Ⅰ. 서 론

자율주행 기술은 인공지능, 센서 융합, 정밀지도 등 핵심 기술의 고도화를 기반으로 빠르게 발전하고 있으며, 상용화를 위한 실도로 시범운행 및 인프라 구축이 활발히 이루어지고 있다. 이에 따라 자율주행차량(Autonomous Vehicle, 이하 AV)의 도입과 확산도 점차 가속화되는 추세다. 그러나 기술 진보와 별개로, 자율주행차의 안전성 확보는 여전히 대중 수용성과 정책 추진의 핵심 요건으로 작용하고 있다.

현재는 AV와 일반차량(Human-driven Vehicle, 이하 HV)이 혼재된 과도기적 교통환경에 있으며, 이질적인 주행 특성 간 상호작용은 예기치 못한 상충(conflict) 상황을 야기할 가능성이 높다. 특히, 차로변경이 빈번한 교차로 및 합류부 등에서 상충 상황이 집중적으로 발생하는 것으로 나타났다. 실제로 Ministry of Land, Infrastructure and Transport(2021a)의 통계에 따르면, 이러한 구간에서 전체 교통사고의 약 28.7%가 발생하고 있다. 차량 간 차로변경은 대표적인 상충 유발 행태이며, AV와 HV의 주행 특성 차이로 인해 AV의 차로 변경 시 후방 HV의 급제동을 유발하여 충돌 위험이 높아지는 것으로 분석된 바 있다(Ali, 2025). 이와 같이 두 시스템 간 대응성의 차이로 인해, 교차로 또는 엇갈림(weaving) 구간과 같이 차로변경이 빈번하게 발생하는 구간에서 충돌 위험이 급격히 증가한다. Maddineni et al.(2024)는 AV와 HV가 혼재하는 작업구간(work zone) 진입 전 차로변경(weaving) 빈도가 많은 구간에서 TTC(Time-to-Collision)가 3초 미만인 상충사례가 전체의 43%에 달하며, 이는 AV의 회피 실패 가능성과 직결된다고 지적한 바 있다.

이러한 연구 결과는 기존의 사후 대응(post-crash analysis) 중심 사고 분석의 한계를 지적하며, 사고 발생 이전(pre-crash) 단계에서 위험을 정량적으로 탐지하고 예측할 수 있는 기반이 필요함을 시사한다. 특히 엇갈림 상황은 연속류 도로의 진출입 구간에 한하여 정의되는 단순한 교통 흐름의 특성으로 볼 것이 아니라, 단속류 구간을 포함하여 차량 경로 간의 빈번한 교차 발생 및 차로 변경으로 인한 상충이 유발되는 구간으로 특히 AV와 HV가 혼재되는 환경에서 차로 변경 주행 특성 차이로 인한 사고 유발 가능성이 높은 고위험 상황으로 인식하고 체계적으로 계량화할 필요가 있다. 그럼에도 불구하고 기존 연구들은 연속류 도로의 기하구조를 중심으로 엇갈림 구간을 정의하고, 시뮬레이션 기반의 미시적 분석에 주로 초점을 맞추어 왔다. 반면, 실제 도심 내 단속류(interrupted flow) 도로에서도 다양한 방향의 교통류가 교차하면서 엇갈림이 빈번히 발생하고 있음에도, 이를 실제 교통 데이터를 기반으로 계량화하려는 시도는 미흡한 실정이다.

이에 본 연구는 HV에 대한 미시적 차량궤적 데이터를 활용하여 단속류 도로를 포함하여 교통류의 교차를 고려한 엇갈림 지표를 정의하고자 하였으며, 이를 통해 향후 AV의 확산에 따라 AV와 HV가 혼재하는 환경 도래 시 고위험 엇갈림 상황을 조기에 예측할 수 있는 정량적 교통안전지표 개발을 목적으로 한다. 개별차량의 궤적 데이터를 활용하여 연속된 교차로 간의 진출입 특성을 반영한 교통류 간 엇갈림 비율을 산정하고, 이를 기반으로 상충 위험이 높은 구간을 식별한다. 아울러 해당 지표와 실제 사고 이력 간의 상관분석을 통해 교통안전지표로서의 실효성과 정책적 활용 가능성을 검토하고자 한다.

