서울시 교통사고 분석 번역(한국어 원본)세계 주요 도시에서는 교통사고에 대해 보다 안전한 도시를 만들고자 경쟁적으로 교통사고를 줄이기 위한 연구와 사업을 꾸준히 추진해오고 있다. 서울시에서도 2010년에 보고된 것만 39,743건이 넘는 교통사고가 발생하였으며, 이중 사망자수는 390명, 이를 포함한 중상 이상의 부상이 있는 사고가 전체의 34%를 차지하고 있다. 이에 서울시는 이미 90년대 후반부터 교통사고 잦은 지점 개선사업(Black Spot Improvement Project)을 매년 시행함으로써 교통사고가 발생한 지점의 원인을 분석하고 이를 개선하는데 많은 예산을 투자해왔다.
그러나 이로 인해 교통안전의 개선효과는 미미한 수준인데, 그 이유는 다음과 같다. 교통사고가 발생하기까지 수많은 공간상호작용을 이해하는 과정이 결여되어 있기 때문이다. 차량과 차량, 사람과 차량이 상호작용하는 모든 도로공간에는 잠재적 위험이 항상 내포되어 있다. 즉, 공간적 특성이 교통사고에 영향을 미치므로 동일한 도로조건(차로수, 제한속도, 안전시설물 등)일 경우에도 교통사고의 위험은 달라질 수 있다. 즉, 교통사고는 공간적으로 이질적임을 이해해야 한다. 교통사고는 시공간상에서 발생하는 현상으로 공간적 데이터의 특성(종속성과 이질성)을 가지고 있음을 이해했다면 다음으로 이를 고려한 분석이 필요하다. 교통사고에 대해 공간분석을 시행할 경우 교통사고가 많이 발생하는 지역에 영향을 미치는 다양한 factors에 대한 고려가 가능하며, 이를 통해 이 지역의 교통사고 요인이 통제가능한 변수인지 아닌지를 파악함으로써 이에 대한 효과적인 대처방안을 마련할 수 있다.
공간분석을 시행하기 위해서는 공간단위로 수집된 대규모 집계자료가 있어야 하고 이 데이터가 GIS 분석이 가능한 형태여야 하는 등 분석을 위한 제반여건이 필요하다. 그러나 서울시는 매우 다이나믹한 도시로서 다양한 공간현상들에 대한 데이터 량이 엄청 많고 도로안내체계가 geocode형태가 아닌 주요 landmark 위주로 되어 있어 공간데이터로 전환하는 작업은 매우 time-consuming work이다. 이에 최근에서야 GIS를 활용한 공간적 분석에 대한 제반 여건이 마련되었고, 다양한 분석이 활발히 시도되고 있다. 본 연구에서는 첫째, 서울시과 같은 대규모 복합 도시에서 발생하는 교통사고가 공간적으로 어떤 특성을 가지고 있는지를 분석하고자 한다. 즉, 공간적으로 종속적인지, 이질적인지, 아니면 둘다 가지고 있는지에 대한 분석을 위해 적절한 분석모형과 변수들을 고려해 볼 수 있다. 둘째, 서울시 교통사고에 영향을 미치는 다양한 변수들을 찾아내고자 한다. 교통사고 발생에 미치는 다양한 공간특성변수들을 발견하고 이를 근거로 개선사업의 내용을 결정하여 도시 및 교통계획의 초기단계에서부터 이러한 공간적 요소들이 반영되도록 시스템화함으로써 궁극적으로 사람들의 행태를 안전하게 변화시킬 수 있는 도시공간의 재편이 필요하다.
교통사고의 공간적 특성을 다룬 선행연구에서는 교통사고와 연관된 다양한 공간변수들을 찾아내었다. 다양한 지역에서 시행된 연구에서 공통된 부호를 나타낸 변수가 있는 반면, 몇몇 변수들은 아직 그 방향성이 명확하게 결정되지 않았다 (remain unclear)
교통사고의 노출빈도를 나타내는 인구나 교통량(AADT, VMT 등)은 명백히 교통사고에 정(+)의 영향을 미치는 것으로 나타난 반면, 교통혼잡의 대리변수로 도시화정도(Noland, R. B. et al., 2004)와 the ratio of volume/capacity(Hadayeghi, A., 2003) 는 교통사고와 부(-)의 관계를 나타내었다. Shefer, D., et al.(1997)는 대도시의 교통혼잡 완화정책이 교통안전 측면에서는 예기치 않은 결과를 초래할 수도 있다고 제시하였다. 상식적으로 교통혼잡이 심해지면 차량간 상충이 증가하여 교통사고를 증가시킬 것으로 예상되나 관련 연구의 결과는 다르다. 서울시는 오랫동안 도시교통혼잡완화정책을 시행하여 온 도시로서 이러한 정책 시행의 결과로 형성된 현재의 도시공간이 교통사고 발생에 어떻게 영향을 미치고 있는지를 살펴보고자 한다.
