논문 상세보기
2024년 기준으로 서울특별시의 자전거 이용률과 자전거 도로 인프라가 모두 증가하는 경향을 보이고 있는 반면 자전거 사고건수 및 자전거 사고로 인한 사망자수와 중상자수는 매년 감소하고 있는 추세를 보이고 있어 현행 자전거 관련 안전 정책이 어느 정도 실효성 이 있음을 시사한다. 그러나 중상 및 사망사고는 여전히 지속적으로 발생하고 있어 이에 대한 효과적인 정책이 필요한 상황이지만 현 재 국내 자전거 안전 정책은 사고 예방에만 집중되어 있어 사고의 특성을 종합적으로 반영하지 못한다는 큰 문제점이 있다. 이에 본 연구는 서울특별시 자전거 사고 데이터를 기반으로 자전거 도로 유형별로 서로 다른 값의 가중치를 부여하여 자전거 도로 자체의 특 성을 반영한 사고 심각도를 산출하고, 사고 심각도와 사고 건수를 각각 표준화하여 단위를 통일한 후 이를 통합한 종합적 사고 위험 도 점수를 도출하는 방법론을 사용하였다. 본 연구의 목적은 실제 서울특별시의 공유자전거 사고데이터를 활용하여 자전거 도로 유형 에 따라 사고 심각도와 사고 건수를 종합적으로 고려한 사고 위험도 지표를 개발하는 방법론을 제안하고, 이를 자전거 위험도 분석 및 도로 유형별 맞춤형 안전 대책 마련을 위한 정책적 근거로 제공할 수 있도록 그 기준을 검토하는 것이다. 데이터수집의 경우, 2021 년~2023년 3년간 서울특별시에서 발생한 자전거 교통사고 데이터와 자전거 교통사고가 발생하는 지점의 도로 유형, 경사, 노면상태 등 자전거 도로 인프라 자체적 특성과 자전거 사고 발생 시 기상상황 등 환경적 특성이 포함된 자전거 사고 발생 도로환경요인 데이터를 확보하였다 분석방법론의 경우, 자전거 교통사고에 영향을 미치는 다양한 요인들을 계층적으로 고려하기 위한 방법론인 Hierarchical Modeling을 적용하였으며, 3개의 계층으로 구성된 프레임워크를 구축하여 사고 심각도, 자전거 도로 유형별 사고 심각도를 반영한 공 간 위험도, 종합적 사고 위험도 점수를 체계적으로 도출하였다. Level 1에서는 사고 데이터를 기반으로 사고 심각도를 정량화하고, 도 로 유형에 따른 가중치를 적용하여 사고 심각도를 평가하였다. Level 2에서는 MCAR(Model for Conditional Autoregressive Effects) 모델 을 활용하여 시공간적 상관성을 반영하고, 이를 바탕으로 도로 유형별 사고 심각도를 조정하였다. Level 3에서는 Level 2에서 도출된 도로 유형별 사고 심각도 점수에 사고 발생 빈도를 반영하여 최종적인 종합 사고 위험도 점수를 산출하고, 안전 정책 적용이 시급한 지점을 도출하였다. 향후에는 머신러닝 기반의 예측 모델을 활용하여 도출된 종합적 사고 위험도 점수와 비교 분석할 예정이다.