본 논문의 구성은 다음과 같다. 제2장에서는 기존 연구를 검토하여 엇갈림 구간의 정의, 설정 기준, 통행 행태 및 사고 위험 요인을 정리하였다. 제3장에서는 단속류 도로를 포함한 엇갈림 지표 정의와 차량궤적 데이터를 활용한 지표 산정 방법론을 제시하였다. 제4장에서는 대상 지역을 중심으로 엇갈림 지표를 산정한 결과와 교통사고 지표와의 상관분석 결과를 제시하였으며, 교통안전지표로서의 활용 가능성을 논의하였다. 마지막으로 제5장에서는 본 연구의 결론과 함께 연구의 한계 및 향후 과제를 제시하였다.

Ⅱ. 선행연구 고찰

1. 엇갈림 구간에 대한 정의

엇갈림 구간은 동일한 방향으로 진행하는 두 교통류가 별도의 교통 제어 없이 일정 거리 내에서 상호 차로변경이 이루어지는 공간으로, 주행 간섭(conflict) 가능성이 높은 대표적 도로 환경 중 하나이다. 국내에서는 ｢도로용량편람｣(Ministry of Land, Transport and Maritime Affairs, 2013)을 통해 이러한 엇갈림 구간을 정의하고 있으며, 특히 설계 수준이 높은 고속도로, 자동차 전용도로, 일반도로를 대상으로 진입로 합류 이후 750m 이내에 분류 구간이 형성되는 경우를 분석 대상으로 설정하고 있다. 또한, 도로 형태에 따라 본선과 진입로가 직접 연결된 구조와, 본선에 인접한 측도를 통해 엇갈림이 발생하는 구조로 구분하고 있다. 그러나 이러한 분석은 두 가지 정형화된 형태에 한정되어 있으며, 실제 도심지 도로의 다양성을 충분히 반영하지 못한다는 한계가 있다.

한편, 국외에서는 ｢Highway Capacity Manual (HCM)｣이 엇갈림 구간에 대한 보다 포괄적인 정의와 분석 방법론을 제시하고 있다(National Academies of Sciences, Engineering, and Medicine, 2022). HCM 역시 엇갈림 구간을 합류 및 분류 지점 간의 이격 거리 부족으로 인해 각 기능이 독립적으로 작동할 수 없는 구간으로 정의하며, 국내 편람과 유사한 접근을 취하고 있다. 동시에, HCM은 보다 다양한 유형의 도로 환경을 고려하고 있으며, 예를 들어 우측 진입로 이후 일정 거리 내 좌측 진출로가 존재하는 구간, 또는 다인승 전용차로(HOV)와 일반차로 간 빈번한 진출입이 이루어지는 구간 등도 엇갈림 구간의 범주에 포함시켜 분석하고 있다. 그러나 HCM 역시 분석 대상 도로를 고속도로 등 연속류 도로(continuous flow facilities)로 한정하고 있으며, 다차로 도시도로의 경우에도 교통신호기 등 제어 요소로부터 일정 거리 이상 이격된 조건에서만 해당 분석 기법이 적용 가능한 것으로 제한하고 있다.

국내외 모두 엇갈림 구간의 개념은 통제 없는 환경에서의 자발적 차로변경이 집중되는 위험 구간이라는 공통된 정의에 기반하고 있으나, 분석 방법론의 적용 범위는 주로 연속류 도로에 국한되어 있다. 이러한 정의는 실제 도심지 단속류 도로(interrupted flow road)와 같이 다양한 방향의 교통류가 복잡하게 교차하는 구간에서는 적용에 한계를 드러내며, 새로운 분석 틀의 필요성을 시사한다.

2. 엇갈림 구간에 대한 교통안전 관련 연구 사례

엇갈림 구간은 서로 다른 교통류가 자발적으로 차로를 변경하면서 교차하는 공간으로, 구조적으로 상충(conflict) 가능성이 높아 교통사고 발생 위험이 큰 고위험 구간으로 인식된다. 이에 따라 기존 연구들은 주로 고속도로와 같은 연속류 도로를 중심으로, 엇갈림 구간의 안전성을 주행 행태 분석, 시설 설계 평가, 자율주행차와 일반차 혼재에 따른 사고 특성 분석 등 다양한 관점에서 접근해 왔다.

