Home

대한민국은 현재 급속한 고령화가 진행되고 있어 2021년에 65세 이상 고령인구가 16.5%, 2060년도에는 고령화율이 43.9%에 달할 것으로 예상되며 이 속도는 OECD 국가 중 가장 빠르다(통계청 2021; 한국경제연구원 2021)[1][2]. 이러한 고령사회에서 노인 교통사고는 중요한 도시 문제이다. 대한민국은 교통사고로 인한 노인 사망자수가 OECD 국가 중 1위에 해당하며 이에 대한 대책이 필요함을 시사한다(도로교통공단 2021)[3]. 노인 교통사고의 경우, 노인의 신체적 노화로 인해 치사율이 보다 높기 때문에 더욱 보호가 필요하다(T. W. Kim, et al 2014)[4]. 무엇보다 대한민국의 고령화가 심화될 것으로 전망되는 상황에서 노인 교통사고를 예방하고 노인을 보호하기 위해 노인 보행자 교통사고로 인한 부상자 및 사망자 밀집 지역을 시공간 분석을 통해 파악하고자 한다.

이에 따라 본 연구에서는 대한민국의 시군구 229개를 대상으로 최근 10년(2011~2020년)간 전국의 노인 교통사고에 대한 시공간적 패턴을 조사하고, 이를 교통안전지수에 따라 비교 분석하여 교통 안전을 중심으로 고령 친화도시에 관한 시사점을 도출하고자 한다.

본 연구는 서론에서 연구의 배경 및 목적을 다루고 기존 선행연구들을 검토하고 연구의 차별점을 도출하기 위해 공간분석을 활용한 교통사고 관련 선행연구와 도시환경특성 중 도로교통과 관련된 선행연구를 검토한다. 분석에 사용된 방법론 및 데이터를 설명한 후, 이를 활용한 분석 결과를 도로교통환경 등급에 따라 구분하여 정리한다. 분석 결과에 대한 세부적인 설명은 4장에서 다루도록 한다. 최종적으로 결론에서 본 연구의 요약과 한계점, 그리고 시사점을 제시한다.

Fig. 1. 
Study progress

시공간 분석을 수행하기에 앞서 이를 활용한 선행연구를 검토하도록 한다. P. Purwanto, et al(2021)의 연구에서는 4개월마다의 시간별, 일별 코로나-19 발표 자료를 활용하여 이머징 핫스팟 분석을 수행하여 일시적인 핫스팟 클러스터를 식별하고자 하였다[5]. R. Golbon, et al(2019)의 연구에서는 3년간의 일일 강수량과 표면의 상대적 습도 데이터를 활용하여 이머징 핫스팟 분석을 수행하였다[6]. 해당 분석을 통하여 기후와 지형 패턴을 파악하고 이와 날씨 상태의 발현과의 연관성을 찾아 특정 현상이 발생하는 원인을 밝히고자 하였다. 본 연구는 교통사고로 인한 노인 부상 및 사망 데이터의 연간 시계열 데이터를 활용하여 전국의 시공간적 패턴을 찾고 이를 기반으로 교통안전지수와 도로교통등급을 활용하여 교통 안전을 중심으로 한 분석을 수행하고자 한다.

교통사고 분석에 있어 공간의 특성을 파악하기 위한 연구가 다수 수행되어 왔다. J. Y. Cho, et al(2019)는 도로상의 교통사고 분포 분석으로 핫스팟을 제시하고 공간회귀분석을 활용하여 교통사고에 영향을 미치는 거시적 환경 요인을 진단하였다[7]. B. R. Woo, et al(2020)는 공간통계분석 방법 중 커널 밀도 추정 방법을 활용하여 노인보행사고가 집중적으로 발생하는 지역과 노인보호구역이 지정된 곳과의 공간적 적합성이 부족한 것을 분석하였다[8]. 앞선 선행연구들은 공간적 특성만을 기반으로 수행된 연구들로 시간적 특성이 동시에 고려되지 못했다는 한계가 있다. N. H. Cho, et al(2017)의 연구는 2013년 서울특별시에서 발생한 노인 교통사고를 대상으로 시공간적 특성을 시간대와 월단위별로 분석하고 이를 시각화하여 시공간적 특성에 시간정보가 다양한 해석에 기여함을 보여주었다[9]. S. R. Son, et al(2017)의 연구는 2010년도에 발생한 서울특별시 여성 교통사고 데이터를 활용하여 해당 지점을 이용해 교통사고 집중지역을 파악하고 이를 시간대별로 핫스팟 분석을 수행하여 여성운전자의 교통사고는 도로 교통량과 유동인구가 많은 곳에서 발생함을 발견하였다[10]. 위의 연구들은 시공간적 특성을 모두 반영하여 수행된 연구이지만 여전히 단개년도를 기반으로 수행하여 장기적인 시간의 흐름을 파악하여 시사점을 제시하기 어렵다는 점에서 한계가 있다. 이에 본 연구에서는 시공간적 특성을 파악할 수 있는 분석을 수행하되 10년 이상의 시계열 데이터를 구축하여 장기적인 변화 양상에 따른 노인 교통사고 사망자 및 부상자에 대한 시사점을 제시하고자 한다.

