선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 단속류에서의 교통사고 예방을 위해 단속류에서 발생한 교통사고 자료를 통해 차대차 사고와 차대사람 사고의 유발요인을 비교하여 분석하고, 사고 유형별 유발요인의 차이점과 이에 따른 개선책을 제시하였다.
가설 설정
- 도형을 잇는 화살표는 변수들 간의 인과관계를 나타내며 인과방향에 따라 반영지표(reflective indicator)와 조형지표(formative indicator)로 나뉜다. <그림 1>과 같이 잠재변수에서 관측변수 방향으로 화살표가 연결되어 있는 경우, 잠재변수가 관측변수를 야기하는 것으로 가정된다.
제안 방법
- 구조방정식 모형을 적용하기 위해 PRELIS를 사용하여 원자료를 분석하고 다변량정규성을 실험하였다. 모든 외생관측변수가 바이너리 데이터이고 두 내생관측변수가 연속형 자료이기 때문에 PRELIS를 사용하여 polychoric correlation matrix를 계산할 수 있고, 또한 가중최소제곱법에 쓰이는 점근공분산행렬을 계산할 수 있다(Joreskog and Sorbom,2000).
- 구조방정식의 모형의 추정에 앞서 각 변수들 간의 기초 통계분석을 실시하였다. <표 2>에 요약된 기초 통계 분석 결과를 살펴보면, 우선 각 변수 별 사고빈도의 구성이 사고유형 간 차이가 적다는 것을 알 수 있다.
- 기초 통계분석 결과와 기존 연구들의 이론적 근거를 토대로 모형을 설정하기 위한 잠재변수로 사고 규모, 도로 요인, 환경 요인, 운전자 요인을 설정하였다.
- 도로 요인, 환경 요인, 운전자 요인은 외생잠재변수 (exogenous latent variable)이며 각 관측변수들을 반영지표로 삼는다. 도로 요인은 시간이나 환경적 변화에 영향을 받지 않고 도로의 구조적 요소에 영향을 미치는 잠재변수로서 횡단선형과 종단구배, 신호기 운영 변수를 지표로 설정하였다. 환경 요인은 교통상황이나 날씨 등 도로 외적인 환경의 변화를 통해 교통시설의 상태나 교통상황에 영향을 미치는 잠재변수로서 사고 발생시간과 주/야간, 기상상태 변수를 지표로 설정하였으며, 운전자 요인은 운전자의 행태에 영향을 미치는 요인으로 운전자 성별과 운전자 나이, 음주운전 여부 변수를 지표로 설정하였다.
- 차대차 사고의 경우 사망자 수가 상대적으로 적기는 하지만, 부상을 당하는 사람의 수가 더 많기 때문에 어떤 사고가 더 심각하다고 판단할 기준이 명확치 않다. 따라서 기존의 연구들에서 사용된 사고 심각도라는 개념 대신 사고의 피해를 사회적 비용으로 환산하여 사고 규모라는 개념을 적용하였다.
- 이 중 운전자 나이와 면허경과, 기상상태와 도로의 노면 상태 같은 경우는 매우 밀접한 관계를 갖고 있기 때문에 다중공선성이 존재할 가능성이 있다. 따라서 상관분석과 VIF 지수를 활용하여 다중공선성을 진단하고, 이에 따라 면허경과 변수와 도로의 노면상태 변수를 제거하였다.
- 85 이상으로 매우 높게 나타나서 다중공선성의 문제가 발생하였다. 따라서 중상자 수와 경상자 수를 비용으로 표준화 시킨 뒤, 부상자 수 변수에 통합하였다.
- 본 연구에서는 단속류 시설에서 교통사고 유형별 요인을 구조방정식모형(SEM : Structural Equation Modeling)을 이용하여 도출해내고, 모형을 구축하여 유형별로 사고의 주요인들을 파악하여 비교하였다. 최종 모형에서 도출된 결론은 차대차 사고에서는 도로 요인이, 차대사람 사고에서는 환경 요인이 사고의 규모에 가장 큰 영향을 미치는 것으로 분석되었다.
