Ⅰ. 서 론

1. 연구의 배경 및 목적

도로교통사고에 영향을 미치는 3대 요인은 크게 도로 이용자, 차량, 도로 환경으로 구성된다. 내리막 구간 은 도로 환경 요인에 의해 사고가 발생하는 대표적인 장소이다. 내리막 구간에서는 차량이 중력의 영향으로 쉽게 과속 상태에 이르러 제동거리가 증가하고 특히 제동장치 과열로 페이딩(fading) 현상이 발생하면 제동 장치가 작동하지 않아 사고 위험이 높은 것으로 알려져 있다(Ahmed et al., 2012). 실제로 한국도로교통공단 교통사고분석시스템 TAAS(KoROAD, 2025)의 도로 선형별 교통사고 발생 현황에 따르면, 2024년 내리막 구 간에서 발생한 교통사고 100건당 사망자 수를 의미하는 치사율은 2.52명으로 전체 교통사고 치사율 1.28명의 약 2배에 달하는 것으로 나타났다.

이러한 위험을 예방하기 위한 대표적인 개선대책 중 하나로 노면의 미끄럼 저항을 향상시키는 미끄럼방 지포장(Anti-Skid Pavement)이 있다. 이는 고마찰 골재를 사용하여 노면의 마찰력을 높임으로써 차량의 제동 성능을 향상시키는 도로안전시설이다. 국토교통부의 도로안전시설 설치 및 관리지침 해설에 의하면 미끄럼 방지포장은 기존의 노면 마찰계수가 도로교통 조건에 부합하지 않고 낮아서 위험한 구간 등에 설치하도록 권장하고 있으며, 특히 교차로 및 횡단보도 접근부와 더불어 5% 이상의 내리막 종단경사가 100m 이상 지속 되는 구간을 주요 설치 대상 구간으로 제시하고 있다(MOLIT, 2016).

미끄럼방지포장의 사고감소 효과를 분석한 국내 선행연구는 대표적으로 Im and Son(2007), Samsung Traffic Safety Research Institute(2004), Yun et al.(2017)이 있다. 이들 연구의 분석 대상은 주로 교차로 또는 횡 단보도 접근부에 설치된 미끄럼방지포장에 한정된다. 한편 국외 연구에서는 종단경사가 커질수록 사고 발생 빈도와 심각도가 모두 유의하게 증가하는 것으로 보고된다(Islam et al., 2019;Fu et al., 2011;FHWA, 2000). 이러한 결과는 내리막 구간이 구조적으로 사고 취약성이 높은 구간임을 시사하며, 내리막 구간에서의 미끄 럼방지포장 효과를 별도로 분석할 필요가 있음을 보여준다.

국내 선행연구에서 사용된 분석 방법을 살펴보면, Im and Son(2007)과 Samsung Traffic Safety Research Institute(2004)는 경험적 베이즈(Empirical Bayes, EB) 방법을, Yun et al.(2017)은 비교그룹 방법을 이용하여 사 고감소 효과를 추정하였다. 경험적 베이즈 방법은 평균 회귀(Regression to the Mean)를 보정하는 데 유리하다 는 장점이 있지만, 유사한 특성을 지닌 참조군을 충분히 확보하기 어려운 경우에는 안정적인 안전성능함수 (Safety Performance Function, SPF)를 구축하기 어렵다는 제약이 있다. 이러한 방법론적 한계를 고려할 때, 내 리막 구간에서 미끄럼방지포장의 효과를 평가하기 위해서는 복잡한 모형 추정에 의존하지 않으면서도 외부 요인의 영향을 일정 부분 통제할 수 있는 다른 접근이 필요하다. 이에 본 연구는 Hauer(1997)가 제안한 비교 그룹 방법(Comparison Group Method)을 분석 방법으로 채택한다. 비교그룹 방법은 선정된 실험군과 특성이 유사한 구간을 비교군으로 설정한 뒤, 두 집단의 사고 변화를 비교하여 시설의 효과를 추정하는 방법이다. 이 방법은 안전성능함수를 산정하지 않고도 외부 요인의 영향을 일정 수준 통제하여 시설의 효과를 추정할 수 있다는 장점을 가진다.

