도로 네트워크 스크리닝 기법의 국도 적용 연구

Abstract

Road crashes are caused by human, vehicle, and road infrastructure factors. If road crashes occur higher at certain road segments, they are likely caused by road infrastructure factors rather than human or vehicle factors. It is because that we cannot regard that reckless drivers or poorly maintained vehicles are more likely to pass certain road segments more than others. As a result, improving the road infrastructure level is required to reduce crashes that occur often on a certain road segment. Many nations are implementing Road Network Screening.

Road Network Screening is the method to prioritize the high-risk road segment objectively, considering crash history, road attributes, and traffic characteristics. In Korea, Road Network Screening is not officially utilized. The purpose of this study is to present what should be considered to apply Road Network Screening methods to National Highways in Seoul Metropolitan Area.

There are three methods to apply the Road Network Screening to National Highways in Seoul Metropolitan Area. The first method is to connect the data which is utilized in this study. The Standard node-link data was employed for the road network data and the accident data was employed from the TAAS data. Also, traffic volume data is from the Traffic Monitoring System and View-T. If three data are used, road network screening can be efficiently and quickly performed without additional data collection. The Second method is to divide the network into road segments. The lowest Coefficient of Variation was obtained when the road segments were divided with at least 20 crashes per road segment utilizing the Coefficient of Variation to identify the appropriate road segments. As a result, 208 road segments were created. The third method used the number of bicycle crashes per vehicle-kilometer and pedestrian crashes per vehicle-kilometer, in addition to the number of crashes per kilometer, the number of crashes per vehicle-kilometer, and crash costs, all of which are used to identify the dangerous road segments from various perspectives.

The results of the Road Network Screening were classified into five grades based on the quantile and z-value of the indicator results. There are High grade road segments that are commonly formed from the two grading standards. Seongsan-ro, Mapo-gu, Seoul of National Highway 6 was graded by the quantile and z-value of the number of crashes per kilometer. In terms of the number of crashes per vehicle-milometer, National Highway 37s Seodong-daero, Janghowon-eup, Icheon-si and National Highway 6s Seongsan-ro, Mapo-gu, Seoul got a High grade. When it applied a crash cost, Seongsan-ro, Mapo-gu, Seoulof National Highway 6 was identified as a High grade. In addition, in the case of bicycle crashes per vehicle-kilometer, 'Seodong-daero, Janghowon-eup, Icheon-si, Gyeonggi-do' of National Highway 37, 'Gyeongchunbuk-ro, Namyangju-si, Gyeonggi-do' of National Highway 45, 'Gyeongchun-ro, Gapyeong-gun, Gyeonggi-do' of National Highway 46, and 'Cheonho-daero, Gwangjin-gu, Seoul' of National Highway 3 got 'High' grades. Finally, in terms of pedestrian crashes per vehicle-kilometer, National Highway 37's 'Seodong-daero, Janghowon-eup, Icheon-si, Gyeonggi-do' was determined as a 'High' grade. Overall, road segments which are classified as High, residential and commercial areas were formed on both sides of the road. These road segments, which form part of an urban road network, are frequently sites of crashes. The findings underscore the necessity to improve safety infrastructure for National Highways toward towns and villages to reduce road crashes.

For future study, Road Network Screening is required for all National Highways to assess the performance of the current data connection method and road segmentation criteria. Also, road segments are required to be appropriately analyzed by using the data with bicycle and pedestrian volume. Lastly, It is necessary to evaluate the road risk from a few different perspectives such as the implementation of Road Network Screening for signal or non-signal intersections.

동일 지점에서 반복적으로 발생하는 사고는 인적요인 및 차량요인 보다 도로 인프라 요인에 의해 발생할 가능성이 높다. 위험 운전을 일삼는 운전자 혹은 정비 불량 차량이 해당 지점을 유독 많이 통과한다고 보기 어렵기 때문이다. 따라서 특정 지점에서 반복적으로 발생하는 사고를 감소시키기 위해 도로 인프라 차원의 개선이 필요하다. 이를 위해 다수의 국가에서는 도로 네트워크 스크리닝을 시행하고 있다.

