[下편] 플로리다 교통부(FDoT) 대형트럭 사고 분석 연구 -「Large Truck Crash Analysis for Freight Mobility and Safety Enhancement in Florida」

< 목 차 >

- 上편 -
1. 사고데이터 분석을 위한 방법론(methodology)의 채택
2. 사고기여요인(Crash Contributing Factors)에 대한 선행연구 검토
3. 안전성 제고·사고저감을 위해 제안되었던 대응책(조치) 검토

- 下편 -
4. 사고의 원인(Cause)과 기여요인(contributing factors)
5. 사고심각도 분석 : 방법론과 분석결과
6. 대응책(조치) 선행사계 검토
7. 대응책(조치)의 영향력 평가법 - 경제성을 중심으로

 

<上편>에서는 문헌연구를 통해 일반·트럭 교통사고의 분석을 위해 어떤 분석모델이 활용되었는지(1.), 사고기여요인으로는 어떤 것들이 있는지(2.), 사고저감을 위해 어떤 대응책들이 제시되었었는지(3.)를 알아보았다. 이와 같은 선행연구 검토를 통해 사고데이터 분석에는 Disaggregate 분석법이 더 적합한 것을 알 수 있었고, 사고기여요인 중 차량의 기능적 결함은 브레이크·타이어·화물로 나뉘어지며 그 중 브레이크 결함과 관련된 분석이 두드러짐을 확인했다. 사고율이나 사고심각도를 줄이기 위해 제안된 다양한 대응책들도 살펴보았지만, 대응책의 효과성에 대한 평가를 주제로 한 연구는 거의 없었다. 그나마 효과성을 다루었던 연구는 1994년 Middleton의 연구가 마지막인 것으로 미루어 볼 때, 사고감소 대응책의 영향(impacts)을 분석하는 추가적인 연구가 필요함을 알 수 있다.

 

다음 <下편>부터는 본 보고서의 본 목적인 대형트럭 사고분석을 위한 새로운 분석 프레임워크(4.)를 소개하고, 이 프레임워크로 일반사고와 트럭사고의 패턴을 비교하는 내용을 소개할 것이다. 그리고 이 프레임워크를 활용하여 수행한 사고심각도 분석 방법·결과에 대한 해설(5.) 및 본 보고서에서 검토한 선행 대응책(6.), 대응책에 대한 경제성 평가법(7.)을 요약하여 소개할 것이다.

---

4. 사고의 원인(cause)과 기여요인(contributing factors) 

교통사고 분석연구에서 ‘원인(cause)’이라는 용어는 사고의 위험성이나 심각성을 증가시키는 조건(condition)을 의미하고(Blower, 2010, Spinahour, 2005), 사고원인분석은 사고의 발생과정에 대해 알아보는 것이라고도 할 수 있다(Perchonok, 1972). 미국에서는 1999년 교통부 장관이 자동차 운송 회사 안전 개선법(MCSIA, P.L. 106-159)을 통해 사고원인과 기여요인을 규명하는 종합적인 연구를 계획·관리하도록 지시한 것으로 조사되었다(FMCSA, 2006).

 

사고의 인과관계(causation) 분석은 주로 다음과 같은 두가지 접근법을 활용하고 있다

; (1) 임상법(the clinical method), (2) 통계법(the statistical method)

 

임상법은 각 사고의 주요 원인을 규명할 때 전문가의 판단에 의존한다. 이 방법을 활용한 연구를 수행할 때는 사고 재구성(reconstruction), 차량 역학, 심리학 등의 관련 전문가들이 각각의 사고분석에 참여한다(Blower, 2010, Treat, 1979). 임상법을 적용한 연구에서는 전문가의 임상적 판단을 바탕으로 하는 ‘인과관계의 체계(hirerachy)’를 활용하여 각 교통사고의 1차적인 기여요인을 판별한다. 임상법을 활용한 사고분석 사례로는 인디애나 3단계 연구(Treat, 1979)가 있다. 해당 연구는 먼로 카운티 발생한 교통사고 420건의 인과관계를 파악하기 위해 실시되었고, 이 연구에서 ‘원인(cause)’은 사고발생 순간에 없었더라면 사고가 일어나지 않았을 것으로 생각되고, 사고 발생에 필요·충분한 요인으로 정의되었다.

