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
- 또한 이를 기초로 이륜차 사고심각도별 영향요인에 대한 관리대책을 수립하는 기초자료로서 활용하고자 한다.
- 본 연구는 이륜차 사고심각도에 있어 영향을 주는 요인을 도출하여 도출된 요인이 사고심각도에 주는 영향력을 분석하고 그에 따른 결과를 검증하는 것을 주목적으로 하였다.
- 본 연구에서는 이륜차 사고를 대상으로 순서형 프로빗모형을 이용하여 심각도별 사고 영향요인을 도출하고 도출된 영향요인을 분석·검증하는 것을 목적으로 하였다.
- 본 연구에서는 종속변수인 이륜차 사고심각도에 미치는 영향요인을 가장 잘 설명할 수 있는 모형을 구축하기 위해 유의확률을 만족하지 못하는 독립변수를 순차적으로 제거하며 최종모형을 도출하였다. 먼저 모형 1에서는 모든 변수를 투입하였고, 모형 2에서는 유의수준을 만족하지 못하는 노면변수(p-value=0.
- 0 통계패키지를 사용하였다. 사고심각도에 있어서, 영향을 주는 요인을 찾아내고 각 요인들의 속성값의 변화에 따른 사고심각도 결정확률을 추정하고자 하였다. 이를 위해 사용한 분석모델은 순서형 프로빗모형(Ordered Probit Model)으로 이는 종속변수인 심각도가 순차적인 순서를 가질 때 사용하는 모델이다.
- 이에 본 연구에서는 이륜차 사고자료의 특성을 고려하여 행위의 강도, 효과와 선택의 선호도 등을 분석하기에 적합한 순서형 프로빗모형을 적용하여 이륜차 사고 심각도 영향요인을 도출하고 도출된 영향요인을 분석·검증하고자 한다.
가설 설정
- 또한 프로빗모형에서는 오차항(εi)의 확률분포가 분산이 동일하고 공분산이 0인 정규분포(normal distribution)을 따른다고 가정한다.
- 로짓모형에서는 오차항(εi)의 확률적 분포가 분산이 동일하고 독립적(IID: Identically and independently distributed)인 와이블분포(weibull distribution)를 따른다고 가정한다.
제안 방법
- 둘째, 기존연구와 비교하여 표본수의 유의성을 보완하였으며, 도로요인을 포함시키지 않고 분석한 기존연구와 달리 도로선형과 노면상태 등의 도로요인과 차종 등 세분화된 변수가 모두 포함된 사고자료를 이용하여 분석을 수행하였다.
- 또한 각 변수들이 하나의 모형에 투입될 경우 변수들 간의 교호작용이 발생할 수 있기 때문에 각 변수 간 상관계수, 분산팽창계수, 상태지수 등을 통하여 변수간의 상호관계를 파악하였고 이러한 상관관계를 고려하여 독립성을 확보할 수 있는 변수만을 채택하였다.
- 첫째, 본 연구는 분석하고자 하는 사고자료에 적합한 순서형 프로빗모형을 이용하여 분석하였으며 순서형 프로빗모형을 이용하여 이륜차 사고심각도 영향요인을 분석한 국내의 연구사례는 없다. 또한 유의성이 확보되지 않은 변수들을 순차적으로 제거하여 이륜차 사고심각도에 미치는 영향요인에 대해 가장 잘 설명할 수 있는 모형을 구축하였다.
- 본 연구에서는 종속변수인 이륜차 사고심각도에 미치는 영향요인을 가장 잘 설명할 수 있는 모형을 구축하기 위해 유의확률을 만족하지 못하는 독립변수를 순차적으로 제거하며 최종모형을 도출하였다. 먼저 모형 1에서는 모든 변수를 투입하였고, 모형 2에서는 유의수준을 만족하지 못하는 노면변수(p-value=0.608)를 제거하여 구축하였으며 성별변수(p-value=0.423)를 제거하여 모형 3을 구축하였고 모형 4에서는 연령변수(pvalue=0.320)를 최종적으로 제거하여 모형을 구축하였다.
