작성일 : 17-10-20 09:40
거시적 교통안전 연구 개관 II (제120호)
조회 : 322  
Cap 2017-10-19 13-43-49-070.png



서론

지난 편에서는 거시적 안전 연구에 대한 간단한 소개와 함께 기존 미시적 안전 연구와의 차이점 및 교통계획과의 연계를 논하였다. 거시적 안전 연구는 교통이나 도로특성만이 아닌 인구, 사회경제지표, 토지이용 특성이 어떻게 교통안전에 영향을 미치는 지를 분석하며, 보다 넓고 장기적인 관점에서 계획, 정책, 법, 규정 등을 통해 안전개선을 도모한다. 본 편에는 최근에 수행된 대표적인 거시적 안전 연구에서 밝혀낸 안전에 미치는 주요 요인을 논하고, 사고 위험지역 분석의 한 사례를 소개한다. 또한, 정책의 변화에 따라 교통안전이 어떠한 영향을 받는지를 거시적 교통안전 연구를 통해 분석한 내용을 설명한다.


거시적 안전 연구의 요인 분석

거시적 안전 연구는 2000년대 이후 본격적으로 수행되어 왔다. 많은 거시적 안전 연구에서 사고에 영향을 미치는 다양한 기여요인(contributing factor)을 밝혀왔다. 좌측 하단의 두 표는 전체사고 건수 및 보행자 관련 사고 건수에 대한 기여요인을 요약한 것이다.

Cap 2017-10-19 13-47-17-260.png

Cap 2017-10-19 13-47-27-271.png


두 표에서 볼 수 있듯이 교통이나 도로에 관련된 요인(예: 차량주행거리, 용량 대비 교통량, 횡단보도, 대중교통/보행 접근성, 고속도로의 비율, 인도 등) 뿐만 아니라 교통계획 요인(예: 업무통행 및 여가통행 발생), 그리고 인구사회경제지표(토지이용, 가구소득 차량보유, 재택근무 등)와 같은 다양한 요인이 사고건수의 증감에 영향을 미치는 것으로 분석되었다. 많은 연구에서 특정 계층(예: 흑인, 히스패닉, 특정 연령, 소득 등)이 사고에 더 취약한 것으로 나타났다. 특히, 가구소득이 낮고 차량 보유율이 낮을수록 사고에 더 취약하다는 것이 다수의 연구에서 보고가 되었는데, 해당지역에 대해 교통안전에 대한 교육 등의 지원이 필요할 것이다. 이외에도 다양한 교통사고 유형에 따라 다른 기여요인이 존재한다. 거시적 안전모형에서 밝혀낸 기여요인을 통해 다른 지역의 장래 사고건수를 예측하는 것이 가능하며, 이에 따라 사전에 미리 효과적인 안전 대책을 수립하여 사고의 발생을 최소화할 수 있다.


사고 위험지역 분석(Hotspot Analysis)

미국 도로안전편람(Highway Safety Manual)(AASHTO, 2010)은 사고 위험장소(hotspot)을 파악하는 다양한 기법과 지표를 제시한다. 이 지표를 시각화하면, 어느 지역이 가장 큰 교통문제가 있는지 직관적으로 파악할 수 있다. 다음 그림은 Lee et al.(2015b)의 보행자 안전 연구에서 제시된 것으로서 잠재적 안전개선 지수를 산정하고 각 구역을 위험지역(적색), 일반지역(녹색) 및 안전지역(청색)으로 분류하였다.

Cap 2017-10-19 13-48-34-689.jpg



정책의 변화에 따른 교통안전 영향 분석

일부 정책 및 규정은 교통안전과 직접적인 관련을 갖는다. 이륜차 및 자전거의 헬멧 착용 의무화, 안전띠 착용 의무화, 주행 중 휴대전화 사용 금지 등이 그 사례라고 할 수 있다. 한편, 어떠한 정책은 교통안전과 직접적인 관련은 없지만 간접적으로 영향을 미치기도 한다. 예를 들어 최근 미국 내에서 큰 이슈가 되고 있는 대마초 합법화나 알코올 판매 제한 등이다. Lee et al. (2017)의 최근 연구에서 이륜차 헬멧 착용 의무화 규정의 폐지 및 도입이 이륜차 사망사고 건수에 어떠한 영향을 끼쳤는지 거시적 안전 연구를 수행하였다. 플로리다는 2000년 이륜차 헬멧 착용 의무화 규정을 폐지하였다. 플로리다 인근 주 중 착용 의무화 규정이 계속 유효한 주인 알라바마, 조지아, 노스캐롤라이나에서 비교집단(comparison group)을 선정한 후, 규정폐지 전후의 이륜차 사망사고 건수를 분석한 결과, 해당 사망사고가 약 30% 이상 증가한 것으로 나타났다. 특히, 헬멧 착용률은 규정 폐지년도인 2000년 이전에는 90% 이상이었으나, 이후 50% 수준으로 급격히 하락한 것으로 나타났다(하단 그림 참조).

