Ⅰ. 서 론
2024년 행정안전부·국토교통부의 발표에 의하면 매년 교통사고로 인한 인명 피해가 지속적으로 감소하고 있음에도 불구하고, 한국의 교통안전 수준은 아직 주요 선진국에 비해 낮은 수준으로 평가된다고 발표했다. 정부는 과거 ‘교통사고 사상자 절반 줄이기’와 같은 중장기 계획을 수립하여 교통사고 사망자를 대폭 감소시 키고자 노력해 왔다. 그 결과 교통사고 사망자는 2006년 6,327명에서 2020년대 중반 현재 연간 2,000명대 수 준까지 줄였으나 보행자, 고령운전자, 어린이 보호구역 등 특정 분야에서는 여전히 개선할 여지가 많아 교통 안전 정책의 지속적으로 개선이 필요하다. 실제로 정부는 2024년 교통사고 사망자 감소대책을 통해 우회전 신호등 설치 확대, 화물차 안전검사 강화 등 다양한 대책을 발표하며 교통사고 예방 노력을 지속하고 있다.
교통안전 정책의 효과적 수립을 위해서는 데이터에 기반한 문제 영역 파악이 중요하다. 본 연구에서는 국 민 여론과 언론 보도를 통해 드러나는 교통사고 이슈를 체계적으로 분석하여, 정책 수립에 참고할 핵심 키워 드를 식별한다. 텍스트마이닝과 토픽 모델링 기법의 발전으로 대량의 문서에서 주요 주제를 추출하고 시사 점을 도출하는 연구가 활발히 이루어지고 있다. 토픽 모델링은 문서 집합 내 숨겨진 잠재 주제를 발견하고, 각 주제의 관련 단어들과 경향을 파악하는 확률론적 알고리즘인 토픽 모델링 LDA(Latent Dirichlet Allocation) 이다. LDA는 문헌 데이터에서 잠재 의미를 지닌 키워드를 확률적으로 추출하는 알고리즘으로서, 사회과학 및 정책 연구에서도 유용하게 활용되고 있다. 본 연구에서는 국내 교통사고 관련 뉴스 기사 데이터를 LDA 분석을 통해 향후 정책 수립에 참고가 될 기초연구를 진행코자 한다.
Ⅱ. 선행연구 고찰
Blei(2003)이 제안한 LDA 알고리즘은 문서 모음에서 단어들의 공동출현 확률을 바탕으로 잠재 토픽을 찾 아내는 확률모델이며, 이후 다양한 분야에서 연구 동향 분석 도구로 자리매김했다. Blei(2012)은 토픽 모델링 을 “텍스트 코퍼스의 잠재 주제를 식별하고 해석하는 통계적 기법”으로 정의하며, 토픽들이 시간이 흐름에 따라 변화하는 양상도 분석 가능함을 보였다. 이러한 토픽 모델링은 한 걸음 더 나아가 정책 분야의 비정형 텍스트를 분석하여 이슈를 발굴하는 방법론으로도 활용되고 있다.
LDA 분석을 지능형교통체계(Intelligent Transport System, ITS) 분야에도 활발하게 이용되고 있다. Oh et al.(2016)은 LDA로 인터넷 공개 텍스트 데이터를 분석하여 도로 분야 ITS 정책 이슈 탐색기법 정립하였다. Jeong et al.(2020)은 미래 자동차 분야 논문 데이터를 LDA로 분석하여 국내 연구는 교통인프라·정책, 해외는 기술개발에 집중됨을 밝히고, 이를 바탕으로 MaaS 지원, 데이터 개방 등 정책적 시사점을 제시하였다. 또한 Lee(2021)는 교통경찰 민원 2,062건에 LDA를 적용해 41개 토픽을 도출하고 교차로 법규위반 단속 강화, 무 인단속장비·신호등 설치 등 구체적 개선이 필요함을 제언하였다. 선행연구들은 이처럼 빅데이터 기반 토픽 분석을 통해 교통 분야의 문제점과 해결방안을 도출해왔으며, LDA 기법의 정책 연구 활용 가능성을 보여주 었다. 국민신문고 교통경찰 민원을 LDA로 41개 토픽을 추출하고, 상위 토픽에 대해 키워드 일관성과 대표문 서 분석을 통해 최종 주제로 선정하였다. 해당 연구에서는 교차로 법규위반, 이륜차 법규위반, 개인형 이동 장치 관리 등이 중요한 이슈로 나타났으며, 이에 대한 단속 강화, 무인 단속 장비 및 신호시설 확충, 개정 법 령 홍보 등의 필요성을 제언하였다. 이는 교통안전 정책 수립에 직접 활용 가능한 시사점으로서 의미가 크 다. 이처럼 기존 연구들은 LDA 토픽 모델링을 활용하여 다양한 교통 분야 텍스트로부터 핵심 주제를 도출 하고 정책적 함의를 도출해왔다. 선행연구를 통해 얻은 교훈은 다음과 같다. 첫째, 토픽 수 결정에 있어 절대 적인 기준은 없으며, 토픽 응집도(Coherence) 등의 지표와 전문가 해석을 병행하여 적절한 토픽 수를 선택하 는 것이 바람직하다. 실제로 많은 연구가 5개에서 많게는 40개 이상의 토픽을 시험한 후, 응집도를 분석하여 최적 토픽 수를 정하고 있다. 둘째, 한국어 텍스트 분석에서는 불필요한 조사를 제거하고 형태소를 적절히 추출하는 전처리가 결과의 품질을 좌우한다. Kil(2018)은 한국어 텍스트마이닝을 위한 불용어 목록을 제시하 며 조사, 접속사, 빈도가 높은 한자어 등을 제거하는 표준을 마련하였다. 본 연구에서도 이러한 선행연구의 지침을 따라 분석을 설계하였으며, 연구의 차별성은 최근 2013년부터 2022년까지의 뉴스 기사 데이터를 토 픽 모델링을 통해 교통사고 예방 정책에 초점을 맞췄다는 점이다. 모두 분석하여, 토픽 수에 따른 시각적 정 보와 키워드 변화를 비교함으로써 정책 키워드 도출의 견고성을 확보하고자 했다.