- 최종적으로 추정된 모형은 <그림 4>, <그림 5>와 같다. 본 연구에서는 도로 요인과 환경 요인, 운전자 요인을 외생잠재변수로, 사고 규모를 내생잠재변수로 설정하여 구조방정식 모형을 구축하였다. 모형의 구조상 잠재변수들간의 효과는 직접효과만이 도출되었으며, 간접효과는 산출되지 않았다.
- 사고 규모는 교통사고로 인한 피해의 정도이며, 비용으로 표준화된 사망자 수와 부상자 수 두 반영지표를 통해 나타내어지는 내생잠재변수(endogenous latent variable)로 설정하였다.
- 이주연(2008)은 구조방정식 모형을 이용하여 고속도로의 교통사고 심각도에 영향을 미치는 요인들을 분석하였다. 사고 심각도를 구조모형의 내생잠재변수로, 도로 요인 및 운전자 요인, 환경 요인을 외생 잠재변수로 설정하여 모형을 추정하였다. 추정 결과, 평면선형과 종단구배, 노면상태 및 날씨는 사고 심각도와 음의 관계에 있는 것으로 나타났으며, 주야와 원인차 차종, 운전자 연령대는 사고 심각도와 양의 관계에 있는 것으로 나타났다.
- 사고 자료는 2005년부터 2007년까지 서대문구에서 발생한 2,784건의 교통사고 자료를 이용하였으며, 교통사고의 규모와 유발요인들의 관계를 규명하기 위하여 LISREL 8.80의 PRELIS 및 SIMPLIS 프로그램을 이용해서 요인분석과 회귀분석을 통합하여 영향요인들 간의 상호관계를 분석할 수 있는 구조방정식(Structural Equation Modeling)을 적용하여 모형을 추정하였다.
- 사고자료에서 주어진 변수들은 대부분 범주형 변수이기 때문에 구조방정식에 적용하기 위하여 0과 1의 값만을 갖는 이항변수 형태의 더미변수로 변환하였다. 일반적으로 더미변수의 개수는 변수의 범주 개수보다 1개 적은 수만큼 설정한다.
- 알림 : 본 논문은 대한교통학회 제61회 학술발표회 (2009.11.6)에서 발표된 내용을 수정.보완하여 작성된 것입니다.
- 이 7가지 요인에 대한 상대적인 사고위험도를 나타내는 “사고위험도 판단지수”를 설명변수로 채택하여 단순회귀모형을 제시하였다.
- 04배의 비용이 들고 있다. 이 비율을 적용하여 사고의 정도를 표준화시켰다. 또한 차대차 사고에서 많은 경우 1명 이상의 중상자와 경상자가 동시에 발생하였기 때문에 두 변수의 상관계수가 0.
- 이러한 자료의 점검을 통해 11개 변수(횡단선형, 종단구배, 신호기운영, 첨두시간, 주야, 기상상태, 운전자 나이, 성별, 음주운전 여부, 사망자 수, 부상자 수)를 선정하였다. 결측 값과 이상 값이 있는 자료를 제외한 총 2,784개 자료를 사고의 유형에 따라 차대차 사고와 차대사람 사고로 분류하여 이용하였다.
- 이렇게 설정한 잠재변수들과 관측변수들의 관계를 검증하기 위해 탐색적 요인분석을 수행하였다. <표 4>에 나타난 요인분석의 결과를 보면, 사고 발생시간과 주야, 기상상태 변수는 요인 1에서 높은 요인적재량을 가졌고, 횡단선형과 종단구배, 신호기 운영 변수는 요인 2에서 가장 높은 요인적재량을 가졌다.
- 하지만 본 연구에서는 사전 분석을 통해 모형의 설명력을 낮추고 통계적 유의성을 갖지 못하는 더미변수를 제거하고 범주를 통합하여 와 같이 변수값을 설정하였다.