- 사고자료는 2008년 서울특별시 전 구간 사고통계(경찰청 사고자료) 중 이륜차 사고를 대상으로 하였다. 발생시간(주/야)의 구분은 06:00~17:59을 주간(=0)으로, 18:00부터 05:59까지를 야간(=1)으로 설정하였으며 각 변수의 결측치와 성별, 연령의 미상 자료는 제외하였다. 최종적으로 이륜차 사고 4,277건을 대상으로 분석하였으며 이 중 사망사고는 109건(2.
- 본 연구에서는 이륜차 사고발생 시 사고심각도를 파악하기 위해 사고발생에 영향을 미친다고 예상되는 변수들을 투입하여 순서형 프로빗모형을 구축하였고 유의확률을 만족하지 못하는 독립변수를 순차적으로 제거하며 최종모형을 도출하였다. 최종도출된 모형은 Table 15와 같다.
- 본 연구에서는 이륜차 사고심각도에 미치는 영향요인을 도출하기 위해 2008년을 시간적 범위로, 서울특별시 전체 이륜차 사고를 공간적 범위로 설정하여 분석을 실시하였다. 분석에 사용된 사고자료는 경찰청 자료(TAMS)를 이용하였다.
- 사고에 영향을 미칠 것으로 판단되는 변수들로 발생시간, 사고유형, 기상상태, 노면상태, 도로선형, 성별, 연령, 이륜차의 차종(배기량) 등의 변수를 수집하여 선정하였다.
- 연구의 방법은 사고의 심각도가 순서에 따르는 세 가지(사망, 중상, 경상/부상)로 분류됨에 따라 순서형 프로빗모형을 통한 비교·분석으로 사고에 영향을 주는 요인을 도출하였으며 유의성이 확보되지 않은 변수들을 순차적으로 제거하여 이륜차 사고심각도에 미치는 영향 요인에 대해 설명력이 높은 모형을 구축하였고 각 요인의 한계효과를 산출하여 각 요인이 각 심각도에 미치는 영향정도를 파악하였다.
- 첫째, 본 연구는 분석하고자 하는 사고자료에 적합한 순서형 프로빗모형을 이용하여 분석하였으며 순서형 프로빗모형을 이용하여 이륜차 사고심각도 영향요인을 분석한 국내의 연구사례는 없다. 또한 유의성이 확보되지 않은 변수들을 순차적으로 제거하여 이륜차 사고심각도에 미치는 영향요인에 대해 가장 잘 설명할 수 있는 모형을 구축하였다.
- 해당 사고자료에 대해 사고의 심각도(경상/부상, 중상, 사망)를 종속변수로 선정하였으며 변수의 수치화를 위해 경상/부상=1, 중상=2, 사망=3으로 표시하였다.
대상 데이터
- 또한 각 변수의 결측치와 성별, 연령의 미상 자료는 제외하였다. 그 결과 추출된 이륜차 사고 중 인명피해사고 4,277건을 대상으로 분석하였다.
- 본 연구에서는 이륜차 사고심각도에 미치는 영향요인을 도출하기 위해 2008년을 시간적 범위로, 서울특별시 전체 이륜차 사고를 공간적 범위로 설정하여 분석을 실시하였다. 분석에 사용된 사고자료는 경찰청 자료(TAMS)를 이용하였다.
- 사고자료는 2008년 서울특별시 전 구간 사고통계(경찰청 사고자료) 중 이륜차 사고를 대상으로 하였다. 발생시간(주/야)의 구분은 06:00~17:59을 주간(=0)으로, 18:00부터 05:59까지를 야간(=1)으로 설정하였으며 각 변수의 결측치와 성별, 연령의 미상 자료는 제외하였다.
데이터처리
- 본 연구에서는 이륜차 사고 가운데 언급된 독립변수들이 심각도에 어떠한 영향을 주는가를 확인하기 위해 SPSS 18.0 통계패키지를 사용하였다. 사고심각도에 있어서, 영향을 주는 요인을 찾아내고 각 요인들의 속성값의 변화에 따른 사고심각도 결정확률을 추정하고자 하였다.