<Table1>
Summary of Previous Studies on Topic Modeling
| Author(s) | Year | Main Content |
|---|---|---|
| Oh et al. | 2016 | Proposed a method for quickly identifying policy issues from publicly available ITS-related text data using LDA topic modeling. |
| Park and Lee | 2020 | Analyzed 9,625 electronic civil complaints in Busan using LDA topic modeling to identify key topics and their temporal trends. |
| Lee | 2021 | Applied LDA to 2,062 traffic police complaints, extracting 41 topics and suggesting policy implications such as stricter enforcement. |
| Jeong et al. | 2022 | Compared domestic and international research trends by analyzing research papers on future vehicles using LDA, proposing future traffic policy directions. |
| Blei et al. | 2003 | Initially proposed Latent Dirichlet Allocation (LDA), a probabilistic model for uncovering latent topics from a collection of documents. |
| Blei | 2012 | Explained theoretical foundations and applications of probabilistic topic models including LDA, also highlighting the analysis of topic evolution over time. |
| Röder et al. | 2015 | Proposed coherence measures for evaluating topic models and compared the performance of various coherence metrics. |
| Syed and Spruit | 2017 | Compared topic coherence in LDA applications between full-text documents and abstracts in text mining tasks. |
| Kil | 2018 | Presented a standard stopword list for Korean text mining and proposed preprocessing techniques to improve analysis quality. |
Ⅲ. 교통정책 연구 모델링 및 방법론
1. 데이터 수집 및 연구방법
위의 선행연구 고찰에 따라 교통사고 관련 뉴스 텍스트 데이터를 활용하고자 한다. 뉴스 데이터 분석 시, 반드시 많은 데이터가 더 좋은 것은 아니며, 잘 구성된 데이터 세트가 분석의 신뢰성과 해석력을 높일 수 있 다.(Oh et al., 2016;Park and Lee, 2020). 분석대상 데이터는 2013년부터 2022년까지 최근 10년간의 국내 주요 언론 뉴스 가운데 교통사고와 관련된 기사 500건을 수집하였다. 데이터 수집을 위해 포털 사이트 뉴스 섹션 과 언론사 아카이브를 활용하였으며, 언론사에서 RSS(Rich Site Summary) 엑셀 데이터를 지원하는 자료만을 활용하였으며, 내용이 중복된 기사는 삭제하였다. "교통사고", "교통안전", "사고 예방" 등의 키워드로 검색된 기사를 선별하였다. 연도별로 약 50건 안팎의 기사를 선정하였으며, 주요 중앙일간지와 온라인 뉴스 매체를 망라하였다. 국내 교통사고 관련 주요 언론 매체 기사 중 대표적이고 중요한 사건과 이슈를 포괄적으로 포함 한 것으로, 데이터의 양보다 데이터의 질적 대표성에 초점을 맞추기 위하여 무작위 데이터를 사용하기 보다 는 이슈의 핵심적 내용을 명확하게 나타내는 뉴스를 활용하였다. 또한, 사고 예방 대책이나 사후 조치에 대 한 언급이 있는 기사도 포함하여 정책적 관점에서 의미 있는 내용을 충분히 담고자 하였다. 데이터의 대표성 을 높이기 위해 서로 다른 매체와 시기를 아우르는 기사를 선택하였으며, 무작위로 많은 데이터를 사용하기 보다는, 이슈의 핵심적 내용을 명확히 나타내는 대표적인 데이터를 중심으로 하는 것이 정책적 함의를 도출 하는 데 더 효과적이라 판단하여 동일 사건의 중복 보도는 제외하였다.
수집된 뉴스 기사 본문에 대해 전처리를 수행하여 분석 가능한 형태의 말뭉치(corpus)를 구축하였다. 우선 KoNLPy의 Okt(Open Korean Text) 등의 한국어 형태소 분석기를 사용하여 문장을 토큰화(tokenization) 하였다. 형태소 분석을 통해 불필요한 조사, 어미 등을 제거하고 명사, 동사 등의 주요 어휘를 추출하였다. 다음으로 의미가 없는 불용어(stopwords)를 제거하였다. 불용어 사전에는 일반적으로 자주 등장하지만, 주제 파악에는 도움이 되지 않는 단어들이 포함된다. Python 형태소 분석 패키지에서 제공되는 한글 불용어 목록을 참고하 여 불용어 필터링을 적용하였다. (Kim and Lim, 2024)
<Fig. 1>과 같이 뉴스기사 스크랩을 통한 데이터 처리를 하여 키워드 분석을 하는 연구모델을 설계하였다. 단어 빈도 기준으로 너무 자주 등장하는 단어(예: "교통", "사고")나 너무 드물게 등장하는 단어는 분석에서 제외하여 토픽 모델의 품질을 높였다. 이러한 전처리 과정을 거쳐 최종적으로 약 8,000여 개의 고유 단어 (term)로 구성된 문서-단어 행렬을 생성하였다.