도로 네트워크 스크리닝(Road Network Screening)이란 사고에 영향을 미칠 수 있는 사고 이력, 도로 요인, 교통 특성 등을 객관적으로 고려하여 사고 발생 가능성이 있는 위험 지점의 우선순위를 정하는 기법(AASHTO, 2010)이다. 해당 기법은 국내에서는 공식적으로 활용되고 있지 않다. 따라서 본 연구는 수도권 일반국도를 대상으로 도로 네트워크 스크리닝 적용 방안을 제시한다.

수도권 일반국도 대상 도로 네트워크 스크리닝 적용 방안에는 세 가지가 있다. 첫 번째는 연구에 활용되는 데이터를 연계하는 방안이다. 본 연구에 활용되는 네트워크 데이터는 표준노드링크 데이터를 이용하였으며, 사고 데이터는 교통사고분석시스템(TAAS) 데이터를 이용했다. 또한 교통량 데이터는 교통량정보제공시스템(TMS)과 View-T 데이터를 함께 이용했다. 세 가지 데이터를 연계하여 활용한다면 추가적인 데이터 수집 없이 신속하고 효율적인 도로 네트워크 스크리닝 시행이 가능하다. 두 번째는 네트워크를 분석 구간으로 나누는 방안이다. 적합한 구간 설정을 위해 분산계수를 활용한 결과 구간당 최소 20건 이상의 사고가 포함되도록 나누었을 때 최저 분산계수가 산출되는 것으로 나타났다. 이러한 방식으로 208개의 분석 대상 구간이 도출되었다. 세 번째는 다양한 관점에서 도로 위험 구간을 파악하기 위해 기본적으로 활용되는 사고건수/km, 사고건수/대·km, 사고비용 지표 외 자전거 사고건수/대·km와 보행 사고건수/대·km 지표를 활용했다.

도로 네트워크 스크리닝 시행 결과는 지표 결과값의 4분위수 및 z-value값을 활용하여 다섯 개의 등급으로 나누었다. 지표별 두 가지 등급화 기준을 적용했을 때 공통으로 도출된 매우 위험 등급 구간을 살펴보았다. 사고건수/km 지표의 경우 일반국도 6호선의 서울시 마포구 성산로 구간, 사고건수/대·km 지표의 경우 일반국도 37호선의 경기도 이천시 장호원읍 서동대로 구간과 6호선의 서울시 마포구 성산로 구간이 매우 위험 등급으로 나타났다. 또한 사고비용 지표의 경우 일반국도 6호선의 서울시 마포구 성산로 구간이, 자전거 사고건수/대·km의 경우 일반국도 37호선의 경기도 이천시 장호원읍 서동대로 구간, 45호선의 경기도 남양주시 경춘북로 구간, 46호선의 경기도 가평군 경춘로 구간, 3호선의 서울시 광진구 천호대로 구간이, 보행 사고건수/대·km 지표의 경우 일반국도 37호선의 경기도 이천시 장호원읍 서동대로 구간이 매우 위험 등급에 해당한다. 전반적으로 매우 위험 등급에 속하는 구간들은 토지이용이 활발한 도시부 도로의 일부인 것으로 나타났다. 이는 도시와 마을을 통과하는 일반국도 구간을 대상으로 다양한 안전 대책을 시행할 필요가 있음을 시사한다.

향후 연구로는 본 연구에서 제안된 데이터 연계 방안 및 분석 대상 구간 설정 기준의 적합성을 검증하기 위해 전체 일반국도를 대상으로 도로 네트워크 스크리닝을 시행할 필요가 있다. 또한 정확한 도로 구간의 평가를 위하여 자전거 이용량 및 보행량 데이터 활용이 필요하며, 신호 교차로 및 비신호 교차로 대상 도로 네트워크 스크리닝 시행과 같은 다각적인 관점에서의 도로 위험 수준 평가가 필요하다.