- 분석의 절차는 로지스틱회귀분석과 유사하나 종속변수 집단의 분포를 파악하여 적합한 연결함수(본 연구에서는 프로빗)를 지정해주어야 하며 범주형 독립변수의 경우에는 코딩 값을 기준으로 가장 높은 집단이 기준집단으로 자동설정되고 이 기준집단과 나머지 집단을 비교하여 분석결과를 해석하게 된다. 그 결과 다음과 같은 변수를 선정하였고, 변수에 대한 설명은 Table 10과 같다.
이론/모형
- 본 연구에서는 사고심각도에 영향을 주는 요인을 찾아내고 각 요인들의 속성 값의 변화에 따른 사고심각도 결정확률을 추정하기 위해 순서형 프로빗모형을 사용하였다.
- 이러한 한계점을 해결하기 위해 종속변수가 순서(y=0, 1, 2,···)를 지닌 경우 사용할 수 있는 순서형 확률모형을 적용하였고, 순서형 확률모형의 종류에는 순서형 프로빗모형과 순서형 로짓모형이 있다.
성능/효과
- -2LL(Log Likelihood)은 첫 번째 상수(절편)만 있을 때 624.458에서 유의한 독립변수가 단계별로 투입되면서 최종적으로 482.649로 141.809(MFI Chi-Squared)만큼 감소되었고 이를 통해 종속변수에 영향을 미치는 독립변수가 존재함을 확인할 수 있다.
- 검증결과 구축된 모형은 모형 유의도와 적합도 모두 매우 우수한 것으로 나타났다.
- 실제 관측 값에 대한 예측 값의 정확도는 다음 Table 18과 같다. 구축 된 순서형 프로빗모형의 예측정확도는 경상/부상의 경우 70.3% , 중상은 70.1%, 사망은 68.8%로 나타났으며 전체적인 정확도는 70.2%로 정확도가 매우 높은 것으로 나타났다.
- 그 결과 모형의 설명력을 나타내는 p2(우도비)는 모형 1에서 0.09, 모형 2에서 0.10, 모형 3에서 0.11, 모형 4에서 0.23으로 점차적으로 증가하여 최종모형인 모형 4의 적합도는 매우 우수한 것으로 나타났다.
- 기상상태의 경우 기상상태 맑음에서 사망사고 2.6%, 중상사고 39.8%, 경상/부상사고 57.6%, 기타에서 사망사고 2.5%, 중상사고 37.1%, 경상/부상사고 60.4%로 나타났으며 노면상태의 경우 건조에서 사망사고 2.6%, 중상사고 39.3%, 경상/부상사고 58.1%, 기타에서 사망사고 2.5%, 중상사고 40.8%, 경상/부상사고 56.7%로 나타났다.
- 도로선형은 좌측 내리막에서 사망, 중상, 경상/부상이 각각 32.0%, 32.0%, 36.0%로 나타났으며 좌측 평지에서 사망, 중상, 경상/부상이 각각 14.3%, 42.8%, 42.9%로 나타나 좌측 내리막과 좌측 평지에서 심각도가 사고의 비율이 높은 것으로 나타났다.
- 도로선형의 경우 좌측 내리막 선형에서의 사고 시 사고의 심각도가 증가하며 좌측 평지, 직선 내리막선형 역시 심각도를 증가시키는 요인으로 나타났다.
- Eustace, D 등(2011)은 이륜차의 심각한 사고에 대한 위험인자 규명에 대한 연구에서 다항프로빗모형을 이용하여 음주, 약물의 복용, 과속사고일 경우 치명상, 중상일 가능성이 높은 것으로 분석하였고 헬멧을 착용하지 않았을 때 치명상이 현저히 높아지는 것으로 분석하였다. 또한 곡선구간, 주요간선도로, 여성운전자인 경우 심각도가 증가되는 것으로 나타났다.
