Ⅰ. 서 론
1. 연구의 배경
한국의 2025년 국가 R&D 예산은 29.7조원이며 국토교통부의 국토교통 R&D 예산은 5,413억원으로 약 1.8% 수준이다. 국토교통 R&D 예산은 2014년부터 2022년까지 지속적으로 증가하여 2022년 6,331억원 수준이었으 나 2023년 6,149억원으로 약 3% 감소, 2024년 4,592억원으로 전년 대비 약 25% 이상 대폭 감소하였다. 2025년 R&D 예산은 국토교통 R&D 예산이 가장 많았던 2022년 대비 약 85% 수준으로 회복하였으나 지속적이고 안 정적인 예산 확보를 위해서는 보다 많은 노력이 필요하다. 국토교통 R&D는 교통 분야, 국토 분야, 기반구축 분야로 구분하며 최근 10년간 투자 비중을 살펴보면 교통 47.2%, 국토 35.3%, 기반구축 17.5% 순이다. 분야별 로 2020년까지 국토 분야의 투자 비중이 높았고 2021년부터 ‘자율주행 기술개발 혁신사업’, ‘고부가가치 융복 합 물류 배송·인프라 혁신기술 개발사업’ 등 대형 R&D가 예비타당성조사를 통과하면서 교통 분야의 투자 비 중이 가장 높아졌다. 도로교통 분야는 국가 경제와 사회 발전의 핵심 인프라로 안전성, 효율성, 지속가능성 향상을 위한 R&D의 중요성이 끊임없이 강조되는 분야이다. 최근 교통 분야는 자율주행, 인공지능 기반 ITS, 친환경 모빌리티 등 새로운 기술 패러다임 전환을 요구받고 있으며, 이러한 기술 변화는 단순한 공학적 진보 를 넘어 정책의 방향성과 밀접하게 맞물려 진행된다. 정부예산의 효율적인 활용과 전략적인 R&D 추진을 위 해서는 현재의 인지와 미래의 준비가 중요하다. 기존 도로교통 R&D 연구 동향 분석은 전문가의 주관적 판단 에 의존하거나 특정 분야에 편중된 경향이 있어 도로교통 전반의 기술 발전 방향과 연구 이슈를 객관적으로 파악하는 데 한계가 있었다. 최근에는 논문, 특허, 연구성과 데이터 등 대규모 텍스트 데이터를 활용한 정량적 분석 기법이 도입되면서 연구 동향과 핵심 이슈를 보다 체계적이고 객관적으로 도출할 수 있게 되었다. 본 연구는 R&D 과제 정보를 분석하여 연구자와 정책 입안자에게 현재 연구의 흐름, 기술 트렌드, 미래 연구 방 향 등 도로교통 기술 패러다임 변화를 이해하는 이론적 틀과 실증적 근거를 마련하고자 한다.
2. 연구의 목적
본 연구의 목적은 도로교통 분야에서 진행된 기술 변화가 단순한 공학적 진보를 넘어서 정부 정책 방향성 과 깊이 연계되어 있음을 체계적이고 객관적으로 분석하는 데 있다. 이를 위해 국토교통부가 2003년부터 2022년까지 추진하거나 추진 중인 2,174개 R&D 과제를 대상으로 과제명, 과제기간, 핵심어, 과제목표, 과제 범위, 기대효과 등을 추출하고 텍스트마이닝 기법을 적용하여 각 정권별 정책 기조에 따른 연구 주제 및 중 점 영역의 변화 양상을 규명하고자 한다. 해당 데이터는 정권에 따라 노무현 정부(2003년∼2007년), 이명박 정부(2008년∼2012년), 박근혜 정부(2013년∼2017년), 문재인 정부(2018년∼2022년)로 구분하였다. 정책 자료 는 노무현 정부의 단계별 추진 전략과 12대 국정과제, 이명박 정부의 20대 국정 전략과 100대 국정과제, 박 근혜 정부의 14대 추진 전략과 140개 국정과제, 문재인 정부의 20대 추진 전략과 100대 국정과제를 활용하였 으며 정부 정책이 도로교통 분야 연구 과제 주제에 미친 영향을 분석하여 정책과 기술의 공진화 관계를 규 명하고 각 정부의 도로교통 중점 연구 주제를 분석하였다. 또한 국가 균형 발전, 탄소중립과 같은 지속적으 로 강조되는 정책 주제가 정권 교체에도 불구하고 R&D 과제에 어떻게 지속적으로 반영되고 있는지 살펴보 았다. 이를 통해 정책이 기술 발전의 방향을 설정하여 도로교통 기술 패러다임 변화에 지대한 영향을 미친다 는 사실을 입증하고 교통공학 연구에서 정책과 기술 간 상호작용을 분석할 수 있는 학문적이고 실무적인 분 석 틀을 제공하는 것을 목표한다.
Ⅱ. 선행 연구 검토 및 시사점
1. 임무지향적 혁신정책과 도로교통 기술 발전
혁신정책은 기술발전의 변이(탐색)–선택–유지(확산)의 과정에서 선택 환경으로 작용하여 특정 기술이 채택되고 확산되도록 만든다. Dosi(1982)는 기술 패러다임이 특정 기술뿐 아니라 그 기술을 가능하게 하는 시스템, 연구 방식, 사회적 인식 등 여러 요소를 포괄하며, 새로운 기술 패러다임은 기존 기술의 발전 경로와 단절되며 산업과 사회의 혁신을 재편한다고 보았다. 기술 패러다임의 전환은 단순한 기술적 진보가 아니라 국가 정책의 방향, 사회적 수요, 산업구조 변화 등과 맞물려 일어난다. 도로교통 분야에서도 자율주행·스마 트시티와 최근 AI 기반 모빌리티로의 전환이 이러한 흐름을 보여준다. 정부의 혁신정책은 기술 패러다임 전 환의 촉매로 작동하며 특정 기술군의 발전을 가속하거나 새로운 경로를 개척하는 역할을 수행하여 새로운 기술이 뿌리내릴 수 있는 제도적 틀을 제공하는 핵심 요인으로 작용한다. Freeman and Perez(1988)는 기술혁 신은 경제체계의 내생적 요인으로부터 발생하고 정책은 그 변화에 맞추는 외생적 조정 메커니즘으로 작동하 여 기술 혁신이 사회 전반으로 확산되기 위해서는 정책과 제도적 변화가 필수적임을 강조하였다. 기존 기술 패러다임 관련 연구는 주로 기술 체계 내부의 진화 메커니즘(Dosi, 1982;Freeman and Perez, 1988)에 초점을 맞추어 기술적 축적과 전환의 경로를 설명하는데 중점을 둔다. 이러한 접근은 기술 발전의 동향을 분석하는 데 유용하였으나 기술변화가 정부 정책 및 사회적 임무와 어떻게 연계되는가에 대해서는 충분히 설명하지 못한다.
Mazzucato(2018)는 혁신정책이 기술 발전의 외적 요인이라는 개념에서 벗어나 정책을 기술진화의 내생적 요인으로 재해석하였다. Mazzucato는 정부가 단순히 기술변화에 대응하는 조정자가 아니라 기술·시장·제도 의 방향을 설계하고 형성하는 주체로 정의하고 사회적·경제적 임무를 해결하기 위한 임무지향적 혁신정책을 제안하였다. 혁신정책은 기술 발전의 외생적 요인이 아니라 내부적 진화요소이며 사회적 임무를 통해 기술 발전 경로를 유도하고 그 결과로부터 정책이 재구성되는 순환적 피드백 구조를 형성한다. 임무지향적 혁신 정책은 사회적 가치 실현이라는 공공목표를 중심으로 정부가 명확한 비전을 제시하고 민간의 혁신 활동을 특정 방향으로 유도하는 특징을 가진다. Mazzucato의 임무지향적 혁신정책은 단순한 기술개발 지원이 아니 라 정책과 기술 간의 공진화를 통해 새로운 기술 패러다임을 형성하는 메커니즘으로 작동한다. 도로교통 분 야는 본질적으로 공공재적 성격을 가지고 있어 정부가 주도하여 인프라를 구축하고 국민의 이동권 및 접근 권을 보장하는 것을 목적으로 하기 때문에 도로교통 분야의 기술혁신은 항상 사회적 목적을 내포한다. 이는 시장 경쟁력(생산성, 효율성) 보다는 공공성·형평성·안전성을 우선시한다는 점에서 임무지향적 혁신정책이 지향하는 ‘사회문제 해결형 혁신’의 범주에 포함되기 때문에 도로교통 분야의 기술 패러다임을 이해하기 위 해서는 기술 그 자체의 변화뿐 아니라 정책과 기술 간의 공진화 관점에서 바라보는 것이 필요하다. 본 연구 는 도로교통 R&D가 공공서비스 향상과 안전·형평 실현을 위한 공공형 임무에 중점을 두고 있다는 점을 고 려하고 임무지향적 혁신정책에서 강조하는 기술혁신의 방향성을 설정한다는 점을 수용하여 정책과 기술의 공진화적 변화를 분석할 수 있는 새로운 이론적·방법론적 틀을 제시한다.
