운전 유형에 따른 가로구간 사고모형 개발 김경환 박병호 * 충북대학교 대학원 도시공학과 * 충북대학교 도시공학과 (2010. 7. 28. 접수 / 2010. 12. 20. 채택) Developing the Traffic Models of Arterial Link Sections by Driving Type Kyung-Hwan Kim Byung-Ho Park * Graduate School of Department of Urban Engineering, Chungbuk National University * Department of Urban Engineering, Chungbuk National University (Received July 28, 2010 / Accepted December 20, 2010) Abstract : This study deals with the accident models of arterial link sections by driving type. The objectives is to develop models by driving type using the accident data of 24 arterial links in Cheong-ju. In pursuing the above, this study gives particular emphasis to modeling such the accidents as the straight, lane change and others. The main results analyzed are as follows. First, the number of accidents is analyzed to account for about 59% in straight, 31% in lane change and 10% in others. Second, the number of left-turn lane as common variables, and the ADT, number of pedestrian crossings, connecting roads and link length as specific variables are selected in developing models(number of accident and EPDO). Third, 8 models which are all statistically significant are developed. Finally, RMSE of the driving type models was analyzed to be better than that of dummy variable. Key Words : accident model, dummy variable, multiple linear regression model, paired sample t-test, RMSE(root mean square error) 1. 서 론 * 1.1. 연구의 배경 및 목적 교통사고를 감소시키고 안전성을 향상시키기 위 하여 사고에 영향을 미치는 요인들을 분석하고 교 통사고를 예측하는 모형은 지속적으로 개발되어 왔 다. 교통사고는 사회 경제적 요인, 차량자체 요인, 인적 요인 및 기하구조 특성 등 복합적 영향으로 발생하고 있으나, 기존의 연구에서는 기하구조 특 성에 국한되어 이를 반영한 사고모형개발이 진행 되어왔다. 따라서 본 연구는 청주시 주간선도로와 보조간 선도로에서 발생한 사고를 조사하고, 운전자의 운 전 행태를 직진, 차선변경 및 기타 3개의 유형으로 구분하여, 사고모형을 개발하는데 그 목적이 있다. To whom correspondence should be addressed. bhpark@chungbuk.ac.kr 1.2. 기존 연구 고찰 강승림 등 1) 은 GIS(Geographic Information System: 지리정보체계)를 기반으로 고속도로 평면곡선부에 대한 다양한 사고분석을 통해 도로의 선형조건이 교통사고에 미치는 영향을 규명하였다. 특히 도로 선형요소의 상호작용과 선형의 연속성을 반영하여 보다 객관적인 예측모형을 구축하였다. 박준태 등 2) 은 국내 고속도로를 대상으로 선형요 소 및 과거 사고자료를 이용하여 기존의 기하구조 별, 즉 직선부와 곡선부를 분리하여 사고를 예측하 면서 고려하지 못했던 기하구조 앞 뒤 연결 부분 을 동시에 고려하는 복합선형구간의 사고예측모형 을 포아송회귀모형으로 제시하였다. 한상진 등 4) 은 도로종류별 교통사고의 추세를 분 석하였다. 그 결과 단순 사고건수에 의한 비교에서 는 도시부 도로가 가장 위험하고, km당 발생건수 및 10만 차량 대 km당 사고건수에서는 일반국도 가 가장 위험한 것으로 분석되었다. 이승교 3) 는 도로복합선형 구간의 교통사고 주요 199