 

통계법은 사고·환경·운전자·차량에 대한 데이터셋을 활용하여 사고위험과 관련된 다양한 요인 및 변화의 연관성(associations)을 분석한 후 사고위험을 증가시키는 가장 주요한 요인을 사고의 원인으로 정의한다(Blower, 2010). 미국 정부의 ‘대형트럭사고 원인조사(LTCCS)’(FMCSA, 2006)에서통계법을 채택하기도 했다. 해당 연구에서는 사고요인과 특정 사고유형 간의 연관성을 입증하기 위해 ‘통합사고기록(aggregated crash record)’의 통계분석을 실시했다. 

 

임상법은 사고장면(scene)을 재구성하는 집중적인 조사가 필요하기 때문에 주(州) 전체를 대상으로 하는 대규모 분석이나 연구에서는 채택이 불가하다. 한편 통계법은 사고 각각에 대해서는 설명이 부족할 수도 있지만 사고발생의 확률적 특성에 초점을 맞춰 통합적 분석을 실시할 수 있다.

 

 본 보고서에서는 각 사고의 ‘Critical Reason(CR)’을 식별하기 위해 임상법과 통계법을 종합하는 새로운 프레임워크를 개발하였다. 이 새로운 프레임워크는 “경찰 보고 사고데이터”에서 운전자 속성, 차량 상태, 도로 특성, 환경적 상황 등 가능한 한 많은 요소들을 활용하였다. “경찰 보고 사고데이터”는 사고분석에 활용할 수 있는 가장 포괄적이고 상세한 데이터 자산 중 하나이며, 이 보고서는 교통사고 발생 직후 훈련된 경찰관들에 의해 작성되어 사고의 모든 측면에 대해 매우 상세한 정보들로 구성되어 있다(2003, Farmer). 

 

본 보고서에서는 “사고의 충돌유형이 사고요인이나 메커니즘에 서로 다른 연관성을 보일 것”이라는 가정을 세우고 새로운 프레임워크에 따라 분석을 실시하기 위해 사고데이터를 다음과 같이 6가지 충돌유형으로 분류하여 하위 데이터베이스를 구축하였다; ①비충돌사고 ②고정 물체와의 충돌사고 ③보행자·자전거·동물과의 충돌사고 ④주차된 차량과의 충돌사고 ⑤이동 중인 차량과의 충돌사고 ⑥기타 고정되지 않은 물체와의 충돌사고.

뿐만 아니라 트럭 운전자와 승용차 운전자가 서로 다른 유형의 원인에 어떻게 연관될 수 있는지 자세히 알아보기 위해 ①사고의 1차적 원인이 트럭인 경우와 ②1차적 원인이 트럭이 아닌 (승용차인) 경우로 데이터셋을 나누었다.

 

아래의 <그림>은 핵심사고원인(Critical Reason, CR)을 규명하기 위해 개발된 프레임워크이다. 본 연구에서는 한 건의 사고에 대한 사고요인이 여러 개로 파악된 경우 아래 그림 나타난 구조(hierarchy)를 기준으로 우선순위화하여 핵심사고원인을 결정하였다. 왼쪽에서 오른쪽 순으로 우선순위가 높은 원인부터 낮은 원인까지를 보여준다. 예를 들어 사고요인이 Improper Maneuver, Inattention, Slick Road로 밝혀진 사고는 ‘운전자 주의산만’이나 ‘도로상태’가 아닌 ‘주행오류’가 핵심사고원인으로 판정되는 것이다. 다수의 운전자와 차량이 연루된 경우에는 모든 당사자들이 연관된 요인을 살펴보고, 어떤 운전자나 차량이 관련되었든 상관없이 밝혀진 사고요인 중 우선순위가 가장 높은 요인이 최종적인 핵심사고원인이 된다.

 

Critical Reason framework.

이 프레임워크에서는 핵심사고원인을 아래와 같이 6가지 범주로 구분하고 있다. 각 범주는 ‘경찰 보고 사고데이터’에서 활용할 수 있는 모든 정보를 활용하여 범주별 잠재적 기여요인(contributing factors)을 식별하고, 이것으로 데이터를 한 차례 더 세분화하였다. 차량결함의 경우 ①Vital Defect와 ②Non-Vital Defect로 핵심사고원인을 구분하여 살펴보았고, 각 구분에 해당하는 변수(variable)는 아래 [표 50]의 카테고리와 같이 적용하였다.

차량결함에 대한 적용변수

더하여 이 프레임워크를 활용하여 트럭과 트럭 외 차량의 핵심사고원인 및 기여조건이 어떻게 다른 패턴을 보이는지를 확인하고자 샘플 데이터 분석을 실시했다.

