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
- 6) 선행연구고찰에서도 나타났듯이 기존의 연구들은 특정한 변수 또는 항목 1~2개에 대하여 접근하거나7), 또는 다수 변수를 토대로 검토하더라도 변수간의 상호영향관계, 즉, 인과관계에 대한 부분은 설명하고 있지 못하다7). 따라서 본 연구에서는 운전행동에 관계되는 인성, 습성 및 행동 등을 과학적으로 측정하는 심리검사인 운전정밀검사 자료를 이용하여 고령운전자와 교통사고와의 종합적이고 직접적인 인과관계를 규명하였다.
- 본 연구는 전국적인 자료를 이용하여 판별모형을 개발하는 것이 목적이므로, 인구분포비율과 유사성이 있도록 표본을 추출하여야 한다. 따라서 2005년 전국 지역별 인구분포 비율과 지역별 표본샘플 비율을 비교한 결과 유사한 것으로 나타났다.
- 본 연구에서는 고령운전자의 행동특성을 측정할 수 있는 운전자 적성검사(Driving Aptitude) 항목과 교통사고 자료를 토대로 연령대별 영향요인과의 관계를 규명하여 고령운전자 교통사고 심각도를 판별할 수 있는 영향모형을 개발하였다. 개발된 고령자 교통사고 영향모형을 토대로 교통사고의 영향에 대한 시사점을 도출하였다.
- 지금까지 고령화 시대를 대비하여 증가가 예상되는 고령운전자에 대한 검토결과를 종합하여 결론을 제시하였다. 하지만, 시간 및 비용적 제약에 의해 다음을 향후 연구과제로 제시한다.
가설 설정
- 주 2 : ○ = 다중공선성 다소 높음. △ = 다중공선성 다소 있음.
제안 방법
- 본 연구에서는 고령운전자의 행동특성을 측정할 수 있는 운전자 적성검사(Driving Aptitude) 항목과 교통사고 자료를 토대로 연령대별 영향요인과의 관계를 규명하여 고령운전자 교통사고 심각도를 판별할 수 있는 영향모형을 개발하였다. 개발된 고령자 교통사고 영향모형을 토대로 교통사고의 영향에 대한 시사점을 도출하였다. 본 연구결과는 고령사회를 대비할 수 있는 행태연구, 고령운전자 교통안전대책 및 관리방안을 제시하는데 기초자료로 활용될 수 있을 것이다.
- 고령운전자와 비고령운전자가 사고를 발생시키는 영향요인을 알아보기 위해 50~51세를 전후로 구분되어진 고령자와 비고령자의 사고발생, 사고심각도별 판별모형을 개발하였다. 판별분석시 분석방법은 독립변수의 순차적 투입방법(Stepwise Regression)을 이용하였다.
- 모형개발은 판별분석(Discriminant Analysis)을 이용하여 판별모형을 도출하였다. 고령운전자와 비고령운전자와의 영향요인들에 대한 변수 및 계수를 비교하고, 향후 고령운전자에 대한 중점관리 항목을 도출하였다.
- 고령자와 비고령자로 구분된 기준을 토대로 교통사고 판별모형 개발을 수행하였다. 모형개발은 판별분석(Discriminant Analysis)을 이용하여 판별모형을 도출하였다.
- 고령화에 따른 운전적성상의 차이를 알아보기 위해 교통안전공단에서 시행하는 운전적성검사의 일종인 운전정밀검사 결과자료를 분석하였다. 대상자료는 ‘2005년도 연간 수검 자료에서 결측치(Missing data)를 제외한 32,803명의 자료를 수집하였다.
- 인적사항을 기준으로 교통사고이력자료를 수집하여 최종적으로 분석 자료를 종합한다. 교통사고와 연령대를 직접적으로 연계하여 교통사고에 많은 영향을 미치는 연령대(고령자)를 규명하기 위한 CART (Classification and Regression Tree) 분석을 수행하였다.