2. 데이터 전처리 과정
Kim and Lim(2024)은 LDA 분석을 위해 데이터를 형태소 분석기를 활용하여 정제하였다. 수집된 기사 텍 스트는 분석에 적합하도록 정제하였다. 우선 KoNLPy의 Okt 형태소 분석기를 활용하여 문장을 형태소 단위 로 분해하고 불필요한 부분을 제거하였다. 이 과정에서 "있다", "한다" 등의 평서형 어미, 조사, 접속사 등 의 미를 추가하지 않는 어구를 제거하여 핵심 단어만 남겼다. 다음으로 불용어 사전을 구축하여 의미 중요하지 않은 단어들을 걸러냈다. 불용어 사전에는 일반적으로 문장에 자주 등장하지만, 주제를 파악하는 데 도움이 되지 않는 단어(예: "그리고", "하지만")와 교통사고 맥락과 무관한 일상용어 등을 포함했다. 이를 위해 Python의 한국어 패키지인 KoNLPy 패키지에서 제공하는 기본 한글 불용어 리스트를 참고하였다 . 또한 모든 단어를 소문자로 변환하고, 숫자나 특수문자는 제거하였다. 필요에 따라 유의어를 통합하였는데, 예를 들어 "사망", "사고사", "사망자" 등은 모두 "사망"으로 치환하였다. 이렇게 하여 최종적으로 약 500개의 문서에 대 해 단어 빈도 행렬을 생성하였다. 행렬의 차원은 500(문서 수) × 8,000여(고유 단어 수) 정도이며 키워드 분 석을 위해 희소한 값으로 구성하였다.
Ⅳ. 토픽 모델링 결과
1. 토픽 분석 결과 및 시각화
Kim and Lee(2024)의 선행연구에서 토픽 수를 4~10개로 바꾸어 가며 계산을 하였으며, 선행연구와 같이 토픽 수를 바꾸어 가며 계산을 하였다. <Fig. 2>는 LDA 토픽 모델링에 적합한 토픽의 개수를 정하기 위하여, Python의 Gensim을 활용하여 일관성 점수(coherence score)를 계산하였다. 일관성 점수는 Röder et al.(2015)가 제안한 계산식(1)과 같다. 토픽 수에 따른 일관성 점수 변화를 나타낸 것으로, 6개일 때 점수가 0.62점으로 최곳값에 도달함을 알 수 있었다. 이는 6개 토픽이 본 연구의 데이터에서 가장 일관성 있고 명확하게 구분되 는 주제를 도출했다는 것을 알 수 있었다. 또한 <Fig. 3>은 6개의 토픽에 대하여 평균 주제 분포를 시각화하 였으며, 계산식(2)와 같이 계산하였다. 소수점 2번째까지 표시하였으며, 어린이보호구역(스쿨존)과 이륜차 언 급이 가장 많았음을 알 수 있다. 고령운전자 및 교통시설 관련하여 언급이 가장 적었음을 알 수 있었다.
여기서,
여기서,
6개의 토픽으로 LDA 모델을 학습시킨 결과물을 Matplotlib package를 활용하여 토픽별 word-cloud를 도출하 고 각 토픽별 상위 키워드와 해당 토픽이 전체 코퍼스에서 차지하는 비중을 확인할 수 있었다. 추가 시각화를 위해 pyLDAvis package로 토픽별 단어들의 연관성을 확인하였다. <Fig. 4>는 키워드 간의 연계성 등을 참고하 고 정책 도출을 위해 6개의 토픽을 주제를 시각화하여 워드 클라우드 형태로 변환하였으며, 6가지 핵심 키워드 를 도출할 수 있었다. 이로써 6개의 토픽별로 어떠한 핵심 단어들이 정리가 필요한지 알 수 있었다.