먼저, 엇갈림 구간에서의 차량 주행 행태를 기반으로 상충 위험을 분석한 연구들이 활발히 수행되었다. Zhao et al.(2025)은 도시부 고속도로 엇갈림 구간에서의 차로 변경 행태에 따른 사고 위험을 분석하였고, Guo et al.(2024)은 고속도로 입체교차로에서 발생하는 엇갈림 상황을 대상으로 차량 궤적 데이터를 활용하여 속도, 가속도, 차로변경 위치 등 미시적 변수에 따른 주행 행태를 분석하였다. Yuan et al.(2024)과 Ouyang et al.(2025)은 Time-to-Collision(TTC) 지표를 활용하여 차로변경이 상충 발생에 미치는 영향을 정량적으로 평가하였다. Zheng et al.(2021)은 운전자의 공격성 수준과 차로변경 위치가 상충 위험에 유의미한 영향을 미친다고 보고하였다. 국내 연구로는 Ko et al.(2021)이 드론 영상 기반의 궤적 데이터를 활용하여 엇갈림 구간의 통행 패턴을 정밀 분석하였고, Park et al.(2017)은 엇갈림이 발생하는 클로버형 입체교차로를 대상으로 현장조사를 통해 엇갈림 구간의 주행속도, 차로변경 위치, 운전자 주행행태를 분석하였으며, Kim et al.(2021)은 현장 관측자료를 통해 주행 특성과 사고 위험 간의 상관성을 실증적으로 제시하였다.

시설 설계와 운영 기준에 초점을 맞춘 연구도 진행되었다. Wang et al.(2015)은 엇갈림 구간의 기하구조, 속도 차이, 통행량, 노면 상태 등이 사고 위험에 미치는 영향을 분석하였고, Kim et al.(2021)은 엇갈림 구간의 밀도 산정식 적정성을 평가함과 동시에 시뮬레이션을 통해 설계 기준의 현실적 타당성을 검토하였다. 또한 Kim et al.(2022)는 다양한 교통 조건을 고려한 미시 시뮬레이션을 기반으로 엇갈림 구간 유형 분류 및 적정 길이 기준 산정 모형을 제안하고, 도로주행 시뮬레이터 실험을 통해 이를 검증하였다. Ouyang et al.(2022)은 연속된 터널 사이에 위치한 엇갈림 구간을 대상으로 차로변경 허용방식과 기하 구조 요소가 상충 위험에 미치는 영향을 분석하였다.

최근에는 자율주행차량(Autonomous Vehicle, AV)과 일반차량(Human-driven Vehicle, HV)이 혼재하는 교통 환경에서 새로운 형태의 상충 위험에 주목한 연구들이 증가하고 있다. 미국 캘리포니아주 자율주행차 사고 보고서(California Department of Motor Vehicles, 2024)에 따르면, 2019년부터 2024년까지 보고된 AV 사고 중 후방 추돌과 측면 추돌이 정면 충돌보다 높은 비율로 나타나, 동일 방향 주행 중 차선 변경 구간에서의 상충이 주요 위험 요인임을 시사한다. 특히 Channamallu et al.(2024)은 측면 추돌이 전체 부상 유발 사고의 약 44%를 차지한다고 분석하였으며, Kohanpour et al.(2024)은 야간 시간대에 AV의 측면 추돌 사고 발생률이 높은 것으로 보고하였다. 아울러 AV 혼재 환경에서 엇갈림 구간에서의 주행 특성 및 사고 위험에 대한 연구도 진행되고 있다. Zhou et al.(2023)는 도시고속도로 엇갈림 구간에서의 협력형 자율주행 차량의 특성을 반영한 차로변경 전략을 제시하고 inverse time-to-collision을 엇갈림 구간에서의 안전 평가 지표로 제시하였으며, Zhu et al.(2021)은 고속도로 엇갈림 구간을 대상으로 시뮬레이션을 기반으로 AV 및 HV 혼재 구간의 주행 특성을 분석하고 심층 강화 학습 기반의 AV 주행 전략을 제시하였으며 충돌 위험 및 속도 편차를 교통안전 평가를 위한 지표로 제시하였다. 이러한 연구 결과는 AV 혼재 환경에서 차로변경이 집중되는 엇갈림 구간의 위험성을 더욱 부각하고 있으며, 이와 같은 구간에 대한 정량적 분석과 예측 기반 안전관리 방안 마련의 필요성을 강조한다.