김경환, 박병호 영향요인을 분석하여 사고예측 모형을 개발하였 다. 사고에 영향을 미치는 주요 변수로는 앞 곡선반 경과 커브유형(좌, 우), 노면상태, 날씨 등으로 분 석되었다. Fitzpatrick 5) 은 평균 직선길이가 길면 운전자가 지루함을 느끼게 되어 안전상 문제가 될 수 있고, 평균 직선길이가 짧으면 짧은 곡선구간을 초래하 여 이 역시 안전상 문제를 초래할 수 있음을 지적 하였다. Xuedong Yan 6) 은 선형 및 접근도로의 종단경사 가 다른 6개 신호교차로를 대상으로 비보호좌회전 과 관련된 측면직각 충돌사고를 분석하여, 측면직 각 충돌사고에 영향을 미치는 요인을 분석하였다. 1.3. 연구의 차별성 이 연구의 차별성은 다음과 같다. 첫째, 기존 연구에서는 사고 유형 및 차량 유형 에 따른 사고심각도 분석 및 예측모형을 개발하였 지만, 본 연구에서는 운전자의 다양한 운전 유형별 모형을 개발하여 어떤 요인이 구체적으로 사고에 영향을 미치는지를 공통변수와 특정변수를 통해 비교 분석하였다. 둘째, 사고건수법은 위험 지점을 선정하는데 있 어 직접적이고 단순한 방법이며, EPDO(Equivalent Property Damage Only : 대물피해환산계수)는 위험 에 대한 노출을 고려하여 사고의 심각도를 설명할 수 있어, 본 연구에서는 두 가지 모두를 종속변수 로 사용하였다. 2.1. 자료수집 및 분석 2. 분석틀의 설정 사고 자료는 2007년의 사고자료를 활용하여 24 개 단일로에 대한 사고관련 요소들을 현장조사와 AutoCAD를 통해 수집하였다. 청주시 단일로의 운 전 유형별로 사고 수를 사망, 부상 및 대물피해사 고로 나누어 Table 1과 같이 정리하였다. 제1당사자를 대상으로 하여 운전 유형을 크게 직진, 차선변경, 기타로 구분하였다. 직진 사고 수 는 총 210건으로, 청주시 단일로 총 사고수인 358건 의 58.66%를 차지하고 있다. 차선변경 사고는 31.01 %, 기타 사고는 10.34%의 순으로 나타났다. 사망 사고는 총 4건이며, 모두 직진 사고에서 발생하였 다. 부상사고는 260건으로 총 사고건수의 72.63% 로 분석되었다. Table 1. Number of accidents by accident type Type Type Total Fatal Injury Property Damage Type 1 straight 210 4 152 54 Type 2 lane change 111 0 85 26 Type 3 others 37 0 23 14 SUM 358 4 260 94 2.2. 변수의 선정 및 분석 본 연구는 종속변수의 선정에 있어 운전자의 운 전 유형을 직진 유형, 차선변경 유형(좌우회전, U 턴, 앞지르기 및 진로변경) 및 기타 유형(출발, 후진, 주정차 등)으로 구분하였다. 이 연구에서는 유형별 사고건수와 EPDO 계수를 종속변수로 선정하였다. EPDO는 식 (1)에 의해 산출된다. EPDO = 12 사망사고 +3 부상사고 + 물피사고 (1) 독립표본 t검정을 실시하여 종속변수인 직진, 차 선변경 및 기타의 사고건수와 EPDO를 검증한 결 과 95%의 신뢰수준에서 귀무가설(H 0 :d 0 = 0)을 모 두 기각하여, 운전 유형에 따른 사고건수와 EPDO 모형의 개발이 적절하다고 판단된다. 이 연구에서는 기존 문헌 조사를 통해 독립변수 를 선정하였다. 이 때, 다중공선성의 문제가 있는 변수를 제거하여 Table 2와 같이 교통사고와 관련 성이 있는 9개의 독립변수를 추출하였다. 아울러 신뢰수준을 95%(α = 0.05)로 하여 Pearson 상관계 수를 통해 변수들 간의 상관성을 분석하였으며, 결 과는 Table 3과 같다. Table 2. List of independent variables Independent Symbol Variables Definition Range Mean ADT X 1 일평균 교통량 16,499~ 48,233 28,829 횡단보도 수 X 2 단일로 횡단보도 수(개) 9.00~48.00 24.73 평균차로 수 X 3 단일로 차로 수(차로) 1.00~4.00 2.03 진출입구 수 X 4 단일로 진출입구 수(개) 12.00~55.00 26.06 구간길이 X 5 단일로 총 연장(km) 1.70~11.13 4.20 정류장 수 X 6 단일로 정류장 수(개) 0.00~20.00 7.77 굴곡점 수 X 7 단일로 굴곡점 수(개) 0.00~10.00 2.54 좌회전차로 수 X 8 좌회전 전용차선 수(개) 0.00~23.00 6.19 직진=1, 차선변경=2, 운전유형 X 9 기타=3 1.00~3.00 2.00 200 Journal of the KOSOS, Vol. 25, No. 6, 2010