<Fig. 5>는 키워드 기여도 등을 분석하여 히트맵 등의 키워드 간의 네트워크 관계도 분석하였으며, 토픽별 로 주요 키워드의 기여도(중요도)를 시각화한 것이다. 행(row)에는 선택된 핵심 키워드들이 나열되고, 열 (column)에는 식별된 토픽들이 배열되어 있으며, 셀(cell)의 색깔 농도와 숫자는 해당 키워드가 그 토픽에서 차지하는 비중 또는 확률값을 의미한다. 진한 파란색일수록 해당 키워드의 토픽 내 기여도가 높음을 나타내 며, 연한 색이나 노란색에 가까울수록 기여도가 낮음을 의미한다 . 이를 통해 각 토픽을 구성하는 핵심 요소 가 무엇인지, 그리고 어떤 키워드가 여러 토픽에 걸쳐 분포하는지를 한눈에 파악할 수 있다. 특히 하나의 키 워드가 특정 토픽 열에서 두드러지게 높은 값을 보이면 그 키워드는 해당 토픽의 주제 대표어임을 의미하고, 반대로 어떤 키워드가 여러 토픽에 비교적 고르게 기여하고 있다면 그 키워드는 범용적 이슈로서 복수 토픽 에 걸친 관련성을 가짐을 시사한다. 히트맵의 구체적인 결과를 살펴보면, 본 연구에서 정의한 6개의 토픽마 다 대표 키워드 세트가 뚜렷하게 드러난다. 토픽 1(음주운전 처벌)의 경우 “음주운전” 키워드가 해당 토픽 내 가장 높은 기여도(짙은 색)로 나타나 음주운전에 대한 논의가 이 토픽의 중심임을 보여준다. 이와 함께 “윤창호법”과 “면허 취소” 역시 높은 비중을 차지하여, 이 토픽이 음주운전 사망사고 발생 계기로 제정된 윤 창호법과 운전자 처벌(면허 취소 등)의 강화에 관한 내용임을 시사한다. 반면 “윤창호법”이나 “단속” 등의 키 워드는 다른 토픽에서는 거의 기여도가 나타나지 않아, 음주운전 처벌 토픽이 비교적 독자적 주제 영역을 형 성함을 보여준다. 토픽 2(스쿨존 및 어린이 안전)에서는 “스쿨존”과 “민식이법”이 높은 값을 나타내므로, 어 린이보호구역 내 안전과 관련 법규(민식이법)가 이 토픽의 핵심축임을 알 수 있다. 또한 “어린이 사고” 키워 드도 상당한 비중을 보여 스쿨존에서의 사고 문제에 초점이 맞춰져 있음을 확인할 수 있다. 이러한 주요 단 어들은 다른 토픽에서는 비중이 미미하여, 스쿨존 안전 토픽이 고유한 이슈로서 부각됨을 나타낸다. 토픽 3 (전동킥보드 사고 대응)의 가장 두드러진 키워드는 “과속”으로 해당 토픽 기여도가 약 0.4에 달해 가장 짙게 표시되어 있다. 이는 전동킥보드 관련 사고 담론에서 과속 운행 문제가 핵심으로 논의되고 있음을 의미한다. 또한 “사고 증가”와 “무면허”와 같은 키워드도 이 토픽에서만 의미 있게 나타나, 개인형 이동장치 이용 급증 에 따른 사고율 증가와 무면허 운행 문제가 주요 이슈임을 보여준다. 토픽 4(이륜차 사고 예방)에서는 “보험” 과 “배달” 키워드의 기여도가 높게 나타나, 오토바이 등 이륜차 운행에서 보험 체계와 음식배달 산업이 연관 된 안전 이슈임을 알 수 있다. 예를 들어 배달업 종사자의 사고 시 보험 문제 등이 이 토픽의 중요한 부분임 을 시사한다. 이와 함께 “과속” 키워드도 일정 부분 기여도를 보여주는데, 이는 이륜차 사고에서도 속도위반 이 사고 위험을 높이는 공통 요인임을 나타낸다. 토픽 5(고령 운전자 대책)에서는 “고령 운전자” 자체가 가 장 높은 비중으로 나타나 토픽의 주제를 대변하며, “인지 검사”와 “면허 반납”도 높게 나타나고 있다. 이는 고령 운전자들의 인지능력 주기적 검사가 필요하다거나 고령층의 자발적 운전면허 반납 장려 등의 대책이 이 토픽에서 중점적으로 다뤄지고 있음을 보여준다. 흥미로운 점은 “음주운전” 키워드도 이 토픽에서 일정 수준의 기여도를 가진다는 것인데, 이는 고령 운전자 안전담론에서 음주운전 문제가 함께 언급되거나, 두 이 슈가 일부 교차함을 의미한다. 마지막으로 토픽 6(교통 인프라 개선)에서는 “안전시설”과 “CCTV 설치”가 두 드러진 기여도를 보이며, “도로 확장”과 “속도 제한”도 뒤따르고 있다. 이를 통해 도로 환경을 개선하고 교통 단속 인프라를 확충하는 내용이 이 토픽의 핵심임을 알 수 있다. “단속”이나 “규제”와 같은 키워드도 일부 등장하여 제도적 측면의 논의도 병행되고 있음을 보여준다.
<Fig. 6>은 키워드들의 상호 연관성을 시각적으로 나타낸 그래프로 연결선을 통해 키워들 간의 연결 해석 이 가능하다. 각 노드(node)는 분석된 핵심 키워드를 의미하며, 노드의 크기나 색상은 해당 키워드의 중요도 나 중심성 정도를 나타낸다. 에지(edge)로 연결된 노드 쌍은 두 키워드가 동일한 문맥이나 자료에서 자주 함 께 등장하여 높은 연관성을 지님을 뜻한다. 그래프 결과를 해석하면, 몇 개의 의미 분야별 군집이 뚜렷이 나 타난다. 첫째, 음주운전 처벌 관련 군집에서는 “음주운전”, “윤창호법”, “면허 취소”, “사망사고”, “단속” 등이 서로 강하게 연결되어 있다. 이는 음주운전에 대한 법적 처벌 강화와 그에 따른 사고 문제 논의가 밀접하게 연관되어 있음을 보여준다. 둘째, 스쿨존 어린이 안전 군집에서는 “스쿨존”, “민식이법”, “횡단보도”, “신호 등”, “속도 관리” 등의 키워드들이 한데 모여 있다. 이들은 어린이 보호구역에서의 교통 안전 이슈와 관련 법 제 개선 노력이 한 축을 이루고 있음을 의미한다. 셋째, 개인형 이동수단 및 이륜차 안전 군집을 보면, “전동 킥보드”, “헬멧”, “무면허”, “사고 증가” 키워드들이 연결된 부분과 “이륜차”, “보험”, “배달”, “사고” 키워드들 이 연결된 부분이 확인된다. 특히 “헬멧” 노드가 두 부분을 모두 연결하면서 전동킥보드와 이륜차 안전 이슈 를 매개하고 있는데, 이는 개인형 이동장치와 오토바이 등 이륜차 이용 안전에 공통적으로 보호장비(헬멧) 착용 문제가 중요함을 시사한다. 넷째, 고령 운전자 군집에서는 “고령 운전자”, “인지능력 검사”, “면허 갱 신”, “면허 반납”, “예방” 등이 묶여 있어, 고령층의 운전으로 인한 위험과 이를 완화하기 위한 제도(자발적 면허반납 권고, 정기적 적성검사 등)가 하나의 주제로 부각 됨을 알 수 있다. 마지막으로, 교통 인프라 및 일 반 안전대책 군집으로 “안전시설”, “CCTV 설치”, “도로 확장”, “속도 제한”, “규제” 등의 키워드들이 서로 연 결되어 있다. 이는 물리적 교통시설 개선과 교통감시/규제 장치 도입 등 종합적 인프라 개선 노력이 별도의 핵심 주제로 논의되고 있음을 보여준다.
