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
- 따라서 본 연구에서는 업종별 및 근로 형태별 근로여건과 사고 등에 관한 통계분석을 수행하고 이를 바탕으로 더욱 안전한 근로여건 조성에 기여하고자 한다. 본 논문의 구성은 다음과 같다.
- 본 연구는 각 버스회사 별 근로 형태 및 업종구분에 따른 버스운전자의 근로 환경 분석을 목표로 한다. 이를 위하여 전국 총 521개 버스회사에 대한 2017년 1월부터 12월까지의 일반적인 현황과 DTG를 교통안전공단으로부터 수집하였다.
제안 방법
- 다음으로 버스 업종 구분(시내버스_특광역시, 시내버스_기타, 농어촌버스, 시외버스)에 따른 DTG 분석을 4.2절과 동일한 변수 및 방법으로 실시하였다. 그 결과 사고건 당 EPDO를 제외한 나머지 변수에 대해서 업종구분에 따른 집단 간 차이가 통계적으로 유의한 것으로 조사되었다.
- 이때, 수집된 DTG 데이터의 회사별 소속 차량 DTG 제출률이 상이하기 때문에 단순하게 제출된 DTG를 기반으로 회사별 총 주행거리를 산출한다면, 제출률이 높은 회사는 높은 주행거리를 가지고, 제출률이 낮은 회사는 낮은 주행거리를 가지는 문제가 발생한다. 따라서 이를 보정하기 위하여, 차량별로 표출되는 DTG 데이터를 각 차량이 소속된 버스회사를 기준으로 합산하여 회사별 차량 1대당 연평균 주행거리를 추정하였다. 이렇게 도출된 연평균 주행거리에 각 회사에 소속된 차량의 대수를 곱하여 각 회사의 총 주행거리를 최종적으로 도출하였다.
- 본 논문은 손해보험협회의 사업용 차량 교통사고 감소를 위한 제도개선 방안 연구 보고서에 작성된 내용을 수정·보완하여 작성하였습니다.
- 따라서 이를 보정하기 위하여, 차량별로 표출되는 DTG 데이터를 각 차량이 소속된 버스회사를 기준으로 합산하여 회사별 차량 1대당 연평균 주행거리를 추정하였다. 이렇게 도출된 연평균 주행거리에 각 회사에 소속된 차량의 대수를 곱하여 각 회사의 총 주행거리를 최종적으로 도출하였다.
- DTG는 차량 내부에서 발생하는 정보 및 위치정보 취득할 수 있어 차량 제어 및 교통 정보 생성에 활발히 사용 되고 있는 추세이다. 특히, 본 연구에서는 기존에 개별적인 취득이 어려웠던 차량의 주행거리 산출에 DTG 데이터를 활용하였으며, 업체별 차량의 총 주행거리 및 주행거리 대비 사고 수를 추정하였다. 이때, 수집된 DTG 데이터의 회사별 소속 차량 DTG 제출률이 상이하기 때문에 단순하게 제출된 DTG를 기반으로 회사별 총 주행거리를 산출한다면, 제출률이 높은 회사는 높은 주행거리를 가지고, 제출률이 낮은 회사는 낮은 주행거리를 가지는 문제가 발생한다.
대상 데이터
- 각 시·도 도로교통(혹은 물류)과로부터 수집된 데이터는 시외버스, 시내버스, 농어촌버스 등의 업종별 데이터와 1일2교대, 격일제, 복격일제 등의 근로 형태 데이터를 포함한다.
- 수집된 521개 버스 업체에 대한 데이터의 전처리작업을 통해 주행거리가 미 기입된 업체, 업종이 복수로 등록된 업체 및 근로 형태가 기타(20일 만근제, 월 18일 근무 6근2휴 등)인 업체 등 250개 업체를 제외하였다. 그 결과 총 271개(전체 모집단 대비 52.02%)의 유효업체 정보를 획득하였으며, 이를 최종 분석에 사용하였다. 수집된 버스 업체 및 우리나라 버스 전체 업종에 따른 운전자의 근무 형태에 대한 정보는 [Table 3]과 같다.
- 또한, 해당 업체들의 업종별·근로형태 데이터를 각 시·도 도로교통(혹은 물류)과 및 전국버스운송사업조합연합회의 보고서를 통해 수집하였다.
- 본 연구는 각 버스회사 별 근로 형태 및 업종구분에 따른 버스운전자의 근로 환경 분석을 목표로 한다. 이를 위하여 전국 총 521개 버스회사에 대한 2017년 1월부터 12월까지의 일반적인 현황과 DTG를 교통안전공단으로부터 수집하였다.