3. 시사점

위에서 살펴본 바와 같이, 기존 연구는 연속류 도로의 엇갈림 구간을 중심으로 차량 주행 행태, 엇갈림 구간의 시설 설계 및 운영 기준에 대한 분석을 수행하였으며, 최근에는 AV와 HV의 혼재 상황에서의 상충 위험에 대한 연구도 수행되었다. 특히 차로변경에 따른 상충 발생과 관련하여 운전자의 주행 특성에 대한 미시적인 분석을 통해 교통사고 위험에 영향을 미치는 요인을 분석 및 도출하였으며, 엇갈림 구간의 기하구조가 사고 위험에 미치는 영향을 분석하고 설계 및 운영 기준의 적정성을 분석하기 위한 방법론을 제시하였다. 또한 AV와 HV의 혼재 상황에서 차로변경으로 인한 상충은 주요 위험 요인으로 분석되었으며 엇갈림 구간에 대한 분석의 필요성이 강조된 바 있다.

그러나, 기존 연구에서는 주로 특정 엇갈림 구간에 대한 미시적인 분석에 초점을 맞추고 있으며 시뮬레이션 중심의 분석을 수행하여, 도로망 전체에 대한 거시적인 관점에서 엇갈림으로 인한 사고 위험이 높은 구간을 파악 및 분석하는데 한계가 존재한다. 또한 단속류 도로에서도 차량의 주요 주행 경로가 서로 엇갈려 차로 변경이 빈번하게 발생하고 사고 위험이 높은 구간이 존재하나, 기존 연구에서는 이에 대한 고려가 미비하였다. 특히 이와 같이 차로 변경이 빈번하게 발생하는 구간의 경우 향후 AV와 HV 혼재 상황에서 사고 위험이 높을 것으로 예상되는 만큼, 단속류 도로를 포함한 전체 도로망에 대한 엇갈림 지표 분석의 필요성이 높다고 볼 수 있다.

이에 본 연구에서는 도로망 전역에 대한 개별차량 단위의 통행궤적 정보를 포함하는 데이터를 활용하여 단속류 도로를 포함한 교통류 엇갈림 지표를 정의 및 산정하고자 하였다. 또한 교통류 엇갈림 지표와 교통사고 데이터 간 상관분석을 통해 교통안전지표로서 활용도를 분석하고 자율주행차량과 일반차량 간 혼재 상황에서의 사고 위험도 분석 및 교통운영 측면에서의 시사점을 도출하고자 하였다.

Ⅲ. 엇갈림 지표 정의 및 산정 방법론

1. 단속류 도로를 포함한 교통류 엇갈림 지표 정의

본 연구에서는 자율주행 혼재 상황에서 중요한 사고 위험 요인으로 제시되고 있는 진로변경으로 인한 차량 간 상충에 대해 단속류 도로를 포함한 구간별 발생 빈도와 사고 위험을 계량화 및 비교하고 취약 구간을 도출하기 위한 교통류 엇갈림 지표를 정의한다.

도로용량편람에서 고속도로의 엇갈림 구간을 대상으로 정의하고 있는 지표 중 교통량 비(Volume ratio)는 엇갈림 구간의 전체 교통량 대비 엇갈림 교통량, 즉 “원하는 방향으로 진행하기 위해 다른 교통류와 엇갈려야 하는 교통류”의 비율로 정의하고 있으며, 아래 수식과 같이 제시하고 있다.(Ministry of Land, Transport and Maritime Affairs, 2013)(식 (1)).

본 연구에서는 고속도로의 엇갈림 구간 대상의 엇갈림 비율(WR, Weaving Rate)에 대한 정의와 동일하게 엇갈림이 발생하는 구간별 전체 교통량 중 진로 변경을 해야 하는 엇갈림 교통류의 교통량의 비율로 정의하되, 단속류 도로를 포함한 전체 링크를 대상으로 정의한다. 고속도로 엇갈림 구간이 진입로 이후 진출로가 위치하는 구간으로 정의된 것을 고려하여(Ministry of Land, Transport and Maritime Affairs, 2013), 단속류 도로에서는 2개의 연속된 교차로 사이의 구간별로 산출하며, 엇갈림 교통류는 링크에 진입하는 교차로에서의 회전 방향과 링크에서 진출하는 교차로에서의 회전 방향을 기준으로 다른 교통류와 교차하여 진행해야 하는 교통류로 정의한다. 또한, 엇갈림 구간의 연장이 짧을수록 차로 변경이 어렵고 운전자가 경험하는 혼란의 정도가 높아진다는 점을 고려하여(Ministry of Land, Transport and Maritime Affairs, 2013), 엇갈림 구간의 연장에 따른 사고 위험을 반영하기 위해 엇갈림 교통류의 교통량의 비율을 구간 연장으로 나누어 산출하였다. 엇갈림 비율을 수식으로 표현하면 아래와 같다(식 (2)).