 

경찰 보고 자료 기준 총 2만 1,890건을 대상으로 데이터 분석을 실시하기 위해 ①핵심사고원인이 트럭인 경우(14만 4,909건)와 ②트럭외 차량인 경우(8만 1,318건)로 사고를 분류하였다. 그러나 2만 4,194건(10.4%)의 사고는 본 보고서에서 제안한 프레임워크의 기여요인과 관련성이 없는 것으로 나타났다. 즉 활용데이터(경찰 사고 보고서)에는 프레임워크를 적용할 수 없는 다른 사고요인도 있다는 것이다.

때문에 이 분석 프레임워크를 실제 사고원인을 규명한다거나 과실 책임 당사자를 판별하는데 활용해선 안됨을 명심하고, 이 분석 프레임워크는 어떤 상황에서 교통사고가 발생했는지에 대한 일반적인 그림을 그려보고자 하는 것에 지나지 않음을 유념해야 한다.

 

(1) 트럭 사고의 핵심사고원인 분석

미 교통부 분석(경찰보고 자료 기준)에서는 전체 교통사고 23만 1,890건 중 트럭에 1차적인 사고원인이 있는 경우는 14만 4,909건(62.5%)으로 나타났다. 아래의 표는 트럭사고를 6가지 충돌유형별로 구분하여 정리한 표이다.

Sample Size for Trucks by Crash Type

그리고 충돌유형별로 6가지 핵심사고원인의 비중을 각각 분석하였더니 아래와 같은 시사점을 얻을 수 있었다.

● 모든 충돌유형에서 가장 보편적인 핵심사고원인은 ‘주행오류’였으며 특히 주차된 차량과의 충돌사고의 96%, 이동 중인 차량과의 충돌사고의 95%, 고정된 물체와의 충돌사고의 92%가 주행오류에 의한 사고인 것으로 나타났다.

● 비충돌사고, 기타 고정되지 않은 물체와의 충돌사고, 보행자|자전거|동물과의 충돌사고에서는 주행오류에 의한 사고발생 가능성이 상대적으로 낮게 나타났다.

● 비충돌사고와 기타 고정되지 않은 물체와의 충돌사고는 그 이외의 충돌유형들보다 차량결함 및 도로환경과의 관련성이 높게 나타났다.

● 보행자|자전거|동물과의 충돌사고는 운전자 주의산만과 시야방해, 도로환경과 높은 연관성을 보였다.

● 주차된 차량과의 충돌사고는 도로환경과의 관련성이 가장 낮았다(1%).

● 기상조건은 보행자|자전거|동물과의 충돌사고에서만 관련성을 보였다(1.35%).

● 비주행오류(예:졸음운전, 음주운전, 신체적·정서적 장애)는 모든 충돌유형과 거의 관련되지 않았으며, 따라서 핵심사고원인이 ‘운전자 조건(driver conditions)’인 경우도 거의 없었다.

그 다음에는 한 가지 핵심사고원인에 집중하여 충돌유형별로 상세하게 분석한 결과를 제시하였는데, 본 요약서에서는 차량결함에 대한 내용만 발췌하여 정리하였다.

 

<左> Critical reason for trucks by crash type <右> Critical reason for trucks -vehicle defect

위 그림의 <左>에서는 앞서 보인 바와 같이 차량결함은 비충돌사고(15%)와 기타 고정되지 않은 물체와의 충돌(17%)에서 상당한 비중을 차지하는 것으로 나타났다. <右>에서는 기능적 결함과 비기능적 결함에 따른 추가적인 분석을 나타낸 것이다.

● 기능적 결함(브레이크, 타이어, 휠, 파워트레인, 서스펜션, 트럭 커플링 등)은 대부분의 충돌유형과 상관관계를 보이는 핵심사고원인으로 분석되었다.
● 비기능적 결함(조명, 와이퍼, 윈드실드 등)은 보행자|자전거|동물과의 충돌과 주차된 차량과의 충돌을 제외한 나머지 충돌유형들과 상관관계를 보였다.

 

(2) 트럭 외  일반 차량사고의 핵심사고원인 분석

아래 표는 핵심원인이 트럭 외 차량에서 발생한 사고에 대한 충돌유형별 샘플 데이터이다. 

Sample Size for Non-Trucks by Crash Type

핵심사고원인이 트럭 외 차량에 있는 사고건수는 8만 1,318건이며, 충돌유형별 핵심사고원인의 비중을 분석한 결과는 아래와 같다.