2. 텍스트마이닝을 활용한 정부 R&D 과제 분석
텍스트마이닝(Text Mining)은 비정형 텍스트 데이터로부터 유의미한 정보를 체계적으로 추출하고 분석하 는 기법으로 최근 다양한 학문 분야에서 주목받고 있다. 기존의 데이터마이닝이 주로 구조화된 수치 데이터 를 대상으로 한 것과 달리 텍스트마이닝은 뉴스, SNS, 논문, 보고서 등과 같이 구조화되지 않은 자연어 텍스 트를 주요 분석 대상으로 삼는다(Chung et al., 2019;Feldman and Sanger, 2007). 텍스트마이닝의 이론적 개념 은 자연어 처리와 기계학습의 융합에 기반한다. 텍스트마이닝은 전처리 과정을 통해 텍스트를 분석 가능한 형태로 변환한 후 단어 빈도 분석, 토픽 모델링, 의미 네트워크 분석 등 다양한 방법을 활용하여 텍스트 내 에 내재된 패턴이나 의미 구조를 도출한다(Kim, 2020). 텍스트마이닝은 대규모 텍스트 데이터를 신속하고 객 관적으로 분석할 수 있다는 점에서 학술적으로 중요한 의의를 갖는다. 이는 전통적인 질적 연구의 주관성을 보완하고 방대한 자료로부터 객관적인 패턴과 의미를 도출할 수 있게 해준다. 또한 텍스트마이닝은 언어학, 컴퓨터공학, 통계학, 사회과학 등 다양한 학문 분야의 이론과 방법론이 융합된 다학제적 연구 방법론으로 최 근 학술 연구에서 점차 그 활용 범위가 확대되고 있다(Chung et al., 2019;Feldman and Sanger, 2007).
Yoo et al.(2020)은 국가 과학기술 지식정보 서비스에서 수집한 대규모 R&D 과제 데이터를 텍스트마이닝 기법으로 분석하였다. 분석 결과 국공립연구소·대학·출연연구소는 농림식품, 화학 등 기초·응용연구 중심 키 워드가 많았으며 대기업은 나노카본, 자율주행 등 첨단소재·기술 중심 키워드가 많았다. 중소기업은 필름, 모터 등 구체적 생산품 중심 키워드 연구가 많았다는 결과를 도출하였다. Choi and Lee(2018)는 2003년∼ 2017년 과학기술정책 연감과 국가 R&D의 키워드 흐름을 텍스트마이닝으로 비교·분석하여 정권별 정책 키 워드가 국가 R&D에 어떻게 반영되는지 시계열로 살폈다. Yun and Bae(2023)은 2014년∼2022년 국내 건설기 계 분야 국가 R&D 동향을 텍스트마이닝 기법으로 분석한 결과 주요 연구 주제는 ‘장비/부품 국산화’, ‘모니 터링 시스템’, ‘자율작업’ 순으로 나타났으며 특히 모니터링·자율운전 등 스마트 기술에 대한 정부 투자와 연 구 비중이 크게 확대되고 있음을 확인했다. Lee and Lee(2022)는 국가 R&D 과제 데이터를 바탕으로 2002년 ∼2021년 메타버스 분야의 연구 동향을 토픽 모델링(LDA)으로 분석하여 11개 주요 토픽을 도출하였다. 서비 스·콘텐츠·플랫폼 개발과 의료·수술 분야의 비중이 증가했으며 도시·환경·공간정보 분야의 비중이 감소하였 음을 밝혔다. 이러한 분석 결과를 토대로 전략적 R&D 관리와 법·제도 연구 강화가 필요함을 제안하였다. 텍 스트마이닝을 활용한 정책분석은 정책 동향, 신규 연구 주제 발굴, 정책적 의제 도출 등에 다양하게 활용되 고 있다. 본 연구에서도 텍스트마이닝(키워드 분석, N-gram 분석 및 단어 유사도 기반의 클러스터링 분석) 기 법을 활용하여 도로교통 R&D의 기술 패러다임을 분류하고 정책과 기술의 공진화를 실증적으로 규명하고자 한다.
3. 연구의 차별성
본 연구는 기술 패러다임 논의를 기술적 진화에서 정책과 기술의 공진화로 확장시킨다는 점에서 차별성 을 가지며 임무지향형 혁신정책(Mazzucato, 2018)을 실증적으로 적용한 사례로서 학문적 의미가 크다. 기존 기술 패러다임의 논의는 기술 변화의 내적 요인을 해석하는데 중점을 두어 공공정책의 목표, 사회적 임무, 거시적 비전 등 외부 요인과 기술 변화가 어떻게 상호작용하는지에 대해서는 충분히 설명하지 못했다. 본 연 구는 이러한 한계점을 보완하여 기술 변화가 단순히 기술적 누적과 확산의 결과가 아닌 정책적 임무에 의해 방향화된 진화적 과정임을 실증적으로 보여준다. 특히 20년 간의 도로교통 R&D 정보를 활용하여 정량적으 로 기술 패러다임 변화를 분석하는 틀을 제시한다는 점은 학문적으로 독창적이며 정책적 시사점이 높다.
정부 R&D 투자와 정책 변화에 관한 국내 연구는 과학기술정책, 경제학, 산업경영, 기술경영 분야에서 주 로 수행되고 있으며 AI, 바이오헬스, 반도체, 신재생에너지 등 다양한 기술 분야별 투자 전략과 정책 효과 분 석을 중심으로 활발히 진행되고 있다. 도로교통 분야는 자율주행 정책 확산에 따라 ITS 기술 발전 방향을 제 시한 연구(Lee et al., 2018)와 자율주행차 상용화에 대비해 국내외 법제 현황을 검토하고 산업 발전을 위한 법제 정비 방향을 제안한 연구(An and Park, 2018) 등이 있으나 기술의 발전 방향을 분석하기 위해 정권별 정 책 변화와 기술 패러다임 전환을 직접적으로 연결한 연구는 찾아보기 어렵다. 본 연구는 기존에 다양한 분야 에서 활용된 텍스트마이닝 기법을 도로교통 R&D에 체계적으로 적용해 대규모 도로교통 R&D 데이터를 분 석하였다. 이를 통해 도로교통 R&D의 실제 연구 흐름을 밝혀내고 키워드 분석 결과를 활용하여 도로교통 R&D 특성과 정권별 미션 변화 및 기술 패러다임 전환을 해석하였다. 이는 도로교통 R&D에 대한 새로운 인 사이트와 정책적 시사점을 제공하는 데 차별성을 갖는다.
Ⅲ. 연구 방법론
1. 분석 자료
본 연구는 국가과학기술지식정보서비스(NTIS)에 등록된 도로교통 R&D 중 2003년부터 2022년까지 약 20 년간 추진한 2,174개 과제를 대상으로 R&D 과제명, 과제기간, 핵심어, 과제목표, 과제범위, 기대효과 등을 추 출하여 분석하였다. 정부 정책은 2003년부터 2022년까지 정권별 국정과제를 대상으로 하였다.
2. 분석 방법
본 연구는 국토교통부에서 추진한 교통 분야 R&D 과제와 정권별 국정과제를 분석하였다. 국정과제는 대 통령 임기 동안 정부가 중점적으로 추진할 핵심 정책 과제를 체계적으로 정리한 종합 계획으로 정부 정책 방향과 우선순위를 설정하고 부처 간 역할 조율 및 예산·입법 계획에 근거가 된다. R&D 과제명과 국정과제 를 분석하는 이유는 정부의 연구개발 투자가 국가 정책 우선순위와 어떻게 연계되어 있는지 파악하고 정책 목표와 실제 R&D 과제 간의 정합성을 검토하기 위함이다.