차량의 궤적 및 회전 방향을 기반으로 엇갈림 및 비엇갈림 교통류를 식별하고 교통량 집계 및 엇갈림 지표를 산출하는 방법을 아래에 제시하였다(식 (3)).

2. 활용 데이터 개요

본 연구에서 정의하는 엇갈림 비율 산정을 위해서는 개별 차량별 통행 경로에 대한 정보를 포함하는 데이터 확보가 필수적이다. 이에 본 연구에서는 국가교통조사사업을 통해 구축되는 차량궤적 데이터를 활용하였다(Ministry of Land, Infrasturcture and Transport, 2021b). 차량궤적 데이터는 개별 차량의 이동경로에 대해 시간적·공간적으로 연결된 데이터로, 차량용 내비게이션 단말기, 휴대전화 내비게이션 앱, 영업용 차량운행기록계를 사용하는 차량에 대해 차량의 이동에 따른 위치 및 시간정보가 수 초 간격으로 수집된다. 이를 통해 전국 전역을 대상으로 차량의 미시적인 통행 특성에 대한 분석이 가능하며, 특히 본 연구에서의 엇갈림 비율 산정을 위해 필요한 정보인 교차로에서의 통행 및 회전 방향에 대한 파악이 가능하다.

또한 이와 같은 차량궤적 데이터를 기반으로 교차로에서의 회전정보를 분석하기 위한 교통 분석 네트워크를 별도로 구축하여 활용하였다. 차량 통행 분석을 위해 전국의 2차로 이상의 도로를 노드와 링크로 구현한 차량 모빌리티 분석맵이 구축되고 있으나(Ministry of Land, Infrasturcture and Transport, 2021b), 도로 간의 교차가 발생하지 않는 지점에도 노드가 구축되며 회전과 관련된 정보가 구축되지 않는다. 이에 <Fig. 1>과 같이 도로 간의 교차 및 차량 회전이 발생하는 지점에 노드를 구축하고 각 링크별 종료 노드에서 회전방향(좌회전, 직진, 우회전)에 따른 다음 링크 정보를 포함하여 구축하였다. 교통 분석 네트워크에 포함되는 항목은 <Table 1>과 같다.

<Fig. 1>

Vehicle mobility analysis map(left) and transport analysis network(right)

3. 엇갈림 지표 산정 방법론

본 연구에서 정의하는 교통류 엇갈림 지표는 (1)차량궤적 데이터 기반의 회전 방향별 교통량 집계, (2)엇갈림 교통류에 포함되는 교통량 산정, (3)엇갈림 비율 산출의 단계를 거쳐 산정한다.

먼저, 개별 차량 궤적 데이터를 교통 분석 네트워크에 매칭하고 교통 분석 네트워크를 기준으로 회전 방향별 교통량을 집계하였다. <Table 2>는 개별 차량이 통과한 링크, 통과 시각, 링크 통행 후 회전 방향에 대한 정보를 구축한 것으로, 이와 같은 개별 차량의 통행 정보를 기반으로 링크별 교통량을 집계하였다.

다음으로, <Table 2>와 같이 구축한 개별 차량의 통행 링크에 대한 정보를 기반으로 진로 변경 및 다른 차량과 엇갈림이 발생하는 교통류에 대한 교통량을 집계하였다. 아래 <Fig. 2>에서와 같이 링크에 직진으로 진입하여 직진으로 진출하는 교통류(2→2)와 엇갈려야 하는 교통류, 즉 좌회전으로 진입하여 우회전으로 진출하는 교통류(1→3)와 우회전으로 진입하여 좌회전으로 진출하는 교통류(3→1)에 해당하는 교통류의 교통량을 합하여 엇갈림 교통량을 산출하였다. 마지막으로, 해당 링크를 통과하는 전체 통행량을 엇갈림 교통류의 교통량으로 나누어 <Table 3>과 같이 교통류 엇갈림 비율을 산출하였다. 교통류 엇갈림 비율은 평일과 주말, 1시간 단위로 구분하여 산출하였다.

