교통사고는 최근 감소하는 추세이기는 하지만 여전히 높은 수준을 유지하 고 있다 교통사고 원인 및 추이가 분석 또는 예측된다면 사고의 예방에 도 움이 될 것이다. 또한 지역의 특성을 반영하지 못한 획일적인 예방대책은 교 통사고를 감소시키는데 한계가 있다. 따라서 도시 특성을 반영한 교통사고 예측모형의 개발에 대한 연구가 필요하다.
본 연구의 목적은 사회·경제지표를 이용하여 여건이 유사한 도시들을 군 집으로 분류하여 각 유형들에 따른 교통사고의 특성을 분석하고자 한다. 그 리고 분류된 유형에 따른 교통사고 예측 모형을 개발하고자 한다. 이렇게 개 발된 교통사고 예측 모형은 교통사고 예측뿐만 아니라 교통사고 감소를 위 한 대책의 강구, 교통사고 감소를 위한 정책의 우선순위 결정 등에 활용할 수 있다.
본 연구의 공간적 범위는 경기지역 31개 시·군이며 시간적 범위는 2006 년 1월 1일에서 12월 31일까지이다. 도시의 도시특성자료들을 바탕으로 10 개의 설명변수를 선정하여 요인분석을 실시하여 3개의 주요인을 추출하였 다. 이들을 기준으로 군집 분석한 결과, 31개의 시·군은 3개의 유형으로 분 류되었다. 유형화된 도시 군집들의 교통사고 발생건수, 사망자수, 보행자 교 통사고 발생건수, 보행자 사망자수를 비교분석하였으며 이를 바탕으로 도시 유형별로 다중회귀모형을 사용하여 교통사고 예측모형을 개발하였다. 개발 된 회귀 모형식들은 결정계수가 0.571~0.992로 비교적 높은 설명력을 보이 고 F-검정 결과도 모두 유의하게 나왔다.
향후 폭넓은 자료들을 활용하여 전국 단위의 도시들을 유형별로 좀 더 세 밀하게 분류한모형개발에 관한 연구가 이루어져야 할 것으로 사료된다. 그리 고 본 연구에서 개발한 교통사고 예측모형은 회귀분석의 단일 기법을 적용 한 것으로 이보다 더 정교한 기법이 적용될 수 있다면 훨씬 예측정도를 높 일 수 있을 것이다.
Alternative Abstract
Recently, although the traffic accident rate has been decreasing, it is still being in a high position. In this regard, we could expect to reduce a traffic accident rate if we found a cause and trend of accident. Meanwhile, a kind of uniformed prevention without consideration of characters of the city is limited to reduce a traffic accident rate. Therefore, a development of traffic accident prediction model considering characters of the city is required.
A purpose of this research is to analyze characters of traffic accident by classifying cities using cluster analysis method based on social and economic index and to develop a traffic accident prediction model according to the result of researches. As a result, a developed traffic accident prediction model can be utilized as a way of prevention from traffic accident and to give priorities to policies to reduce a traffic accident rate.
At first, cities for this research were designated to only 31 cities in Gyeonggi-do and target period is limited from Jan 1, 2006, to Dec 31, 2006. The Second, reports of the cities regarding general information and traffic accident were collected from concerned agency. The Third, I chose 3 factors through the factor analysis using 10 variable on the basis of the above data. Finally, 31 cities in Gyeonggi-do were classified as 3 clusters which meet the requirement. After classifying, traffic and pedestrian accident of clusters were compared with each other, and the number of traffic and pedestrian accident deaths also.
The above test and result were used for multiple regression analysis to develop a Traffic Accident Prediction Model. And a R2(coefficient of determination) of developed regression model ranged from 0.571 to 0.992.
It would be better if we could apply a more accurate tool than single tool of multiple regression analysis in order to elevate prediction rate and should develop a traffic accident prediction model which can be applied to all of the cities.