Ⅱ. 선행연구

1. 미끄럼방지포장 관련 국내 연구

국내 선행연구들은 주로 교차로와 횡단보도 접근부에 설치된 미끄럼방지포장 구간을 대상으로 사고감소 효과를 정량적으로 분석하였다. Im and Son(2007)은 교차로에 설치된 미끄럼방지포장을 대상으로 경험적 베 이즈(Empirical Bayes, EB) 방법을 적용하여 사고감소 효과를 추정하였다. 그 결과, 미끄럼방지포장이 교차로 에서 약 40~77%의 사고감소 효과를 보이는 것으로 나타났다. 다만 해당 연구는 교차로를 중심으로 동일 지 점의 과거 사고자료와 교통량을 이용해 안전성능함수를 구축한 경험적 베이즈 분석이라는 점에서, 내리막 구간을 대상으로 비교그룹 방법을 적용하는 본 연구와는 연구 대상과 방법론이 상이하다. Yun et al.(2017)은 교차로를 중심으로 비교그룹 방법을 통해 교통안전시설물의 사고감소 효과를 추정하여 미끄럼방지포장이 추돌사고를 약 26.6% 감소시킨다고 보고하였다. Samsung Traffic Safety Research Institute(2004)는 전라북도 4 차로 일반국도 구간을 대상으로 경험적 베이즈 방법을 활용해 미끄럼방지포장의 사고감소 효과를 분석하였 다. 분석 결과, 미끄럼방지포장은 직선부 및 곡선부에서 약 40~90%의 추돌 사고감소 효과를 보이는 것으로 나타났다. 이들 연구는 내리막 구간의 사고감소 효과는 명확히 제시하지 않았다.

2. 종단경사 관련 국외 연구

Ahmed et al.(2012)은 미국 산악부 고속도로에서 발생한 사고 자료를 이용해 종단경사와 사고 간의 관계를 분석하였다. 분석 결과, 평지에 비해 종단경사가 2~4%, 4~6%, 6~8%로 커질수록 사고 발생 위험이 각각 약 2배, 3.5배, 5.6배 증가하는 것으로 나타났다. FHWA(2000)는 지방부 2차로 도로(Rural Two-Lane Highways)에 대한 안전성능함수(Safety Performance Function, SPF)를 제시하면서, 경사도(grade)에 대해서는 평균 종단경사가 1% 증가할 때 사고가 약 1.6% 증가하는 것으로 보고하고, 이를 반영한 사고수정계수(Accident Modification Factor, AMF)를 제시하였다. Islam et al.(2019)은 도로 기하 구조와 사고율 간의 관계에 대한 선행연구들을 종합적으로 정리하였다. 이 과정에서 VTI(1990)가 도로의 종단경사가 4%일 경우 평지에 비해 사고 발생률이 약 20% 증가 한다고 보고한 결과를 인용하였다. Fu et al.(2011)은 중국 산지 내리막 도로를 대상으로 평균 종단경사와 사고 율의 관계를 지수회귀모형으로 분석한 결과, 평균 종단경사가 증가할수록 사고율이 지수적으로 증가한다고 보고하였다. 이처럼 선행연구들은 종단경사가 증가할수록 특히 내리막 구간에서 사고 빈도와 심각도가 유의하 게 상승한다는 점을 일관되게 보여준다. 따라서 미끄럼방지포장이 내리막 구간에서의 사고 빈도와 심각도 감 소에 기여할 가능성은 그만큼 크다.