<Fig. 7>은 추출된 주요 단어들이 서로 동시에 등장하는 관계를 나타내는 단어 동시출현 네트워크 그래프 이다. 그래프를 해석하면, 여러 개의 단어 군집(word cluster)들이 식별되며 이는 앞선 토픽 분석결과와도 상 당 부분 맥락을 같이한다. 먼저 오른쪽 상단에 밀집된 음주운전 관련 군집을 보면 “음주운전”, “윤창호법”, “면허 취소”, “사망사고”, “단속” 등이 서로 모두 연결망을 형성하고 있다. 이들 단어는 함께 나오는 경우가 많아 음주운전 사건과 처벌에 관한 담론이 하나의 축을 이룸을 다시 한번 확인시켜준다. 특히 “윤창호법”은 음주운전 사망사고 방지를 위한 법률로써 “음주운전” 및 “사망사고”와 강하게 결합되고, “단속”과 “면허 취 소”도 같이 나타나 음주운전 단속 강화 및 처벌의 맥락을 공유한다. 한편, 오른쪽 하단을 보면 개인형 이동 수단 및 이륜차 안전 군집이 존재한다. 이 영역에서는 “헬멧”을 중심으로 위쪽으로는 “무면허”, “사고 증가” 와 연결되고 아래쪽으로는 “이륜차”, “보험”, “배달”, “사고” 등이 연결되어 있다. “헬멧” 노드가 교량처럼 두 부분을 연결하고 있는 구조가 두드러지는데, 이는 전동킥보드 등 무면허 개인형 이동장치 이용 이슈(사고 증 가 문제)와 오토바이 배달 증가 이슈(보험 및 사고 문제)가 헬멧 착용이라는 공통의 해결책을 통해 교집합을 형성함을 보여준다. 실제로 전동킥보드 이용자와 이륜차 운전자 모두 안전모 미착용으로 인한 피해 증가가 문제시되고 있음을 시사하며, 이러한 교차 이슈가 네트워크 상에 명확히 드러난 것이다. 왼쪽 하단에는 “도 로 확장”, “CCTV 설치”, “안전시설”, “속도 제한”, “규제” 등이 모인 교통 인프라 및 제도 군집이 포착된다. 이들은 물리적 도로환경의 개선과 교통법규 집행 수단 확충 등 거시적 안전대책들이 서로 연관된 형태로 나 타나, 해당 단어들이 함께 논의되고 있음을 보여준다.
<Fig. 8>은 LDA 토픽 모델링을 통해 추출된 토픽과 핵심 단어들의 관계망을 나타낸 그래프로, 토픽 노드 (붉은색 노드)와 해당 토픽의 상위 키워드 노드들이 하나의 혼합 네트워크를 이루고 있다. Kim and Lim(2024) 토픽 관계망은 노드와 키워드 노드 사이의 에지는 특정 키워드가 그 토픽에 높은 확률로 기여함 을 나타내며, 이러한 연결을 통해 어떤 단어들이 어떤 주제와 밀접하게 관련되는지 시각적으로 파악할 수 있 다. 한 키워드가 두 개 이상의 토픽 노드와 연결되어 있다면, 그 키워드는 복수의 주제에 걸쳐 중요하게 등 장하는 교차 이슈(cross-cutting issue)임을 의미한다. 이 네트워크 그래프의 해석 결과, 앞서 도출한 토픽별 주 제들이 서로 구별되면서도 일부는 겹치는 키워드를 통해 연계되고 있음을 알 수 있다. 먼저, “음주운전 처 벌” 토픽 노드는 “음주운전”, “윤창호법”, “단속”, “면허 취소” 등의 키워드와 강하게 연결되어 있어 해당 토 픽이 음주 운전 단속 및 처벌 강화에 관한 논의임을 분명히 보여준다. 다음으로 “스쿨존 및 어린이 안전” 토 픽은 “스쿨존”, “민식이법”, “어린이 사고”, “신호등” 등과 연결되어 어린이 보호구역의 교통안전 이슈를 잘 반영하고 있다. “전동킥보드 사고 대응” 토픽 노드는 “전동킥보드”, “사고 증가”, “무면허” 등의 키워드와 연 결되어 개인형 이동장치의 이용 급증에 따른 사고 대응이 중심임을 나타낸다. 마지막으로 “고령 운전자 대 책” 토픽은 “고령 운전자”, “인지 검사”, “면허 반납”, “면허 갱신” 등과 연결되어 고령층 운전자의 안전관리 에 초점이 맞춰져 있음을 보여준다. 이 토픽은 “면허 갱신” 키워드를 통해 음주운전 토픽과도 연결되는데, 이는 운전면허 관리라는 공통 주제가 두 분야(음주 운전자 및 고령 운전자 안전)에 모두 중요하게 부각되고 있음을 시사한다. “교통 인프라 개선” 토픽의 경우 “안전시설”, “CCTV 설치”, “도로 확장”, “규제” 등의 키워 드와 연계되어, 교통환경 개선 및 제도적 장치에 관한 논의임을 알 수 있다.
