부 차량 주행 행태와 안전성에 미치는 영향을 정량적으로 분석하는 것을 목적으로 한다. 실시간 객체검출 모델 YOLO(You Only Look Once)를 활용하여 차간거리, 속 도, 가·감속도를 산출하고, 대리안전지표를 통해 시설의 안전성을 평가한다. 이를 통해 효과를 구체적으로 규명하고, 사고 예방에 실질적인 기여 여부를 검증하여 교통안전 정책 수립에 기여하고자 한다.

2. 연구수행 절차

본 연구에서는 도로 및 교통안전시설의 안전성을 정량적으로 평가하는 것을 목표로 한다. 선행연구에 따 르면, 대리안전지표(Surrogate Safety Measure, SSM) 중 Modified Time to Collision(MTTC), Deceleration Rate to Avoid a Crash(DRAC) 등이 유효한 안전성 평가 지표로 확인되었다. 이를 바탕으로 드론 영상을 활용하여 차 량 주행 데이터를 수집하고, YOLO v8 모델을 적용하여 차간거리, 속도, 가속도 등의 데이터를 추출하였다. 추출된 데이터는 이상치를 제거하여 신뢰성을 확보한 뒤, 설치 여부에 따른 차량 주행 행태를 비교 분석하였 다. 최종적으로, MTTC, DRAC, Peak to peak jerk, Taylor 사고율 수식을 활용해 도로 및 교통안전시설이 주행 안전성과 사고율에 미치는 영향을 정량적으로 평가하였다.

Ⅱ. 이론적 검토

1. 국내외 안전시설 안전성 분석 관련 연구

1) 도로 및 교통안전시설 효과분석 연구

Kim and Ryu(2010)에서는 무인 단속시스템이 차량의 속도에 미치는 영향을 분석하였다. 이 연구는 단속 시스템 설치 전 · 후 차량 속도 분포와 분산을 측정하고, 이를 바탕으로 교통 특성 변화를 비교하였다. 연구 결과, 단속시스템 설치 이후 전체적으로 차량의 평균 속도와 85% 속도가 감소하고, 속도 분산도 현저히 낮 아져 균일한 속도 분포를 갖도록 유도하였다. 특히, 속도 편차가 감소하면서 차량 간 상호 속도 차이가 줄어 들어 교통 안전성이 향상되고, 잠재적인 사고 위험도 줄어드는 효과가 확인되었다.

Lee et al.(2012)는 어린이 보호구역에서 구간통행속도를 활용해 교통안전시설 설치 타당성을 분석했다. 과 속방지턱, 고원식 횡단보도, 속도제한 표지 등 9개 인자로 구분해 구간통행속도 감소에 미치는 영향을 평가 한 결과, 과속방지턱과 고원식 횡단보도가 유의미한 감속 효과를 보이는 것으로 나타났다.

Abdelhalim et al.(2021)은 과속단속장비가 운전자 행태에 미치는 영향을 분석한 결과, 평균 속도가 약 2.5km/h 감소하고, 상위 1% 운전자의 속도가 72km/h에서 61km/h로 줄어드는 과속 억제 효과가 확인되었다. 또한 과속 위반율이 초기 1.18%에서 1년 후 0.79%로 감소하며 속도 분포의 균일화가 이루어진 점은 단속장 비가 교통 안전성을 개선하는 데 기여함을 시사하였다.

Lee et al.(2023)은 교통사고분석시스템(TAAS), 교통단속장비 관리업무시스템(MTS) 데이터를 토대로 교통 단속장비의 제한속도 및 교통사고 유형별 사고감소 효과를 분석하였다. 분석 결과 제한속도 30km/h, 50km/h 단속 장비들은 전체사고에 대해 각각 42.23%, 25.85%의 사고 감소율을 보였으며, 사고 심각도 개선 역시 큰 효과를 보였다.

Park et al.(2023)은 드론으로 고속도로의 속도 완화구간을 촬영하고 프로그램을 이용해 객체를 인식하여 개별 차량의 주행행태 자료를 수집하였다. 속도 완화구간의 평균 주행속도 및 가속도를 산출해 설치 전·후를 비교했으며, 감속도를 통해 간접적인 감속 효과를 확인할 수 있었다. 특히, 단속장비 설치 후 감속도가 더 커 져 단속장비가 차량 감속에 유의미한 영향을 미치는 것으로 분석되었다. 드론을 활용한 교통안전시설 효과 분석이 가능함을 보여주었으며, 다양한 시설 실효성 평가에 적용할 수 있음을 시사하였다.