운전 유형에 따른 가로구간 사고모형 개발 Table 3. Results of correlation analysis(independent and dependent variables) Y 2 Y 3 Y 4 Y 6 Y 7 Y 8 X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 Y 2 1 - - - - - - - - - - - - - Y 3 0.565** 1 - - - - - - - - - - - - Y 4-0.285** 0.285** 1 - - - - - - - - - - - Y 6 0.372** 0.462** 0.400** 1 - - - - - - - - - - Y 7 0.505** 0.216** -0.321** 0.134 1 - - - - - - - - - Y 8-0.134 0.435** 0.724** 0.687** -0.242** 1 - - - - - - - - X 1 0.577** -0.010-0.754** -0.194* 0.432** -0.634** 1 - - - - - - - X 2 0.500** 0.152-0.616** -0.130 0.480** -0.443** 0.677** 1 - - - - - - X 3 0.131 0.130 0.007 0.240** 0.025 0.135 0.072 0.130 1 - - - - - X 4 0.565** 0.190* -0.623** -0.128 0.487** -0.462** 0.756** 0.863** 0.076 1 - - - - X 5 0.419** 0.012-0.633** -0.265** 0.499** -0.566** 0.697** 0.800** 0.015 0.736** 1 - - - X 6 0.523** 0.047-0.668** -0.223** 0.535** -0.586** 0.699** 0.755** 0.042 0.752** 0.788** 1 - - X 7 0.202* -0.098-0.486** -0.233** 0.343** -0.440** 0.493** 0.601** -0.009 0.547** 0.751** 0.584** 1 - X 8 0.561** 0.722** 0.508** 0.542** 0.705** 0.572** 0.290* 0.504** -0.005 0.571** 0.642** 0.720** 0.320* 1 주. Y 2=직진 사고건수, Y 3=차선변경 사고건수, Y 4=기타 사고건수, Y 6=직진 EPDO, Y 7=차선변경 EPDO, Y 8=기타 EPDO **. 상관계수는 0.01 수준(양쪽)에서 유의함 *. 상관계수는 0.05 수준(양쪽)에서 유의함 3. 모형개발 본 연구에서는 통합(직진+차선변경+기타), 직진, 차선변경 및 기타 사고의 사고건수와 EPDO 총 8 개(4 2=8)의 종속변수를 대상으로 다중선형회귀모 형을 구축하여 이를 비교 분석하였다. 또한 통합 사고건수와 EPDO 모형에서는 직진, 차선변경, 기 타 3개의 명목변수를, 직진을 기준으로 D 1(차선변 경), D 2(기타)의 더미변수로 변환하여 사용하였다. 3.1. 사고건수 3.1.1. 통합(Y 1) 모형구축 결과, ADT(X 1), 진출입구 수(X 4), 구간 길이(X 5) 및 좌회전차로 수(X 8)가 독립변수로 채택 되었고, 이 변수들의 p값은 신뢰수준 90%(a = 0.10) Table 4. Multiple linear regression model(y 1) X 1 8.124E-05 1.514E-05 5.365 0.000 X 4 0.057 0.019 2.982 0.003 X 5-1.257E-04 7.108E-05-1.768 0.079 X 8 0.206 0.043 4.758 0.000 D 1-2.211 0.450-4.917 0.000 D 2-3.753 0.450-8.345 0.000 R 2 수정된 R 2 Dubin-Watson F sig 0.700 0.687 1.637 53.736 0.000 기준에 유의한 것으로 분석되었다. 또한 Table 4에 서 보는 바와 같이, 더미변수의 계수가 음수로 나 타나 직진의 사고가 가장 많은 것으로 분석되었으 며, D 1의 계수가 -2.211로 D 2의 -3.753보다 높게 나 타나 차선변경의 사고가 기타보다 많은 것으로 판 단된다. 모형의 적합성을 나타내는 R 2 값은 0.687로 분석되었다. 3.1.2. 직진(Y 2) 모형구축 결과 Table 5에서 보는 바와 같이, 독 립변수로는 ADT(X 1), 구간길이(X 5) 및 좌회전차로 수(X 8)가 선정되었고, p값은 신뢰수준 90%(a = 0.10) 기준에 유의한 것으로 분석되었다. 모형의 적합성 을 나타내는 R 2 값은 0.727로 분석되었으며, p값이 0.000으로 나타나 구축된 모형은 통계적으로 유의 한 것으로 판단된다. 3.1.3. 차선변경(Y 3) Table 5. Multiple linear regression model(y 2) X 1 1.195E-04 2.550E-05 4.687 0.000 X 5-3.279E-04 1.617E-04-2.028 0.048 X 8 0.431 0.101 4.271 0.000 0.744 0.727 1.991 43.650 0.000 한국안전학회지, 제25권 제6호, 2010년 201