 

● 사고 시 운전자 행동이라고도 불리는 ‘주행오류’는 모든 충돌유형에서 매우 높은 비중을 차지하는 것으로 나타났다.

● 핵심사고원인이 트럭인 경우와 유사하게 운전자 조건과 기후조건은 모든 충돌유형의 사고에서 상관관계를 거의 보이지 않았다.

● 운전자 주의산만 및 시야방해는 특히 보행자|자전거|동물과의 충돌사고 및 기타 고정되지 않은 물체와의 충돌사고와 관련성을 보였다.

● 차량결함의 경우 비충돌사고에서만 영향을 미친 것으로 나타났다.(비충돌사고 전체의 13% 차지)

● 도로상태는 보행자|자전거|동물과의 충돌과 상관관계가 있는 것으로 나타났다.

● 전체적으로 핵심사고원인이 트럭 외 차량에 있는 경우는 핵심사고원인이 트럭인 경우와 비슷한 패턴을 보였다. 그런 와중에도 주행오류는 트럭보다 트럭외 차량 사고에서 나타날 확률이 높았는데 특히 비충돌사고, 보행자|자전거|동물과의 충돌사고, 기타 비고정 물체와의 충돌사고의 경우 그 특징이 두드러졌다.

<左> Critical reason for non-trucks by crash type <右> Critical reason for non-trucks - vehicle defect

상기 (1) 트럭 사고의 핵심사고원인 분석와 같이 차량결함에 대한 사고에 집중하여 충돌유형별로 상세하게 분석한 결과를 발췌하여 정리하였고, 그 내용은 아래와 같다.

● 트럭 외 차량사고에서 보이는 패턴과 트럭사고에서 보이는 패턴이 매우 유사했다. 전체적으로 차량결함은 비충돌 사고에 상당한 부분을 차지했으며, 이는 비충돌 사고의 약 13%를 차지한다([그림 50]).

● 주차된 차량과의 충돌을 제외한 나머지 모든 충돌유형에서 비기능적 결함보다 기능적 결함이 더 많이 나타났다.

본 보고서에서는 사고의 자주 발생하는 지역|위치 정보를 분석하고, 사고심각도에 영향을 미치는 요인을 파악하여 이를 저감하는 대응책을 세워보는 것이 그 목표가 있다. 그래서 보고서에는 사고심각도 분석과 장소(spatial) 분석이 모두 포함되어 있으나, 본 요약서를 작성할 때에는 장소분석은 제외하고 사고심각도 분석에 대한 내용만 발췌하여 정리하였다.

---

5. 사고심각도 분석 : 방법론과 분석결과

사고심각도 분석은 트럭이 사고의 1차적(primary) 원인차량인 경우에 한하여 ①비충돌사고와 ②충돌사고로 구분한 후 실시하였다. ‘②충돌사고’는 고정물체와의 충돌, 보행자|자전거|동물과의 충돌, 주차된 차량과의 충돌, 이동중인 차량과의 충돌, 기타 고정된 물체와의 충돌을 포함한 것이다. (4. 사고의 원인(Cause)과 기여요인(contributing factors)에서의 6가지 충돌유형과 같다)

사고심각도 분석에서는 RPOL(Random Parameter Logit)라는 통계분석 모형을 채택하였고, 운전자|차량|도로|환경|사고관련 특성에 대한 선형벡터를 공식으로 하는 함수를 활용하였다. 아래는 활용 함수에 대한 기본적인 설명을 발췌하여 작성한 것이다.

본 보고서에서는 위의 모형과 공식을 기반으로 6개의 충돌유형별 사고심각도 분석모형을 개발·적용했지만, 필자는 분석결과 중 차량결함과의 상관관계가 나타난 3개의 충돌유형(①비충돌사고 ②이동 중인 차량과의 충돌사고 ③기타 고정되지 않은 물체와의 충돌사고)에 대해서만 차량결함과 관련된 분석결과를 중심으로 해석·정리하였고, 모든 사고심각도 분석은 다음과 같은 두가지로 실시되었다.