- 6% 낮게 나타나는 것을 볼 수 있다. 또한 도로선형의 경우 좌측평지에서의 사고는 직선평지에 비해 사망사고 발생가능성이 42.8% 높게 나타났으나 통계적으로 유의하지 않은 것으로 나타났고(p＞0.05) 좌측 내리막 선형에서의 사고는 사망사고로 이어질 가능성이 직선 평지에서의 사고에 비해 439.3% 즉, 4배 이상 높은 것으로 나타났다.
- 사고유형을 살펴보면 이륜차 단독사고에 비해 이륜차 대 차 사고, 이륜차 대 사람 사고 모두 심각도가 낮아지는 것으로 나타났다. 또한 이륜차 대 사람 사고와 이륜차 대 차의 사고는 차량단독사고에 비해 경상/부상의 발생가능성이 각각 17.3%, 86.5% 높아지며, 사망사고의 발생가능성은 96.9%, 95.6% 낮아지는 것으로 나타났다.
- 특히 이륜차 단독사고의 경우 이륜차의 구조적 특성상 전도, 전복, 낙하, 시설물충격으로부터 보호할 수 있는 차체가 없으며 차량에서 이탈되어 신체에 직접적 충격이 가해지기 때문에 심각도에 (+)영향을 주는 요인으로 판단된다. 또한 이륜차 대 차 사고, 이륜차 대 사람 사고의 경우 경미한 접촉사고의 발생비율이 높음에 따라 심각도 또한 낮아지는 것으로 나타났다.
- 이에 따라 좌측 평지 직선 내리막이 복합된 좌측내리막선형의 경우 심각도가 매우 높아지는 것을 볼 수 있다. 또한 좌측 내리막의 한계효과를 살펴보면 좌측 내리막 선형에서의 사고는 사망사고로 이어질 가능성이 직선 평지에서의 사고에 비해 439.3% 즉, 4배 이상 높은 것으로 나타났다.
- 채범석(2005)은 이륜차 사고의 특성에 대해 분석한 연구에서 기초통계분석과 설문조사를 통해 연령별로는 청소년의 사고빈도가 높고, 시간대로는 16시~22시 사이에 가장 많은 이륜차 사고가 발생하는 것으로 분석하였다. 또한 차대차 사고의 경우 사망자와 부상자가 많이 발생하며, 차대사람 사고 시에는 중상자가 많이 발생하는 것으로 분석하였다.
- Shaheed, M 등(2011)은 이륜차 사고심각도에 영향을 미치는 위험인자에 대한 연구에서 로지스틱회귀분석을 통해 위험인자를 분석하였으며, 공격적인 운전행태, 고령운전자, 조명불량, 야간사고, 포장불량, 다른 이륜차나 동물, 고정물체와의 충돌, 음주 시 심각도가 증가하는 것으로 분석하였다. 반면에 방어적인 운전행태, 헬멧과 보안경의 착용은 사고심각도를 감소시키는 것으로 분석하였다.
- 발생시간의 경우 주간사고는 야간사고에 비해 심각도가 낮아지며 사망사고의 발생확률이 57.7% 낮아지는 것으로 나타났다. 야간의 경우 도로의 조도감소로 인하여 시거확보와 운전수행에 어려움이 있으며, 이륜차의 경우 차체가 일반차량에 비해 작아 차량 상호간 인지가 어려워 야간사고의 심각도가 높아지는 것으로 판단된다.
- 변수의 유의성 검증은 교차분석을 통하여 검증하였고, 발생시간, 사고유형, 도로선형, 이륜차 배기량의 점근 유의확률이 0.05보다 작기 때문에 추출된 변수 모두 심각도에 영향을 주는 유의한 변수임이 확인되었다.
- 분석결과 좌측 내리막의 도로선형, 이륜차 대 차의 사고유형, 좌측 평지의 도로선형 순으로 심각도에 영향을 크게 미치는 것으로 나타났다.