김경환, 박병호 Table 6. Multiple linear regression model(y 3) X 4 0.041 0.015 2.809 0.007 X 8 0.229 0.047 4.827 0.000 0.772 0.763 1.339 78.080 0.000 Table 7. Multiple linear regression model(y 4) X 2 0.033 0.009 3.704 0.001 X 5-1.073E-04 4.561E-05-2.353 0.023 X 8 0.081 0.023 3.475 0.001 0.644 0.621 2.025 27.187 0.000 차선변경의 사고건수 모형식은 Table 6과 같다. 모형구축 결과, R 2 값이 0.763, p값이 0.000으로 나 타나 구축된 모형은 통계적으로 유의한 것으로 판 단된다. 독립변수로는 진출입구 수(X 4)와 좌회전차 로 수(X 8)가 채택되었고, 이 변수들의 p값은 신뢰 수준 90%(a = 0.10) 기준에 유의하다. 3.1.4. 기타(Y 4) 모형구축 결과 Table 7에서 보는 바와 같이, 독 립변수로는 횡단보도 수(X 2), 구간길이(X 5) 및 좌회 전차로 수(X 8)가 선정되었고, p값은 신뢰수준 90% (a = 0.10) 기준에 유의하다. 구축된 모형의 p값은 0.000으로 통계적으로 유의하며, 모형의 적합성을 나타내는 R 2 값은 0.621로 분석되었다. 3.2. EPDO 3.2.1. 통합(Y 5) 모형구축 결과, 사고건수와 마찬가지로 ADT(X 1), 진출입구 수(X 4), 구간길이(X 5) 및 좌회전차로 수 (X 8)가 독립변수로 채택되었고, 이 변수들의 p값은 신뢰수준 90%(a = 0.10) 기준에 유의한 것으로 분 석되었다. Table 8에서 보는 바와 같이, 모형의 p값 은 0.000으로 통계적으로 유의하며, 모형의 적합성 으로 보여주는 R 2 값은 0.640으로 분석되었다. 3.2.2. 직진(Y 6) 모형구축 결과 Table 9에서 보는 바와 같이, 독 립변수로는 ADT(X 1), 구간길이(X 5) 및 좌회전차로 수(X 8)가 선정되었다. 구간길이를 제외한 독립변수 는 양의 관계를 갖는 것으로 나타났으며, 채택된 Table 8. Multiple linear regression model(y 5) X 1 2.192E-04 4.427E-05 4.952 0.000 X 4 0.161 0.056 2.884 0.005 X 5-4.867E-04 2.078E-04-2.343 0.021 X 8 0.595 0.127 4.691 0.000 D 1-6.095 1.314-4.637 0.000 D 2-10.220 1.314-7.775 0.000 0.655 0.640 1.641 43.671 0.000 Table 9. Multiple linear regression model(y 6) X 1 3.187E-04 7.843E-05 4.063 0.000 X 5-1.167E-03 4.973E-04-2.347 0.023 X 8 1.354 0.310 4.364 0.000 0.696 0.676 1.859 34.340 0.000 모든 변수들의 p값은 신뢰수준 90%(a = 0.10) 기준 에 유의한 것으로 분석되었다. 모형의 적합성을 나 타내는 R 2 값은 0.676으로 분석되었다. 3.2.3. 차선변경(Y 7) 구축된 차선변경의 EPDO 모형식은 Table 10과 같으며, 모형의 적합성을 나타내는 R 2 값은 0.770으 로 분석되었다. 채택된 독립변수는 진출입구 수(X 4) 와 좌회전차로 수(X 8)로 모두 양의 관계를 갖는 것 으로 분석되었으며, 변수들의 p값은 신뢰수준 90% (a = 0.10) 기준에 유의하다. 3.2.4. 기타(Y 8) 모형구축 결과, 횡단보도 수(X 2), 구간길이(X 5) 및 좌회전차로 수(X 8)가 독립변수로 채택되었고, 이 변 수들의 p값은 신뢰수준 90%(a = 0.10) 기준에 유의 한 것으로 분석되었다. Table 11에서 보는 바와 같 이, 모형의 적합성을 나타내는 R 2 값은 0.666으로 Table 10. Multiple linear regression model(y 7) X 4 0.115 0.035 3.250 0.002 X 8 0.520 0.114 4.551 0.000 0.779 0.770 1.565 81.134 0.000 202 Journal of the KOSOS, Vol. 25, No. 6, 2010
