서울시 고령 운전자의 중상 및 사망사고와 도로 환경의 연관성 분석: 기계학습을 활용한 비선형성과 상호작용 효과를 중심으로

Abstract

본 연구는 2017년부터 2019년까지의 TAAS 교통사고 데이터를 활용하여 서울시 고령 운전자의 중상 및 사망사고 발생과 도로 환경적 요소 간의 비선형 관계 및 상호작용 효과를 탐구하였다. 이를 위해 기계학습 기반의 트리 앙상블 알고리즘과 SHAP 기법을 적용하고, 이론적 관점을 결합하여 심층적인 통찰을 도출하였다. 주요 연구 결과는 다음과 같다. 첫째, XGBoost 모형은 고령 및 비고령 운전자의 교통사고 예측에서 가장 우수한 성능을 보였으며, 특히 비고령 운전자의 예측에서는 SMOTE 기법을 활용한 성능 개선이 관찰되었다. 둘째, 고령 운전자의 사고 예측에서는 도로 네트워크의 구조적 특성과 복잡한 도로 환경(교차로 수, 상업시설 밀도)이 중요한 변수로 작용하는 반면, 비고령 운전자는 도로 환경에 더 유연하게 반응하여 해당 변수들의 중요도가 낮음을 확인하였다. 특히, 녹지 비율은 고령 운전자의 사고 확률을 저감시키는 중요한 요소로 나타났다. 셋째, SER 이론을 바탕으로 도로 환경과 사고 확률 간의 비선형 관계를 분석한 결과, Closeness, 상업시설 밀도, 개방감 등에서 비선형적 패턴이 발견되었으며, 특정 임계치를 초과할 경우 사고 확률이 급격히 증가하는 경향이 나타났다. 마지막으로, ART 이론을 기반으로 녹지 비율과 도로 환경 요소 간의 상호작용 효과를 분석한 결과, 상업시설 밀도가 높은 지역이나 폐쇄적인 도로 환경에서 적정 녹지 비율이 조성되면 사고 확률이 감소하는 경향을 보였다. 이러한 결과는 고령 운전자가 복잡한 도로 환경에서 자연적 요소인 녹지를 통해 주의 회복을 돕고, 사고를 예방할 수 있음을 시사한다. 본 연구는 고령 운전자의 사고를 줄이기 위한 도로 환경 설계 및 교통 관리 정책 수립에 유용한 정보를 제공하며, 특히 비선형적 사고 예측 패턴과 상호작용 효과 분석을 기반으로 한 맞춤형 교통 안전 전략의 필요성을 강조한다.

This study analyzes traffic accident data from the TAAS (2017-2019) to examine non-linear relationships and interaction effects between road environmental factors and fatal accidents involving older adult drivers in Seoul. Machine learning-based tree ensemble algorithms and the SHAP method were used to provide insights integrating theoretical perspectives. The main findings are as follows: First, the XGBoost model performed best in predicting accidents for both older adult drivers and non-older adult drivers, with significant improvement observed for non-older adult drivers using the SMOTE technique. Second, for older adult drivers, road network characteristics and complex environments (intersection count, commercial facility density) were key factors, while non-older adult drivers showed more flexibility, reducing the importance of these factors. Green space proportion was found to lower accident probability for older adult drivers. Third, non-linear patterns were observed in variables such as Closeness, commercial facility density, and openness, with accident probability rising sharply beyond certain thresholds. Finally, interaction effects based on Attention Restoration Theory indicated that in areas with high commercial facility density or enclosed environments, an optimal green space ratio reduced accident probability. These results suggest that green spaces can enhance attention and reduce accidents for older adult drivers in complex environments. This study informs road environment design and traffic policy development to reduce older adult drivers accidents, highlighting the need for tailored safety strategies based on non-linear patterns and interactions.