교통사고의 발생지점이나 그 요인 등을 파악하기 위하여 도로교통과 관련된 도시환경적 특성을 파악하거나 이를 유형화하고자 하는 선행연구가 여럿 수행되었다. J. K. Lim, et al(2018)의 연구는 고령보행자 교통사고 유발 원인을 분석하였으며 이는 주거지역 인근에서 주로 발생하며 횡단보도 중앙에 보행섬을 설치하는 경우에 안정적임을 분석하였다[11]. K. B. Kim, et al(2017)는 경기지역을 도시, 도농복합, 농촌지역으로 구분하여 각 지역별 노인운전자의 교통사고 특성을 분석해 신호 표출방안과 가드레일 설치방안 등의 개선사항을 제시하였다[12]. 이처럼 도시 지역을 도로환경의 물리적인 특성으로 유형화를 할 수 있도록 수행된 연구나 물리적 특성을 기반으로 유형화하여 교통사고 관련 분석을 수행한 연구가 부족하다. B. J. Sung, et al(2015)의 연구에서 교통사고 발생 밀도에 따라 군집 분석을 수행하여 이를 시가지, 공단지역, 주거지역으로 군집을 형성하였지만, 이는 여전히 물리적 환경을 기반으로 유형화를 한 것이 아닌 교통사고 발생만을 기반으로 군집화된 물리적 지역이라는 한계가 있다[13]. 이에 본 연구에서는 유사한 물리적 환경에서 나타나는 핫스팟 패턴을 분석하기 위하여 같은 도로환경 등급인 지역끼리 구분하여 핫스팟 분석 결과를 비교하고자 한다.

한국도로교통공단은 경찰에서 처리된 교통사고 정보를 기반으로 구축된 통계 자료를 시군구별로 시간에 따른 교통사고, 사고 및 도로의 유형에 따른 데이터를 제공하며 가해운전자의 유형에 따른 교통사고 통계 자료를 제공하고 있다. 본 연구를 수행하기 위하여 한국도로교통공단에서 제공하는 교통사고분석시스템(TAAS) 중 시군구별 연령층별 사상자 데이터를 활용하였다[14]. 해당 데이터는 2005년부터 제공이 되고 있지만, 시군구 지역의 변동사항을 고려하여 그 변화의 영향력을 최소화할 수 있는 최근 10개년에 해당하는 2011년부터 2020년까지의 시군구 데이터를 구득하여 분석에 활용하였다. 해당 기간 내에도 여전히 시군구 지역의 변동사항이 존재하므로, 승격된 지역들을 파악하여, 이전의 지역과 일치시켜주는 과정을 거쳐 이머징 핫스팟 분석시, 오류가 발생하지 않도록 데이터를 가공하여 주었다.

핫스팟 분석 결과를 도시환경 요소를 통하여 구분하기 위해 교통안전지수를 활용하고자 한다. 교통안전지수는 도로교통공단에서 매해 제공되는 자료로 전국 기초자치단체를 대상으로 측정되며 교통사고 심각도별 사고건수와 사상자수를 기반으로 인구와 도로연장을 고려하여 교통안전도를 평가한 지수이다(도로교통공단, 2021)[3]. 교통안전지수는 6개 영역과 18개의 세부지표로 항목이 구분되어 있는데 그중 도로환경 영역의 등급에 따라 구분하여 이머징 핫스팟 분석 결과를 비교하고자 한다. 도로환경 영역 내 세부지표는 단일로와 교차로로 구분되는데 사고 통계 중 단일로나 교차로에서 발생함에 따라 안전지수가 측정된다. 도시환경지표 중 도로환경을 측정하기 위해 사용하기 정확한 지표는 아니지만, 해당 등급이 도로교통환경의 안전도를 나타낸다는 가정하에 해당 지표를 활용하여 본 연구의 분석 결과를 살펴보고자 한다.