2) 대리안전지표를 활용한 주행안전성 연구

Kim(2023)은 라이다 센서를 활용해 MTTC를 기반으로 교통 흐름과 안전성을 평가하였다. 차량 간 상대 속 도와 가속도를 반영해 충돌 위험을 정밀하게 분석하였으며, 속도 표준편차를 통해 혼잡 구간의 속도 불안정 성과 사고 위험을 진단하였다. 연구 결과, MTTC는 특정 구간의 혼잡 상태와 안전 문제를 정량적으로 평가 하는 데 효과적인 지표임을 입증하였다.

Fu and Sayed(2021)은 DRAC 지표값을 활용하여 캐나다 서리 지역 신호 교차로에서 충돌 가능성을 평가하 며, DRAC 값이 높은 구간에서 사고 위험이 증가하는 경향을 확인하였다. 이를 통해 DRAC가 사고 가능성 추정뿐만 아니라 교차로 설계와 신호 운영 전략 개선에 유용한 지표로 활용될 수 있음을 입증하였다.

Bagdadi and Varhelyi(2010)은 가속도 변화율인 jerk를 활용해 안전성을 평가하는 방법을 다룬다. 차량이 급 격히 가속하거나 감속할 때 발생하는 peak-to-peak jerk를 측정하여, 위험한 운전 행동을 분석하고 이를 안전 성 지표로 활용하고자 한다. 여러 주행 시나리오에서 jerk 패턴을 비교하며, 특정 기준을 초과하는 jerk를 위 험 요소로 분류해 안전에 대한 새로운 평가 기준을 제안한다.

Taylor et al.(2000)는 속도 및 속도의 표준편차와 사고빈도와 관련성을 제시하였다. 도로 유형을 도시 혼잡 도로, 시내도로, 교외도로, 외곽 고속도로로 구분하여 수행하였으며, 도로 유형에 관계없이 평균 속도가 증가 할수록 사고 빈도가 높아지는 경향을 보였다. 이를 바탕으로 평균 속도와 속도의 표준편차를 고려한 사고 빈 도 예측 모형을 지수 함수 형태로 제시하였다.

Lee et al.(2024)는 고속도로 엇갈림 구간에서 혼합 교통류의 안전성을 평가하며, 자율주행 차량, 화물차, 일반 차량 간 추종 조합별 위험도를 분석하였다. SSM 기반 지표로 MTTC, DRAC, SDI, CI를 탐색하였으며, 특히 MTTC와 DRAC이 충돌 가능성과 회피 반응을 정밀하게 평가하는 데 효과적임을 확인하였다. 이를 통 해 혼합 교통 환경에서 안전성을 객관적으로 진단할 수 있음을 입증하였다.

2. YOLO기반 차량행태 측정 방법 연구

Rais and Munir(2021)는 YOLO와 Kalman 필터, 프레임 샘플링을 이용하여 차량 속도를 추정하는 방법을 제안하였다. YOLOv4를 활용해 차량을 검지하고 추적하며, 바운딩 박스 아래 중심점을 기준으로 차량의 변 위를 계산하여 속도를 추정하였다. 교통 CCTV 영상을 프레임 샘플링하여 처리 성능을 높였으며, 변위와 시 간 간격을 기반으로 속도를 산출하였다. 여러 검지 및 추적 모델을 비교한 결과, YOLOv4와 칼만 필터의 조 합이 최적의 성능을 보였으며, 평균 절대 오차(MAE)를 기준으로 높은 정확도를 제공하였다.

Lin et al.(2021)은 여러 기준선(ROI)과 YOLO를 활용한 차량 검지 및 속도 추정 방법을 제시하였다. 도로 영상에서 기준선을 설정한 뒤, ROI 내에서 차량을 검지하고 노면 점선을 활용해 속도를 추정하였다. 실제 점 선 길이와 영상 비율로 이동 거리를 산출하고, 이동한 프레임 수를 FPS로 나누어 이동 시간을 계산하였다. 이를 바탕으로 거리와 시간을 이용해 차량 속도를 산출하고, 검지율과 속도 추정 오차를 분석하였다.

Gil et al.(2024)은 YOLO를 활용하여 가속도와 차두거리를 측정하여 차량 간격별 차량의 속도 변화와 차량 간 통행시간 차이를 통해 가속도와 차두거리를 측정하는 모델을 개발하였다. CCTV 영상 속 차량을 검지하 고 특정 거리 간격의 ROI를 설정하여 기준선을 지나는 시간 차이를 통해 속도와 가속도를 산출하였으며 선 두차량과 후미차량이 기준선을 통과하는 시간 차이와 후미차량의 속도를 이용하여 가속도와 차두거리를 산 출하였다.