Cap 2017-10-19 13-47-39-582.jpg


한편, 2004년에 이륜차 헬멧 착용 의무화를 도입한 루이지애나의 경우에는 이륜차 사망사고가 약 25% 감소한 것으로 나타났으며, 헬멧착용률 역시 이전 40% 수준에서 80% 이상으로 크게 높아진 것으로 분석되었다.

향후 국내에서 유사한 정책적, 제도적 변화를 고려할 때, 이와 같은 외국에서의 규정이나 제도를 거시적인 관점에서 분석한 결과를 참고할 필요성이 있다. 이 외에도 음주운전 단속 기준(혈중 알코올 농도 기준), 고령운전자에 대한 교통안전 정책, 도시개발에 따른 통행 및 사고패턴 변화도 거시적 안전 연구를 통해 분석할 수 있으며, 그 분석 결과는 합리적인 정책 결정에 큰 도움을 줄 수 있을 것으로 사료된다.


결론

지난 편을 포함하여 두 편에 걸쳐 거시적 교통안전 연구에 대해 간략한 소개를 하였다. 거시적 안전 연구는 장래 어떤 지역에 큰 안전문제가 나타날 것으로 예상되는 경우, 문제가 실제로 발생하기 이전에(proactively) 대책을 수립·시행하여 안전향상을 도모한다. 또한, 교통과 관련되어 있는 수많은 교통, 도로, 인구, 사회경제적 요인을 파악하고 장기적인 관점에서 정책을 통한 해결책을 제공한다. 거시적 분석에서는 단지 공학적 개선 대책뿐만 아니라 교통관련 법규 및 정책, 경찰 단속, 교육, 안전 캠페인 등 다양한 대책을 제시한다. 이러한 점에서 거시적 안전 연구분석은 향후 교통안전 연구의 큰 한 축을 담당하게 될 것으로 예상되고, 그 중요성이 더욱 부각될 것으로 사료된다. ▣


이재영_jaeyoung@knights.ucf.edu



참고문헌

1. American Association of State Highway and Transportation Officials, 2010, Highway Safety Manual. AASHTO, Washington, D.C.
2. Abdel-Aty, M., Siddiqui, C., Huang, H., & Wang, X., 2011, Integrating trip and roadway characteristics to manage safety in traffic analysis zones. Transportation Research Record: Journal of the Transportation Research Board, (2213), 20-28.
3. Cottrill, C. D., & Thakuriah, P. V., 2010, Evaluating pedestrian crashes in areas with high low-income or minority populations. Accident Analysis & Prevention, 42(6), 1718-1728.
4. Hadayeghi, A., Shalaby, A. S., Persaud, B. N., & Cheung, C., 2006, Temporal transferability and updating of zonal level accident prediction models. Accident Analysis & Prevention, 38(3), 579-589.
5. LaScala, E. A., Gerber, D., & Gruenewald, P. J., 2000, Demographic and environmental correlates of pedestrian injury collisions: a spatial analysis. Accident Analysis & Prevention, 32(5), 651-658.
6. Lee, J., Abdel-Aty, M., & Choi, K., 2014, Analysis of residence characteristics of at-fault drivers in traffic crashes. Safety science, 68, 6-13.
7. Lee, J., Abdel-Aty, M., & Jiang, X., 2015, Multivariate crash modeling for motor vehicle and non-motorized modes at the macroscopic level. Accident Analysis & Prevention, 78, 146-154.
8. Lee, J., Abdel-Aty, M., Choi, K., & Huang, H., 2015, Multi-level hot zone identification for pedestrian safety. Accident Analysis & Prevention, 76, 64-73.
9. Lee, J., Abdel-Aty, M., Wang, J. H., & Lee, C., 2017, Long-Term Effect of Universal Helmet Law Changes on Motorcyclist Fatal Crashes: Comparison Group and Empirical Bayes Approaches. Transportation Research Record: Journal of the Transportation Research Board, (2637), 27-37.
10. Lovegrove, G. R., & Sayed, T., 2006, Macro-level collision prediction models for evaluating neighbourhood traffic safety. Canadian Journal of Civil Engineering, 33(5), 609-621.
11. Pulugurtha, S. S., Duddu, V. R., & Kotagiri, Y., 2013, Traffic analysis zone level crash estimation models based on land use characteristics. Accident Analysis & Prevention, 50, 678-687.
12. Wang, Y., & Kockelman, K. M., 2013, A Conditional Autoregressive Model For Spatial Analysis Of Pedestrian Crash Counts Across Neighborhoods. In Transportation Research Board 92nd Annual Meeting (No. 13-1252).
13. Wier, M., Weintraub, J., Humphreys, E. H., Seto, E., & Bhatia, R., 2009, An area-level model of vehicle-pedestrian injury collisions with implications for land use and transportation planning. Accident Analysis & Prevention, 41(1), 137-145.





 
   
 

개인정보처리방침 | 서비스 이용약관 | 서비스 해지 | 이메일 무단 수집 거부