이를 바탕으로 최종적으로 토픽별 주요 키워드와 토픽 내용을 <Table 2>와 같이 요약하였다. “음주운전”, “스쿨존”, “전동킥보드”, “이륜차 사고”, “고령자 운전”, “교통 인프라” 총 6가지 핵심 토픽을 도출하였다. 6가 지 키워드 군집 중요도는 스쿨존과 음주운전의 중심성이 가장 높은 것을 알 수 있었다. 또한, 전동킥보드 사 고와 이륜차 사고, 교통인프라 안전은 중간 연결 강도, 고령자 운전 관련 토픽이 중심성이 가장 낮았다. 해당 을 통해 우선순위 정책 영역을 선정하고 정책적 융합 접근 해석이 가능하다.
<Table 2>
LDA Model Topic Result Summary
| No. | Topic Name | Top Keywords | Topic Description |
|---|---|---|---|
| 1 | Drunk Driving Penalty | Drunk Driving, Yoon Chang-ho Act, Crackdown, License Revocation, Fatal Accident | Strengthening penalties and enforcement to prevent drunk driving accidents |
| 2 | School Zone & Child Safety | School Zone, Min-sik Act, Speed Control, Crosswalk, Traffic Light | Enhancing child safety measures within school zones |
| 3 | E-scooter Accident Response | E-scooter, Helmet, Unlicensed, Increased Accidents, Crackdown | Preventive measures for accidents involving personal mobility devices (PM) |
| 4 | Motorcycle Accident Prevention | Motorcycle, Delivery Industry, Helmet, Insurance Enrollment, Motorcycle Accident | Prevention and management policies for motorcycle accidents related to delivery services |
| 5 | Elderly Driver Measures | Elderly Driver, License Renewal, License Return, Cognitive Test, Accident Prevention | Measures to manage and reduce accidents involving elderly drivers |
| 6 | Traffic Infrastructure Improvement | Road Expansion, CCTV Installation, Safety Facilities, Speed Limit, Traffic Regulation | Policies aimed at improving traffic facilities and infrastructure |
2. 토픽 모델 결과해석
LDA 토픽 분석결과를 바탕으로 도출된 시사점을 중심으로 교통사고 감소를 위한 정책 방향을 논의하면 다음과 같다. 첫째, 제한속도 준수 및 신호 위반 억제를 위한 단속 강화: 토픽 1에서 나타난 바와 같이 과속 과 신호 위반은 여전히 많은 사고의 원인으로 지목된다. 이에 대한 대응으로 무인 교통단속 장비의 확충과 과속 단속 강화가 필요하다. 둘째, 음주운전 근절을 위한 법 집행 및 예방 강화: 음주운전은 사회적으로 심각 한 범죄행위로 인식되어 2018년 윤창호법 이후 처벌 수위가 크게 높아졌다. 그 결과 음주운전 사고는 한때 감소세를 보였으나 여전히 매년 발생하고 있다. 처벌 강화만으로는 한계가 있으므로 예방교육과 홍보도 병 행해야 한다. 직장 내 음주운전 예방 교육, 대중매체 캠페인 등을 통해 술을 마신 상태에서는 절대 운전대를 잡지 않도록 정책이 강화되어야 한다. 셋째, 보행자 특히 어린이 보호를 위한 안전환경 조성: 보행자 안전은 교통안전 정책의 최우선 과제로 재확인되었다. 스쿨존 내 교통사고를 획기적으로 줄이기 위해 민식이법이 시행되었으나, 법 시행 후에도 스쿨존 사고가 완전히 근절되지 않고 있다. 이에 어린이 통학로 개선, 안전한 보행 환경 조성을 위한 인도 확충 등 도시공간 측면의 노력이 병행되어야 한다. 넷째, 이륜차 및 개인형 이 동수단의 안전관리: 배달용 오토바이와 전동킥보드 등 새로운 교통 주체의 급증 또한 교통사고 문제에 중요 한 문제로 확인되었다. 이륜차 사고를 줄이기 위해 보호 장구 착용 의무를 철저히 하고 위반 시 강력한 처분 을 내려야 한다. 다섯째, 교통사고 다발지역 등 위험요소가 존재하는 도로의 인프라 개선: 도로 구조적 결함 이나 환경적 요인으로 인한 사고를 줄이기 위해서는 공학적 대책이 중요하다. 예를 들어 앞서 분석에서 등장 한 회전설치 키워드가 도출되었으며, 교통량이 많지 않은 교차로는 회전 교차로 화를 추진할 필요가 있다. 가드레일, 중앙분리대, 방호울타리 등 도로 안전시설이 부족한 구간을 지속적으로 발굴·개선함으로써 사고 발생 시 피해 규모를 줄여야 한다. 이러한 인프라 투자 우선순위는 교통사고 데이터 분석을 통해 과학적으로 결정할 필요가 있다. 정부의 한정적인 예산으로 사고 다발지역, 사상자 다발지역을 중심으로 단계적 개선이 필요하다. 여섯째, 고령자 관련 교통안전 정책 강화: 인구 고령화 및 고령 운전자가 많아짐에 따라 자율주행 기술개발 또는 고령자 인증 강화 방법 등이 대책 되어야 한다. 이에 연구를 통해 6가지 핵심 키워드를 도출 하여 교통안전 관련 정책적 논의 및 시사점을 제고하였다.