3. 선행연구 시사점 및 차별성

도로 및 교통안전시설, 특히 과속방지턱과 교통단속장비는 차량 속도 감소와 사고 감소에 효과적이라는 연구가 다수 존재한다. 하지만 기존 연구들은 주로 시설 설치 전후 데이터를 비교 분석하는 방식에 의존하 여, 도로 환경의 변동이나 자료 수집의 시간적 한계로 인해 효과를 정확히 평가하는 데 한계가 있다. 또한, 신호 교차로 내 차량 주행 행태와 돌발 상황 및 상충 행동을 세부적으로 평가하지 못하고, 교통사고 데이터 와 주행속도 데이터에 의존하는 경우가 많았다.

본 연구는 이러한 한계를 극복하고자 YOLO v8을 활용하여 속도, 가속도, 차간거리 데이터를 수집하고, SSM을 통해 교차로 안전성을 실시간으로 평가하였다. 특히, MTTC와 DRAC을 활용해 후면 추돌 중심의 충 돌 가능성과 회피 행동을 정밀히 분석하였으며, 위험 요소를 정량적으로 판단할 수 있는 효과적인 지표로 활 용하였다. 더불어 Peak to peak jerk와 Taylor의 사고율 지표를 통해 주행 안정성과 사고율을 평가하여, 실시 간 데이터를 기반으로 한 객관적이고 구체적인 안전성 평가를 제시하였다. 이를 통해 기존 연구와 차별화된 방식으로 도로 및 교통안전시설이 실제 주행 환경에서 안전성에 미치는 실질적 효과를 구체적으로 분석하 고, 설치 전·후 비교를 넘어 실시간 데이터를 활용한 평가를 제시할 수 있을 것으로 기대된다.

Ⅲ. 연구 방법론

1. 평가 대상 및 지표 정의

1) 교통안전시설

무인 교통단속용 장비는 차량 번호판을 통해 위반 차량을 식별하고 도로교통법 위반 사실을 기록 · 증명하 기 위해 운영되는 장비를 말한다. 검지장치를 통해 위반 차량을 감지하여 위반 정보를 표준 서버로 전송한 다. 특히 신호·과속위반 단속장비로 교통신호와 연계하여 속도위반과 신호위반을 동시에 단속할 수 있다.

과속방지턱은 도로 교통의 안전 증진을 도모하고 교통사고를 예방하기 위해 설치하는 도로안전시설이다. 통행 차량의 과속 주행을 방지하며, 속도 제어라는 기본 기능 외에도 통과 교통량 감소, 보행자 공간 확보 및 도로 경관 개선, 노상 주차 억제와 같은 부수적인 기능을 수행한다.

고원식 횡단보도는 차량의 접근 속도를 30km/h 이하로 제한할 필요가 있는 어린이보호구역, 노인보호구역 등 특정 지역에 설치한다. 과속방지턱과 유사한 개념으로, 횡단보도를 일반 도로보다 높게 설치하여 수직 방 향의 물리적 충격을 주어 주행속도를 줄이도록 유도한다.

본 연구에서는 과속방지턱과 고원식 횡단보도가 차량의 주행 속도를 낮추는 동일한 기능을 지닌다는 점 에서 동일한 개념으로 간주하고 분석하였다. 또한, 본 연구에서는 교통안전시설을 과속 및 신호 위반 단속과 차량 속도 조절을 통해 보행자와 운전자 안전을 강화하는 시설로 정의한다. 이에 따라 교통안전시설에는 무 인 교통 단속용 장비, 과속방지턱, 고원식 횡단보도가 포함된다.

2) 대리안전지표(SSM) 정의

SSM은 차량의 충돌이 발생하기 전에 위험상황을 정량적으로 평가하기 위해 개발된 지표이다. 실제 사고 데이터 대신 교통사고가 유발될 수 있는 상충 상황을 계량화하여 안전성을 평가하는 데 사용된다.