; ①모델계수 분석 ②한계효과 분석

● 모델계수 분석 : 서로 다른 매개변수가 사고심각도에 어떻게 기여하는지를 보여줌, 그러나 최종 심각도 분석 결과값이 latent 함수와 모델임계값(thresholds)의 조합에 지나지 않음

※ 분석결과는 t-value가 1.64 이상으로 나타난 변수들 선별하여 표로 작성하였다. t-value가 클수록 표준오차가 작다는 뜻이며, 독립변수와 종속변수 간 연관성이 높다는 것을 의미함

● 한계효과 분석 : 파라미터가 사고심각도 수준과 관련된 확률을 증가·감소시키는지에 대해 상세한 추정치를 구할 수 있음, 본 분석에서는 사고심각도 수준을 다음과 같이 총 3단계로 적용함; ⓐPDO ⓑInjury ⓒFatality

※ 한계효과 결과값은 유의성(significance) 수준을 의미함, 그러나 계수(coefficient)가 유의하다고 해서 한계효과값도 반드시 유의한 것이 아님에 유의해야함

(1) 비충돌사고의 사고심각도 분석

[결과1 : 모델 계수(model coefficient) 추정]

Non- Collision Crashes - Model Coefficient Estimates

▶ [해석] 비충돌사고에서는 차량결함 변수 중 타이어와 스티어링 두가지가 유효한 t-value를 가진 것으로 분석되었다. 분석결과 t-value는 각각 2.52와 2.26으로 추정되었다. 즉 스티어링의 결함보다 타이어의 결함이 비충돌사고의 발생에 더 높은 관련성이 있다고 볼 수 있다.

 

[결과2: 한계효과(marginal effect 추정]

※ 음영처리된 계수값은 가장 높거나 낮은 한계효과값들임, ‘정면충돌(Head on Crash)’의 경우충돌유형에 대한 정보가 없는 경우와 비교했을 때 부상 결과값(injury outcome)의 확률이 0.367 증가한다고 추정할 수 있음

※ [결과1: 모델계수(model coefficient) 추정]의 모든 계수값이 양수이므로, the base severity level(PDO)의 한계효과에서는 음수일 것으로 미리 예상할 수 있다. 즉 모델의 모든 파라미터는 PDO 사고확률을 감소시키는 경향이 있다고 해석할 수 있다.

┗ 자전거와의 충돌사고의 경우 PDO 결과값을 기대하긴 어렵다. 그러나 이 경우 나머지 두 레벨(injury, fataility)의 한계효과가 유의하지 않기 때문에 최종결과가 부상(injury)인지 치명상(Fataility)인지 판단할 수 없다. → 이는 자전거와의 충돌사고가 fatal&injury의 심각도 카테고리에서 어느한쪽에 치우치지 않고 다소 균등한 확산(spread)을 보임을 시사함

Non- Collision Crashes - Marginal Effects

▶ [해석] 타이어와 스티어링의 결함이 3개 레벨로 나눠진 사고심각도에 미치는 영향과의 상관관계를 분석한 결과를 형광펜 처리하였다. 위의 보고서 해석과 마찬가지로 차량결함이 PDO 사고의 발생확률에는 음의 상관관계를 보였다. 즉 차량결함이 PDO 발생확률을 감소시킨다는 것이다. 타이어의 결함으로 발생하는 부상(injury)사고의 경우 사고원인이 특정되지 않은 경우 보다 0.049만큼의 확률 높고, 사망(fatality)사고의 경우 0.001만큼의 확률이 더 높게 분석되었다. 스티어링의 결함으로 발생하는 부상사고는 0.254만큼, 사망사고는 0.015만큼 더 확률이 높은 결과가 도출되었다. 대체로 타이어 결함으로 인한 사고의 심각도가 스티어링 결함으로 인한 사고의 심각도보다 높다는 것을 알 수 있다.

 

(2) 이동중인 차량과의 충돌사고

이동중인 차량과의 충돌사고는 총 9만 3,621건이고 그 중 23.7%가 부상 혹은 사망에 이르렀다. 이 사고데이터를 기반으로 충돌특성(정면충돌, 후방충돌, 좌회전 충돌...등), 운전자 특성(운전자행동, 운전자 연령 및 설병 등), 도로특성(주·지방도로, 조명조건), 차량특성(차량결함, 차량주행조작) 등을 변수로 하여 상관관계를 추정하였다.

[결과1 : 모델 계수(model coefficient) 추정]

 

Collision with Vehicle in Motion - Model Coefficient Estimates

▶ [해석] 이동중인 차량과의 충돌사고에서는 브레이크|타이어|라이트 세가지의 차량결함 변수가 유효한 것으로 추정되었다. 분석결과 t-value는 각각 2.77|2.01|5.48으로 추정되었다. 즉 관련성이 높은 순으로 나열하면 라이트>브레이크>타이어 순이며, 라이트는 다른 변수의 두 배 수준으로 더 높은 관련성을 보인다고 해석할 수 있다.