분석 절차는 <Fig. 1>과 같이 대상 R&D 과제 정보를 추출하여 키워드 중심의 기술 패러다임 분석, N-gram 분석, 단어 유사도 기반의 클러스터링 분석을 실시하고 이를 주요 연구 추진 분야와 정권별 정책 기조와의 연관성을 확인하였다. 수집된 데이터의 신뢰성과 정확성을 확보하기 위해 결측치와 중복 데이터를 제거하고 특수문자 및 불필요한 기호를 정제하였으며 형태소 분석을 통해 텍스트를 명사 중심으로 토큰화하고 조사, 접속사, 일반적 의미의 불용어 등 의미가 없는 단어를 제거하여 분석 과정에서 발생할 수 있는 노이즈를 최소 화하였다.
키워드 분석은 TF-IDF(Term Frequency-Inverse Document Frequency) 기법을 활용하여 각 과제 정보에서 중 요한 역할을 하는 핵심 키워드를 추출하였다. 핵심 키워드에서 상위 빈도 키워드를 선별하고 연구 주제와의 관련성을 검토하여 최종 분석 대상 키워드를 선정하였다. 키워드 분석 결과를 활용하여 다양성과 공공임무 지향성 지표를 정의하고 기술 패러다임 분류의 틀을 제안하여 각 정부의 기술 패러다임을 확인하였다. 두 번 째로 N-gram 분석은 텍스트 데이터를 연속된 N개의 단위(단어, 문자, 음절 등)로 분할하여 각 단위의 시퀀스 와 그 빈도를 조사하는 통계적 자연어 처리 기법이다. 여기서 N은 시퀀스의 길이를 의미하며 1-gram, 2-gram 과 같이 N의 값에 따라 단위가 정해진다. 단어의 연속적인 조합 중 의미 있는 연관어 및 주요 키워드 조합을 도출하여 단일 키워드뿐만 아니라 복합적인 연구 주제 및 기술 트렌드를 파악하고자 하였다. 세 번째로 유사 한 의미의 키워드들을 군집화하여 각 클러스터의 중심 키워드와 특성을 분석하였다. 클러스터링 분석은 데 이터 집합에서 유사한 특성을 가진 데이터들을 자동으로 그룹화(클러스터)하는 비지도 학습 기법으로 데이 터 내에 존재하는 패턴이나 구조를 발견하는 데 목적이 있다. 각각의 클러스터는 내부의 데이터가 서로 유사 하고 다른 클러스터와는 서로 상이한 특성을 가지며 이를 통해 전체 데이터의 다양성과 그룹 간 차이를 파 악할 수 있다. 네 번째로 정권별 국정과제 분석을 통해 각 정부가 강조한 핵심 키워드를 추출하고 정권이 교 체되더라도 지속적으로 등장하는 공통 키워드를 도출하였다. 정책 관련 키워드는 R&D 과제의 주요 키워드 와 비교·매칭하여 상관관계를 검토하였으며 이를 통해 정책적 우선순위가 R&D 연구 주제 및 기술 패러다임 변화에 어떠한 영향을 미쳤는지를 분석에 반영하였다.
Ⅳ. 분석 결과
1. 정권별 도로교통 R&D의 키워드 분석
R&D 과제 정보에 대한 키워드 분석은 연구주제 분포, 연구 트렌드, 집중 투자 영역 그리고 유사·중복성 여부를 체계적으로 파악할 수 있다. 과제 정보에 포함된 키워드를 TF-IDF 기법을 활용하면 특정 시기·분야 별로 강조되는 기술과 주제를 정량적으로 파악할 수 있다. 분석 결과 노무현 정부(2003년∼2007년) 391건, 이 명박 정부(2008년∼2012년) 459건, 박근혜 정부(2013년∼2017년) 604건, 문재인 정부(2018년∼2022년) 720건 의 도로교통 R&D 과제가 추진되었다. R&D 과제 정보에서 도출한 키워드 수는 총 9,021개이며 노무현 정부 1,003개, 이명박 정부 1,062개, 박근혜 정부 2,785개, 문재인 정부 4,171개로 나타났다. 키워드 수가 많다는 것 은 해당 정권에서 다양한 주제의 R&D 과제가 추진되었음을 의미하며 키워드 수가 적은 것은 해당 정권에서 추진한 R&D 주제의 집중도가 높은 것으로 해석할 수 있다. <Fig. 2>는 정권별 도로교통 R&D 과제 수와 도 로교통 R&D 과제에서 도출된 키워드 수를 나타낸다. 도로교통 R&D 과제 수는 박근혜 정부(2013년~2017년) 에 그 수가 100개 이상 증가하였고 키워드는 박근혜 정부(2013년~2017년)와 문재인 정부(2018년~2022년)에서 큰 폭으로 늘어났음이 확인된다. 이는 박근혜 정부와 문재인 정부 시기에는 앞선 두 정부에 비해 다양한 주 제의 도로교통 R&D 과제들이 추진되었음을 의미한다.
본 연구에서는 정책과 관계없이 도로교통 R&D에서 지속적으로 강조되는 분야를 분석하기 위해 2003년부 터 2022년까지 분석 기간 전반에 걸쳐 공통적으로 등장한 용어들을 지속 키워드로 정의했다. 해당 단어들은 도로교통 R&D 맥락에서 단계별, 기능별 역할을 나타내는 단어로 해석할 수 있다. 지속 키워드는 <Table 1> 과 같이 성능 검증, 운영 및 유지관리, 표준 및 제도 마련, 고도화 및 개선으로 구분된다. 키워드 분류 과정에 서 검증, 문제 등 개별 단어만으로 분류가 어려운 단어는 앞뒤 단어를 확인하고 분류하였다. 성능 검증은 기 술이 실제 환경에서 요구되는 성능과 안전 기준을 충족하는지를 확인하고 잠재적 위험 요인을 식별·개선하 는 단계이다. 운영 및 유지관리는 개발된 기술을 실제 시스템에 적용·운영하면서 원인 분석과 구성요소 관리 를 포함하는 통합 운영 단계에 해당한다. 표준 및 제도 마련은 기술 확산과 보급을 위해 필요한 표준화, 제 도 정비 및 관련 추진체계를 구축하는 단계이다. 고도화 및 개선은 연구 성과와 데이터를 분석하여 기능을 개선하고 성능을 고도화하는 피드백 단계로 이해할 수 있다. 따라서 이러한 키워드는 단순한 개별 단어가 아 니라 도로교통 R&D의 전주기(기술개발–성능 검증–운영 및 유지관리–표준·제도 마련–고도화 및 개선)를 반영한 기능적 특성을 나타내는 지속 키워드로 해석할 수 있다.
<Table 1>
Analysis of major R&D keywords by South Korean administration
| performance verification | Verification, Reliability, Stability, Confirmation, Result, Investigation, Review, Implementation |
| operation and maintenance | Execution, Operation, Maintenance, Application, Usage, Cause, Content, Provision |
| standards and institutional framework | Standard, Establishment, Preparation, Plan, Proposal, Presentation, Adoption, Promotion, Support, Linkage |
| advancement and improvement | Analysis, Research, Improvement, Increase, Possible, Response, Derivation |
지속 키워드와 대조되는 개념으로 한 정권에서 새롭게 등장한 키워드를 신규 키워드라 정의하고 <Table 2>와 같이 정리하였다. 노무현 정부는 신규 키워드가 200개로 가장 많고 실시간 정보수집과 종합적 유지관 리 체계 구축, 중장기 전략 수립, 사고 감지 및 대응 등 교통관리 체계 정립에 관련된 키워드가 새롭게 등장 하였다. 이명박 정부의 신규 키워드는 84개이며 국가 차원의 표준화 및 품질 강화, 사물 인터넷 기반 기술개 념의 도입, 도시 인프라 시스템(스마트그리드) 연계 강화와 관련된다. 박근혜 정부의 신규 키워드는 55개이 며 사용자 중심 모빌리티 기술 강화, 자율주행 및 영상데이터 기반 기술의 초기 도입 및 확산과 관련된 키워 드가 포함되어 있다. 문재인 정부는 신규 키워드가 43개로 가장 적고 자율주행 실증 강화, 교통안전 정책 고 도화, 스마트시티 및 플랫폼 기반 디지털 전환 중심의 R&D 주제를 새롭게 추진하였다. 정권별 신규 키워드 는 노무현 정부의 교통정보 수집과 교통관리 체계 정립 등에서 점차 자율주행, 스마트시티, 디지털 전환 등 첨단기술과 특정 주제를 중심으로 발전하였음을 확인할 수 있다.