시간 중심의 대표 지표인 TTC는 두 차량이 현재 속도와 방향을 유지할 경우 충돌까지 남은 잔여시간을 의미하며, 일반적으로 1.5초 미만일 경우 심각한 상충 상황으로 간주된다. MTTC는 기존 TTC의 한계를 보완 하면서 차량 간 상대 가 · 감속도를 반영하여 보다 현실적인 주행 환경에서 안전성을 평가할 수 있다. 감속/ 속도 중심 지표로는 DRAC가 있다. DRAC는 후행 차량이 전방 위험 상황을 인지했을 때 요구되는 감속 정도 를 의미하며, 특정 임계치(예: 3.35 m/s²)를 초과할 경우 위험한 상충으로 판단된다. 또한 Peak to peak jerk는 시간에 따른 가속도의 변화율인 jerk로 평가하며, 특정 구간 내에서 발생한 최대 jerk와 최소 jerk의 차이를 나타낸다. 이는 주행 중 가속도 변화로 인한 주행 안정성과 승차감을 평가할 수 있다. Taylor가 개발한 사고 율 수식은 차량의 속도와 속도 표준편차를 기반으로 사고 발생 위험 정도를 정량적으로 평가한다.

3) 대리안전지표(SSM) 산출 방법

(1) MTTC 측정 방법

MTTC는 기존 TTC의 한계를 보완하기 위해 가 · 감속도 변화를 반영한 지표로 현실적인 주행 환경을 반 영하여 차량의 상충 가능성을 평가할 수 있다. MTTC는 특정 임계값 이하로 감소할 경우 상충 발생 가능성 이 높다고 판단하며, 본 연구에서는 일반적으로 사용되는 임계값인 3초 이하일 때 상충이 발생한다고 간주 하였다. MTTC는 아래 식 (1)과 같다.

여기서, t는 MTTC, ΔV 는 후행 차량과 선행 차량 간 상대 속도 차이, Δa는 후행 차량과 선행 차량 간 상대 가속도 차이, D 는 초기 차간거리이다.

(2) DRAC 측정 방법

DRAC는 차량 간 충돌을 방지하기 위해 후행 차량이 필요로 하는 최소 감속률을 나타내는 지표로, 후행 차량이 선행 차량과 충돌하지 않기 위해 얼마나 급격히 감속해야 하는지를 수치적으로 제시한다. 차량 간의 속도 차이가 크거나 두 차량 간 거리가 가까울수록 DRAC 값이 증가하며 DRAC 값이 3.35m/s² 이상일 경 우 충돌이 발생한 것으로 간주하였다. DRAC를 구하는 수식은 아래 식 (2)와 같다.

(3) Peak to peak jerk 측정 방법

Peak-to-peak-jerk는 측정 구간 내에서 발생하는 최대 jerk와 최소 jerk의 차이를 나타내며, 이는 차량 주행 중 가속도의 변화폭을 평가하는 중요한 지표이다. 값이 클수록 가속도의 급격한 변화가 발생했음을 의미하 며, 이는 주행 안정성과 승차감을 예측하는 중요한 지표로 활용된다.

Peak to peak jerk 값을 산출하기 위해서는 jerk를 측정해야한다. jerk는 가속도의 미분 값으로 시간에 따른 가속도의 변화율을 말하며, 가속도의 순간적인 변화 속도를 측정하는 지표이다. jerk와 peak to peak jerk를 구 하는 수식은 아래 식 (3)과 식 (4)와 같다.

여기서, a는가속도(m/s²), υ는속도(m/s),x 는위치(m), J_Max 는최대jerk, J_Min은최소jerk이다.

(4) Taylor의 사고율 산출 방법

Taylor의 사고율 예측 모델은 사고율을 속도와 속도의 표준편차를 활용하여 계산하는 방법이다. 이 모델은 도로 유형에 관계없이 평균 속도와 속도 표준편차가 사고율에 미치는 영향을 정량적으로 분석할 수 있다. 평 균속도와 속도 표준편차를 고려한 교통사고 빈도 즉, 사고율 산출 모형은 아래 식 (5)과 같다.

여기서, A_r은 사고율, V 는 평균 속도, SD 는 속도 표준편차이다.

2. 차량 행태 측정 방법

차량행태 측정에는 YOLO와 Tracker를 기반으로 한 Gil et al.(2023)의 측정방법을 적용하여 측정하였다. 선 행연구 검토 결과 측정 가능한 지표로 속도, 가속도, 차간거리를 측정지표로 선정하고, 이를 산출하는 방식 으로 분석을 수행하였다.

1) 속도/ 가속도 측정 방법

속도는 차량이 두 지점을 통과하는 시간을 기반으로 계산한다. 먼저 차량이 이동하는 경로 상에 ROI를 설정하고, 각 기준선을 통과하는 시간을 기록한다. 이후 기준선 간의 거리를 기준으로 진출 · 진입시간의 차이를 계산하여 속도를 산출한다. 가속도는 차량이 단위시간 동안 ROI를 통과하는 시간과 각 지점에서의 속도를 이용하여 가속도를 계산한다. 가속도는 크기와 방향을 가진 벡터량이며, SI 단위로는 m/s²로 표현 한다.