핫스팟 분석 결과를 세부적으로 살펴보기 위한 지표로 교통문화지수를 활용하고자 한다. 교통문화지수는 매해 국토교통부에 의해 조사되는 통계지표이다. 교통문화지수는 교통이용자인 운전자와 보행자 등의 습관 및 행동 양식을 지수화한 것이며 18개의 평가지표를 계량화한 수치이다(통계청, 2021)[15]. 교통문화지수는 세부 영역의 점수의 총합으로 표현되며, 세부 영역과 영역별 배점은 매해 달라지지만 공통적으로 운전행태영역, 교통안전영역, 보행행태영역이 포함되었다. 해당 지표의 시계열 데이터를 통해 변동 추이를 살펴보며, 교통문화지수 내 영역별 비교분석까지 수행하도록 한다. 해당 분석 시, 전체 연도나 평균값을 활용하기 보단 분석의 마지막 연도인 2020년의 교통문화지수 지표를 핫스팟 구분 및 교통도로등급 구분에 따라 비교하여 시사점을 내고자 한다. 해당 지수는 교통이용자의 습관 및 행동 양식을 지수화한 것으로 도로교통환경 외의 이용자 행태와 핫스팟 유의 행태 간의 연관성이 있는지 살펴보기 위해 활용한다.

본 연구에서 노인 교통사고 사망자 및 부상자 비율의 시공간적 특성을 파악하기 위해 수행한 과정은 그림 3과 같다. 첫째, 전국의 시군구 229개를 대상으로 ArcGIS Pro 3.0에서 제공하는 이머징 핫스팟 분석(Emerging hotspot analysis)을 수행하여 노인 교통사고 사망 및 부상 비율의 시공간적 패턴을 분석하였다. 그림 2에서 보이듯 군집 큐브 내 이웃한 큐브 간의 상대적 값을 계산할 수 있는 2,290개의 시공간 큐브를 생성하고, 각 큐브의 시계열 추세를 계산하여 각 지역의 시·공간적 패턴을 파악하였다. 두 번째로, 전국 시군구별 교통안전지수 중 교통부문을 등급별로 구분하여 그 안에서 나타나는 패턴을 분석하여 종합적인 시사점을 도출하였다. 최종적으로 핫스팟 패턴이 교통이용자의 습관 및 행동양식을 지표화한 교통문화지수에 따라 차이가 발생하는지 조사하였다.

Fig. 2. 
Space time cube[16]

Fig. 3. 
Analysis process

노인 사망자 비율과 노인 부상자 비율에 대한 핫스팟 분석 결과, 유의한 핫스팟 지역으로 도출된 지역을 도로환경 등급에 따라 1등급과 5등급을 구분하여 본 연구의 주요 비교 지표인 교통문화지수 패턴을 파악하고자 한다. 각 항목에 대한 그림 자료는 각 등급에 따른 유의한 핫스팟 지역의 10년간의 평균값을 연도에 따라 변동 추이를 살펴보기 위한 그래프이다. 각 항목별 그래프는 핫스팟이 유의한 지역을 도로교통등급을 1등급과 5등급인 지역을 선별하여 각 등급별로 구분하여 표현한 것이다.

교통문화지수는 여러 항목으로 구분되나, 시간이 지남에 따라 생겨나고 사라진 영역이 있어 지난 10년 간의 교통문화지수 측정 영역 중 지속적으로 포함되는 3개 영역을 전체 교통문화지수와 함께 변동 추이를 살펴보고자 한다. 교통문화지수는 각 영역에서의 점수를 합산 한 총 점수를 의미한다. 그림 6을 보면 전체적인 교통문화지수의 변동 추이 양상은 비슷한 것으로 보인다. 평균 점수의 최고치는 5등급인 지역이 더 높았으나, 가장 마지막 연도의 상승 정도는 1등급 지역이 더 높았다. 교통문화지수는 운전자와 보행자 등 여러 주체의 교통인지도가 통합된 것으로 보다 세부적인 영역에서의 차이를 등급에 따라 살펴보고자 한다.