 

[결과2: 한계효과(marginal effect 추정]

Collision with Vehicle in Motion - Marginal Effect Estimates

▶ [해석] 브레이크|타이어|라이트의 결함이 3개 레벨로 나눠진 사고심각도에 미치는 영향을 분석한 결과를 형광펜 처리하였다. (1) 비충돌사고의 사고심각도 분석과는 달리 일부 변수에서는 차량결함이 PDO 사고의 발생확률에는 양의 상관관계를 보이는 경우도 몇 도출되었다. 브레이크의 결함으로 발생하는 부상사고의 경우 사고원인이 특정되지 않은 경우 보다 0.04533만큼의 확률 높고, 사망사고의 경우 0.00075만큼의 확률이 더 높게 분석되었다. 타이어의 결함으로 발생하는 부상사고는 0.04574만큼, 사망사고는 0.00076만큼 더 확률이 높은 결과가 도출되었다. 라이트의 결함으로 발생한 부상사고의 경우 0.27507만큼 더 확률이 높고 사망사고는 0.01142만큼 확률이 더 높다는 결과가 도출되었다. 모델계수 추정결과와 마찬가지로 라이트 결함과 사고심각도와의 상관관계가 다른 차량결함 변수보다 월등히 높게 나타난 것이다.

 

(3) 기타 고정되지 않은 물체와의 충돌사고 

[결과1 : 모델 계수(model coefficient) 추정]

Collision with Other Non-Fixed Object - Model Coefficient Estimates

▶ [해석] 기타 고정되지 않은 물체와의 충돌사고에서는 서스펜션|휠|트럭연결부(coupling, hitch)가 유효한 t-value를 가지는 것으로 나타났다. 분석결과 t-value는 각각 1.52|2.17|1.79으로 도출되었다. 즉 관련성이 높은 순으로 나열하면 휠>트럭연결부>서스펜션 순이다.

[결과2: 한계효과(marginal effect 추정]

Collision with Other Non-Fixed Object - Marginal Effect

▶ [해석] 서스펜션|휠|트럭연결부의 결함이 3개 레벨로 나눠진 사고심각도에 미치는 영향을 분석한 결과를 형광펜 처리하였다. (2) 이동중인 차량과의 충돌사고에서처럼 몇몇 변수에서는 PDO 한계효과값이 0 이상으로 도출되어 양의 상관관계도 일부 있음을 확인할 수 있지만, 차량결함은 PDO 사고발생과 음의 상관관계만 가지는 것으로 나타났다. 3개의 차량결함 변수의 한계효과값에 대해 하나씩 설명하자면 다음과 같다. 서스펜션의 결함으로 발생한 부상사고는 0.36921만큼, 사망사고는 0.01373만큼 더 높은 확률을 보여 서스펜션의 결함은 사망사고보다 부상사고 발생에 더 기여할 확률이 높은 것으로 해석할 수 있다. 휠의 결함으로 발생한 부상사고는 0.1023만큼, 사망사고는 0.00109만큼 더 높은 한계효과값이 도출되었다. 휠 역시 사망사고보다 부상사고에 유의미한 상관관계를 가진다.

---

6. 대응책 선행사례 검토

본 보고서의 원래 목적은 특정 위험요소와 사고위치를 밝혀내는 것까지기 때문에 대응책의 도입논의를 하는 것은 연구목적에 부합하지는 않으나, 결국 위험요소와 사고위치를 분석한 결과를 토대로 표적하여(targeted) 대응하는 조치(treatments)를 취할 수 있는 발판이 될 것이다. 때문에 이 챕터에서는 사고데이터 분석결과를 토대로 적합한 예상 대응책을 간략하게 소개하기로 했다.

 

보고서에서는 대응책을 다음과 같은 두가지 접근법으로 구분하여 살펴보고 있다

; ①Systemic Countermeasures ②Targeted Countermeasures

● Systemic Approches : 보통 인프라/공학적 솔루션을 투자할 수 있는 곳을 우선순위화 하여 공학적인 대응책(차선제한, 속도제한, 도로기하구조 등)을 적용하는 방법이 있고, 흔히 나타나는 위반사항에 대한 교통단속과 같은 대응책(enforcements)을 적용하는 방법이 있다.
● Targeted Approaches : Ch.4에서 소개한 프레임워크에 나타난 6가지 핵심사고원인을 중심으로 표적적으로(targetd) 대응하는 방식을 의미한다. 