2) 차간거리 측정 방법

차간거리는 두 차량 간의 순 간격을 의미하며, 연속적으로 통과하는 두 차량에서 앞 차량의 뒷부분부터 뒤 차량의 앞부분까지의 거리를 m 단위로 나타낸 것이다. 차간거리는 차두거리에서 후속 차량의 길이를 제 외하는 방식으로 산출할 수 있으며, 두 차량의 실제 물리적 간격을 측정할 수 있다.

3. 대상지 선정 및 분석 환경 조성

1) 대상지 선정

본 연구에서는 시흥시와 수원시 일대 도심부의 제한속도 30km/h 및 50km/h 도로를 분석 대상으로 선정하 였다. 대상지는 교통안전시설의 차량 주행 특성을 파악하기 용이하며, 도로변에 이면도로가 적어 차량의 유 출입으로 인한 행태 변화가 최소화되는 구간으로 구성되었다.

30km/h 제한속도 구간은 시흥시 배곧라라 초중학교 앞 사거리, 배곧초등학교와 배곧중학교 사이 도로, 수 원시 에듀타운 사거리의 총 세 곳으로 선정하였다. 배곧라라 초중학교 앞 사거리는 왕복 8차로로 구성된 신 호 교차로로, 신호과속단속장비가 신호등 상단에 고정 설치되어 있으며, 단속장비의 속도 저감 효과를 분석 하기에 적합하다. 배곧초등학교와 배곧중학교 사이 도로는 왕복 4차로의 직선구간으로, 고원식 횡단보도가 설치되어 있어 감속 효과를 평가할 수 있다. 고원식 횡단보도는 높이 10cm로, 오르막 경사부와 내리막 경사 부, 횡단보도부를 포함하여 총 길이가 18m에 이른다. 이 구간은 학교시설로 둘러싸여 보행자 안전 확보를 위한 교통안전시설의 영향을 분석하기에 적합한 환경을 제공한다. 수원시 에듀타운 사거리는 왕복 4차로로 구성된 어린이보호구역 내 신호 교차로로, 단속장비나 과속방지턱과 같은 시설물이 설치되지 않은 상태에서 차량의 주행 특성을 관찰할 수 있어 교통안전시설 미설치 환경의 비교 분석에 적합하다.

50km/h 제한속도 구간은 수원시 아주대 삼거리에서 주막거리 사거리까지의 약 120m 구간으로, 왕복 8차 로 도로로 구성되어 있다. 이 구간은 동수원사거리 방향에 신호과속단속장비가 신호등 상단에 고정 설치되 어 있으며, 단속장비가 설치되지 않은 법원사거리 방향과 비교하여 동일한 교통 환경에서 교통안전시설 유 무에 따른 차량의 주행 행태를 효과적으로 분석할 수 있다.

2) YOLO v8 분석 환경 조성

YOLO v8 알고리즘을 활용하여 교통안전시설 구간의 차량 객체를 인식하고, 속도, 가속도, 차간거리를 계 산하기 위한 분석 환경을 조성하였다. 드론 영상에서 OpenCV로 1초 간격 프레임을 추출하여 이미지 파일로 저장한 후, 해상도를 조정하여 YOLO 탐지 성능을 최적화하였다. 분석 구간은 y축의 범위와 차선을 구분하 여 설정한 뒤, 범위 내에서 객체 탐지를 수행하였다. 객체 탐지는 각 차량에 Bounding Box를 생성하여 위치 좌표와 크기를 계산하고 차선 정보를 추출하였다. Bounding Box는 왼쪽 상단 좌표를 차량의 앞부분으로, 오 른쪽 하단 좌표를 뒷부분으로 정의하였으며, 차량 ID를 표시하여 각 차량의 주행 경로를 시각적으로 분석할 수 있게 하였다. 이후 x축 좌표의 ROI(기준선)를 설정하여 차량이 기준선을 통과하는 시간 차이를 측정함으 로써 각 차량의 주행 속도와 가속도를 계산할 수 있도록 하였다.

또한, 기준 차량과 앞 차량 간의 상대 속도와 차간거리를 구하기 위해 차량을 행렬 형태로 배열하고, 각 차선에서 앞 차량을 식별하였다. 기준 차량(i)과 그 앞 차량(i-1)의 상대 위치를 분석하여 거리와 속도 차이를 계산함으로써 차량 간의 상대적 주행 특성을 보다 정밀하게 평가할 수 있었다.