- 도로 요인은 시간이나 환경적 변화에 영향을 받지 않고 도로의 구조적 요소에 영향을 미치는 잠재변수로서 횡단선형과 종단구배, 신호기 운영 변수를 지표로 설정하였다. 환경 요인은 교통상황이나 날씨 등 도로 외적인 환경의 변화를 통해 교통시설의 상태나 교통상황에 영향을 미치는 잠재변수로서 사고 발생시간과 주/야간, 기상상태 변수를 지표로 설정하였으며, 운전자 요인은 운전자의 행태에 영향을 미치는 요인으로 운전자 성별과 운전자 나이, 음주운전 여부 변수를 지표로 설정하였다. 따라서 본 연구의 구조모형과 측정모형은 <그림 2>, <그림 3>과 같다.
대상 데이터
- 이러한 자료의 점검을 통해 11개 변수(횡단선형, 종단구배, 신호기운영, 첨두시간, 주야, 기상상태, 운전자 나이, 성별, 음주운전 여부, 사망자 수, 부상자 수)를 선정하였다. 결측 값과 이상 값이 있는 자료를 제외한 총 2,784개 자료를 사고의 유형에 따라 차대차 사고와 차대사람 사고로 분류하여 이용하였다.
- 본 연구에서는 2005년부터 2007년까지 서대문구에서 발생한 교통사고자료를 이용하였다. 해당 자료는 사고 발생지, 발생시간, 사고차종, 운전자와 피해자의 성별과 나이, 면허경과, 법규위반내용, 도로선형, 기상상태, 노면상태, 신호기운영, 사고개요, 음주운전 여부, 사망자 수, 중상자 수, 경상자 수 등 다양한 정보를 담고 있다.
이론/모형
- 96을 초과하면 분포가 정규성을 이룬다는 가정을 기각할 수가 있다. 따라서 본 연구에 사용된 자료는 다변량정규성을 갖지 않는 것으로 나타났고, 자료의 분포적 가정을 요구하지 않는 가중최소제곱법을 이용하여 모형을 추정하였다.
- 사고 규모를 산정하기 위하여 예비타당성조사에서 사고비용 산출 시 사용되는 한국교통연구원의 교통사고비용을 적용하였다.
성능/효과
- 박정순(2007)은 도로환경요인과 교통사고의 상관분석을 통하여 사고추정모형을 개발하였다. EPDO(대물 피해사고 환산법)를 종속변수로 하여 상관분석 및 다중 회귀분석을 통하여 모형을 분석 결과, ADT, 주도로 평균차로폭, 상향종단경사, 제한속도 차이 등 4개 변수가 주요 요인으로 분석되었다.
- 90 이상으로 본 연구모형의 적합도 판단에 무리가 없는 것으로 나타났다. GFI를 자유도를 이용하여 조정한 조정적합지수(AGFI) 또한 권장 수용수준 이상인 것으로 나타났으며, 비교적합지수(CFI) 값도 0.896~1로 적합하게 나타났다. RMSEA 지수는 표본의 크기가 상당히 큰 제안모델을 기각시키는 카이제곱 통계량의 한계를 극복하기 위한 적합지수이며 Critical N은 카이제곱 검정을 위해 주어진 유의수준에서 구조방정식 모형이 수용할 수 있는 적절한 표본크기를 나타내주는 지수로, 모두 적합도 판단에 무리가 없는 것으로 나타났다.
- 896~1로 적합하게 나타났다. RMSEA 지수는 표본의 크기가 상당히 큰 제안모델을 기각시키는 카이제곱 통계량의 한계를 극복하기 위한 적합지수이며 Critical N은 카이제곱 검정을 위해 주어진 유의수준에서 구조방정식 모형이 수용할 수 있는 적절한 표본크기를 나타내주는 지수로, 모두 적합도 판단에 무리가 없는 것으로 나타났다.
- Yau(2003)은 사고차종을 개인차량, 화물차량, 오토바이 3가지로 구분하여 stepwise logistic regression model을 사용하여 각 사고의 요인을 비교분석하였다. 개인 차량은 표지판 설치상태와 운전자 성별, 차량 연식, 사고발생 시간과 신호등 운영 여부가 주 요인으로 분석되었으며, 화물차량은 안전벨트 착용여부, 사고발생 요일이 사고의 심각도에 영향을 끼치는 주 요인으로 분석되었다.