Ⅴ. 논의 및 정책적 시사점
1. 사고 예방 측면의 시사점
LDA 토픽분석 결과 가장 빈번하게 등장한 주제 중 하나는 음주운전 사고 예방이다. 이는 이미 강력한 법 령(윤창호법)과 지속적 단속에도 불구하고 음주운전 사고가 완전히 근절되지 않고 있음을 보여준다. 정책적 으로 볼 때 음주운전 예방 캠페인 강화와 단속 상시화가 중요하다. 현재도 음주단속은 진행 중이나, 연구 결 과에서 보이듯 단속이 느슨해지면 바로 사고가 증가하는 경향이 있으므로, 불시 단속과 야간순찰을 일상화 할 필요가 있다. 또한, 음주운전 재범자에 대한 교육 프로그램 강화, 차량 시동 잠금장치(alcohol interlock) 도 입 등 기술적 대책도 검토해야 한다. LDA 토픽에서 “처벌” 키워드도 큰 비중을 차지한 만큼, 음주운전 사망 사고 가해자에 대한 형사처벌 수준을 높이고 면허 취소 등 제재의 실효성을 높이는 방향으로 법·제도를 개 선해야 함을 시사한다. 또 다른 예방 측면 이슈는 무단횡단 및 보행자 안전이다. “무단횡단” 키워드가 고령 자 토픽에서 중요하게 나타났는데, 이는 고령층 보행자가 무단횡단으로 사고를 당하는 경우가 많기 때문이 다. 정책적으로 펜스 설치 등 물리적 차단을 확대하고, 보행자 안전을 위한 신호 체계를 개선할 필요가 있다. 예를 들어 교통사고 다발 교차로에 대각선 횡단보도 도입 및 잔여 신호 시간 표시기 설치 등 이러한 인프라 투자를 전국적으로 확대해야 한다. LDA 결과에서도 보행 환경개선 관련 키워드(횡단보도, 신호등 등)가 다 양하게 등장했으므로, 이는 사고 예방을 위한 시설 측면 투자가 여전히 중요함을 의미한다. 특히 고령자와 어린이 보호구역에서는 보행자 행동특성을 고려한 맞춤 대책이 필요하다. 또한, 어르신 안전교육 및 어린이 교통안전 체험교육 또한 병행되어야 할 것이다.
2. 인프라 투자 및 기술 활용 측면의 시사점
분석결과 몇몇 토픽에서 교통안전시설 확충과 관련된 단어들이 공통적으로 나타났다. 두 가지 토픽에서 보호구역 시설, 신호등 등이, 헬멧과 전용 주차장 등이, 토픽중 하나는 전체적인 교통안전시설이 거론되었다. 이는 교통사고를 줄이기 위한 인프라 투자의 다각화 필요성을 시사한다. 예를 들어 어린이 보호구역의 경우 단순히 속도제한 표지와 과속카메라만이 아니라, 노면 미끄럼 방지 포장, 옐로우 카펫(횡단보도 대기 공간 표시) 등 다양한 시설 개선이 논의될 수 있다. 고령자 보행자 많은 지역에는 조명 밝기 개선, 벤치 설치 등도 안전에 기여할 수 있다. 또한, 차량 측면에서는 첨단 운전자지원시스템(ADAS) 장착을 촉진하여 사고 자체를 예방하는 기술적 투자도 고려해야 한다. 인프라 관련 종합대책 관련 주제에서는 블랙박스, CCTV, AI 분석 등의 단어가 부차적으로 등장하였다. 이는 교통사고 데이터를 수집·분석하여 위험요소를 선제 제거하는 프 로액티브 안전관리의 중요성을 시사한다. 또한, 개인형 이동장치(PM)의 경우 별도의 인프라 구상이 요구된 다. 현재 전동킥보드 등은 도로교통법상 자전거도로 주행이 허용되나, 현실적으로 전용 주차·보관 공간 부족, 도로 환경 미비 등의 문제가 있다. LDA 결과 “전동킥보드” 토픽에서 이러한 단어들이 포착된 만큼, 향후 도 시 인프라 계획 시 PM을 고려한 도로설계 및 주차공간 확보가 정책 마련이 필요하다.