Ⅳ. 데이터 수집 및 분석 결과

1. 데이터 수집

본 연구에 사용할 데이터를 수집하기 위해 도로 수직 약 100m 상공에서 드론으로 영상을 촬영하였으며, 차량의 교차로 및 안전시설 통과에 따른 주행특성을 명확히 파악하기 위해 차량 통행이 비교적 원활한 비첨 두시간대에서 영상을 촬영하였다. 또한, 시야확보를 위해 기상상태가 용이한 날에 촬영하여 객체인식 정확도 를 높였다. 데이터 수집 구간은 신호과속단속장비 구간, 고원식 횡단보도 구간으로 구분하였다. 신호과속단 속장비 구간은 정지선을 기준으로 상류부 약 120m의 구간을 포함하여, 접근하면서 나타나는 속도 변화와 가 속도, 차간거리 등을 수집하였다. 고원식 횡단보도 구간은 횡단보도 진입 지점을 기준으로 상류부 60m부터 하류부 약 50m까지 촬영하여 진입 시 감속 패턴과 통과 후 주행 행태를 확인하였다. 이와 같은 구간 설정을 통해 안전시설접근 및 통과 이후의 주행특성 변화를 분석할 수 있다.

수집된 데이터는 차량 ID, 차선 정보, 차량 위치 및 기준선(ROI) 통과 시간, 차간거리, 속도, 가속도로 구성 되어 있다. 이를 기반으로 교통안전시설 구간에서의 주행 행태 변화를 정량적으로 평가하고, 각 구간 간의 주행 특성 비교를 위한 기초 자료로 활용할 수 있다.

2. 차량 주행행태 측정결과

1) 30km/h 제한속도 구간의 차량 주행행태 측정 결과

교통안전시설별로 차량의 속도, 가 · 감속도, 차간거리를 분석하였다. 선행차량과 후행차량의 x축 좌표 차 이를 계산하고 선행차량의 길이를 제외하여 정확한 차간거리를 측정하였다. 약 15m 간격으로 설정한 ROI를 차량이 통과할 때 속도를 추정하고, 속도 변화를 바탕으로 가 · 감속도를 계산하여 주행 행태와 속도 변화를 파악하였다. 분석 범위는 정지선에서 약 5m 이전 지점까지로 설정하였다.

제한속도 30km/h 구간에서는 고원식 횡단보도와 단속장비 유무에 따라 차량의 차간거리와 속도를 비교하 였다. 세 교차로는 교통 환경과 교통량에 차이가 있었으나, 평균 차간거리는 20~22m로 큰 차이를 보이지 않 았다. 이는 낮은 제한속도와 일정한 주행 속도로 인해 차간거리가 유사하게 나타난 것으로 해석된다.

교통단속장비가 설치된 구간에서는 평균 속도가 약 5km/h 이상 낮아지고, 속도 표준편차 역시 감소하여 차량 속도가 더욱 균일해지는 효과가 나타났다. 이로 인해 사고 발생 시 충격 강도가 줄어들어 사고 심각도 가 낮아질 가능성을 시사한다. 또한, 제한속도 준수율이 2.56%로, 다른 30km/h 제한 구간에 비해 준수율이 크게 높아 과속단속장비가 속도 억제와 교통 안전성 향상에 실질적인 기여를 하고 있음을 확인할 수 있었다.

고원식 횡단보도가 설치된 구간에서는 차간거리의 표준편차가 낮아 간격이 일정하게 유지되었고, 평균 감 속도는 - 1.39m/s²로, 단속장비가 없는 구간의 - 0.35m/s²에 비해 큰 차이를 보였다. 이는 물리적 구조물이 차량의 속도를 자연스럽게 줄이도록 유도하기 때문에, 감속도가 더 높게 나타난 것으로 해석된다. 고원식 횡 단보도가 차량의 속도 저감과 일정한 주행 간격 유지에 효과적으로 기여하고 있음을 시사한다.

2) 50km/h 제한속도 구간의 차량 주행행태 측정결과

제한속도 50km/h 구간에서 단속 장비가 설치된 방향은 평균 주행 속도가 상대적으로 낮고 차간거리가 좁 게 나타났으며, 차간거리의 표준편차가 작아 차량 간 간격의 변화가 적고 일정하게 유지되는 경향을 보였다. 이는 단속장비의 설치로 차량들이 일관된 속도를 유지하며 안정적으로 주행한 결과로 판단된다. 반면, 단속 장비가 없는 방향은 제한속도를 초과한 차량의 비율이 약 21%로 단속 장비가 있는 구간보다 과속 차량의 수 가 현저히 많았고, 속도와 속도 표준편차도 더 큰 차이를 보였다.