- Edwards(1998)은 기상청의 날씨자료와 교통사고 자료를 통해 교통사고의 심각도와 날씨와의 관계를 분석하였다. 교통사고 1,000건당 사망자와 중상자의 비율을 통해 사고심각도를 판단하였고, 분석 결과 맑은 날 발생한 교통사고가 비가 오는 날 발생한 교통사고에 비해 심각도가 큰 것으로 나타났다.
- 그리고 사고차종과 운전자 나이, 음주운전 여부는 요인 3에서 높은 요인적재량을 갖고 있어서, 사전에 가정한 것과 동일한 형태로 9개의 외생관측변수가 3개의 요인으로 분류되었다. 따라서 앞서 설정한 관측변수와 잠재변수의 관계는 타당하다고 판단된다.
- 따라서 사고 규모에 가장 큰 영향을 미치는 요인이 차대차 사고에서는 도로 요인, 차대사람 사고에서는 환경 요인으로 각각 다르게 분석되었다. 이는 교통사고를 줄이기 위한 방법론이 사고의 유형에 따라 다르게 적용되어야 함을 보여준다.
- 또한 환경 요인이 사고 규모에 미치는 총 효과는 양의 값인 0.35(표준오차 0.21, t-value 1.75)로, 환경 요인이 커지는 맑은 날 주간 첨두시의 차대차 사고의 규모는 커지는 것으로 분석되었다. 운전자 요인도 양의 관계로 40대 남자 음주운전자의 경우 사고 규모가 커지는 것으로 나타났으며, 총 효과가 0.
- 본 연구에서는 도로 요인과 환경 요인, 운전자 요인을 외생잠재변수로, 사고 규모를 내생잠재변수로 설정하여 구조방정식 모형을 구축하였다. 모형의 구조상 잠재변수들간의 효과는 직접효과만이 도출되었으며, 간접효과는 산출되지 않았다. 추정된 모수들은 모두 표준화 해(standardized solution)이며, 이를 통해 외생잠재변수들이 내생잠재변수에 미치는 상대적 영향력을 파악할 수 있다.
- 보편적으로 권장되는 수용수준은 0.90 이상으로 본 연구모형의 적합도 판단에 무리가 없는 것으로 나타났다. GFI를 자유도를 이용하여 조정한 조정적합지수(AGFI) 또한 권장 수용수준 이상인 것으로 나타났으며, 비교적합지수(CFI) 값도 0.
- 조정일(2008)은 구조방정식 모형을 이용하여 보행자 사고의 심각도에 영향을 미치는 요인들을 분석하였다. 분석 결과, 차량 요인과 보행자 요인 중 차량 요인만이 영향을 미치며, 그중 충돌속도가 가장 큰 영향을 미치고 있는 것으로 나타났다.
- 이렇게 설정한 잠재변수들과 관측변수들의 관계를 검증하기 위해 탐색적 요인분석을 수행하였다. <표 4>에 나타난 요인분석의 결과를 보면, 사고 발생시간과 주야, 기상상태 변수는 요인 1에서 높은 요인적재량을 가졌고, 횡단선형과 종단구배, 신호기 운영 변수는 요인 2에서 가장 높은 요인적재량을 가졌다.
- 구조방정식의 모형의 추정에 앞서 각 변수들 간의 기초 통계분석을 실시하였다. <표 2>에 요약된 기초 통계 분석 결과를 살펴보면, 우선 각 변수 별 사고빈도의 구성이 사고유형 간 차이가 적다는 것을 알 수 있다. 예를 들어 직선구간에서 발생한 교통사고는 차대차 사고와 차대사람 사고 모두 전체 사고 중 약 90% 정도의 비율을 차지한다.
- 75)로, 환경 요인이 커지는 맑은 날 주간 첨두시의 차대차 사고의 규모는 커지는 것으로 분석되었다. 운전자 요인도 양의 관계로 40대 남자 음주운전자의 경우 사고 규모가 커지는 것으로 나타났으며, 총 효과가 0.06(표준오차 0.18, t-value 1.81)로 가장 적은 영향을 미치는 것으로 분석되었다.