- 분석결과 통계적으로 유의한 변수로는 발생시간, 사고유형, 도로선형, 이륜차 배기량으로 나타났으며 발생시간의 경우 주간에 발생한 사고의 β(추정값이 -0.096으로 야간에 발생한 사고에 비해 주간에 발생한 사고는 심각도가 낮아진다고 나타났다.
- 사고발생시간을 보면 주간에 발생한 사고는 야간에 발생한 사고에 비해 사망의 발생가능성이 57.7% 감소 하는 것으로 나타났다. 사고유형의 경우 이륜차 대 사람 사고와 이륜차 대 차의 사고는 차량단독사고에 비해 경상/부상의 발생가능성이 각각 17.
- 05보다 작기 때문에 발생시간은 심각도에 영향을 주는 유의한 변수임을 확인할 수 있다. 사고유형, 도로선형, 이륜차 배기량 또한 0.05보다 작은 수치를 나타내고 있으므로 모두 유의한 변수임을 확인할 수 있다.
- 사고유형을 살펴보면 이륜차 단독사고에 비해 이륜차 대 차 사고, 이륜차 대 사람 사고 모두 심각도가 낮아지는 것으로 나타났다. 또한 이륜차 대 사람 사고와 이륜차 대 차의 사고는 차량단독사고에 비해 경상/부상의 발생가능성이 각각 17.
- 사고의 발생시간은 주간의 경우 사망 1.8%, 중상 37.9%, 경상/부상 60.3%로 나타났으며 야간의 경우 사망 3.3%, 중상 40.8%, 경상/부상 55.9%로 심각도가 높아질수록 주간보다 야간사고의 비율이 높아지는 것을 볼 수 있다.
- 사고의 유형은 이륜차 대 사람 사고의 경우 사망 1.5%, 중상 47.2%, 경상/부상 51.3%로 나타났으며, 이륜차 대 차량 사고의 경우 사망 2.1%, 중상 35.3%, 경상/부상 62.6%로 나타났고, 이륜차 단독사고의 경우 사망 13.0%, 중상 47.2%, 경상/부상 39.8%로 이륜차 단독사고의 경우 다른 사고유형에 비해 심각도가 높은 사고의 비율이 증가하는 것으로 나타났다.
- 불법운행의 유형을 살펴보면 차로 사이 주행이 34%, 보도주행 18%, 버스전용차로침범 17%, 우측차로 외 차로점유 8%로 나타났으며 기타 응답으로는 차로와 보도 사이, 중앙선 위 등으로 나타났다. 설문조사 결과 개인용보다는 영업용이륜차의 불법운행의 비율이 높았으며 근거리배달이 많은 무상배송(중화요리, 피자배달 등)의 경우 보도주행의 비율이 높은 반면 장거리 배달을 하는 유상배송(퀵서비스 등)의 경우 버스전용차로 침범의 형태가 많은 것으로 나타났다.
- 셋째, 외국의 경우 이륜차 사고심각도 영향요인에 대한 연구가 다수 진행되었지만, 국내와 해외의 이륜차 주행특성은 큰 차이가 있다. 따라서 본 연구는 국내 이륜차의 주행특성을 고려하여 분석한 연구라는 점에서 기존 연구와 차별성이 있다.
- 순서형 프로빗모형을 이용한 분석결과 통계적으로 유의한 변수로는 사고발생시간, 사고유형, 도로선형, 이륜차 배기량으로 나타났다. 이 중 좌측 내리막의 도로선형, 차 대 차의 사고유형 순으로 심각도에 높은 영향을 주는 것으로 나타났다.
- 실제 관측 값에 대한 예측 값의 정확도는 경상/부상의 경우 70.3% ,중상은 70.1%, 사망은 68.8%로 나타났으며 전체적인 정확도는 70.2%로 매우 높은 정확도를 보이는 것으로 나타났다.
