교통 빅데이터를 활용한 도로 네트워크 안전성 평가기법 개발

Abstract

통계청의 사망원인통계에 따르면 사람이나 화물을 운반하기 위한 기계장치와 관련된 사고를 의미하는 운수사고는 2020년 기준 10만 명당 7.7명으로 국내 10대 사망원인 중 개인적인 질병 및 자살 원인을 제외하고 가장 큰 비중을 차지하고 있다. 사회적, 공공적 관리가 어려운 타 사망원인과 달리 교통사고는 도로 운영 및 시설 관리 측면에서 안전정책 시행 및 사전 분석을 통한 위험요소 식별과 문제점의 개선으로 사고발생을 감소시킬 수 있다. 위험요소 식별 및 사전분석, 안전정책의 효과분석을 위해 활용되는 대표적인 기법이 사고데이터를 활용한 사고예측모형(Crash prediction model, CPM)이다. 미국 교통 연구 위원회(TRB)에서는 도로 안전성 분석을 위한 과학 기반 기술 접근법을 도입하기 위해 Highway safety manual(HSM) (AASHTO, 2010)을 개발하였으며, HSM에서는 안전성능함수(Safety performance function, SPF)로 알려져 있는 사고예측모형에 대한 상세한 설명이 제시되어 있다. 뿐만 아니라 사고예측모형을 활용한 도로 단면 요소의 체계적인 분석을 위한 방법론과 다양한 treatment에 대한 효과분석, 사고위험지점 식별 등의 응용 방법론 또한 제시하고 있다. 하지만 HSM에서는 국내 도로 네트워크를 고려한 내용이 아닌 미국의 고속도로 및 도시부, 지방부 도로를 대상으로 개발된 내용만을 다루고 있다. HSM에서 제시하고 있는 통계적 접근방법론과 분석기법은 국내 도로를 대상으로도 적용이 가능하며 다양한 기존 연구에서도 이를 활용하여 분석이 수행되었다. 하지만 국내 교통환경과 문화가 갖는 교통류 특성과 기하구조가 반영된 연구로 보기는 어려우며, 이를 위해서는 추가적인 연구가 필요하다. 또한 방법론적 측면에서도 국내에서 발생하는 사고의 특성과 기하구조 여건 및 수집가능한 데이터가 고려되어야 한다. 이에 따라 본 연구에서는 국내 도로 네트워크 환경에 맞게 개선된 사고예측모형을 개발하고, 이를 응용한 도로 안전성 평가기법을 개발하였다. 본 연구의 세부목적은 세 가지로 첫 번째는 도로 네트워크 구분별 최적의 예측성능을 나타내는 사고예측모형의 개발하는 것이다. 이를 위해 기존 통계적 기법을 활용한 모형을 기본 모형으로 개발하여 기준점으로 설정하였으며, 기본 모형의 성능을 개선하기 위해 사고데이터와 활용된 독립변수의 시계열 특성, 변수 간 비선형적 상관관계, 변수 조합 등을 고려하여 기존 모형에서 개선된 어드밴스드 사고예측모형을 개발하였다. 두 번째는 사고데이터의 심각도 영향요인 분류분석을 통해 개별사고 단위로 심각한 요인 기반 점수를 나타내는 사고심각도 가중치 평가지표를 개발하는 것이다. 국내 도로에서 발생한 사고의 심각도 구분과 세부요인 변수를 포함하고 있는 사고 빅데이터를 대상으로 사고심각도 영향요인 분류분석을 수행하였으며, 이를 통해 도출된 분석결과를 활용하여 개별사고 단위의 사고심각도 점수를 추정하였다. 추정된 지표는 본 연구에서 제시하는 도로 안전성 평가기법의 핵심적인 도구로서, 개선된 모형 및 안전성 평가 분야에 활용될 수 있음을 입증하였다. 세 번째는 추정된 사고심각도 가중치 평가지표를 활용한 사고위험지점 식별 방법론을 개발하는 것이다. HSM에서 제시하고 있는 Network screening 기법을 활용하여 국내 사고위험지점을 식별하는 연구를 수행하였으며, 이 절차에서 개발한 지표를 활용하여 기존 방법론에서 식별되지 않는 새로운 위험지점을 식별할 수 있는 방법론을 제시하였다. 분석결과, 개발한 지표를 통해 식별된 위험지점은 사고심각도 분류분석 결과에 기인하여 추가로 새롭게 식별된 것이 확인되었으며, 일관성 검증에 따라 지표의 역할을 수행함에 있어 기존 지표와 동일하게 활용이 가능한 것을 입증하였다. 본 연구는 도로 안전성 평가에 있어 개선된 예측모형 개발과 활용 및 교통 빅데이터를 활용한 도로의 새로운 위험요소를 식별에 활용할 수 있을 것으로 판단된다. 특히 우수한 기계학습 모형 방법론과의 절차적 융합으로 새로운 시사점을 도출했다는 점에서 의의가 있다. 본 연구의 결과는 기록된 과거 데이터를 활용하여 분석되었지만 향후 미래 자율주행 및 C-ITS가 적용된 미래 교통환경에서 수집되는 교통류 지표 및 기하구조 요소를 반영했을 때 미래 도로 안전성 평가 및 미래 교통환경 예측 연구에 활용될 수 있을 것으로 기대된다.