해당 구간에서는 대부분의 차량이 제한속도 50km/h 이하로 주행하여 가 · 감속도 차이는 크지 않았으나, 단속 장비 유무에 따라 속도와 주행 안정성에 차이가 발생하는 것을 시사한다. 단속 장비가 있는 구간에서는 차량들이 정지선 접근 전에 속도를 줄이고 일정하게 유지하려는 주행 패턴을 보여 교통 흐름의 안정성이 높 아지는 경향을 보였다. 제한속도 50km/h 구간의 차간거리, 속도, 가 · 감속도의 분석 결과는 다음과 같다.

3. SSM 분석결과

교통안전시설의 차량 주행행태 결과를 활용하여 각 구간의 MTTC, DRAC, Peak to peak jerk, Taylor 모형의 사고율을 산출하여 안전성을 평가하였다. 제한속도 30km/h 구간은 분석 대상지가 상이한 교통 환경을 가지 며, 낮은 주행 속도로 인해 세 지점 모두 차간거리가 비슷하게 나타났다. 또한 속도 제한으로 인해 가속도 관련 표본이 적어 분석에 한계가 있었다.

반면, 제한속도 50km/h 구간은 동일한 도로의 양방향을 촬영하여 교통 흐름과 주행 조건이 유사하게 유지 되며, 차간거리와 속도 편차, 가 · 감속도의 변동 폭이 뚜렷하게 나타나 차량 간 상충 가능성을 분석하기에 적합한 조건을 갖추고 있다. 이에 따라 30km/h 구간은 상충 가능성 분석에 적합하지 않았으며, 50km/h 구간 을 중심으로 SSM 값을 산출하여 신호과속단속장비 설치 유무에 따른 구간의 안전성을 평가하였다.

1) MTTC 및 DRAC 분석 결과

본 연구에서는 단속 장비가 설치된 구간에서 차량의 속도와 차간거리가 다소 짧게 나타남에 따라 MTTC 값이 단속 장비가 없는 구간보다 상대적으로 낮게 분석되었다. 이는 단속 장비가 차량 속도를 낮추고 일정한 주행 패턴을 유도하여, 차간거리가 좁아진 상황에서 MTTC 값이 일부 감소한 것으로 해석된다. 즉, 단속 장 비가 있는 구간에서는 운전자들이 속도를 줄이며 가까운 차간 거리로 주행을 지속해 MTTC가 낮아졌지만, 낮은 속도로 인해 실제 사고 발생 위험은 감소해 안전성을 유지할 수 있는 것으로 판단된다.

DRAC 분석에서도 단속 장비 설치 여부에 따른 미세한 차이는 있었으나, 두 구간 모두에서 대부분의 DRAC 값이 0.2m/s² 이하로 나타났고, 충돌 간주 기준인 3.35m/s²를 초과하는 값은 없었다. 이는 큰 감속이 필요 없는 안정적인 주행 환경을 의미하며, 제한속도 50km/h 구간에서 차량 속도가 전반적으로 낮고 속도 차이가 크지 않아 DRAC 값이 낮게 나타난 결과로 볼 수 있다. 이러한 결과는 차량 간 안정적인 차간 거리 와 속도가 유지되고 있음을 보여주며, 두 구간 모두 안전한 주행 조건이 유지되고 있다고 해석할 수 있다.

2) Peak to peak jerk 분석 결과

제한속도 50km./h 구간에서 단속 장비의 유무에 따른 주행 특성을 분석한 결과, 단속 장비가 설치된 방향 의 peak-to-peak jerk의 평균값은 1.90m/s³으로, 없는 방향의 2.59m/s³보다 낮아 주행 안정성이 더 높게 나타

났다. 표준편차도 단속 장비가 설치된 방향이 1.16m/s³으로, 없는 방향의 2.31m/s³에 비해 작아 가·감속 변 동성이 낮고 일정한 주행 패턴이 유지되고 있음을 보여준다. 이는 단속 장비 설치로 급가속과 급감속이 줄어 들어 주행 안정성과 승차감이 향상된 결과로 해석된다. 따라서 단속 장비는 도로 구간의 안전성을 확보하는 데 긍정적인 효과를 미친다는 점을 확인할 수 있었다.