➜ [차량결함_공학적 솔루션 예시] ‘Adding Escape Ramps’라는 명칭의 조치는 트럭의 브레이크 시스템에 결함이 생겼을 때 주요도로를 빠져나와 우회할 수 있는 도로를 마련해주는 것이다.
➜ [차량결함_단속 솔루션 예시] 보고서에서는 사고발생에 기여하는 차량장비에 대한 단속을 진행하는 대응책을 소개하고 있다. (8.2.2.9. Vehicle Equipment) 플로리다 단속반에서는 트럭의 라이트, 타이어, 거울 등과 같은 일반적인 장비에 대해 단속을 실시했다. 이는 ①Systemic Approaches 중 단속 솔루션인 동시에 ‘Vehicle Deffect’를 표적대응한 ②Targeted Approaches 솔루션이기도 하다.

---

7. 대응책의 영향력 평가법 - 경제성을 중심으로

본 챕터에서는 화물차의 안전성과 이동성을 향상시키는 대응책의 경제적 효과를 측정하는 방법에 대해 설명한다. 본 보고서가 소개하는 방법론에서는 사고유형과 심각도 수준별로 트럭사고에 대한 비용 가치(cost value)를 다르게 취급하고 있다.

(1) 대형트럭의 사고비용

대형트럭 사고는 차량소유주, 운전자와 승객, 그리고 사회 전체의 다양한 비용을 발생시킨다. 재산피해, 상해 및 사망에 대한 의료비용과 같은 직접적인 비용 외에 운전자 차량 파손에 의한 업무손실, 생산성 손실로 인한 간접비용, 사고조사를 위해 배정된 직원의 비용(시간, 자원), 업무를 대체하는 근로자를 모집하고 훈련/대체하는 비용, 손상된 회사차량을 수리하는데 들어가는 비용 등 모든 것들이 트럭의 사고비용에 포함된다.

 

각종 사고저감조치와 안전규제의 비용효율성을 평가하기 위해서는 사고비용에 대한 종합적이고 신뢰할 수 있는 추정치가 필요하다. Zaloshnja&Miller(2002)에서는 대형트럭과 관련된 고속도로 사고비용을 추정하는데 가장 포괄적인 방법을 제시한다. 미국 교통부 연방자동차운전자안전청(FMCSA)에서 1982년부터 1999년까지 대형트럭(총 중량 1만 파운드 이상) 사고 데이터를 분석하여 트럭 종류와 부상 심각도별로 사고별 비용 추정치를 산출하였다. 사고비용은 다음과 같이 5가지 범주로 나뉜다.

● 의료비용(Medical Costs)
● 응급서비스(Emergency service)
● 재산상 손해(Property damage)
● 생산성 손실(Lost productivity) - 지연 등으로 인한
● VSL(Value of Statistical Life)를 기반으로 화폐가치로 표현한 QALYs - 美 교통부 (2016)

의료 관련 비용으로는 구급차, 응급의료, 의사, 병원, 재활, 처방 및 관련 치료비용 뿐만 아니라 목발이나 물리치료 비용도 포함된다. 의료비는 경찰 보고 KABCO(K=Killed, A=Incapacitating injury, B=Non-incapacitating injury, C=Possible injury, O=No injury)를 기반으로 추정했다.

응급서비스 비용은 충돌 심각도와 차량기여도(vehicle involvement)에 따라 가정된 대응 패턴을 통해 추정된 경찰&소방 대응 서비스 비용을 포함한다.

재산상 손해비용은 차량파손, 화물 수리 및 대체 등 기타 파손된 재산에 대한 보상비용이다. 보험금 청구당 지급액, 보험차량 손해에 대한 총 지급액, 다른 차량에 부과한 손해에 대한 보험데이터를 통해 추산되었다.

생산성 손실은 사고로 인해 발생한 교통지연에 의한 손실(즉, 사고 후 대기열에 있는 차량들의 추가적인 이동시간)과 사고로 인한 운송업자, 운전자, 승객과 직접적으로 관련된 ‘다른 자원’의 손실을 말한다. 다른 자원의 생산성 손실은 임금, 부양의무자 급여, 부상자에 의해 피해받은 가사노동, 생산성 손실 보상 청구 처리비용 등이 포함된다. 또 사고조사, 장애인 근로자 채용 및 훈련, 파손된 회사 차량 수리 등을 위해 할당된 직원의 시간과 자원으로 인한 생산성 손실도 포함된다.