3. 기존 연구와의 차별점

이상의 선행연구를 종합하면, 국내 연구는 주로 교차로 및 횡단보도 접근부에 설치된 미끄럼방지포장을 대상으로 사고감소 효과를 추정해 왔으나 내리막 구간에서의 효과는 명확히 제시되지 않았다. 한편 국외 연 구는 종단경사와 사고 발생 위험 간의 정량적 관계를 밝힘으로써 내리막 구간의 사고 취약성을 제시한다. 본 연구는 이러한 연구 공백을 고려하여, 종단경사 5% 이상 내리막 구간에 설치된 미끄럼방지포장을 대상으로 실험군과 비교군을 설정하고, 비교그룹 방법을 통해 사고 건수와 사고 심각도 변화를 정량적으로 분석한다 는 점에서 기존 연구와 차별성을 갖는다. 아울러 본 연구는 일부 국내 선행연구에서 사용된 방법론과는 다른 비교그룹 방법을 적용함으로써, 미끄럼방지포장의 전체 사고감소 효과가 다른 방법론하에서도 일관되고 합 리적인지 검토했다는 점에서 연구 의의를 갖는다.

Ⅲ. 방법론

1. 자료 수집

본 연구에서는 내리막 구간 미끄럼방지포장의 사고감소 효과를 분석하기 위해 실험군과 비교군을 설정하 였다. 실험군은 경상북도 내 국도 중 내리막 종단경사가 5% 이상이고, 미끄럼방지포장이 설치된 편도 1차로 직선구간으로 한정하였다. 이를 위해 QGIS를 활용하여 전국표준노드링크 데이터(MOLIT, 2025)와 종단경사 데이터를 공간적으로 결합하고, 위성지도 플러그인(MOLIT, 2025)을 이용해 실제 미끄럼방지포장 설치 위치 를 확인하였다. 또한 한국교통연구원의 View-T(KOTI, 2025)에서 제공하는 추정 교통량(연평균일교통량, 대/ 일) 데이터를 연계하여 각 구간의 교통량 정보를 입력하고, 국토정보맵(MOLIT, 2025)을 통해 도로 기하 및 환경 특성을 추가로 입력하였다. 이러한 과정을 통해 총 11개 구간을 실험군으로 선정하였으며, 해당 구간은 모두 2013년에 미끄럼방지포장이 설치되었다.

실험군과 비교할 비교군의 신뢰성을 확보하기 위해 도로 및 교통 조건이 실험군과 유사한 구간을 비교군 으로 선정한다. 이를 위해 실험군 구간의 교통량, 구간연장, 종단경사의 최소값과 최대값 범위에 해당하는 구간만을 비교군으로 추출하였다. 이때 비교군의 구간연장은 내리막 시작점부터 종점까지를 기준으로 산정 하였다. 선정된 비교군은 총 32개 구간이며, 두 집단의 교통량, 구간연장, 종단경사에 대한 기초통계량은 <Table 1>과 같다.

이후 선정된 실험군과 비교군의 속성이 서로 유사한지 확인하기 위해 통계적 검정을 시행하였다. 먼저 정규 성 검정을 통해 실험군과 비교군 자료가 정규분포를 따른다고 볼 수 있는지 확인하였다. 정규성 검정을 위한 대표적인 방법으로는 Shapiro–Wilk 검정과 Kolmogorov–Smirnov (K–S) 검정이 있다(Ghasemi and Zahediasl, 2012). 선행연구에서는 표본 크기가 대략 50 미만인 경우 Shapiro–Wilk 검정을, 50 이상인 경우 Kolmogorov– Smirnov 검정을 사용하는 것이 적절한 것으로 알려져 있다(Mishra et al., 2019). 본 연구에서도 이 기준에 따라 표본 크기에 맞는 정규성 검정인 Shapiro –Wilk 검정을 선택하여 적용하였다.

Shapiro-Wilk 검정은 자료의 순서통계(오름차순)가 정규분포에서 기대되는 순서통계와 얼마나 유사한지를 비교하여 정규성을 평가하는 방법이다. 식(1)를 통해 산출된 통계량 W값이 1에 가까울수록 자료의 분포가 정규분포와 유사하다고 볼 수 있으며, 값이 작을수록 정규성에서 벗어난 것으로 해석한다.