또한 도로기하구조 개선이 교통사고 및 사망사고 증가에 영향을 미친다(Noland, R. B., 2003; Noland, R. B. et al., 2004; Noland, R. B. and L. Oh, 2004)는 연구결과도 있다. 도로연장이 길수록 집계단위에서 사고발생에 미치는 영향이 증가(Levine, N., et al., 1995; F. L. de Guevara, et al., 2004; Augero-valverde, J., et al., 2006; Hadayeghi, A., 2003; Karlaftis, M. G., 1998; Quddus, M. A., 2008)하였으며, 도시지역 가로에서는 VMT가 높을수록 교통사고빈도가 증가 F. L. de Guevara, et al., 2004; Augero-valverde, J., et al., 2006; Hadayeghi, A., 2003; Karlaftis, M. G., 1998; Quddus, M. A., 2008)하는 것으로 나타났다. 또한 신호등 밀도와 트럭의 AADT 점유비율이 높아질수록 사고가 증가하는 나타났다(Helai Huang et al., 2010; Chowdhury Siddiqui, 2012). 몇몇 연구에서는 제한속도(speed limit)가 높을수록 이보다 높게 달리고자 하는 일부 운전자들의 행태로 제한속도는 심각한 부상을 일으키는 교통사고에 영향을 미치는 것으로 나타났다(Chowdhury Siddiqui, 2011).
인구통계학적 지표들의 경우 인구밀도가 높은 지역에서 사고가 많아지는 것(F. L. de Guevara et al., 2004; Levine, N. et al., 1995; Hadayeghi, A. et al., 2003) 으로 나타난 반면, 낮은 밀도지역에서는 상대적으로 심각한 교통사고가 더 많이 나타났다(Noland and Qudduss, 2004). 이러한 결과를 이해하기 위해서는 인구밀도와 교통량, 교통사고와의 관계를 이해할 필요가 있다. 일반적으로 인구밀도가 높으면 유발되는 교통량이 많고 교통량이 많아지면 차량간 상충이 증가하므로 교통사고를 증가시킬 것으로 예상된다. 그러나 교통량이 많아지면 혼잡해져 속도차이가 작아지고 이는 교통사고에서 사망자가 발생할 확률을 낮춘다. 반면, 인구밀도가 낮아 교통량이 적은 지역에서는 차량간 속도차이가 커져 교통사고 건수는 낮으나 사고가 일어날 경우 사고 피해는 더 커지게 된다. 따라서 단순히 인구밀도나 교통량 관련 변수만으로 지역의 사고 위험성을 판단할 수는 없다.
인구는 교통사고의 노출변수로서 대부분의 모형에서 고려되었으며, 연령, 성별, 교육수준으로 세분화하여 분석되었다. 고령화 관련 변수를 살펴보면, 75세 인구비율이 높을수록 교통사고는 감소한다는 연구결과(Noland, R. B. and L. Oh, 2004; Quddus, 2008)가 있는가 하면, 고령인구비율이 높아질수록 casualties는 증가한다(Karim et al., 2013; Helai Huang et al., 2010; Noland and Qudduss, 2004; Augero-valverde et al., 2006)는 결과도 있다. 젊은 운전자와 관련한 변수에서도 다양한 연구결과가 제시되어 연구결과마다 차이가 있는 것으로 나타났다. 통행발생량에 관한 변수도 일부 연구에서 통행목적별 발생 통행량(production)과 유입통행량(attraction), 단위면적당 유입 통행수 등의 형태로 포함(Ali Naderan et al., 2010)되었다. 그러나 모든 통행발생량과 유입량의 부호가 교통사고에 항상 긍정적으로 나타나지는 않았다.
사회경제적 특성과 관련해서는 주로 빈곤지수(index of deprivation)와 1인당 소득수준, 자가용을 보유하지 않은 가구비율, 실업률 등의 변수가 검토되었다.
