PURPOSES : This study analyzed explanatory variables, such as dangerous driving behaviors, in a negative binomial regression model, using the Digital Tachograph data of commercial vehicles, to assess the factors associated with freeway accidents. METHODS : Fixed parameter and random parameter negative binomial regression models were constructed using freeway accident data of commercial vehicles from January 2007 to July 2018 on the Gyeongbu Expressway from West Ulsan Interchange to Gimcheon Junction. RESULTS : Six explanatory variables (logarithm of average annual daily traffic, sunny, rainy, and snowy weather conditions, road curvature, and driving behaviors that included sudden stops) were found to impact the occurrence of freeway accidents significantly. Two of these variables (snowy weather conditions and sudden stops among dangerous driving behaviors) were analyzed as random parameters. These variables were shown as probabilistic variables that do not have a fixed impact on traffic accidents CONCLUSIONS : The variables analyzed as random parameters should be carefully considered when the freeway operating authorities plan an improvement project for highway safety.

본 연구에서는 Odds Ratio를 활용하여 야간 교통사고 위험성을 진단한 선행연구의 진단방법을 개선하였다. Östen Johansson 외(2009)는 Odds Ratio에서 착안한 야간 교통사고 위험성 진단방법을 제시하였는데, 이 방법의 가장 큰 장점은 교통량 데이터가 필요하지 않는 것이었다. Östen Johansson 외(2009)가 정의한 야간 교통사고 위험성은 {(Case Hour가 밤일 때 교통사고 발생건수)/(Case Hour가 낮일 때 교통사고 발생건수)}/{Case Hour가 밤인 날 Comparison Hour의 교통사고 발생건수}/(Case Hour가 낮인 날 Comparison Hour의 교통사고 발생건수)}이다. 이 때, Case Hour는 계절에 따라 낮인 날도 있고, 밤인 날도 있는 시간대이고, Comparison Hour은 연중 항상 밝은 시간대이다. Östen Johansson 외(2009)의 연구 결과, 야간에는 교통사고 위험성이 더 증가하는 것을 확인할 수 있었는데, 지역별로는 도시지역에서는 약 30% 교통사고 위험성이 증가했고, 지방지역에서는 약 50% 교통사고 위험성이 증가했다. 그러나 Östen Johansson 외(2009)의 야간 교통사고 위험성 진단방법은 교통량에 대한 고려가 없기 때문에, 연간 교통량이 일정해야만 사용할 수 있는 기법이다. 즉, 계절에 따라 교통량이 변화하는 경우에는 적용할 수 없는 방식이다. 따라서 본 연구에서는 Odds Ratio의 정의를 되짚고, 교통량을 고려하였을 때의 Odds Ratio를 활용한 야간 교통사고 위험성 진단방법을 제시하였다.

교통사고 원인분석 및 사고예방을 위해서는 교통사고 유발요인에 대한 이해가 필요하다. 기존 연구에서는 기하구조, 운전자 특성 등의 요인을 고려하여 연구를 진행하였다. 그러나, 운전자 특성요인 분석에 사용된 자료는 검지기에서 측정된 집계된 속도로써, 속도 변화량을 이용한 사고분석연구에는 한계가 존재한다. 따라서, 본 연구에서는 차량의 속도변화 등의 수집이 용이한 센서를 이용하여 자료를 수집하였다. 가속도자료 및 기하구조 특성을 나타내는 변수를 설정하고, 사고자료와 매칭을 통해 사고개연성이 높은 잠재적 변수로의 적합성을 평가하였다. T-test, 이항 로지스틱 회귀분석을 사용했으며, T-test 결과로써 도출된 변수를 이항 로지스틱 회귀분석의 독립변수에 적용하고, 사고발생 유 무를 종속변수로 설정하였다. 분석결과, 5개의 변수가 사고발생에 영향을 주는 변수로 도출되었다. 또한, 도출된 모형은 사고발생구간의 예측에 적용할 수 있는 타당성을 확보하는 것으로 분석되었다. 본 연구에서 도출된 위험 운전행태 변수 및 모형은 프로브차량에 설치하여 활용할 수 있는 장치 등에 적용시켜 사고위험도 및 안전성 평가에 활용할 수 있을 것으로 기대된다.

교통사고 위험도 지수 산정 모델의 개발은 교통사고와 사상자수의 발생률을 줄이기 위한 대책으로 도로이용자 그룹, 도로와 가로망의 구역, 인구집단 등에 대한 교통위험도를 수식 또는 모델화를 통해 사전에 적용하여 효과를 극대화하고자 한다. 국외에서는 위험도평가모형을 통해 단일로 및 교차로에 개선방안 우선순위를 선정하는 방법으로 활용하고 있으며, 국내에서도 일부 사업에 적용되어 활용하고 있는 실정이다. 하지만 모형의 독자적인 개발보다는 국외의 모형을 국내 실정에 맞도록 일부 변형하여 활용하고 있어 그 정확성에 의문이 제기되고 있다. 따라서, 본 연구에서는 춘천시의 96개의 교차로를 대상으로 교통사고 발생 현황, 기하구조, 통제방식, 교통량, 회전교통량 등을 통해 교차로 평가요소를 추출하였으며, 추출된 평가 요소들의 상관분석을 통해 최종적인 변수를 도출하였다. 최종적으로 도출된 변수를 바탕으로 신호 구분, 차로수, 교차로형태의 세변수의 선형모형 분석을 통한 분산분석 기법을 이용하여 교차로 디자인 모형을 개발하였으며, 교차로의 계층분류, 판별변수 선정을 통해 신호교차로 위험도 모형, 비신호교차로 위험도 모형을 개발하였다.

본 연구는 교통사고의 발생 유형과 교통사고 심각도(Severity)와의 관계를 규명함으로써 위험유형을 제시하고, 운전자 특성과 교통사고의 관계를 규명하고자 하였다. 교통사고 유형을 여덟 가지로 세분하고, 결과의 객관성 확보를 위해 안전벨트 착용여부를 추가하여 상해정도와의 관계를 분석하였으며, 위험그룹의 분류를 위한 운전자의 특성은 성별, 차종, 연령 등을 대상으로 하였다. 카테고리 자료의 분석을 위하여 로그-선형 모형 및 로짓 모형을 사용하였다. 분석결과 사고유형과 심각도와의 관계에서는 정면충돌 사고와 앞지르기시, 우회전시 사고가 부상 또는 사망사고에 연루될 가능성이 높았다. 위험그룹 분석에서는 20세 미만의 이륜차 운전자, 41세에서 50세까지의 택시 운전자가 가장 위험한 집단으로 분석되었으며 또한 남자보다는 여자가 승용차와 중형화물 등에 관계되었을 때 더 위험한 것으로 분석되었다. 따라서 교통사고 발생시 인명 피해를 줄이기 위해서는 정면충돌 사고와 앞지르기시, 우회전시 발생하는 사고를 줄일 수 있는 방안이 연구되어야 하고, 교통사고 취약계층으로 분석된 위험그룹에 대한 교통안전 교육 및 단속이 강화되어야 할 것이다.