<Table 2>
Analysis of new R&D keywords by South Korean administration
| Category | Count | Top 20 emerging R&D keywords |
|---|---|---|
| Period 1 (2003-2007) | 200 | real-time, individual, traffic, comprehensive, maintenance, center, scope, identification, long-term, collection, core, standard, transmission, implementation, vehicle, control, level, utilization, improvement |
| Period 2 (2008-2012) | 84 | achievement, item, definition, nation, quality, standardization, waste, classification, advancement, location, complex, power, budget, capacity, ethical, long-term, network, requirement, infrastructure, program |
| Period 3 (2013-2017) | 55 | requirement, driver, vehicle replacement, reflection, wheelchair, reception, status, video, autonomous, switching, risk, convergence, cooperation, mobility, robot, electronic, loading, recognition, prototype |
| Period 4 (2018-2022) | 43 | facility, traffic safety, marking, anomaly, control, device, production, living, clustering, underground, road surface, route, user, guideline, construction method, asphalt, urban, progress, confirmation, energy |
신규 키워드로 도출된 ‘표준’, ‘개선’, ‘고도화’ 등의 키워드는 지속 키워드 분석과 같이 도로교통 R&D 맥 락에서 전주기를 구성하는 필수적인 프로세스 요소로 기능한다. 이는 단순히 일반 명사가 아니라 해당 정권 의 새로운 정책적 임무에 따라 연구 수행에 수반되어야 할 기능적 역할과 목표를 나타낸다.
도로교통 R&D의 기술 패러다임을 분석하기 위해 기술혁신의 동력과 정책의 방향성 즉 혁신의 폭과 혁신 의 목적이라는 두 축을 고려하였다. 혁신의 폭은 새로운 기술·지식·아이디어를 실험하고 확장하는 정도를 의 미하며 도로교통 R&D 과제가 얼마나 다양한 주제를 탐색하고 있는가를 통해 측정할 수 있다. 키워드 수는 도로교통 R&D 과제명이 다양한 정보를 포함하고 있을 때 증가하며 탐색정도를 측정할 수 있는 지표로 활용 할 수 있다. R&D 과제 수에 비례할 수 있다는 점을 고려하여 키워드 수를 과제 수로 나누어 탐색성 (Explorativeness) 지표를 설정하였다. 탐색성 지표 계산식은 아래 식(1)과 같다.
여기서,
-
Total Number of Keywords: 분석 대상 기간 동안 R&D 과제명에서 추출된 모든 키워드의 총 개수
-
Total Number of Projects: 분석 대상 기간 동안 추진된 총 R&D 과제의 개수
혁신의 목적은 정책과 사회적 목표에 기술이 따라가는 정도를 의미하며 이는 혁신이 방향성을 가지고 있 는가, 혁신이 임무지향적인가를 나타낸다. 신규 키워드 비중이 낮다는 것은 R&D 과제가 특정 주제(임무)를 중심으로 추진되고 있다는 것, 즉 정책에 의해 R&D의 범위가 설정되어 정책목표와 관련된 R&D 과제가 집 중되어 있다로 해석할 수 있어 전체 키워드에서 신규 키워드가 차지하는 비중을 활용하여 공공임무지향성 (Public mission orientation) 지표를 설정하였다. 공공임무지향성 지표 계산식은 아래 식(2)과 같다.
여기서,
-
Number of New Keywords: 분석 대상 기간 동안 R&D 과제명에서 처음 등장한 키워드의 개수
-
Total Number of Keywords: 분석 대상 기간 동안 R&D 과제명에서 추출된 모든 키워드의 총 개수
탐색성은 기술의 다양성과 실험성을, 공공임무지향성은 정책의 목표와 기술 간의 연계 정도를 나타내며 공공임무 수행 중심으로 R&D가 추진되는가를 계량화하는 개념이다. 이 두 축의 조합은 기술의 내생적 진화 와 정책의 외생적 조율이 상호 작용하며 기술체계가 공진화하는 과정을 설명한다. 탐색성과 공공임무지향성 두 기준을 활용하여 기술 패러다임 유형을 분류하면 <Table 3>과 같다. 탐색성과 공공임무지향성의 2×2 분 류 틀을 통해 기술이 정책적 임무와 결합하며 변화하는 과정을 해석할 수 있다. 탐색성과 공공임무지향성이 모두 낮은 유형은 집중형, 탐색성이 낮고 공공임무지향성이 높은 유형은 융합형, 탐색성이 높고 공공임무지 형성이 높은 유형은 탐색형, 두 지표가 모두 높은 유형은 전환형으로 정의하였다.
<Table 3>
The technology paradigm types based on explorativeness and public mission-orientation
| Category | Low mission orientation | High mission orientation |
|---|---|---|
| Low search orientation | ||
| High search orientation |
각 정권의 탐색성 × 공공임무지향성 기준의 도로교통 기술 패러다임은 <Table 4>와 같다. 두 지표 값의 낮음과 높음은 상대적 위치로 결정하여 탐색성은 사분위 값에 따라 상위 25% 이상이면 높음, 하위 25% 이 하이면 낮음, 그 사이 값이면 중간으로 표시하였다. 공공임무지향성 기준은 도로교통 분야의 공공임무(안전, 인프라 효율화, 교통관리 등)에 집중하고 있어 모든 정권에서 공공목표를 위한 R&D가 지속적으로 추진되고 있지만 정권 간의 상대적 위치에 따라 낮음, 중간, 높음으로 표시하였다.
<Table 4>
Technology paradigms by government administration
| Category | Explorativeness | Public mission orientation | Technology paradigm |
|---|---|---|---|
| Period 1 (2003-2007) | Low(Low to Mid boundary) (2.57) | Low (0.80) | Focused type (Or transition from focused type to exploratory type) |
| Period 2 (2008-2012) | Low(2.31) | Medium (0.92) | Transition from focused type to integrative type |
| Period 3 (2013-2017) | Medium(4.61) | High (0.98) | Transition from integrative type to transformative type |
| Period 4 (2018-2022) | High(5.79) | High (0.99) | Transformative type |
노무현 정권은 탐색성과 공공임무지향성이 모두 낮은 집중형(초기 탐색형) 기술 패러다임에 속하며, 이명 박 정권의 기술 패러다임은 탐색성은 낮고, 공공임무지향성은 중간으로 집중형에서 융합형으로 변화하는 특 성을 보인다. 박근혜 정권은 탐색성은 중간이며, 공공임무지향성은 높아 융합형에서 전환형으로 기술 패러다 임이 변화한 것으로 나타났다. 문재인 정권은 탐색성과 공공임무지향성이 모두 높은 전환형 기술 패러다임 유형에 속한다. 이명박 정권과 박근혜 정권의 기술 패러다임은 과도기적 성격을 가진다. 도로교통 기술 패러 다임은 <Fig. 3>과 같이 집중형 → 융합형 → 전환형이라는 흐름을 보이며 2000년대 초반 이후 탐색성과 공 공임무지향성의 상호작용 속에서 점진적 전환을 이루어왔다.
노무현 정부 시기의 도로교통 R&D는 집중형 또는 탐색형 초기 단계에 해당한다. 초기 기술 탐색기의 성 격을 보이나 여전히 정책 중심의 단일 임무 수행(집중형)의 특성이 강하게 나타난다. 이명박 정부는 집중형 에서 융합형으로 이동이 이루어졌다. 즉 기술개발이 정책 목표에 직접적으로 대응하는 형태로 수렴되어 공 공 R&D의 정책 종속성이 뚜렷해지는 시기이다. 박근혜 정부는 융합형에서 기술과 정책 공진화의 전환형 초 기 단계로 변화하였다. 정책이 기술 방향을 이끌되 기술적 탐색의 폭이 확장된 시기로 평가된다. 문재인 정 부 시기는 정책적 목표와 기술개발 방향이 완전하게 연계된 시기로 도로교통 기술체계가 정책과 기술 공진 화의 완결 단계에 도달했음을 의미한다. 이러한 결과는 도로교통 R&D는 정책이 기술혁신의 방향을 설정하 고 기술이 다시 정책 목표를 재구성하는 정책과 기술 공진화 구조를 가지고 있음을 보여준다. 2000년대 초반 부터 현재까지 한국의 도로교통 R&D는 시장 중심의 기술이 탐색 → 선택 → 확산의 경로로 진화하는 것과 다르게 탐색 단계를 단축시키고 공공의 목표에 맞춰 선택 → 확산 중심의 경로 의존적 진화로 수렴하는 경 향을 나타난다. 이러한 도로교통 기술 패러다임의 차별성은 도로교통 R&D가 정책 주도형 공공기술체계 내 에서 추진되어 탐색보다는 정책기획에 의해 방향이 설정되는 특성에서 기인한다고 해석된다.