<Fig. 2>

Calculation of weaving traffic volume

Ⅳ. 교통류 엇갈림 지표 산정 및 결과 분석

1. 엇갈림 지표 산정 결과

본 연구에서는 위에서 제시한 방법론에 따라 교통류 엇갈림 지표를 산정하고 향후 자율주행 혼재 상황을 고려한 교통안전지표로서의 활용성에 대해 분석하고자 하였다. 이를 위해 2020년 차량궤적 데이터를 활용하여 세종특별자치시를 대상으로 교통분석 네트워크를 구축하고 교통류 엇갈림 지표를 산정하였다. 교통사고 발생 이력이 있는 도로 링크에 대해 교통류 엇갈림 지표를 산출한 결과는 아래 <Table 4>와 같다.

2. 엇갈림 지표와 교통사고 지표 간 상관분석

본 연구에서 정의 및 산출한 교통류 엇갈림 지표의 교통안전지표로서의 활용 가능성을 분석하기 위해 사고위험을 계량화하는 교통사고율과의 상관분석을 수행하였다. 이를 위해 2018년부터 2021년까지의 교통사고 발생 이력 자료를 활용하여 링크별 교통사고율을 구축하였다. 아래 <Table 5> 및 <Table 6>과 같이 링크별로 4년간 사망, 중상, 경상, 부상신고 사고 등 경찰청(Korean National Police Agency, 2024)에서 제시하는 인명피해에 따른 교통사고 유형별 건수를 집계하고, 링크 연장 및 연평균 일교통량을 고려하여 단위 거리 및 교통량 당 교통사고율로 변환하여 <Table 7>과 같이 구축하였다. 사고 유형별 교통사고율 산정식은 아래와 같다(식 (4)).

이와 같이 구축된 교통사고율과 교통류 엇갈림 비율 간의 상관분석을 차로수가 편도 2차로 이상이면서 교통사고 발생 이력이 있는 링크를 대상으로 수행하였다. 이를 통해 단속류 도로를 포함한 교통류의 엇갈림에 따른 교통사고 발생에 대한 영향을 분석하고자 하였다.

상관분석 결과, 교통류 엇갈림 비율과 교통사고율 간에는 양의 상관관계가 존재하며 통계적으로 유의한 것으로 분석되었다. <Table 8>에 제시된 바와 같이 차로수별로는 전체 사고와 경상사고를 중심으로 차로수가 보다 많은 경우에 상관계수가 상대적으로 높으며 통계적으로 유의한 것으로 나타났다. 특히, <Table 9>에 제시된 바와 같이 연평균 일교통량이 30,000대 이상인 도로 링크의 경우 교통류 엇갈림 비율과 전체사고율 및 중상·경상사고율 간 상관계수가 상대적으로 높은 것으로 분석되었다. 이를 통해 교통량이 상대적으로 많고 차로수가 많은 구간 내 교차로에서 교통류의 진행 경로에 따른 회전 비율을 고려한 엇갈림 비율은 사고에 영향을 미치는 요인임을 알 수 있다. 또한 엇갈림 비율과 부상사고 간의 상관관계가 유의한 것으로 나타나고 있는데, 본 연구에서 중점적으로 고려한 차량 경로의 상충에 따른 엇갈림의 경우 주행 방향이 동일한 경우에 대해서 발생하며, 주행 방향이 동일한 경우의 사고 심각도는 정면 충돌 대비 상대적으로 낮은 것으로 분석된 바 있다(AASHTO, 2010).

3. 교통안전지표로서의 활용 가능성 분석

교통류 엇갈림 비율과 교통사고율 간 상관분석을 통해 도출된 바와 같이, 교통류의 엇갈림은 고속도로 등 연속류 도로와 함께 단속류 도로에서도 사고 발생 위험에 영향을 미치는 것으로 분석되었다. 특히 차로수 및 교통량이 많은 곳에서 교통류 간의 엇갈림 발생 비율이 높은 경우 사고 발생 위험이 더욱 높은 것으로 분석되었다. 도로의 기하구조와 차량의 주요 통행 경로에 따른 엇갈림 발생 확률에 대한 분석이 필요하며, 단속류 도로에서도 진로 변경이 빈번하게 발생하는 취약 구간을 도출하여 해당 구간의 기하구조 및 통행 특성을 고려한 교통안전 대책 수립이 필요하다.