3. 법·제도 및 행정 개선 측면의 시사점
토픽 분석에서 두드러진 또 하나의 측면은 법·제도적 개선 이슈이다. “민식이법”과 “윤창호법”이 각각 어 린이와 음주운전 토픽의 핵심 단어로 등장했으며, “벌점”, “형사처벌” 등 법적 용어도 관찰되었다. 이는 교통 안전 분야에서 법령 개정과 집행에 관한 관심이 크며, 추가 개선에 대한 요구도 있음을 나타낸다. 일부 토픽 에서 언급된 보호구역 관리나 무인 단속 장비 설치 등은 지방자치단체 예산과 연계된다. 따라서 중앙정부 차 원에서 교통안전 특별교부금 및 R&D 등을 통해 지자체를 지원하고, 지자체별 교통안전 수준을 평가하여 인 센티브를 제공하는 방안도 고려할 수 있다. 나아가 국민 참여를 통한 정책 개선도 중요하다. LDA 주제 중 “캠페인”, “홍보” 등이 나타난 것은 시민들의 의식 개선이 병행되어야 함을 시사한다. 정부는 교통안전 홍보 활동을 체계적으로 펼치고, 시민 제보나 참여 예산 등을 통해 현장의 목소리를 정책에 반영해야 할 것이다. 요약하면, 본 연구에서 도출된 토픽들은 교통사고 문제의 다각적인 양상을 보여주며, 이에 대응하기 위한 정 책 방향도 교육·홍보를 통한 행태 개선(인지 및 예방 대책), 시설·기술 투자(하드웨어 대책), 법 집행 및 제도 개선(정책적 대책)의 종합적 추진이 필요하다.
4. 연구의 한계
마지막으로 본 연구의 한계를 언급하면 다음과 같다. 첫째, 분석 데이터로 뉴스 기사만을 사용하였기에 언 론 보도의 편향성이 있을 수 있다. 예를 들어 실제 사고 건수보다 언론에서 강조하는 이슈가 다를 수 있는 데, 이를 정량적으로 교정할 수 없어 언론 데이터에 의존하여 분석했다는 점이다. 향후 연구에서는 정책 수 요자 데이터인 경찰 사고 통계나 국민 청원 데이터 등도 병합하여 보완할 필요가 있다. 둘째, LDA 토픽 모 델링의 특성상 토픽의 해석이 연구자 주관에 일부 의존한다. 비록 정합도 지표를 활용하고 다수 토픽 수를 시험해보았지만, 최종적으로 토픽에 의미를 부여하는 과정에는 주관적 판단이 개입될 수밖에 없다. 셋째, 10 년간의 누적 데이터를 동일 시점에서 빈도 위주 분석을 하여 시간적 흐름을 반영하지 못하고 의미가 왜곡될 수 있다. 이를 보완하기 위해서 추가적인 연구를 통해 시간에 흐름에 따른 시기별 중장기 로드맵 수립 등을 통해 보완이 필요할 것으로 사료된다.
Ⅵ. 결 론
본 연구에서는 국내 교통사고와 관련된 정책적 시사점을 얻기 위해 뉴스 기사 500건을 텍스트마이닝 기법 으로 분석하였다. LDA 기반 토픽 모델링을 통해 6개의 주제를 도출하고, 키워드 시각화를 포함한 결과해석을 수행하였다. 분석결과 과속 및 신호 위반, 음주운전, 보행자 및 어린이 안전, 이륜차 및 개인형 이동수단, 도로 환경 인프라, 노령운전자 정책 보완 등 6개 주요 토픽이 추출되었다. 이는 지난 10년간 교통사고 문제에 대한 언론 담론이 크게 여섯 갈래의 주제로 형성되었음을 의미하며, 각각의 주제에 대하여 앞서 다양한 정책 대안 들을 검토하였다. 종합하면 운전자 행동 개선(속도 준수, 음주운전 금지 등), 교통약자 보호(보행자, 어린이, 이 륜차 등), 환경 개선(도로·시설 투자), 의식 함양(문화 및 캠페인) 등이 교통사고 예방을 위한 핵심 방향임을 확인할 수 있었다. 본 연구의 방법론적 의의는 정성적 정보가 풍부한 뉴스 텍스트로부터 토픽 모델링을 활용 해 객관적 데이터를 도출했다는 점이다. 텍스트 마이닝은 사람이 읽기 어려운 방대한 문서 집합을 정량적으로 요약해주며, 특히 정책 입안에 참고할 핵심 이슈를 식별하는 데 유용하였다. 그러나 본 연구에는 몇 가지 한계 가 있다. 첫째, 분석 데이터가 뉴스 기사로 한정되어 있어 정책적 니즈 전체를 대변하지는 못한다. 향후 연구 에서는 SNS 데이터, 정부 민원자료, 시민 여론 등 다양한 텍스트 데이터를 포함함으로써 보완할 수 있을 것이 다. 둘째, 토픽 해석 시 키워드에 의존하기 때문에 맥락을 충분히 반영하지 못할 수 있다. 이에 대해서는 각 토픽에 해당하는 실제 기사를 표본으로 검토하여 정성적으로 해석하는 과정이 추가로 필요하다. 셋째, 10년간 의 뉴스로 다루어진 토픽을 분석하였으나 동일한 토픽이라도 시간의 흐름에 따라 그 의미나 상황이 변화할 수 있으며, 본 연구에서 적용한 방법은 동일 시점에서 빈도 위주의 분석을 시행하여 의미나 상황이 왜곡될 수 있다. 또한, 본 모델을 해석하는 사람의 주관에 따라 의미가 달라질 수 있다. 그럼에도 불구하고 본 연구로 도출된 토픽들은 정책 담당자들에게 교통사고와 관련한 주요 현안을 빠짐없이 짚어볼 수 있는 체크리스트를 제공해줄 수 있을 것이다. 또한, 본 연구를 통해 교통안전 정책 수립자들과 연구자들에게 유용한 인사이트를 제공하고, 나아가 교통사고 감소 및 안전한 도로환경 조성에 기초 참고자료로 활용되길 바란다.