- 매년 DTG 제출률이 높아지고는 있으나, 현행 제출률 산정 방법에 따르면 운행기록 전체가 아닌 부분 제출의 경우에도 제출한 것으로 인정하고 있어 운행환경에 대한 전반적인 분석은 불가능하다. 이에 본 연구는 전체 521곳의 노선버스 운수업체 중 52.02%(271곳)에 해당하는 유효표본만 획득할 수 있었다. 그러나 수집되는 표본 수에 따라 연구결과가 달라질 수 있는바 향후 더 많은 유효표본을 통한 분석 고도화를 진행할 필요가 있다.
데이터처리
- 버스운전자의 근로 형태(1일2교대, 격일제, 복격일제)에 따른 1) 운전자 1명당 주행거리, 2) 버스 주행거리당 사고 수, 3) 버스 1대당 운전자 수, 4) 교통사고 1건 당 평균 EPDO에 대한 ANOVA 분석을 실시하였다. 그 결과 근로 형태에 따른 집단 간 차이는 대부분 통계적으로 유의한 것으로 조사되었다.
- 버스운전자의 근로환경에 따른 사고 차이를 통계적으로 검증하기 위하여 사고 특성이 범주형 자료인 경우 카이제곱 검증(chi-square test)을 수행하였으며, 연속형 자료에 대하여 분산분석(analysis of variance;ANOVA)을 실시하였다. 각 통계적 방법론에 대한 정의 및 특성은 다음과 같다.
- 는 부분 합을 의미한다. 본 연구에서는 카이제곱 검정을 통해 업종구분(시내버스, 시외버스, 농어촌버스)에 따른 근로 형태(1일2교대, 격일제, 복격일제)의 그룹 간 차이를 분석하였다.
- 업종구분(시내버스, 농어촌버스, 시외버스 등)에 따라 버스운전자들의 근로 형태가 다른지 분석하기 위해 카이제곱 검증을 실시하였다. “버스 업체들의 업종구분과 운전자들의 근로 형태 간에는 차이가 존재하지 않 는다”를 귀무가설 H0로 설정한 후 카이제곱 분석으로 검증한 결과, 유의확률 0.
- 이를 위해 2017년 기준 277개 버스 업체에 대한 근무 유형 및 DTG 정보(주행거리, 사고 수, EPDO 등)를 획득하였 으며, 수집된 데이터를 카이제곱 검증과 ANOVA 분석 등의 통계적 방법론을 활용하여 분석하였다.
- 집단 간의 유의한 차이를 확인하기 위하여 사후분석을 수행하였으며 독립변수 집단 간 분산이 동질한 경우 (등분산을 가정함) Scheffe 검정 결과를, 등분산이 가정되지 않았을 경우 Dunnett T3 검정결과를 활용하였다 (Wilcox, 1987). 등분산 가정의 경우 분산의 동일성을 검정하는 Levene의 검정을 활용하였다 (Brown et al.
이론/모형
- 집단 간의 유의한 차이를 확인하기 위하여 사후분석을 수행하였으며 독립변수 집단 간 분산이 동질한 경우 (등분산을 가정함) Scheffe 검정 결과를, 등분산이 가정되지 않았을 경우 Dunnett T3 검정결과를 활용하였다 (Wilcox, 1987). 등분산 가정의 경우 분산의 동일성을 검정하는 Levene의 검정을 활용하였다 (Brown et al., 1974).
- 사고발생빈도나 사고율의 경우 사고의 심각도를 반영하지 못한다는 단점이 존재하기에 사고심각도를 정량화한 EPDO(Equivalent Property Damage Only)법을 적용하여 사건 당 평균 EPDO를 산출하였다. EDPO 사고 건수는 식(3)과 같이 나타낼 수 있다.
성능/효과
- “버스 업체들의 업종구분과 운전자들의 근로 형태 간에는 차이가 존재하지 않 는다”를 귀무가설 H0로 설정한 후 카이제곱 분석으로 검증한 결과, 유의확률 0.00으로 귀무가설은 기각되었으며 대립가설이 채택되었다.
- 버스운전자의 근로 형태(1일2교대, 격일제, 복격일제)에 따른 1) 운전자 1명당 주행거리, 2) 버스 주행거리당 사고 수, 3) 버스 1대당 운전자 수, 4) 교통사고 1건 당 평균 EPDO에 대한 ANOVA 분석을 실시하였다. 그 결과 근로 형태에 따른 집단 간 차이는 대부분 통계적으로 유의한 것으로 조사되었다. DTG 데이터 기반 근로 형태에 따른 근로 여건 ANOVA 분석 결과는 [Table 5]와 같다.