빈곤한 지역일수록 교통사고발생율이 높아지는 것으로 나타났으며, 보행자 관련 사고는 실업률이 높고, 높은 소득을 가진 가구를 가진 지역에서는 적으며, 청장년층의 인구밀도가 높은 지역에서 더 많이 발생하는 것으로 나타났다(Graham, D.J. et al., 2003; Noland and Quddus, 2004; Quddus, 2008; LaScala et al., 2004) 반면, 다른 연구(Noland, 2003)에서는 1인당 소득이 높은 지역이 사망 및 부상사고와 증가관계를 나타내었고, Loukaitou-Sideris and Liggett (2007)는 다른 위험요소가 통제된 상황에서 소득이 낮은 지역에서 보행자 교통사고의 발생 가능성이 높다고 주장하였다. 또한 Augero-valverde, J., et al.( 2006) 역시 기초생활수급자 비율(Persons under poverty)이 교통사고를 증가시킨다고 하였다.Noland and Quddus(2004)와 Quddus(2008)는 census 수준의 ward를 분석단위로 사용하였고, Noland(2003)은 미국 50여개 주를 분석대상으로 하여 이 같은 결과를 제시하였다. 이에 Helai Huang et al.(2010)은 deprivation이 어떻게 교통안전에 영향을 미치는지를 설명하는 것은 아직 명확하지 않다고 지적하면서 일반적으로 좀 더 부유한 지역에서는 위험이 큰 활동을 자제할 것이고 이로 인해 더 안전한 환경을 가질 것으로 예상하였다.
선행연구 검토 결과를 토대로 본 연구에서는 구득 가능한 모든 변수를 수집하여 분석하였다. 또한 공간분석을 통해 서울시의 교통사고는 어떠한 공간적 특성을 가지고 있는지를 파악하였다. 공간회귀모형은 크게 공간적 상관성만을 고려하는 전역적 공간회귀모형과 공간적 이질성을 함께 고려하는 국지적 공간회귀모형으로 구분되며, 이러한 대안 모형의 필요성과 유의성은 OLS 결과를 통해 도출되는 다양한 통계량과의 비교를 근거로 판단하였다(Anselin, 2005). 공간분석을 위해 GeoDa1.5.37beta, GWR4.0software package를 이용하였다. |
서울시 교통사고 분석 번역(영어 번역본)Major cities worldwide have competitively conducted research into reducing traffic accidents to ensure safety of its residents. In Seoul, over 39,743 traffic accidents occurred in 2010 alone, with 390 casualties and 34% of the accidents resulting in serious injuries. In response to such high rate of accidents, Seoul city government has initiated “Black Spot Improvement Project” to reduce accidents at high frequency spots since the late 90s and allocated significant budget to analyze the cause of traffic accidents in these black spots and to reducing accidents.
However, the project has not lead to significant reduction in traffic accidents, and the cause may be attributed to lack of understanding of numerous spatial interactions that lead to a traffic accident. All road spaces in which cars interact with pedestrians and other cars innately carry potential danger. That is, the risk of traffic accident may significantly vary among same road conditions (e.g., number of lanes, speed limit, and safety facilities) because spatial characteristics affect traffic accidents. Understanding that traffic accidents are spatially heterogeneous is critical to analyzing the accidents. Once traffic accidents are correctly identified as spatiotemporal phenomena with characteristics of spatial data (dependency and heterogeneity), it is possible to analyze the accidents in terms of these characteristics. Spatial analysis of traffic accidents allows for consideration of various factors affecting the accident frequency at regions with high frequency. Through such analysis, we may determine whether the factors can be controlled or not, and present effective solutions to reducing traffic accidents.
Spatial analysis requires large-scale spatial data in a format amenable to GIS analysis. However, Seoul is a very dynamic city with enormous amount of data, and its road guidance system is landmark-based instead of geocode based. Therefore, converting various data into spatial data is a time-consuming endeavor. The infrastructure for spatial analysis by GIS has only recently been established, and various studies are being actively conducted. In this study, we first aim to analyze the spatial characteristics of traffic accidents occurring in a large complex city. Toward this goal, we may evaluate different analysis models and variables to determine if the accidents are spatially dependent, heterogeneous, or both. Second, we aim to identify various factors affecting traffic accidents in Seoul. Based on the spatial factors thereby identified, it would be possible to develop an effective project to reduce accidents and also establish a procedure for addressing these spatial factors in the early stage of urban and transportation planning. These reorganization of the city space will ultimately lead to safer traffic environmen t.
Previous studies on spatial characteristics of traffic accidents have suggested various spatial variables related to traffic accidents. Some variables have clear trends in different studies conducted in various regions, while the trends of other variables remain unclear.
Population and traffic volume (e.g., AADT and VMT) that reflect exposure frequency of traffic accidents were positively correlated with traffic accident, while degree of urbanization (Noland, R. B. et al., 2004) and the ratio of volume to capacity (Hadayeghi, A., 2003), which are proxy variables of traffic congestion , were negatively correlated. Shefer et al. (1997) proposed that policies aimed at reducing traffic congestion may lead to unexpected consequences in terms of traffic safety. It may seem logical to assume that traffic congestion would lead to increased traffic conflict and ultimately higher number of traffic accidents, but findings of relevant studies have been the contrary. As Seoul has enforced policies to reduce traffic congestion for several decades, this study analyzed the effect of current urban space formed by such policies on the occurrence of traffic accidents.