- 도로교통안전관리공단의 “고령자 운전행동 및 사고특성분석(2005)”보고서를 살펴보면5), 65세 이상의 고령자와 30~40세 청장년층을 구분하여 시뮬레이터를 이용한 차량의 주행특성을 비교 분석하였다.
- 집단 간의 교통사고 차이검증을 위해 t-test를 수행한 결과 고령자와 비고령자간에는 집단 간 차이가 나타났으나, 고령자와 초고령자간에는 집단 간 차이가 나타나지 않았다. 따라서 본 연구에서 판별분석을 이용하여 고령자와 비고령자의 사고발생모형모형 을 개발하여 고령자와 비고령자간의 영향관계를 비교하였다.
- 실질적으로 행정적 또는 법적인 측면에서 고령자의 정의는 구분10)되어 있으나, 교통사고에 영향을 미치는 특성을 토대로 고령자와 비고령자는 정의되어 지지 않았다. 따라서 본 연구에서는 CART분석을 이용하여 교통사고의 발생에 영향을 미치는 요소별로 자료를 동질하게 분류하였다.
- 2이상의 상관관계를 가지는 변수를 고령자사고의 특성규명 및 모형개발에 적용하였다. 또한 독립 변수들 간의 상관관계를 이용하여 다중 공선성을 검토하였다.
- 본 연구에서는 교통사고발생 자료를 토대로 운전자(고령자, 비고령자) 유형을 교통안전측면의 고령자 정의를 시도하였으며, 이를 위해 데이터마이닝(Data Mining : CART)기법을 적용하였다. 또한, 선행연구고찰의 한계점인 실질적인 교통사고 발생에 영향을 주는 요인 규명을 위하여 판별모형을 개발하였다.
- 본 연구에서는 고령자의 사고에 영향을 미치는 변수를 선정하기 위하여 상관분석을 이용하였으며, 0.2이상의 상관관계를 가지는 변수를 고령자사고의 특성규명 및 모형개발에 적용하였다. 또한 독립 변수들 간의 상관관계를 이용하여 다중 공선성을 검토하였다.
- 본 연구에서는 교통사고발생 자료를 토대로 운전자(고령자, 비고령자) 유형을 교통안전측면의 고령자 정의를 시도하였으며, 이를 위해 데이터마이닝(Data Mining : CART)기법을 적용하였다. 또한, 선행연구고찰의 한계점인 실질적인 교통사고 발생에 영향을 주는 요인 규명을 위하여 판별모형을 개발하였다.
- 모형의 개발결과 전반적으로 고령자가 비고령운전자에 비해 많은 영향요인을 내포하고 있는 것으로 나타났다. 세부적인 영향요인을 살펴보기 위하여 표준화된 정준판별계수를 비교하였다.
- 셋째, 운전자 유형(고령자, 비고령자)을 구분하여 사고발생 유 · 무에 대한 판별모형을 개발하였다.
- 고령자 교통사고 판별모형개발을 위한 자료 수집은 교통안전공단의 운전적성 검사항목(설문조사)및 실험결과(Simulation) 자료를 수집하였다. 인적사항을 기준으로 교통사고이력자료를 수집하여 최종적으로 분석 자료를 종합한다. 교통사고와 연령대를 직접적으로 연계하여 교통사고에 많은 영향을 미치는 연령대(고령자)를 규명하기 위한 CART (Classification and Regression Tree) 분석을 수행하였다.
- 통계적으로 유의하다고 판단된 모형들을 대상으로 실제 현실을 어느 정도 묘사 할 수 있는지에 대한 검증을 실시하였다. 교통안전공단의 정밀검사항목자료들 중 검증을 위하여 모형 개발에 사용하지 않은 자료 1,000개를 이용하였다.
대상 데이터
- 고령자 교통사고 판별모형개발을 위한 자료 수집은 교통안전공단의 운전적성 검사항목(설문조사)및 실험결과(Simulation) 자료를 수집하였다. 인적사항을 기준으로 교통사고이력자료를 수집하여 최종적으로 분석 자료를 종합한다.