- 2절과 동일한 변수 및 방법으로 실시하였다. 그 결과 사고건 당 EPDO를 제외한 나머지 변수에 대해서 업종구분에 따른 집단 간 차이가 통계적으로 유의한 것으로 조사되었다. DTG 데이터 기반 버스 업종에 따른 근로 여건 ANOVA 분석 결과는 [Table 6]과 같다.
- 00으로 귀무가설은 기각되었으며 대립가설이 채택되었다. 그 결과 업종구분과 근로 형태 간에는 통계적 유의수준 하에서 분포의 차이가 존재하는 것으로 조사되었다(p-value:.000).
- 그 결과, 복격일제 근무형태 운전자의 사고 당 평균 EPDO가 2.88로 1일2교대 2.82 및 격일제 2.75에 비해 상대적으로 높게 나타났지만, 이 차이는 유의수준(α=0.05) 하에서 통계적으로 유의미하지 않은 것으로 조사되었다(p-value:.814).
- 운수종사자의 근로형태 및 업종구분에 따른 DTG 데이터 분석 결과, 사고발생 건당 EPDO를 제외한 나머지 변수들에 대한 그룹 간 차이가 통계적으로 유의미한 것으로 분석되었다. 근로형태 별 DTG 데이터 분석 결과 1일2교대제 버스 운전자들의 한달평균 주행거리가 2553.99km로 가장 낮게 분석되었으며, 이는 1일2교대제를 시행하는 버스 업체의 버스 1대당 운전자수(2.25명/대)가 격일제(2.10명/대) 및 복격일제(1.56명/대)와비교하였을 시 상대적으로 높기 때문인 것으로 추측된다. 반면, 격일제 근무자들의 100만km 당 사고 건수는 4.
- 근무 형태에 따른 운전자 1명당 한달 평균주행거리를 분석한 결과 1일2교대 근로 형태에서 2553.99km로 가장 짧게 나타났으며, 복격일제 근로 형태의 경우 5426.05km로 1일2교대 근로 형태에 비해 운전자들의 하루 평균 주행거리가 2배 이상 높게 조사되었다. 이는 운전자 1명당 주행거리는 버스 1대당 운전자 수와 높은 상관관계를 가지기 때문으로 판단되며, 또한 주로 시내버스가 1일 2교대제로 운영되고, 시외버스는 복격일제로 운영되는 부분도 원인 중 하나로 추정된다.
- 시외버스 및 농어촌버스에 비해 시내버스의 사고 발생 빈도가 2배 이상 높게 조사되었다. 반면 업종구분에 따른 사고건 당 EPDO 차이는 농어촌 버스가 3.36으로 가장 높게 나타났으나, 근로형태에 따른 DTG분석 결과와 마찬가지로 통계적으로는 유의미하지 않게 분석되었다.
- 3%). 반면, 기타 지역에서 운행 중인 시내버스 운전자의 경우 격일제로 근무하는 비율이 67.6%로 가장 높았으며, 농어촌 및 시외버스 운전자들의 경우 복격일제 근무가 각 96.4% 및 95.8%로 가장 높게 조사되었다. 이처럼 버스운전자의 근로 형태는 근무 지역 및 업종에 따라 다른 것이 통계적으로 유의한 것으로 확인 되었다 [Table 4 참조].
- 30회로 다른 지역에 비해 월등히 높게 분석되었다. 반면, 특광역시 지역의 버스 1대당 운전자수는 2.24명으로 분석되었으며, 이들의 한달 평균 주행거리는 2586.02km로 농어촌버스(운전자 1명 당 한달 평균 주행거리 8894.05km/명, 버스 1대당 운전자 수 1.29명/대) 및 시외버스(운전자 1명 당 한달 평균 주행거리 5376.50km/명, 버스 1대당 운전자 수 1.38명/대) 등 다른 지역 운전자들에 비해 근무환경이 상대적으로 좋은 것을 확인할 수 있었다.
- 버스 1대당 운전자 수를 근로 형태별로 분석한 결과 1일2교대 근로 형태가 2.25명으로 격일제 2.10명, 복격일제 1.56명에 비해 높게 조사되었으며, 이 차이는 통계적으로 유의미하였다. 즉, 1일2교대의 경우 상대적으로 많은 운전자들로 인해 안정적인 버스 운행이 가능한 것으로 해석할 수 있다.