여기서,

실험군과 비교군 속성의 Shapiro-Wilk 검정 결과는 <Table 2>와 같다.

검정 결과, 구간연장은 정규성을 가정할 수 있었던 반면 비교군에서 교통량과 종단경사는 p-value가 0.05 미만으로 정규성을 만족하지 않는 것으로 나타났다. 이에 따라 구간연장은 모수 검정을, 교통량과 종단경사 는 비모수 검정을 사용하여 두 집단의 유사성을 평가하였다.

구간연장의 두 집단(실험군, 비교군) 간 차이는 독립 표본 t-검정을 통해 평가하였다. t-검정은 두 집단이 정규분포를 따른다는 가정하에, 두 집단의 모평균이 동일하다는 귀무가설 H 0 : μ T = μ C 를 검정하는 방법이다 (Delacre et al., 2017). 본 연구에서는 두 집단의 분산이 다르므로 Welch's T test를 적용하였다. 검정통계량 t 는 식(2)와 같다.

여기서,

구간연장의 t-검정 결과, 통계량 t는 –0.0816, p-value는 0.9361이 산출되었다. 이는 유의수준 0.05에서 두 집단 간 구간연장 평균 차이가 통계적으로 유의하지 않음을 의미하며, 실험군과 비교군의 구간연장은 유사 한 분포를 보인다고 해석할 수 있다.

실험군과 비교군의 교통량과 종단경사 검정은 Mann–Whitney U 검정으로 수행하였다. Mann–Whitney U 검정은 앞서 수행된 t-검정에 대응되는 대표적인 비모수 검정으로, 두 집단이 동일한 분포(또는 중앙값)를 가 진다는 귀무가설을 관측값의 순위를 기반으로 검정하는 방법이다. 두 집단의 관측값을 하나의 집합으로 묶 어 크기순으로 순위를 매긴 뒤 집단별 순위 합을 비교함으로써, 한 집단이 다른 집단에 비해 체계적으로 더 큰(또는 더 작은) 값을 가지는지를 평가한다(Mann and Whitney, 1947). 통계량 U는 식(3), (4), (5)와 같다.

여기서,

교통량의 U 통계량은 220.5, p-value는 0.2185가 산출되었고, 종단경사의 U 통계량은 139.5, p-value는 0.3163이 산출되었다. 두 변수 모두 p-value가 유의수준 0.05보다 크므로, 실험군과 비교군의 교통량 및 종단 경사 분포가 통계적으로 유의한 차이를 보인다고 보기 어렵다. 따라서 교통량과 종단경사 역시 두 집단 간에 유사한 분포 특성을 가진 것으로 해석할 수 있으며, 본 연구에서 설정한 비교군은 교통량, 구간연장, 종단경 사에서 실험군과 유사한 집단으로 판단된다.

이후 선정된 두 집단의 사고 자료를 구축하기 위해 한국도로교통공단 교통사고분석시스템(Traffic Accident Analysis System, TAAS)에서 교통사고 자료를 수집하였다. 실험군 및 비교군 데이터와의 결합을 위해 QGIS 에서 각 구간을 감싸는 폴리곤을 생성하고, 해당 폴리곤에 포함되는 사고를 집계하였다. 이 과정에서 실제 사고지점이 폴리곤 밖에 위치해 집계에서 누락되는 문제를 방지하고자, 차로 폭을 반영한 3m 버퍼를 폴리곤 에 부여하는 방안을 검토하였다. 그러나 주변 사고지점을 모두 확인한 결과, 폴리곤에 포함되지 않는 사고는 존재하지 않는 것으로 나타나 별도의 버퍼는 적용하지 않았다. 예시는 <Fig. 1>, <Fig. 2>와 같다.