2. N-gram 분석 및 클러스터링 분석을 통한 기술 패러다임 전환의 이해
N-gram 분석은 일반적으로 1-gram부터 3-gram까지 분석하며 1-gram은 각 단어를 독립적으로 취급하는 가 장 단순한 모델로 문맥 정보를 고려하지 않고 기본적인 단어 빈도만을 분석한다. 2-gram은 인접한 두 단어 쌍을 분석하여 단어 간 관계와 기본적인 문맥 정보를 반영한다. 보통 N이 작을수록 계산량이 적고 단순하지 만 문맥 정보가 부족하며 N이 커질수록 문맥 반영은 늘어나나 계산량과 데이터 희소성 문제가 증가하기 때 문에 일반적으로 1-gram부터 3-gram까지 활용한다. 본 연구는 R&D 과제명을 정권별로 구분하고 과제명 키 워드를 대상으로 1-gram부터 3-gram까지 분석하였다. 분석 결과 2-gram과 3-gram은 유사한 정보를 담고 있어 3-gram은 제외하고 1-gram과 2-gram의 상위 10개 키워드를 <Table 5>에 제시하였다. N-gram 분석에서 자주 등장한 키워드는 해당 시기에 중점적으로 투자하고 연구하는 기술 도메인을 나타낸다. 2003년부터 2007년까 지의 키워드 N-gram 분석 결과 1-gram 단위는 ‘평가’, ‘제어’, ‘신호’, ‘차량’, ‘무선’, ‘통신’, ‘안전’, ‘시험’, ‘교 통’, ‘운영’ 등이 자주 등장하는 키워드로 확인되었다. 2-gram 단위는 ‘신호 제어’, ‘무선 통신’, ‘시험 평가’, ‘개별 차량’, ‘통신 신호’, ‘철도 교량’, ‘차량 감응’, ‘보행자 친화’, ‘제어 무선’, ‘작품 제작’ 등이 상위 키워드 로 도출되었다. 1-gram 단위는 단순 키워드이지만 2-gram 단위는 연구가 집중된 구체적인 기술을 파악할 수 있어 2-gram 중심으로 해석하였다. 분석 결과 '신호 제어', '무선 통신', '시험 평가' 등이 상위 키워드로 도출 된 것은 해당 기간 동안 지능형 교통 시스템과 관련된 기술, 특히 신호 최적화, 차량 통신(V2X의 초기 형태), 그리고 개발된 기술의 성능 검증 및 안전성 확보에 중점적인 연구 투자가 이루어졌음을 시사한다.
<Table 5>
The N-gram analysis results 2003∼2007
| No. | 1-gram | 2-gram | ||||
|---|---|---|---|---|---|---|
| keyword | count | % | keyword | count | % | |
| 1 | evaluation | 268 | 3.00 | signal control | 164 | 1.83 |
| 2 | control | 257 | 2.88 | wireless communication | 103 | 1.15 |
| 3 | signal | 193 | 2.16 | testing assessment | 51 | 0.57 |
| 4 | vehicle | 167 | 1.87 | individual vehicle | 49 | 0.55 |
| 5 | wireless | 124 | 1.39 | communication signal | 45 | 0.50 |
| 6 | communication | 124 | 1.39 | railroad bridge | 41 | 0.46 |
| 7 | safety | 108 | 1.21 | vehicle sensor | 31 | 0.35 |
| 8 | test | 101 | 1.13 | pedestrian-friendly | 29 | 0.32 |
| 9 | transportation | 100 | 1.12 | control wireless | 23 | 0.26 |
| 10 | operation | 94 | 1.05 | work production | 23 | 0.26 |
<Table 6>은 2008년부터 2012년 기간의 키워드 N-gram 분석 결과로 1-gram 단위는 ‘설계’, ‘교통’, ‘평가’, ‘정보’, ‘안전’, ‘구축’, ‘물류’, ‘급전’, ‘체계’, ‘표준’ 키워드가 상위에 있었으며 2-gram 단위는 ‘교통 정보’, ‘급 전 구조물’, ‘안전 평가’, ‘환승 센터’, ‘전력 공급’, ‘공급 인프라’, ‘테스트 베드’, ‘무선 충전’ 등이 자주 등장 하였다. 2-gram 분석 결과인 '교통 정보', '환승 센터'는 효율적인 교통 체계 및 서비스 구축에 대한 관심이 지속되었음을 나타내나. 또한 '급전 구조물', '전력 공급', '무선 충전', '공급 인프라' 키워드의 등장은 차량의 구동 방식 변화와 관련된 새로운 동력원인 전기의 사용과 이를 지원하기 위한 인프라 구축 연구에 투자가 집중되었음을 시사한다. '안전 평가'와 '테스트 베드'는 개발된 신기술 및 인프라의 실증 및 안전성 확보가 중요한 목표였음을 보여준다. 결론적으로 2008년부터 2012년까지의 R&D는 친환경 및 미래형 교통수단의 도 입을 위한 인프라 구축과 교통 정보 기반 서비스의 확대에 초점을 맞추었음을 알 수 있다.
<Table 6>
The N-gram analysis results 2008∼2012
| No. | 1-gram | 2-gram | ||||
|---|---|---|---|---|---|---|
| keyword | count | % | keyword | count | % | |
| 1 | design | 158 | 2.13 | transportation information | 44 | 0.59 |
| 2 | transportation | 126 | 1.69 | supply structural | 27 | 0.36 |
| 3 | evaluation | 122 | 1.64 | safety assessment | 24 | 0.32 |
| 4 | information | 115 | 1.55 | transfer center | 24 | 0.32 |
| 5 | safety | 108 | 1.45 | power supply | 23 | 0.31 |
| 6 | infrastructure | 92 | 1.24 | supply infrastructure | 21 | 0.28 |
| 7 | logistics | 88 | 1.18 | test bed | 19 | 0.26 |
| 8 | supply | 75 | 1.01 | wireless charging | 19 | 0.26 |
| 9 | system | 74 | 1.00 | goal setting | 19 | 0.26 |
| 10 | standard | 73 | 0.98 | strategy formulation | 18 | 0.24 |
2013년부터 2017년 기간은 <Table 7>과 같이 1-gram 단위는 ‘도로’, ‘주행’, ‘평가’, ‘자율’, ‘평가’, ‘설계’, ‘정보’, ‘안전’, ‘협력’, ‘교통’ 키워드가 많았으며 2-gram 단위는 ‘자율 협력’, ‘협력 주행’, ‘주행 도로’, ‘도로 시설’, ‘주행 자동차’, ‘도로 함몰’ 등이 상위 키워드로 나타났다. ‘자율 협력'과 ‘협력 주행'의 등장은 이 기간 R&D의 핵심이 자율주행 기술 개발과 차량 간(V2V) 및 차량-인프라 간(V2I) 통신을 기반으로 하는 협력적 자율주행 시스템 개발에 집중되었음을 의미한다. ‘주행 도로', ‘도로 시설', ‘주행 자동차'는 자율주행 기술을 도로 환경에 실제로 적용하고 검증하기 위한 도로 인프라 측면의 연구와 자율주행 자동차 자체의 성능을 향 상시키는 연구가 병행되었음을 나타낸다. ‘도로 함몰' 키워드는 도로 시설물 안전과 관련된 연구도 중요하게 다루어졌음을 알 수 있다. 2013년부터 2017년까지의 R&D는 자율주행 자동차의 상용화를 위한 통신 기반의 협력 시스템 구축과 이를 지원하는 도로 인프라 및 안전 관리 기술 개발에 정책적 역량이 집중되었음을 시 사한다.