- 버스 주행거리 당 사고 수를 분석한 결과 격일제로 근무하는 운전자들의 100만km 당 사고 수는 4.23회로 1일2교대 1.96건 및 복격일제 1.43건에 비해 압도적으로 높으며, 이 차이는 통계적으로 유의하게 조사되었다.
- 버스 주행거리 당 사고 수를 업종 구분에 따라 분석한 결과 시내버스_기타 지역의 100만km 당 사고 수는 3.30회로 시내버스_특광역시 1.95회, 시외버스 0.95회, 농어촌버스 0.47에 비해 높게 나타났으며, 이 차이는 통계적으로 유의하게 나타났다. 시외버스 및 농어촌버스에 비해 시내버스의 사고 발생 빈도가 2배 이상 높게 조사되었다.
- 본 연구를 통하여 특광역시 지역의 운수종사자의 근로환경이 가장 우수한 것으로 확인되었으며, 1일2교대 제를 시행하는 근로조건 하에서 사고가 상대적으로 적게 발생함을 확인할 수 있었다. 노선버스 사고 안전에 대한 경각심이 높아진 시기에 DTG 정보를 활용해 근로형태별·업종별 버스운전자의 근로 환경 및 사고 분석을 수행했다는데 연구의 의의가 있다.
- 업종구분에 따른 DTG데이터를 분석한 결과 기타지역에서 근무 중인 시내버스 운전자들의 100만km 당 사고 건수가 3.30회로 다른 지역에 비해 월등히 높게 분석되었다. 반면, 특광역시 지역의 버스 1대당 운전자수는 2.
- 운수종사자의 근로형태 및 업종구분에 따른 DTG 데이터 분석 결과, 사고발생 건당 EPDO를 제외한 나머지 변수들에 대한 그룹 간 차이가 통계적으로 유의미한 것으로 분석되었다. 근로형태 별 DTG 데이터 분석 결과 1일2교대제 버스 운전자들의 한달평균 주행거리가 2553.
- 6%순으로 높게 나타났다. 카이제곱 검증을 통해 버스 업종구분에 따라 근무 형태가 달라지는 것이 확인되었으며(p-value:.000), 특광역시 지역의 시내버스는 1일2교대제, 기타 지역의 시내버스는 격일제 근무, 그리고 농어촌버스 및 시외버스에 종사하는 근로자들의 경우 복격일제 형태로 근무하는 것으로 조사되었다.
- 특·광역시 지역에서 근무하는 대다수의 시내버스 운전자는 1일2교대제로 근무하고 있는 것으로 조사되었다(90.3%).
후속연구
- 02%(271곳)에 해당하는 유효표본만 획득할 수 있었다. 그러나 수집되는 표본 수에 따라 연구결과가 달라질 수 있는바 향후 더 많은 유효표본을 통한 분석 고도화를 진행할 필요가 있다. 또한, 운수업체가 배차정보를 운행기록분석시스템(eTAS) 에 입력하면 이를 DTG 정보와 매칭하여 운전자 별 분석을 수행할 수 있지만, 대다수의 운수업체가 작성과 데이터 업로드의 번거로움을 이유로 배차정보를 입력하지 않고 있는 실정이다.
- 노선버스 사고 안전에 대한 경각심이 높아진 시기에 DTG 정보를 활용해 근로형태별·업종별 버스운전자의 근로 환경 및 사고 분석을 수행했다는데 연구의 의의가 있다. 본 연구의 결과가 노선버스 사고 감소를 위한 기초자료로 활용될 수있을 것으로 판단된다.
- 이러한 부분이 보완된다면 향후 DTG 기본 정보에 운전자 정보 및 차량 운행시간 데이터를 포함시켜 운전자 별 분석이 가능하게 된다. 이는 운전자별 맞춤 안전운행 교육 및 운전자와 운수업체의 보험료 산정 등에 있어 자료로 활용할 수 있어 버스 안전도 향상에 기여 하는 연구가 될 수 있을 것으로 기대된다.
- 또한, 운수업체가 배차정보를 운행기록분석시스템(eTAS) 에 입력하면 이를 DTG 정보와 매칭하여 운전자 별 분석을 수행할 수 있지만, 대다수의 운수업체가 작성과 데이터 업로드의 번거로움을 이유로 배차정보를 입력하지 않고 있는 실정이다. 이러한 부분이 보완된다면 향후 DTG 기본 정보에 운전자 정보 및 차량 운행시간 데이터를 포함시켜 운전자 별 분석이 가능하게 된다. 이는 운전자별 맞춤 안전운행 교육 및 운전자와 운수업체의 보험료 산정 등에 있어 자료로 활용할 수 있어 버스 안전도 향상에 기여 하는 연구가 될 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.