향후 자율주행 차량의 지속적인 도입 및 확산에 따라 자율주행 차량과 일반차량의 혼재 상황 발생 시 차량 간의 주행행태의 차이는 핵심적인 사고 위험 요인으로, 특히 급격한 진로 변경에 따른 측면 또는 후방 추돌 발생이 증가할 것으로 예상된다. 본 연구에서 제시하는 교통류 엇갈림 비율은 단속류 도로를 포함하여 차량의 주행 궤적을 기반으로 교차로에서의 회전 방향을 고려하여 교통류 간의 엇갈림이 발생할 확률을 계량화한 것으로, 이와 같은 진로 변경이 다른 구간 대비 빈번하게 발생하는 취약 구간을 도출하는 데 활용될 수 있다. 또한 이를 활용하여 취약 구간의 특성을 분석하고 자율주행 혼재 상황에서 차량을 대상으로 엇갈림으로 인한 사고 위험에 대한 정보 제공 및 안전 제고를 위한 교통운영 방안을 마련하는 데 활용될 수 있다.

Ⅴ. 결 론

본 연구는 개별차량 궤적데이터를 활용하여 기존에는 분석에 포함되지 않았던 단속류 도로를 포함하여 차량의 주행 경로 및 회전 방향에 따른 교통류의 엇갈림 지표를 산정하고, 차량의 진로 변경이 빈번한 구간에서의 차량 간 상충에 따른 사고발생 위험 분석에 대한 활용성을 분석하였다. 본 연구를 통해 단속류 도로를 포함하여 지역 내 도로망 전역을 대상으로 교통류 간의 엇갈림이 빈번하게 발생하여 사고위험이 높은 지역을 도출하였으며, 특히 도로망 전체의 사고위험에 대한 일관성 있는 평가 및 우선순위 산정 등 모니터링에 활용 가능하다는 점을 제시하였다. 또한 교통류 엇갈림 지표와 사고발생 위험을 계량화하는 지표인 교통사고율 간의 상관관계 분석을 통해 두 지표 간 양의 상관관계가 존재함을 제시하였으며, 연평균 일교통량 1만 대 이상인 도로 링크 및 경상사고에 대해 상관계수가 상대적으로 높고 통계적으로 유의하다는 결과를 도출하였다. 이는 기존의 일반 차량 중심의 사고 위험 분석에 활용될 수 있을 뿐만 아니라, 향후 자율주행 혼재 상황에서의 고위험 상황 분석 및 예측에도 활용될 수 있을 것으로 기대한다.

본 연구에서 활용한 차량궤적 데이터는 프로브 교통량에 대한 데이터로, 링크별 프로브 교통량의 점유율은 교통류 엇갈림 지표 산출에 영향을 줄 수 있다. 그러나 현 시점에서 분석 대상에 포함되는 모든 링크에 대한 프로브 교통량의 점유율 산출에는 한계가 있다. 본 연구에서 제시하는 교통류 엇갈림 지표의 활용성을 제고하기 위해서는 지표 구축에 활용되는 개별차량 궤적데이터의 샘플율이 일정 수준 이상 확보될 필요가 있으며 분석 대상 네트워크의 프로브 점유율 및 링크간 점유율 편차를 검토할 필요가 있다. 점유율이 높은 데이터를 추가 확보하여 교차로에서의 회전 방향별 비율이 보다 정확하게 산출 가능하다면 엇갈림 비율 또한 보다 정확하게 산출이 가능할 것이다. 또한 본 연구에서는 엇갈림 지표와 교통사고율 간의 상관관계를 분석하였으나, 속도 관련 지표 등 링크 단위로 산정되는 교통안전 관련 다른 지표들과의 상관관계에 대한 분석을 통해 단속류에서의 주행 특성 및 자율주행 혼재 상황을 고려한 사고위험 요인을 도출 및 분석할 수 있을 것이다. 마지막으로, 지표 산출 및 분석의 공간적 범위를 전국으로 확대하여 지역별 특성을 고려한 지표 산정 및 분석에 활용할 수 있을 것으로 기대한다.