<Table 7>
The N-gram analysis results 2013∼2017
| No. | 1-gram | 2-gram | ||||
|---|---|---|---|---|---|---|
| keyword | count | % | keyword | count | % | |
| 1 | road | 2,691 | 2.28 | autonomous cooperative | 1,062 | 0.90 |
| 2 | driving | 2,479 | 2.10 | cooperative driving | 1,062 | 0.90 |
| 3 | evaluation | 2,374 | 2.01 | autonomous driving | 962 | 0.82 |
| 4 | autonomous | 2,159 | 1.83 | driving road | 604 | 0.51 |
| 5 | vehicle | 1,796 | 1.52 | road facilities | 354 | 0.30 |
| 6 | design | 1,778 | 1.51 | driving vehicle | 353 | 0.30 |
| 7 | information | 1,475 | 1.25 | road subsidence | 341 | 0.29 |
| 8 | safety | 1,242 | 1.05 | test bed | 294 | 0.25 |
| 9 | cooperation | 1,182 | 1.00 | driving vehicle | 266 | 0.23 |
| 10 | transportation | 1,094 | 0.93 | safety evaluation | 238 | 0.20 |
2018년부터 2022년 기간의 키워드를 N-gram 분석한 결과는 <Table 8>에 제시하였으며 1-gram 단위는 ‘데 이터’, ‘도로’, ‘서비스’, ‘평가’, ‘설계’, ‘관리’, ‘정보’, ‘주행’, ‘구축’, ‘자율’ 키워드가 상위에 있었으며 2-gram 단위는 ‘자율 주행’, ‘품질 관리’, ‘데이터 허브’, ‘협력 주행’, ‘자율 협력’, ‘먼지 저감’, ‘도로 교통’ 키워드가 많았다. ‘자율 주행', '협력 주행', '자율 협력' 키워드는 이전 기간에 이어 자율주행 기술이 여전히 중요한 R&D 영역임을 나타낸다. ‘데이터 허브'는 스마트시티와 자율주행 환경에 필수적인 대량의 센서 및 교통 데 이터의 수집, 처리, 공유가 중요한 연구 주제임을 의미한다. ‘품질 관리' 키워드는 자율주행 기술 및 데이터 서비스의 품질 표준 및 관리 체계를 확립하는 연구에 집중되었음을 나타내며 ‘먼지 저감' 키워드를 통해 교 통 환경과 도시 환경 문제에 관한 연구가 추진되었음을 나타낸다. 2018년부터 2022년까지의 R&D는 자율주 행 기술의 완성도를 높이고 자율주행과 협력하는 인프라 구축에 집중되었다. 또한 대규모 데이터 기반의 데 이터 허브와 품질 관리 확보를 위한 연구가 핵심 동력으로 작용했으며 연구 범위가 교통 환경 문제 해결로 확장되었음을 시사한다.
<Table 8>
The N-gram analysis results 2018∼2022
| No. | 1-gram | 2-gram | ||||
|---|---|---|---|---|---|---|
| keyword | count | % | keyword | count | % | |
| 1 | data | 3,331 | 1.62 | autonomous driving | 1,312 | 0.64 |
| 2 | road | 3,252 | 1.58 | quality management | 652 | 0.32 |
| 3 | service | 2,974 | 1.45 | datahub | 532 | 0.26 |
| 4 | evaluation | 2,970 | 1.44 | cooperativedriving | 530 | 0.26 |
| 5 | design | 2,687 | 1.31 | autonomous cooperation | 520 | 0.25 |
| 6 | management | 2,605 | 1.27 | dust reduction | 476 | 0.23 |
| 7 | information | 2,593 | 1.26 | road transportation | 440 | 0.21 |
| 8 | driving | 2,532 | 1.23 | performance evaluation | 439 | 0.21 |
| 9 | construction | 2,208 | 1.07 | road pavement | 427 | 0.21 |
| 10 | autonomous | 2,205 | 1.07 | safety evaluation | 426 | 0.21 |
도로교통 R&D 과제 정보에서 추출한 주요 키워드를 대상으로 실시한 클러스터링 분석 결과의 전체 키워 드는 총 3개의 클러스터로 그룹화되며 각 클러스터의 대표 키워드는 <Table 9>와 같다. 클러스터 1은 ‘교통 안전 및 제어’ 중심으로 ‘제어’, ‘신호’, ‘검지’, ‘알고리즘’, ‘보행자’, ‘안전’ 등 실시간 교통 흐름 및 안전과 관련된 키워드와 ‘무선’, ‘통신’, ‘정보’, ‘구성’, ‘설계’, ‘체계’의 통신기반 제어기술과 관련된 키워드로 구성 되어 있다. 이를 통해 클러스터 1은 제어·통신 기술을 바탕으로 차량 및 보행자 안전을 실시간으로 확보하는 기술에 중점을 두고 있음을 알 수 있다. 클러스터 1은 ITS 초기 기술 구성 요소를 나타내는 키워드가 포함되 며 자율주행 시스템과 관련된 ‘자율’, ‘운영’, ‘데이터’ 등의 키워드는 포함되지 않아 초기 자동화 및 지능형 제어 기술에 해당하는 R&D와 관련된다. 특히 ‘보행자’, ‘에어백’ 키워드는 교통 안전기술이 수동형에서 지능 형으로 전환되는 과도기적 기술을 나타내고 있어 ITS 초기 패러다임 즉 제어 기반 안전 기술로의 전환기를 대표한다고 볼 수 있다.
<Table 9>
Core Keywords by Cluster
| Category | Cluster 1 (Transportation Safety and Control) | Cluster 2 (Digital Infrastructure) | Cluster 3 (Intelligent Driving Automation) |
|---|---|---|---|
| Core keyword | control, signal, vehicle, wireless communication, safety, traffic, pedestrian detection, design, information, algorithm, configuration, airbag, system | design, traffic, information, construction, system, standard, management, integration, infrastructure, road, application, criteria, performance, linkage | autonomous, road, driving, information, vehicle, data, traffic, service, operation, verification, environment, cooperation, testing, control, linkage, vehicle, demonstration, integration, system |
클러스터 2는 ‘디지털 인프라’ 중심으로 시스템화와 관련된 ‘설계’, ‘교통’, ‘체계’, ‘구축’, ‘인프라’, ‘기준’, ‘성능’, ‘연계’ 키워드와 디지털화와 관련된 ‘정보’, ‘통합’, ‘연계’, ‘성능’으로 전통적 도로교통 인프라와 관련 된 ‘인프라’, ‘도로’, ‘교통’ 키워드로 구성되어 있다. ‘설계’, ‘체계’, ‘구축’, ‘기준’, ‘표준’은 기존 교통 인프라 를 단순히 유지·보수하는 수준이 아니라 체계적으로 정비하거나 새롭게 설계·통합하는 것을 의미하며 ‘정 보’, ‘통합’, ‘연계’, ‘성능’ 키워드는 디지털 기술 기반의 통합 관리와 연계된다. 시스템화와 디지털화를 의미 하는 키워드와 ‘인프라’, ‘도로’, ‘교통’ 등 전통적 도로·교통인프라 키워드를 통해 클러스터 2는 도로교통의 전통 인프라를 디지털 기술 기반의 정보 기반 관리 시스템으로 전환하기 위한 R&D 클러스터로 해석된다.
클러스터 3은 ‘지능형 주행자동화’ 중심으로 ‘자율’, ‘주행’, ‘차량’, ‘운영’과 같이 자율주행 시스템 핵심요소 를 나타내는 키워드가 포함되며 ‘데이터’, ‘통합’, ‘서비스’, ‘검증’, ‘활용’ 및 ‘환경’, ‘자동차’, ‘체계’ 키워드로 구성되어 있다. 이러한 키워드는 클러스터 3이 AI 기반 자율주행 기술을 개발하고 실증하며 상용화하는 R&D 를 대표하고 있으며 현장 적용 및 시스템 개발에 초점을 두고 있음을 알 수 있다. ‘자율’, ‘데이터’, ‘검증’, ‘통 합’은 AI 기반 자율주행 기술의 핵심 구성 요소로 단순 제어, 통신을 나타내는 키워드와는 구분된다. 이는 클 러스터 3에 해당하는 기술은 단순히 센서를 활용한 제어 수준을 넘어서 시스템 전반의 통합 운영까지 반영하 고 있음을 시사하며 클러스터 3은 디지털 전환을 넘어 지능형 자율화 패러다임으로의 진입을 의미한다.
본 연구는 1-gram 키워드만으로 클러스터를 정의하지 않았으며 2-gram 분석으로 확인된 기술 융합 주제를 바탕으로 클러스터의 성격을 정의했다. 특히 클러스터 2와 클러스터 3에 나타나는 ‘기준’, ‘성능', ‘검증’ 등 의 키워드는 도로교통 R&D가 기술 개발을 넘어 국민의 안전과 신뢰성을 확보하는 공공 임무 지향적 성격을 지속적으로 추구하고 있음을 구체적으로 입증한다.