Some studies have suggested that improving road geometrical structure affects traffic accidents and fatalities (Noland, R. B., 2003; Noland, R. B. et al., 2004; Noland, R. B. and L. Oh, 2004). The accident occurrence increased as the road length increased (Levine, N., et al., 1995; F. L. de Guevara, et al., 2004; Augero-valverde, J., et al., 2006; Hadayeghi, A., 2003; Karlaftis, M. G., 1998; Quddus, M. A., 2008), and higher VMT led to increased traffic accident frequency in urban roads (F. L. de Guevara, et al., 2004; Augero-valverde, J., et al., 2006; Hadayeghi, A., 2003; Karlaftis, M. G., 1998; Quddus, M. A., 2008). In addition, higher traffic light density and AADT occupancy ratio of trucks led to increased number of accidents (Helai Huang et al., 2010; Chowdhury Siddiqui, 2012). Some studies have suggested that higher speed limit has an effect on major traffic accidents due to the behavior of some drivers to go faster than the speed limit (Chowdhury Siddiqui, 2011).
In terms of demographic indices, more accidents occurred in areas with higher population density (F. L. de Guevara et al., 2004; Levine, N. et al., 1995; Hadayeghi, A. et al., 2003), while less densely populated regions experienced higher ratio traffic accidents that led to severe injuries (Noland and Qudduss, 2004). To rationalize this result, it is necessary to understand the relationships among population density, traffic volume, and traffic accident. In general, it may be expected that higher population density would increase the traffic volume, and this in turn would increase traffic conflict and consequently number of traffic accidents. However, increased traffic volume leads to congestion, which reduces speed differences among the vehicles and decreases the likelihood of fatality from an accident. On the other hand, areas with low population density and traffic volume have lower number of traffic accidents, but the speed difference among the vehicles will be greater such that traffic accidents are more severe when they occur. This result shows that population density or traffic volume variables alone cannot be used to determine the risk of accidents.
Demographic has been included in most models as an exposure variable of traffic accidents, being sub-divided into age, gender, and level of education. With regards to aging variables, some studies report that higher ratio of population aged 75 years or older leads to lower traffic accidents, while others report that the higher ratio increases casualties (Karim et al., 2013; Helai Huang et al., 2010; Noland and Qudduss, 2004; Augero-valverde et al., 2006). Various conclusions were drawn from variables related to younger drivers, and there seem to be some differences between study results. Variables related to trip generation have been included in the form of trip production and attraction for each purpose of the trip and number of attracted traffic per unit area (Ali Naderan et al., 2010). However, not all trip production and attraction were positively correlated with traffic accidents.
Main socio-economic variables considered were index of deprivation, individual income levels, ratio of households without vehicle, and unemployment rate.
More impoverished regions had higher traffic accident rates, while accidents involving pedestrians occurred less frequently in regions with high unemployment rate or high income levels and more frequently in regions with higher young adult population density (Graham, D.J. et al., 2003; Noland and Quddus, 2004; Quddus, 2008; LaScala et al., 2004). In contrast, a different study (Noland, 2003) reported that higher individual income level was positively correlated with death or bodily injury, and Loukaitou-Sideris and Liggett (2007) asserted that the risk of a pedestrian traffic accident is higher in regions with lower income level when other risk factors are controlled. Augero-valverde, J., et al. (2006) also reported that higher ratio of persons under poverty was indicative of higher traffic accident rate. Noland and Quddus (2004) and Quddus (2008) used wards of census-level as their unit of analysis, and Noland (2003) analyzed 50 states of the U.S. to reach the previously mentioned conclusion. Helai Huang et al. (2010) criticized that the effect of deprivation on traffic safety has not yet been clearly explained, and expected that in general the residents of wealthier regions will be less likely to engage in risky activities, thereby leading to safer environment in those neighborhoods.
In this study, we evaluated previous studies and collected multiple variables for analysis. Spatial analysis was used to identify the spatial characteristics of traffic accidents in Seoul. Spatial regression models are mainly classified into global spatial regression model that only accounts for spatial correlation and local spatial regression model that also considers spatial heterogeneity. The necessity for these alternative models and their significance were determined by comparing with various statistics obtained from results of ordinary least squares (OLS) regression (Anselin, 2005). GeoDa 1.5.37 beta and GWR 4.0 software package were used for spatial analysis. |