운전 유형에 따른 가로구간 사고모형 개발 Table 11. Multiple linear regression model(y 8) X 2 0.074 0.019 3.885 0.000 X 5-2.966E-04 9.795E-05-3.028 0.004 X 8 0.226 0.050 4.533 0.000 0.687 0.666 2.031 32.853 0.000 분석되었다. 또한 모형의 p값이 0.000으로 나타나 통계적으로 유의한 것으로 판단된다. 3.3. 모형결과 종합 사고건수와 EPDO의 모형식을 구축한 결과, 모 든 변수들의 p값은 신뢰수준 90%(a =0.1) 기준에 유의하다. 또한 운전 유형을 더미변수로 하였을 경 우와 운전 유형별로 모형을 구축하였을 경우의 차 이를 비교한 결과, R 2 값은 직진과 차선변경이 각각 0.727과 0.763으로 나타나, 더미변수 모형에 비해 적 합한 것으로 분석되었다. 반면 기타의 R 2 는 0.621 로 더미변수 모형에 비해 낮은 것으로 분석되었다. 운전 유형별 특징을 살펴보면, 각 유형별 사고건 수와 EPDO는 서로 동일한 독립변수를 갖는 것으 로 분석되었으며, 공통변수로 좌회전차로 수(X 8)가 채택되었다. 특정변수로는 통합은 ADT(X 1), 진출입 구 수(X 4) 및 구간길이(X 5), 직진은 ADT(X 1) 및 구간 길이(X 5), 차선변경은 진출입구 수(X 4), 기타는 횡단 보도 수(X 2) 및 구간길이(X 5)가 선정되었다. 채택된 독립변수는 구간길이를 제외한 모든 변 수가 양의 관계를 갖는 것으로 분석되었다. 이는 교 통량이 증가하고 진출입구 수, 횡단보도 수 및 좌 회전차로 수가 많아질수록 사고가 증가하며, 사고 심각도 역시 높아지는 것으로 판단된다. 또한 구간 Table 12. Common and specific variables Classification 사고건수 및 EPDO 통합 직진 차선변경 기타 Common Variables 좌회전차로 수(+) Specific Variables ADT(+), 진출입구 수(+), 구간길이(-) ADT(+), 구간길이(-) 진출입구 수(+) 횡단보도 수(+), 구간길이(-) 길이가 음의 관계를 갖는 것은 동일한 교통량에서 는 구간길이가 짧을수록 밀도가 커지며, 횡단보도 수가 증가할수록 상충지점이 증가하기 때문인 것 으로 판단된다. Table 12는 개발된 모형에 대한 독립변수를 운전 유형별로 공통변수와 특정변수로 구분한 것이다. 사 고건수와 사고심각도에 가장 많은 영향을 미치는 요인으로는 좌회전차로 수로 분석되었다. 4. 모형의 검증 R 2 만으로 모형의 적합성을 판단하기에는 무리가 있다. 따라서 본 연구에서는 대응표본 t검정(paired Sample t-test)과 평균제곱근오차(RMSE : root mean square error)를 통해 구축된 8개의 모형을 검정하 였다. 대응표본 t 검정을 통해 실제치와 예측치와의 평 균차를 비교 분석한 결과는 Table 13과 같다. 8개 모형의 상관계수는 0.634~0.770사이에 있으며, 유의 확률은 0.460~0.844사이로 나타나 모두 귀무가설 을 기각하여 실측치와 예측치의 차이가 없는 것으 로 분석되었다. 또한 예측결과와 실제 관측자료와의 오차분포 특 성을 분석할 수 있는 RMSE를 통해 분석한 결과, Table 14에서 보는 바와 같이, 더미변수 모형이 Table 13. Paired-sample t-test of arterial link sections by Driving type 사고건수 EPDO Classification Mean Standard Deviation Paired-sample t-test Error of Mean 95% Confidence Interval Minimum Maximum t-value Coefficient of Correlation p-value (two-tailed) 종합 -0.049 2.249 0.187-0.420 0.321-0.264 0.723 0.792 직진 -0.223 3.164 0.457-1.142 0.696-0.488 0.678 0.628 차로변경 -0.175 1.630 0.235-0.648 0.298-0.745 0.770 0.460 기타 -0.044 0.721 0.104-0.253 0.166-0.419 0.634 0.677 종합 -0.108 6.590 0.549-1.194 0.977-0.197 0.693 0.844 직진 -0.555 9.804 1.415-3.401 2.292-0.392 0.643 0.697 차로변경 -0.350 3.933 0.568-1.492 0.792-0.616 0.758 0.541 기타 -0.125 1.546 0.223-0.574 0.324-0.561 0.700 0.577 한국안전학회지, 제25권 제6호, 2010년 203