3) Taylor 모형의 사고율 분석 결과

제한속도 50km/h 구간에서 단속 장비의 유무에 따른 사고율 분석 결과, 단 장비가 있는 방향에서 사고율 의 평균값이 4.87로, 없는 방향의 8.69보다 낮아 사고 발생 위험이 감소하는 것으로 나타났다. 또한, 단속 장 비가 있는 방향의 속도 표준편차가 상대적으로 작아 사고 발생률이 일정하게 유지되고 있음을 시사한다. 이 는 단속 장비가 설치된 구간에서 운전자가 규정 속도를 준수하려는 경향이 강해져, 사고 발생 가능성이 줄어 들고 도로 안전성이 향상됨을 보여준다.

Ⅴ. 결론 및 향후연구

본 연구는 드론 영상을 기반으로 YOLO v8 알고리즘을 활용하여 교통안전시설의 설치 유무에 따라 차량 의 주행 행태를 분석하였다. 또한 SSM을 활용하여 충돌 가능성, 충돌 심각도, 주행 안전성, 사고율 등을 분 석하여 교통안전시설의 안전성을 다각도로 평가하였다. 기존의 교통안전시설 설치 전 · 후 데이터 비교가 아 닌, 드론 촬영을 통해 차량 주행영상을 수집하여 주행행태와 안전성을 직접 평가하였다는 점에 의미가 있다.

제한속도 50km/h 구간에서 단속 장비가 설치된 방향의 차량은 낮은 속도와 일정한 차간 거리를 유지하여 주행 안정성이 높게 나타났으며, 단속 장비가 없는 구간에서는 과속 차량 비율이 높아 주행 안정성이 상대적 으로 낮아지는 경향이 있었다. 또한, 제한속도 30km/h 구간에서는 평균 차간거리에서 큰 차이가 없었지만, 과속단속장비가 설치된 구간에서는 속도가 효과적으로 감소하며 제한속도 준수율이 높게 나타났다. 한편, 고 원식 횡단보도가 설치된 구간에서는 물리적 속도 저감 효과가 뚜렷하게 확인되었다.

MTTC, DRAC, Peak-to-Peak Jerk, 그리고 Taylor 사고율 지표를 활용한 SSM 분석 결과, 단속장비 설치 구 간에서 일부 주행 안정성이 향상되는 경향이 확인되었다. 그러나 MTTC와 DRAC 지표는 단속장비 설치 유 무에 따른 유의미한 차이를 보이지 않았으며, 이로 인해 단속장비의 실질적인 효과를 명확히 평가하기에는 한계가 있었다. 그러나 Peak-to-Peak Jerk 지표는 단속장비 설치 구간에서 값이 낮아져, 급가속 및 급감속이 줄어들며 주행 안정성이 향상되었고 Taylor의 사고율 분석에서는 단속장비가 설치된 구간에서 속도와 속도 표준편차가 낮아짐에 따라 사고율이 감소하여 안전성이 높아졌음을 확인하였다.

본 연구는 교통안전시설의 효과를 정량적으로 분석하였으나, 30km/h 구간은 대상지 간 환경 차이로 SSM 지표를 적용하지 못하는 한계가 있었다. 또한, MTTC와 DRAC 지표 분석 결과, 단속장비 설치 및 미설치 구 간 모두 주행 행태가 안정적으로 나타나 지표 값 차이가 크지 않았다. 이는 두 구간 모두 차량들이 일정한 속도와 주행 패턴을 유지했기 때문으로, 단속장비의 효과를 평가하는 데 해석의 어려움이 있었다. 단속장비 가 신호등과 함께 설치된 구간 특성상 신호 체계의 영향이 결과에 일부 개입되었을 가능성도 있다.

향후 연구에서는 이와 같은 한계를 보완하여, 단속 장비의 효과를 보다 구체적으로 파악하기 위해 교통안 전시설로부터의 거리별 구간을 세분화하여 차량 주행 행태 변화를 분석하는 접근이 필요할 것이다. 이를 통 해 단속 장비가 차량 주행에 미치는 영향을 보다 구체적으로 파악하고, 단속장비가 어느 지점부터 효과를 나 타내는지에 대한 영향 범위를 추정할 수 있다. 또한, 신호와 관계없이 독립적으로 설치된 단속장비 구간을 분석하여 단속 장비가 주행 안전성에 미치는 영향을 명확히 평가함으로써, 교통안전시설의 실질적인 효과를 보다 신뢰성 있게 검증하는 연구가 요구된다.