Fig. 6. 
Traffic culture index of hotspot regions by road-traffic degree(L: 1st, R: 5th)

교통문화지수 내 영역 중 운전행태영역을 도로교통등급으로 구분한 것이 그림 7이다. 운전행태영역의 경우, 1등급인 지역과 5등급인 지역의 변동 추이는 거의 동일했으며, 최근의 점수 또한 동일한 수준으로 나타났다. 운전행태의 경우, 등급에 따른 핫스팟 유의도와는 연관성이 적은 것으로 판단된다.

Fig. 7. 
Driving behavior in traffic culture index of hotspot regions by road-traffic degree(L: 1st, R: 5th)

교통안전영역의 경우, 그림 8처럼 도로교통 1등급과 5등급의 변동 추이 양상은 비슷한 형태로 나타났다. 나타나는 차이점으로는 1등급 지역은 최근에 상승하는 추세를 보이지만, 5등급은 감소하는 양상을 보인다는 점이다. 지난 10년 간의 교통안전영역에서도 변동 추이의 차이가 크지 않으므로, 해당 영역 또한 노인 사망자나 부상자 비율의 핫스팟 유의도에는 큰 연관성이 없다고 판단된다.

Fig. 8. 
Traffic safety in traffic culture index of hotspot regions by road-traffic degree(L: 1st, R: 5th)

마지막으로 보행행태영역에 대한 10년 변동 추이를 비교하여 살펴보고자 한다. 그림 9를 보면 전체적인 변동 추이는 1등급 지역의 평균과 5등급 지역의 평균 간에 비슷하게 나타났으며, 특정 해의 경우에는 평균값이 5등급 지역이 더 높은 것으로 나타났다. 보행행태영역의 경우, 타 영역과 마찬가지로 비슷한 변동 양상을 보이며, 연도별 차이가 크지 않았으므로, 해당 영역 또한 핫스팟 유의도와 연관성이 낮은 것으로 판단된다.

Fig. 9. 
Pedestrian behavior in traffic culture index of hotspot regions by road-traffic degree(L: 1st, R: 5th)

앞서 살펴본 도로교통등급 구분에 따른 교통문화지수 비교에서는 특별한 시사점을 도출하지 못하였다. 핫스팟 지역으로 유의하게 나타난 지역을 노인 사망자와 부상자를 구별하지 않고 살펴본 이유가 가장 크며, 더 세부적인 구분에 따라 비교하여 노인 사망자 비율과 노인 부상자 비율의 분석 결과에 대한 세부적인 분석이 필요하다. 따라서, 다음 절에서는 노인 사망자와 노인 부상자를 구분하여 핫스팟 분석을 유의한 지역별로 핫스팟과 콜드스팟을 비교하여 사망·부상 비율, 고령인구 비율, 교통문화지수 등의 지표와 함께 살펴보고자 한다.

유의한 핫스팟 패턴이 나타난 지역은 노인부상자비율의 경우 더 많았으며, 사망자와 부상자 비율 분석 결과 모두 콜드스팟보다는 핫스팟이 많아 노인에 대한 교통사고 사상 지역 밀집도가 심화되고 있음을 알 수 있다. 사상자 구분별로 도로교통 등급으로 나눠 지역별 사상자 비율, 고령인구 비율, 교통문화지수를 비교하였다. 노인사망자와 노인부상자의 경우 모두 같은 도로교통 등급 내에서 대체로 콜드스팟인 지역들은 교통문화지수가 핫스팟 지역보다 낮았으며, 고령인구비율도 낮았다.

교통등급 간의 비교 결과, 사상자 비율, 고령인구비율, 교통문화지수는 두드러지는 큰 차이는 없었다. 따라서, 노인교통사고의 사상자 비율에 대한 핫스팟 분석 결과의 차이는 교통등급 간의 비교보다는 핫스팟과 콜드스팟 비교 시, 관련 지표 간의 차이가 나타났다. 결론적으로, 도로교통 등급과는 관계없이 핫스팟과 콜드스팟의 지역은 교통문화지수와 고령인구비율에서 극명한 차이가 나타났다.