김경환, 박병호 Table 14. RMSE of arterial link sections by driving type Classification 통합 직진 차선변경 기타 사고건수 2.242 1.812 0.936 0.413 EPDO 6.568 5.610 2.256 0.886 2.242로 나타났으며, 운전 유형별로는 직진 1.812, 차선변경 0.936 및 기타 0.413으로 분석되었다. 이는 운전 유형별로 구축한 모형이 더미변수 모형에 비 해 더 적합 것으로 판단된다. 널리 이용되는 측정 법인 RMSE의 산정식은 다음과 같다. (1) 여기서, t i는 배정된 구간 자료, T i는 실제 관측된 구간 자료, 그리고 N은 구간 수를 나타낸다. 5. 결 론 본 연구는 청주시 단일로의 운전 유형에 따른 교통사고모형을 다루었다. 유형별 사고건수와 EPDO 를 종속변수로 다중선형회귀모형을 통해 모형을 구축한 결과, 다음과 같은 결론을 얻었다. 1) 운전 유형별 사고건수는 직진이 전체사고의 58.66%로 가장 높은 비중을 차지하고 있으며, 차선 변경 31.01%, 기타 10.34%의 순으로 나타났다. 또 한 부상사고는 전체사고의 72.63%로 분석되었으 며, 사망사고는 4건 모두 직진에서 발생하였다. 2) 유형별 사고건수와 EPDO는 서로 동일한 독 립변수를 갖는 것으로 분석되었다. 공통변수로는 좌회전차로 수가 채택되었으며, 특정변수로는 통 합은 ADT, 진출입구 수 및 구간길이, 직진은 ADT 및 구간길이, 차선변경은 진출입구 수, 기타는 횡 단보도 수 및 구간길이가 선정되었다. 3) 구축된 8개의 모형을 비교한 결과, R 2 는 직진 과 차선변경이 각각 0.727과 0.763으로 통합 모형 에 비해 좋은 것으로 분석되었다. 반면 기타의 R 2 는 0.621로 통합 모형에 비해 낮은 것으로 분석되 었다. 4) 대응표본 t검정 결과, 8개의 모형 모두 귀무 가설을 기각하여 실측치와 예측치의 차이가 없는 것으로 분석되었다. 또한 RMSE는 통합 모형 2.242, 직진 1.812, 차선변경 0.936 및 기타 0.413으로 분석 되었다. 이는 운전 유형별로 구축한 모형이 더미변 수 모형에 비해 더 적합 것으로 판단된다. 본 연구에서는 단일로 운전 유형별 사고모형 구 축을 위해 2007년의 사고자료를 이용하였으나, 자 료의 부족과 사고건수의 차이로 운전 유형을 크게 3가지로 분류하였다는 점에서 한계를 지니고 있 다. 향후 더욱 설명력이 있는 연구를 위해서는 보 다 많은 연도별 사고자료를 수집하여 더 세밀화 된 운전 유형에 따른 사고모형이 개발되어야 할 것 이다. 알림 : 이 논문은 2010 한국안전학회 춘계학술 대회 에서 발표된 것으로, 그 내용을 수정 보완한 논문임. 참고문헌 1) 강승림, 박창호, 고속도로 선형조건과 GIS 기반 교통사고 위험도지수 분석(호남 영동 중부고 속도로를 중심으로), 대한교통학회지, 제21권, 제1호, pp. 21~40, 2003. 2) 박준태, 이수범, 이수일, 김장욱, 고속도로 선형 요소를 고려한 복합선형구간 사고예측 모형 개 발, 대한교통학회 제56회 학술대회논문집, pp. 171~178, 2007. 3) 이승교, 복합선형을 고려한 사고예측모형 개발 에 관한 연구, 한양대학교 석사학위논문, 2008. 4) 한상진, 김근정, 도로종류별 교통사고 추세분석 및 시계열 분석모형 개발, 한국도로학회 논문집, 제9권, 제3호, pp. 1~12, 2007. 5) K. Fitzpatrick et al., Speed Prediction for Two-Lane Rural Highways, FHWA-RD-99-171(2000b). 6) Xuedong Yan, Safety Issue of Red-light Running and Unprotected Left-turn at Signalized Intersections, B. Sc. Xi` an University of Architecture & Technology M. Sc. University of Central Florida, 2005. 204 Journal of the KOSOS, Vol. 25, No. 6, 2010