- 실제 발생건수와 한계효과 분석을 통한 발생확률에 따른 예측건수의 정확도는 경상/부상의 경우 59.4%, 중상의 경우 60.3%, 사망의 경우 96.6%로 도출되었으며 전체적인 정확도는 72.1%로 매우 높은 정확도를 갖는 것으로 나타났다.
- 다음의 Table 17은 유의한 변수로 추출된 변수의 영향과 심각도의 일치 정도를 보여주는 교차분석 결과이다. 앞서 분석된 모형에서 유의한 변수(사고발생시간, 사고유형, 도로선형, 이륜차 배기량)를 고려하여 교차분석을 실시하였으며 발생시간의 점근 유의확률이 0.001로 0.05보다 작기 때문에 발생시간은 심각도에 영향을 주는 유의한 변수임을 확인할 수 있다. 사고유형, 도로선형, 이륜차 배기량 또한 0.
- 순서형 프로빗모형을 이용한 분석결과 통계적으로 유의한 변수로는 사고발생시간, 사고유형, 도로선형, 이륜차 배기량으로 나타났다. 이 중 좌측 내리막의 도로선형, 차 대 차의 사고유형 순으로 심각도에 높은 영향을 주는 것으로 나타났다.
- 좌측선형의 경우 과속과 선형에 의한 시거불량으로 전방차량 추돌, 과속과 회전에 의한 전도, 공작물충돌 등의 대형사고가 심각도를 증가시키는 것으로 나타났다.
- 차종은 배기량을 기준으로 분류하였으며 50cc 이상 이륜차의 경우 사망, 중상, 경상/부상사고가 각각 3.0%, 40.2%, 56.8%로 나타났으며 50cc미만 이륜차의 경우 사망, 중상, 경상/부상사고는 각각 1.9%, 38.1%, 60.0%로 나타났다.
- 최종 구축된 모형의 적합도 통계량은 Table 13과 같이 Pearson, 편차의 GOF 유의확률이 신뢰구간 95%에서 0.074, 0.056으로 계산되어 분석데이터가 도출된 모형에 적합하다고 할 수 있으며 표준오차의 경우도 0.132로 매우 작은 오차 값을 갖는 것으로 나타났다.
- 발생시간(주/야)의 구분은 06:00~17:59을 주간(=0)으로, 18:00부터 05:59까지를 야간(=1)으로 설정하였으며 각 변수의 결측치와 성별, 연령의 미상 자료는 제외하였다. 최종적으로 이륜차 사고 4,277건을 대상으로 분석하였으며 이 중 사망사고는 109건(2.6%), 중상사고는 1,681건(39.3%), 경상/부상사고는 2,487건(58.1%)으로 경상/부상사고가 가장 높은 비율을 차지하는 것으로 나타났다.
후속연구
- 다만, 이는 본 연구에서 사용된 독립변수 이외에도 다른 변수들이 있을 수 있음을 보여준다고 할 수 있다. 따라서 향후 연구에서는 심각도에 영향을 미치는 변수들을 추가적으로 탐색할 필요가 있음을 보여준다.
- 또한 분석을 위해 본 연구에서 사용된 변수 이외에 사고 심각도에 영향을 줄 수 있는 변수가 추가적으로 존재할 것으로 판단되며 따라서 향후 이러한 영향변수에 대한 탐색과 탐색된 변수를 추가적으로 투입한 분석이 이루어져야 할 것으로 판단된다.
- 본 연구에서는 1년간 수집된 사고자료를 통하여 분석을 수행하였으며 향후 사고자료의 확충과 사고자료 수집변수가 개별 이륜차의 속도정보, 사고 시 운전행태 등으로 세분화된다면 분석의 정확도는 더욱 높아질 것으로 판단된다.
- 외국의 연구사례를 보면 많은 연구에서 이륜차 사고심각도에 영향을 미치는 요인을 도출하였으나 외국 이륜차의 주행특성(배기량, 통행목적, 통행가능도로위계, 이륜차운전자의 행동특성 등)과 국내 이륜차의 주행특성이 상이하므로 국내 이륜차의 주행특성을 고려한 연구가 필요하다고 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.