<Fig. 1>

Terminal Points of the Anti-Skid Pavement

<Fig. 2>

Polygon Generation for Crash Aggregation

결과적으로 실험군 11개소와 비교군 32개소를 최종 분석 대상으로 설정하였으며, 분석 기간은 미끄럼방지 포장 설치 연도인 2013년을 기준으로 설치 전 5년(2008–2012)과 설치 후 5년(2014–2018)으로 구분하였다. 구간별 사고건수와 사망 및 중상사고 건수의 집계 결과는 <Table 3>과 같다.

2. 효과분석 방법론

도로 시설물의 사고감소 효과를 정량적으로 추정하기 위해 일반적으로 활용되는 방법은 크게 세 가지로 구분 된다. 단순 사전·사후 분석, 경험적 베이즈 방법(Empirical Bayes method), 그리고 비교그룹 방법(Comparison Group method, C-G Method)이다.

단순 사전·사후 분석은 시설물 설치 전과 설치 후의 사고건수를 직접 비교하여 효과를 평가한다. 절차가 간단하고 직관적이라는 장점이 있지만, 평균 회귀(Regression To the Mean, RTM) 현상과, 다양한 외부 요인의 영향을 고려하지 못한다는 한계를 가진다. 경험적 베이즈 방법은 참조군(Reference group)을 활용하여 안전성 능함수(Safety Performance Function, SPF)를 구축한 뒤, 해당 구간에서 기대되는 사고건수(예상 사고건수)를 추정하고 이를 실제 관측사고 건수와 비교하는 방식이다. 해당 방법은 많은 자료를 필요로 하여 모형 구축이 복잡하다는 문제가 있다. 비교그룹 방법(C-G Method)은 시설물이 설치된 구간을 실험군, 설치되지 않은 유사 구간을 비교군으로 설정한 후 두 집단의 사고 발생 특성을 비교하여 효과를 추정하는 방법이다(Hauer, 1997). 실험군과 비교군을 도로 특성이 유사한 구간으로 선정함으로써 외부 요인의 영향을 최소화할 수 있으며, 경 험적 베이즈 방법에 비해 모형 구조가 단순하다는 장점이 있다. 특히 본 연구와 같이 표본 수가 제한적인 경 우에는 이러한 장점이 더욱 두드러진다. 따라서 내리막 구간 미끄럼방지포장의 사고감소 효과를 추정하기 위한 분석 방법으로 비교그룹 방법을 채택하였다.

비교그룹 방법을 이용한 시설물의 사고감소 효과는, 시설물이 설치되지 않았다고 가정했을 때 기대되는 사고건수(π)와 실제로 관측된 사고건수(λ)의 차이(π−λ)로 정의된다. 또한 사고 감소율은 관측사고 건수를 기대사고 건수로 나눈 비율(λ/π)로 표현할 수 있다. Hauer(1997)에 따르면 비교그룹 방법은 (1) Estimate of Parameters, (2) Estimate of Variances, (3) Estimate of Effect, (4) Estimate of Variances의 네 단계로 구성된다.

여기서,

Ⅳ. 분석 결과

비교그룹 방법에서는 실험군과 비교군의 사고 비율(N/M 및 L/K)을 이용하여 Sample Odds Ratio (SOR)를 산출하고, 이를 통해 비교군 선정의 적절성을 평가한다(Hauer, 1997). SOR의 평균값이 1에 가까울수록 두 집 단의 사고 발생 경향이 유사하다는 것을 의미하며, 이는 비교군이 실험군과 비교 가능한 집단으로 적절하게 선정되었음을 시사한다. SOR의 계산식은 식(6)과 같으며, 이를 이용해 산정한 실험군과 비교군의 SOR 평균 값과 신뢰구간(95% CI)을 <Table 5>에 제시하였다.

분석 결과, 전체 사고 건수의 SOR 평균값은 1에 근접하는 것으로 나타났다. 이를 통해 실험군과 비교군의 사고 발생 경향이 통계적으로 유사하며, 비교군이 적절하게 선정되었음을 확인할 수 있다. 반면, 사망 및 중 상 사고의 SOR 평균값은 1에 근접하나 신뢰구간의 범위가 크게 산정되어 통계적 신뢰성을 가지지 못하였다. 따라서 두 집단의 사고 심각도 경향은 통계적으로 유사하다고 보기 어렵다. 이에 따라 비교그룹 방법을 적용 한 사고감소 효과 분석은 전체 사고에 대해서만 수행하였으며, 분석 결과는 <Table 6>과 같다.