종합하면 클러스터 1은 디지털 기반 인프라화에 필요한 R&D와 관련되며 기초적인 제어·신호 기술 도입 을 통한 교통 흐름 개선과 안전 확보에 중점을 두고 있다. 클러스터 1은 ITS의 시작점으로 해석된다. 클러스 터 2는 인프라를 디지털화하고 정보를 기반으로 한 통합 체계를 구축하는 R&D와 관련되며 디지털 인프라 플랫폼 구축 시기를 의미한다. 클러스터 3은 디지털 인프라를 기반으로 AI·데이터 기술을 결합하여 자동화 가 가능한 지능형 자동화 시스템 구현과 관련된 R&D로 구성된다. 도로교통 R&D 과제에서 연구 개발된 기 술은 센서 중심에서 디지털로, 자율로 확장되는 진화 경로를 보여준다.
<Table 10>은 도로교통 기술 패러다임이 시기적으로 ITS, 통신 기반 제어 기술 도입(클러스터 1), 디지털 기반 스마트 인프라 구축(클러스터 2), 자율주행 시스템 고도화 및 실증(클러스터 3)으로 이어지는 것을 보여 준다. 도로교통 R&D가 앞 시기에서 다져놓은 기술적 기반이 다음 시기의 응용 기술로 연결되는 것을 확인 할 수 있다. 지능형 교통체계 구축 → 도로교통 디지털 인프라 확산 → 자율주행 제도화 및 자율주행 생태계 실증으로 연결되는 기술 패러다임 변화를 통해 도로교통 R&D가 단순히 단위 기술을 개발하는 것을 목표로 수행되기 보다는 사회적 문제 해결 및 도로교통 산업전환을 위한 공공임무 지향적 접근으로 수행되었음을 시사한다.
<Table 10>
Technology Paradigm and Mission-Oriented Goals by Administration
| Category | Technological Paradigm | R&D Keyword | Public Mission-Oriented Goals |
|---|---|---|---|
| Period 1 (2003-2007) | Initial introduction of control-based digitalization in the road transportation sector | ITS, communication, detection, signal Control | Improvement of road safety and introduction of smart transportation |
| Period 2 (2008-2012) | Digital transformation of physical infrastructure in transportation | Digital infrastructure, system, integrated platform | Digital transformation of national infrastructure |
| Period 3 (2013-2017) | Development stages of autonomous driving technology | Autonomous vehicle, data, vehicle system | Fostering the future-oriented smart mobility industry |
| Period 4 (2018-2022) | Demonstration and practical use of automation technology | Demonstration, commercialization, AI operation | Commercialization of autonomous driving and innovation in transportation services |
3. 정부 정책과 R&D 과제와의 연관성 분석
정부 정책은 국정과제에 구체적으로 포함되어 있으며 이를 통해 국가의 중장기 발전 방향과 정부가 설정 한 정책 우선순위를 확인할 수 있다. 정부가 미래 성장동력 확보, 사회문제 해결, 산업 경쟁력 강화 등의 국 가적 목표를 제시하면 R&D 과제는 이러한 정책 목표에 부합하도록 추진되는 경향이 있다. 탄소중립, 바이오 헬스, 디지털 혁신 등 정부의 핵심 정책 분야에 R&D 예산과 지원이 집중되는 현상이 대표적인 사례이다.
정권별 도로교통 분야 국정과제는 <Table 11>과 같이 노무현 정부는 ‘국가 균형 및 지역별 특성화 발전’, ‘국토의 균형발전과 산업발전 전략 병행’, ‘도시 교통난 해소 및 교통약자 보호’, 이명박 정부는 ‘교통사고 선진국 수준으로 감소’, ‘지방과 수도권 상생발전’, ‘녹색기술 발전’ 등이다. 박근혜 정부는 ‘교통체계 선진화’, ‘교통안전 선진화’, ‘온실가스 감축 등 기후변화 대응’이며 문재인 정부는 ‘4차 산업 혁명 선도 기반 구축’, ‘친환경 미래 에너지 발굴·육성’, ‘통합적 재난관리체계 구축’, ‘전 지역이 고르게 잘사는 국가 균형 발전’으로 설정하였다.
<Table 11>
Analysis of National Policy Objectives in the Road Transportation Sector
| No. | Period 1(2003-2007) | Period 2(2008-2012) | Period 3(2013-2017) | Period 4(2018-2022) |
|---|---|---|---|---|
| 1 | Balanced national development and regional specialization | Reduce traffic accidents to advanced country levels | Advancement of logistics, maritime, and transportation systems | Reduce transportation and communication costs to lessen the burden on citizens' living expenses |
| 2 | Balanced national development and regional specialization | Reduce regulations to promote balanced development between regions and the metropolitan area | Strengthening of comprehensive national disaster management system | Establish a foundation to lead the Fourth Industrial Revolution through software powerhouse and ICT renaissance |
| 3 | Fostering a world-class IT industry | Establish key infrastructure for eco-friendly industries and energy conservation | Advancement of transportation safety including aviation and maritime | Discover and foster eco-friendly future energy |
| 4 | Sustainable development and creation of a pleasant environment | Actively respond to climate change and pioneer new industries | Climate change response including greenhouse gas reduction | Build an integrated disaster management system and strengthen immediate on-site response capabilities |
| 5 | Alleviation of urban transportation congestion, and protection of transportation-vulnerable groups | Advance green technology | Climate change adaptation including extreme weather events | Balanced national development ensuring prosperity across all regions |
정부 정책과 R&D 과제와의 연관성을 분석해 보면 2003년∼2007년은 교통시스템 현대화의 기초를 마련하 는 단계로 ITS 기반 교통연구가 주로 수행되었으며 국정과제인 도시 교통난 해소 및 교통약자 보호와도 연 관이 있다. 2008년∼2012년은 교통운영과 교통안전에 관한 연구가 확대되었다. 국정과제도 ‘교통사고 선진국 수준으로 감소’인 점으로 볼 때 안전에 관한 연구를 강화한 시기임을 알 수 있다. 2013년∼2017년은 자율주 행 연구가 등장하기 시작한 시기이다. 기존 ITS 관련 연구는 지속적으로 추진되었으며 자율주행이 미래 신 산업으로 전망되면서 새로운 연구 주제로 자리 잡았다. 국정과제도 미래 지향적인 교통체계 선진화, 교통안 전 선진화 등을 선정하며 R&D 추진에 긍정적인 영향을 미쳤다. 2018년∼2022년은 교통 연구 패러다임이 인 프라 중심에서 데이터 중심으로 변화한 시기이다. 국정과제인 4차 산업 혁명의 흐름에 따라 자율주행 기술 개발 연구가 본격화되었으며 AI 기술과 교통 기술의 융합 기술 개발 필요성이 증대되었다. 정권이 바뀌어도 국정과제에 지속적으로 등장하는 주제도 있다. ‘국가 균형 발전’과 ‘친환경 미래 에너지’, ‘기후 변화’에 관한 정책은 정권이 바뀌어도 국정과제에 포함되었다. 이런 주제는 우리나라 정책의 핵심적이고 장기적인 국가적 과제로 자리매김했음을 보여준다. 지속적인 키워드는 정권이 교체되어도 사회적 논의가 지속적으로 발생하 고 있고 글로벌 이슈 동향을 반영하는 결과라고 해석할 수 있다.