- 운전자 요인은 차대차 사고와 차대사람 사고에서 모두 가장 영향이 적은 요인으로 나타났다. 이는 운전자와 관련된 변수를 설정할 때 1당차량의 정보만 고려하면서 발생한 한계점으로 판단된다.
- 97)로 가장 큰 영향을 미치는 것으로 나타났다. 운전자 요인의 총 효과는 0.18(표준편차 0.21, t-value-1.70)로 차대차 모형과 마찬가지로 가장 적은 영향을 미치는 것으로 분석되었다.
- 자료의 왜도와 첨도의 Z-score가 95% 유의수준에서 ±1.96을 초과하면 분포가 정규성을 이룬다는 가정을 기각할 수가 있다.
- 반면에 차대사람 모형에서는 다른 양상이 나타났다. 차대차 모형에서는 가장 큰 영향을 미쳤던 도로 요인의경우, 총 효과가 0.25(표준오차 0.22, t-value 1.63)으로 환경 요인에 비해 적은 영향을 미치는 것으로 나타났으며, 부호도 차대차 모형과 달리 양의 값으로 정반대의 양상을 띄는 것으로 분석되었다.
- 본 연구에서는 단속류 시설에서 교통사고 유형별 요인을 구조방정식모형(SEM : Structural Equation Modeling)을 이용하여 도출해내고, 모형을 구축하여 유형별로 사고의 주요인들을 파악하여 비교하였다. 최종 모형에서 도출된 결론은 차대차 사고에서는 도로 요인이, 차대사람 사고에서는 환경 요인이 사고의 규모에 가장 큰 영향을 미치는 것으로 분석되었다.
- 사고 심각도를 구조모형의 내생잠재변수로, 도로 요인 및 운전자 요인, 환경 요인을 외생 잠재변수로 설정하여 모형을 추정하였다. 추정 결과, 평면선형과 종단구배, 노면상태 및 날씨는 사고 심각도와 음의 관계에 있는 것으로 나타났으며, 주야와 원인차 차종, 운전자 연령대는 사고 심각도와 양의 관계에 있는 것으로 나타났다.
- 추정 결과에 의하면 차대차 모형에서는 도로 요인이 사고 규모에 미치는 총 효과는 -0.48(표준오차 0.14, t-value -3.18)으로 계수의 부호가 음의 값을 가지며 가장 큰 영향을 미치고 있다. 이는 도로 요인이 증가할수록, 즉 도로 구조가 직선이고 평지, 신호기가 운영되는 곳의 차대차 사고의 규모는 작아지는 것을 의미한다.
- 환경 요인이 총 효과 0.72(표준오차 0.36, t-value 1.97)로 가장 큰 영향을 미치는 것으로 나타났다. 운전자 요인의 총 효과는 0.
후속연구
- 본 연구는 사고의 규모를 줄이기 위한 요인 분석으로 사고의 빈도를 줄이기 위한 방법론과는 구분이 필요하며, 운전자의 특성에 대한 변수만 취급되었기 때문에 사고 피해자에 대한 변수들을 고려한다면 더 현실을 잘 반영할 수 있는 모형이 나올 것이라고 생각한다. 이외에도 여러 요인의 관측변수들을 더욱 다양화하고 세분화하여 모형을 발전시킨다면 사고를 예측하고 그 피해를 줄이는데 기여할 수 있을 것이다.
- 본 연구는 사고의 규모를 줄이기 위한 요인 분석으로 사고의 빈도를 줄이기 위한 방법론과는 구분이 필요하며, 운전자의 특성에 대한 변수만 취급되었기 때문에 사고 피해자에 대한 변수들을 고려한다면 더 현실을 잘 반영할 수 있는 모형이 나올 것이라고 생각한다. 이외에도 여러 요인의 관측변수들을 더욱 다양화하고 세분화하여 모형을 발전시킨다면 사고를 예측하고 그 피해를 줄이는데 기여할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.