비교그룹 방법을 통해 내리막 종단경사 구간의 미끄럼방지포장 설치 효과를 추정한 결과, 시설이 설치되 지 않았을 경우 발생했을 것으로 예상되는 사고건수는 약 28.15건으로 추정되었다. 이에 따라 안전 효과성(θ) 은 0.274로 추정되며, 이는 시설 설치로 인해 약 72.6% 감소한 것(1-θ)에 해당한다. θ의 95% 신뢰구간을 산정 한 결과 상한값이 1보다 작게 나타나, 미끄럼방지포장 설치 이후 내리막 종단경사 구간에서 사고 빈도가 통 계적으로 유의하게 감소한 것으로 판단된다.

Ⅴ. 결 론

본 연구는 내리막 구간을 대상으로 미끄럼방지포장이 교통사고에 미치는 영향을 정량적으로 평가하였다 는 점에서 의의가 있다. 이를 위해 미끄럼방지포장이 설치된 내리막 구간을 실험군으로, 유사한 교통 환경을 가진 구간을 비교군으로 설정하고, 비교그룹 방법을 적용하여 설치 전후의 사고 변화를 분석하였다. 분석 결 과, 미끄럼방지포장이 설치된 내리막 경사 구간에서 전체 사고 건수가 72.6% 감소하는 것으로 나타났으며, 이를 통해 미끄럼방지포장이 내리막 구간의 사고 발생 가능성을 유의미하게 완화하는 효과적인 도로안전시 설임을 확인하였다.

사망 및 중상 사고의 경우, 표본 수가 충분하지 않아 SOR 평균값은 1에 근접하였으나 신뢰구간의 범위가 매우 넓게 추정되었다. 그 결과 실험군과 비교군의 사고 심각도 경향이 통계적으로 유사하다고 보기 어려웠 으며, 해당 결과는 분석의 신뢰성을 확보하기 어렵다고 판단하였다. 이에 따라 비교그룹 방법을 적용한 최종 효과 분석은 사고건수를 대상으로 한 결과만 제시하였다.

본 연구에서 도출된 사고감소 효과는 선행연구인 Im and Son(2007)이 교차로를 대상으로 경험적 베이즈 방법을 적용해 보고한 효과와 유사한 수준이다. 이는 상이한 도로 환경과 방법론 아래에서도 미끄럼방지포 장이 비슷한 규모의 사고감소 효과를 보인다는 점에서, 국내에서의 미끄럼방지포장 효과에 대한 실증 근거 의 일관성과 외적 타당성을 뒷받침하는 결과로 해석할 수 있다.

본 연구는 경상북도 내 일부 국도 구간과 특정 기간을 대상으로 하여 표본 수가 제한적이었고, 이로 인해 추돌 사고 등 세부 사고유형별 효과와 사고 심각도 관련 효과를 분석하지 못했다는 한계를 지닌다. 또한 비 교그룹 방법을 통해 외부 요인의 영향을 일정 부분 통제하였으나, 교통량의 장기 추세나 다른 교통안전시설 과의 상호작용 효과를 완전히 분리하지 못했을 가능성도 존재한다. 향후 연구에서는 분석 대상을 타 지역 및 다양한 도로 유형으로 확대하고, 표본을 충분히 확보하여 사고유형 및 사고 심각도에 대한 효과를 보다 세분 화해 검증할 필요가 있다. 아울러 경험적 베이즈 방법 등과의 비교를 통해 통합적 분석이 수행된다면, 내리 막 구간 미끄럼방지포장의 효과에 대한 보다 정교한 근거를 제시할 수 있을 것으로 기대된다.