- 통계적으로 유의하다고 판단된 모형들을 대상으로 실제 현실을 어느 정도 묘사 할 수 있는지에 대한 검증을 실시하였다. 교통안전공단의 정밀검사항목자료들 중 검증을 위하여 모형 개발에 사용하지 않은 자료 1,000개를 이용하였다. 그 중 결과값에 대한 예시는 10개의 샘플에 대해서 언급하였다.
- 대상자료는 ‘2005년도 연간 수검 자료에서 결측치(Missing data)를 제외한 32,803명의 자료를 수집하였다.
이론/모형
- 고령자와 비고령자로 구분된 기준을 토대로 교통사고 판별모형 개발을 수행하였다. 모형개발은 판별분석(Discriminant Analysis)을 이용하여 판별모형을 도출하였다. 고령운전자와 비고령운전자와의 영향요인들에 대한 변수 및 계수를 비교하고, 향후 고령운전자에 대한 중점관리 항목을 도출하였다.
- 고령운전자와 비고령운전자가 사고를 발생시키는 영향요인을 알아보기 위해 50~51세를 전후로 구분되어진 고령자와 비고령자의 사고발생, 사고심각도별 판별모형을 개발하였다. 판별분석시 분석방법은 독립변수의 순차적 투입방법(Stepwise Regression)을 이용하였다.
성능/효과
- 각 유형내 분산을 총분산으로 나눈 비율인 Wilk's Lambda값은 0.153으로서 자유도를 고려한 카이스퀘어 값이 35.321이며 그 확률값이 .000으로 유의 수준 5%이내에서 통계적으로 유의하게 나타났다.
- 각 유형내 분산을 총분산으로 나눈 비율인 Wilk's Lambda값은 0.210으로서 자유도를 고려한 카이스퀘어 값이 25.760이며 그 확률값이 .000으로 유의수준 5%이내에서 통계적으로 유의하게 나타났다.
- 고령자 사고발생 판별 모형에 대한 모형정산결과는 총 1,000개의 자료 중 875개의 자료가 정확하게 사고발생유무를 판별하여 약 88%의 적중률을 보이는 것으로 나타났다.
- 둘째, 국내 · 외 고령자에 대한 정의는 단순히 인구통계학적인 특성을 기반으로 제시되고 있으며, 그 기준 또한 각종 근거법령에 따라 55~65세로 매우 다양하다 할 수 있다.
- 0활용)를 분석한 결과 사고발생유무의 경우 나이는 51세를 기준으로 크게 2개의 집단으로 규명되는 것을 알 수 있다. 따라서 교통안전 측면의 고령자라의 정의는 65세 보다 상당히 낮은 연령을 나타내고 있는 것으로 나타났다. 본 연구와 같은 고령자 교통사고관련 연구의 경우 51세를 전후하여 교통사고 발생특성이 급격하게 변하는 것을 알 수 있다.
- 셋째, 운전자 유형(고령자, 비고령자)을 구분하여 사고발생 유 · 무에 대한 판별모형을 개발하였다. 모형의 개발결과 전반적으로 고령자가 비고령운전자에 비해 많은 영향요인을 내포하고 있는 것으로 나타났다. 세부적인 영향요인을 살펴보기 위하여 표준화된 정준판별계수를 비교하였다.
- 비고령자 사고발생 판별 모형에 대한 모형정산 결과는 총 1,000개의 자료 중 835개의 자료가 정확하게 사고발생유무를 판별하여 약 84%의 적중률을 보이는 것으로 나타났다.
- 사고 발생유무에 대한 상관분석 결과 학력(-0.710), 반사회성(0.640)이 가장 많은 영향을 미치는 것으로 나타났으며, 가장 낮은 영향을 미치는 변수로는 타당성(0.061)과 인지적 능력(0.110)인 것으로 나타났다. 상관계수를 바탕으로 다중 공선성을 검토해본 결과 각 변수들 간의 다중공선성은 거의 없거나 다소 있는 것으로 나타나 모형개발 설명변수들간의 강한 상관관계가 존재하지 않는 것으로 모형개발 시 회귀계수를 신뢰할 수 있다.