본 연구는 정부정책과 도로교통 R&D의 공진화 관계를 정량적으로 입증하기 위해 정권별 정책 핵심 키워 드와 R&D 클러스터 키워드 간의 주제적 일치성을 분석하여 정권별 클러스터 비중 변화를 도출하였다. 이 분석을 통해 정책 변화가 R&D 투자와 연구 주제의 초점에 미치는 영향을 확인하고, 두 요소가 긴밀하게 연 동되어 발전하는 공진화 관계를 규명하고자 하였다. 정권별 클러스터의 변화를 비교하기 위한 정권별 클러 스터 분포는 <Fig. 4>와 같다. 정권별로 세 가지 클러스터의 분포가 통계적으로 차이가 있는지를 검토하기 위해 카이제곱 독립성 검정을 실시하였다. 분석 결과, χ2=303.42, df=6, p<0.001로 나타나 정권과 클러스터 간 분포 차이는 통계적으로 유의하였다. 이는 기술 패러다임의 분포가 단순한 우연에 의해 형성된 것이 아니라, 각 정권의 정책 기조 및 기술 중점의 변화를 반영하여 구조적으로 다르게 나타났음을 의미한다. 클러스터 1 (교통안전 및 제어)은 문재인 정권(2018~2022)을 제외한 세 정권(2003~2017)에서 일정한 비중을 유지해 왔다. 노무현 정권과 이명박 정권은 ITS 확산과 교통 정보화가 본격적으로 추진된 시기로 두 정권의 R&D 키워드 의 70% 이상이 클러스터 2(디지털 인프라)에 집중되어 있다. 이 시기에는 데이터 기반 교통 운영 패러다임 중심으로 도로교통 R&D가 추진되었으며, 교통 정보 인프라 구축과 표준화, 운영체계 개선 등이 핵심 목표로 수행되었음을 의미한다. 박근혜 정권에 들어서면서 도로교통 R&D의 기술 패러다임은 뚜렷한 전환점을 드러 낸다. 스마트 도로, C-ITS 등과 관련된 사업이 확대되면서 클러스터 3(지능형 주행자동화)의 비중이 19.4%로 유의미한 증가를 보인다. 이는 도로교통 R&D가 자동차의 안전운행 중심에서 ‘스마트 도로’라는 새로운 혁신 영역으로 확장되었음을 의미한다. 문재인 정권에서는 ‘4차 산업혁명’ 등 이러한 변화가 더욱 강화되어 클러 스터 3(지능형 주행자동화)이 차지하는 비중이 22.6%로 증가하였고, 이와 함께 플랫폼 기반 교통서비스와 연 관된 클러스터 2(디지털 인프라)도 지속적으로 확대되었다. 문재인 정권이 도시와 교통을 통합하는 전 영역 에 과학기술 발전이 선도하는 4차 산업혁명 전략을 추진함에 따라 자율주행 기술이 실환경 실증으로 발전했 음을 알 수 있다.
이러한 정권별 R&D 클러스터 비중 변화 추이는 해당 시기 정부가 추진한 핵심 국정과제 및 정책 방향과 정확히 일치한다. 클러스터 2(디지털 인프라)의 집중은 초기 ITS 구축 및 정보화 정책의 영향을 이후 클러스 터 3(지능형 주행자동화)의 급격한 증가는 ‘스마트카', ‘자율주행'을 핵심 동력으로 제시한 정책 기조의 영향 을 직접적으로 반영한다. 따라서 R&D 주제의 변화가 단순히 내생적인 기술 발전의 결과가 아닌 혁신정책의 방향과 긴밀하게 연동되어 진화해왔음을 확인하였다. 이는 정부정책 방향이 R&D의 주제 변화를 유도하는 공진화가 발생했음을 직접적으로 입증하는 증거이다. 이러한 분석을 통해 본 연구는 R&D 주제의 변화가 단 순히 내생적인 기술 발전의 결과가 아닌, 정부정책의 방향과 긴밀하게 연동되어 진화해 왔음을 밝혀냈다.
Ⅴ. 결론 및 향후 연구과제
1. 결론
본 연구는 도로교통 분야의 기술 변화가 단순한 공학적 진보를 넘어 정부 정책의 방향성과 밀접하게 연계 되어 진행되고 있음을 밝히고자 하였다. 국토교통부가 추진한 R&D 과제들은 각 정권의 정책 기조에 따라 중점 영역이 변화하였으며 이는 정책이 기술 개발의 방향을 설정하고 도로교통 기술 개발의 주제와 성격을 결정하는 중요한 요인으로 작용하였음을 실증적으로 보여준다. 그동안 도로교통 R&D 진화의 흐름을 과학적 인 방법에 기반하여 체계적으로 분석한 연구는 전무하였다. 본 연구는 2003년부터 2022년까지 추진된 도로 교통 R&D 정보를 분석하여 도로교통 R&D의 기술 패러다임을 분류할 수 있는 이론적 틀을 제시하고 각 정 권별 도로교통 분야의 기술 패러다임 유형을 분류하였다. 기술 패러다임의 변화에는 기술 자체뿐만 아니라 정책의 내생적 역할이 반영된 새로운 분석 시도라는 점과 한국 도로교통 R&D의 기술 패러다임이 정책과 기 술의 공진화 관계를 가진다는 점을 규명한 데 의의가 있다.
한국 도로교통 R&D의 기술 패러다임은 집중형에서 융합형을 거쳐 전환형으로 변화하는 흐름을 보이며 2000년대 초반 이후 탐색성과 공공임무지향성 간 상호작용 속에서 점진적으로 전환되어 왔다. 특히 도로교 통 R&D 분야는 탐색형 유형이 뚜렷하게 나타나지 않아 공공임무지향성이 강한 분야임을 알 수 있다. 이는 시장 중심의 신기술 탐색보다 정책 주도의 R&D 기획이 더욱 중요한 역할을 함을 시사한다. 정부가 사회문 제 해결이나 미래 비전을 제시하고 이에 따라 기술 개발 방향과 범위를 설정하는 과정이 기존 기술 패러다 임의 종결과 새로운 패러다임의 시작을 유도한다. 이러한 정책과 기술의 공진화 순환 구조가 고도화되기 위 해서는 R&D 기술이 정책을 고도화할 수 있도록 추진되어야 한다는 의미이다. 또한 기술 발전 단계에서 다 양한 기술이 탐색되고 실험되는 단계가 부족한 점을 보완하기 위한 제도적 지원과 촉진이 필수적이다.
도로교통 R&D 과제 키워드 대상 클러스터링 분석을 실시한 결과 전체 키워드는 총 3개의 클러스터로 그 룹화되었다. 각 클러스터와 정권을 매칭하면 클러스터 1은 노무현 정부, 클러스터 2는 이명박 정부, 클러스 터 3은 박근혜 정부와 문재인 정부가 해당한다. 클러스터 1은 교통안전 및 제어 중심이며 클러스터 2는 디지 털 인프라 중심, 클러스터 3은 지능형 주행자동화 중심이다. 이러한 기술 패러다임의 진화는 한 정권에서 다 져놓은 기술적 기반이 다음 정권의 응용 기술 개발로 연결되는 계단식 발전 경로를 보여주며 R&D 과제에서 연구 개발된 기술이 센서 중심 → 디지털화 → 자동화로 확장되는 진화 경로를 가졌음을 확인하였다.
본 연구는 R&D 기술 패러다임 변화의 주요 동인이 기술 자체뿐만 아니라 정책의 내생적 역할임을 규명 한 데 학문적 의의가 있다. 정권별로 도출된 매칭 R&D 클러스터의 비중 변화 추이는 해당 시기 정부가 추진 한 핵심 국정과제 및 정책 방향과 정확히 일치하는 양상을 보였다. 이는 정책적 선택이 교통기술 발전의 전 반적인 방향에 지대한 영향을 미쳤으며 정책과 기술이 상호 연동되어 진화하는 공진화 순환 구조를 가진다 는 점을 실증적으로 입증하는 결정적인 증거이다. 본 연구는 정책 기조의 변화가 개별 연구과제에 국한되지 않고 교통기술 발전의 전반적인 방향을 규정할 수 있음을 보였으며 이는 교통공학 연구에서 정책과 기술 간 상호작용을 분석할 수 있는 학문적 및 실무적인 분석 틀을 제공하고 R&D의 전략적 기획 및 정책 수립에 중 요한 시사점을 제공한다.
2. 향후 연구과제
본 연구는 우리나라 도로교통 R&D와 정부정책의 공진화 양상을 분석하였으며 그 결과를 바탕으로 현재 R&D 추진 체계가 안고 있는 구조적 한계점을 극복하고 미래 기술을 선도하기 위한 향후 연구과제 및 제언 을 다음과 같이 제시한다. 첫 번째 정부의 단기적 목표나 정권 교체에 따라 R&D의 핵심 주제가 급격히 전환 되면서, 장기적인 기초·원천 연구의 연속성이 저해될 위험이 있다. 이를 개선하기 위해 정책 변화에 관계없 이 최소 10년 이상의 기간 동안 지속될 기술 난제 해결을 위한 독립적이고 안정적인 투자 트랙을 구축하는 방안에 대한 연구가 필수적으로 요구된다. 두 번째 유행하는 특정 기술 분야에 대한 투자가 과도하게 집중되 어 연구 결과의 동질화를 초래하고, 궁극적으로 우리나라만의 차별화된 기술 경쟁력 확보를 어렵게 만든다. 이러한 문제에 대응하여 현장 전문가와 연구자들의 자율적인 아이디어를 반영한 Bottom-up 방식의 혁신 과 제를 확대하고 이를 통해 R&D의 다양성과 자율성을 증대시킬 필요가 있다.