의료, 응급 서비스, 재산상 손해, 생산성 손실과 관련된 비용 외에도 부상사고는 또한 희생자와 그의 가족의 삶의 질까지 떨어트린다. 이는 누군가가 건강상의 문제를 겪거나 사망했을 때 잃는 건강한 삶(good health)은 QALY를 추정함으로써 설명할 수 있다. QALY는 건강한 삶을 1, 죽음을 0으로 간주하여 건강수준을 추정한 값이다.(Weinstein et al., 1996) 부상 유형과 부상과 관련된 건강문제(예 : 장애)를 기반으로 피해자의 남은 수명 중 매년 사고 피해자의 QALY 손실을 QALY의 일부(fraction)로 계산하며, 미 교통부의 VSL 값 3만달러를 2000 (사람들의 수명)으로 나눈다.

이런 항목별 사고비용은 다양한 사고 대응책의 비용효과(benefit-cost) 분석에 사용될 수 있다. 또한 이로써 얻은 수치들을 제언된 안전규정(대응책)의 비용효율을 계산하고 비교하는데 사용할 수 있다. FMCSA도 연간 대형트럭 사고비용을 추정하기 위해 이 방법을 활용하고 있다.

 

(2) 사고저감조치에 대한 경제성 평가 

교통 프로젝트(Transportation project)에 대한 비용편익분석(BCA, Benefit-Cost Analysis)은 미국에서 주요도로 프로젝트의 평가를 위해 사용되는 일반적인 경제성 평가유형이다(FHWA, 2003). 미국 고속도로 프로젝트(Highway Project)의 BCA는 사고감소와 관련된 편익을 분석하는 기본요소(standard element) 정도로 취급된다.

미 교통부가 발간한 The Benefit-Cost Analysis Guidance for Discretionary Grant Programs에서는 사고감소의 편익을 추정하기 위해 [방정식 1]의 모형을 사용할 것을 권고하고 있다.

대형트럭 사고 감소와 관련된 편익 추정에 [방정식 1]의 모델을 적용하려면 baseline annual crash rate를 세분화 해야한다. 대형트럭의 Baseline annual crash rate을 파악하기 위해서는 대형 트럭 사고 분석 프로젝트의 데이터를 활용할 수 있다. 예를 들어, 플로리다 고속도로교통안전국(FLHSMV)의 사고 데이터를 통해 대형 트럭과 관련된 baseline crash rate 및 KABCO 통계 수치를 활용하여 편익 추정에 활용할 수 있다.

미 교통부는 안전구조물 구축과 같은 주요도로 프로젝트로 감소한 잠재적 위험을 추정하기 위해 다양한 유형의 안전성 개선 및 사고 결과와 관련된 사고수정요인(CMFs, Crash Modification factors)를 활용할 것을 권고한다(FHWA, 2018). CMF는 사고유형, 부상 심각도, 다른 교통 프로젝트 유형과 관련된 재산상 손해 등을 활용하여 정해진다. FHWA는 여러 교통조치 프로젝트를 위해 CMF에 대한 종합적인 연구를 후원했으며 그 결과는 온라인 데이터베이스 CMF Clearinghous(FHWA, 2018)에서 확인할 수 있다.

각 프로젝트 유형마다 특정 수준의 부상심각도를 줄일 수 있다는 CMF가 구해져있다. 예를 들어 고속도로에 추가차선을 설치하는 CMF는 0.76이다. 즉 고속도로 특정 구간에서 연평균 100건의 사고가 발생할 때 추가차선을 설치하면 사고발생건수를 76회로 줄일 수 있어 24건의 사고가 예방될 것으로 예상된다는 것이다. 따라서 개선(the improvements)/사고감소율은 0.24(즉, 1-CMF)이다.

대형트럭사고의 예상결과(즉, 사고에 따른 화폐적 비용)는 예상되는 부상수준 별 피해자 수와 해당 단위비용을 곱하여 계산할 수 있다. 예를 들어 고속도로의 어떤 특정 구간에서 대형트럭가 사고나면 평균적으로 사망 1명, 중상 2명, 중상 1명이 발생한다고 가정하고, 이 위치에서의 대형트럭 사고 예상결과는 [방정식 2]과 같이 계산할 수 있다.

CMF를 활용하여 사고감소 편익을 추정하기 위해서는 [방정식1]에서 파생된 [방정식3] 모델을 사용할 수 있다.