- 110)인 것으로 나타났다. 상관계수를 바탕으로 다중 공선성을 검토해본 결과 각 변수들 간의 다중공선성은 거의 없거나 다소 있는 것으로 나타나 모형개발 설명변수들간의 강한 상관관계가 존재하지 않는 것으로 모형개발 시 회귀계수를 신뢰할 수 있다.
- 84인 것으로 나타났다. 정준상관관계는 판별점수와 집단들 간의 관련의 정도를 나타내는 것으로 판별함수 1은 판별력이 좋다고 할 수 있으며 판별함수 고유치를 살펴보면 3.764로 총 분산의 100%를 설명하는 것으로 나타났다.
- 91인 것으로 나타났다. 정준상관관계는 판별점수와 집단들간의 관련의 정도를 나타내는 것으로 판별함수 1은 판별력이 좋다고 할 수 있으며 판별함수 고유치를 살펴보면 4.236으로 총 분산의 100%를 설명하는 것으로 나타났다.
- 또한 고령자 집단에서도 59세를 전후로 하여 고령자와 초고령자로 분류되는 것으로 나타났다. 집단 간의 교통사고 차이검증을 위해 t-test를 수행한 결과 고령자와 비고령자간에는 집단 간 차이가 나타났으나, 고령자와 초고령자간에는 집단 간 차이가 나타나지 않았다. 따라서 본 연구에서 판별분석을 이용하여 고령자와 비고령자의 사고발생모형모형 을 개발하여 고령자와 비고령자간의 영향관계를 비교하였다.
- 집단평균에 의해 평가된 비표준화 정준판별함수의 집단 중심점에서의 분류기준을 살펴보면 집단의 판별점수가 0 보다 크면 사고를 내지 않는 집단에 속하며 0 보다 작으면 사고를 내는 집단에 속하는 것으로 나타났다.
- 첫째, 국내의 고령화 수준을 살펴보기 위하여 65세 이상 인구의 연평균 증가율이 4.30%로 나타나 65세 미만의 인구 증가에 비해 40배 정도 높은 것으로 나타났다.
- 추출된 표본의 연령별ㆍ지역별 분포를 살펴보면 서울, 경기, 인천을 포함한 수도권 지역이 51%로 가장 많았으며 기타지역(강원, 제주도)이 5%로 가장 적은 것으로 나타났다.
- 특히 지역적 특성의 경우 수도권(서울, 경기 : 1)에 비해 충청도(4), 기타(제주도 : 5)지역으로 갈수록 고령자의 사고발생이 감소하는 것으로 나타났다. 이는 인구구성비와 일정부분 관련이 있다고 판단되며, 향후 운전자 관리를 지역적 특성을 반영하여 보다 세부적으로 해야 하는 것이 적절할 것으로 판단된다.
- 판별분석 결과 모형의 설명력을 나타내는 정준 상관관계(Canonical Correlation)값이 1에 가까운 0.84인 것으로 나타났다. 정준상관관계는 판별점수와 집단들 간의 관련의 정도를 나타내는 것으로 판별함수 1은 판별력이 좋다고 할 수 있으며 판별함수 고유치를 살펴보면 3.
- 판별분석 결과 모형의 설명력을 나타내는 정준 상관관계(Canonical Correlation)값이 1에 가까운 0.91인 것으로 나타났다. 정준상관관계는 판별점수와 집단들간의 관련의 정도를 나타내는 것으로 판별함수 1은 판별력이 좋다고 할 수 있으며 판별함수 고유치를 살펴보면 4.
후속연구
- 개발된 고령자 교통사고 영향모형을 토대로 교통사고의 영향에 대한 시사점을 도출하였다. 본 연구결과는 고령사회를 대비할 수 있는 행태연구, 고령운전자 교통안전대책 및 관리방안을 제시하는데 기초자료로 활용될 수 있을 것이다.
- 본 연구에서 개발된 모형의 결과를 토대로 고령운전자의 관리방안에 대한 영향요인 및 근거를 제시하였으나, 고령운전자 개별 면밀한 인적특성 자료를 추가 확보하여 모형을 보완해야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.