1. 소개

지능형 교통시스템(intelligent transportation systems, ITS)과 저비용 선제적 안전 개선(low-cost proactive safety improvement, LCPSI)을 포함하여 증가하고 있는 교통 안전 전략들은 체계적이고 선제적으로 자원의 배분을 최적화하기 위해 통합적인 접근방식을 요구함. 위험한 지역을 파악하고 제거하는 6단계 방법(six-step method)과 같이 현재 사용되는 표준 방법들의 대부분은 그 목표를 잘 달성하는 반면, 그와 같은 방법들은 사고가 발생하고 난 후 개선방법을 찾는 수동적인 접근방식(reactive approach)을 가지고 있음.

교통 안전을 선제적으로 개선하기 위해서, 위험한 도로 상황과 그로 인해 예상되는 영향은 조치가 취해져야하는 지역을 결정하는 단계에서 예측되고 고려되어야 함. 제한된 예산으로, 예상되는 사고수를 최대한으로 줄이는 최적화된 방법으로 자원을 분배하는 것이 이상적임. 최적화 모델(optimization model)이 고속도로 안전 매뉴얼(Highway Safety Manual)에서 제공되긴 하지만, 이 매뉴얼은 문제의 일부 측면을 간과하고 있어 차선의 해결책(sub-optimal solutions)으로 안내함. 이러한 이슈를 다루고 여러 수준에 있는 정책결정자들이 조치 지역(treatment sites)과 대응되는 안전 전략을 선제적으로 선택하는 것을 돕기 위해서, 지능형 의사지원시스템(intelligent decision support system)이 이 프로젝트에서 제안됨.

전통적인 방법들에 대한 상세한 검토와 서로간의 비교에 근거하여, 새로운 방법이 이 프로젝트에서 개발됨. 모든 예산상의 제한을 만족시키면서 예상되는 전체 사고건수를 최소화하는 최적화 모델이 개발되었음. 전통적인 방법들과 외삽법(extrapolation)을 결합하여, 어떤 조치의 유무에 따라 조치 지역의 예상 사고건수를 예측하는 3단계 방법이 제공됨. 이는 최적화 모델에 입력요소(input)를 제공함. 통계적 분석을 수행하기에 데이타가 제한적인 경우에는 사고건수를 예측하기 위해서 고속도로 안전 매뉴얼에서 제공된 사고 보정 함수(crash modification functions)가 사용되었음. 그러나, 더 많은 데이타가 수집되고 의사결정 시스템의 데이타베이스에 저장됨에 따라, 매뉴얼에서 사용된 검정인자(calibration factor)와 같은 핵심적인 변수의 계산을 계속해서 개선할 수 있을 것으로 예상됨.

또한, 데이타 수집과 준비가 전체 의사결정 과정에서 보통 가장 어렵고 시간이 많이 소요되기 때문에, 그러한 과정에서 데이타 수집, 정보 추출과 계산을 용이하게 하기 위해 지리정보시스템(geographic information system, GIS) 기반의 도구가 제안되고 개발되었음. GIS 인터페이스를 가지고, 의사지원시스템은 교통 공학자들로 하여금 GIS 맵으로부터 바로 고려대상인 지역을 선택하고, 도로 고유번호(identification, ID)와 연간 평균 일일교통량(annual average traffic daily traffic, AADT)과 같은 지역정보를 검토하며, 기하학적 설계 특징과 교통제어 특징과 관련된 변수들을 계산하도록 함. GIS 도구는 사고 보정 인자들을 계산하기 위해 필요한 데이타의 주요 부분을 수동적으로 입력할 필요가 없어서 교통 공학자들의 상당한 시간을 절감시킴. 이 프로젝트에서 제안된 의사지원시스템과 함께, 고려대상인 조치 지역과 가능한 조치가 맵으로부터 선정되고 전체 예산이 입력되기만하면, 최적화된 시나리오가 생성되어 그 지역들이 대응하는 조치와 함께 처리되도록 제안함.

이 프로젝트의 미래 혜택은 미네소타 교통부(Minnesota Department of Transportation, MnDOT)의 GIS 데이타베이스를 안전분석 소프트웨어(Safety Analyst software)와 연결시키고 이 소프트웨어의 불완전한 최적화 기능을 보완할 수 있는 가능성을 포함함. 데이타 수집과 준비 시간은, 소프트웨어에 의해 요구되는 입력요소의 많은 부분이 GIS 도구에 의해 자동적으로 생성됨에 따라 상당히 줄어들 것임. 최적화 결정의 정확성도 향상될 것임.

이 프로젝트이 초기 단계에서, 예산 배분과 관련된 문제를 분석하는 것을 돕기 위해 사례 연구가 수행되었음. 이 사례에서는 2010년 가을 미국 미네소타 주의 엘라이(Ely) 지역에 있는 고속도로 169상에 2개의 안전 개선 프로젝트가 경쟁하고 있었는데, 22백만 달러를 분배하는 최적의 해결책을 결정하는 것이었음. 이 사례연구 동안 데이타 수집과 정보 입력은 가장 시간이 많이 소요되는 임무로 파악되었음. 문제의 일부는 분석을 위해 필요한 데이타가 여러 기관들에 다양한 포맷(formats)으로 저장되어 있던 것임. 데이타를 동일한 포맷으로 조정하고 분석절차를 신속하게 하는 것을 돕기 위해, GIS 기반의 의사지원시스템이 이 프로젝트에서 제안되었음. 이 시스템을 사용하여, 도로 부분과 교차로, 사고의 특징을 파악하는 데이타가 shapefiles로 저장될 수 있고, 수동적인 입력없이 자동적으로 사고율을 계산하도록 시스템과 연결될 수 있음. 추가로, GIS 인터페이스는 사용자들로 하여금 관심지역을 맵에서 바로 선택해서 관련 정보를 살펴보고 분석을 수행하며 예상 사고율을 계산할 수 있도록 하였음. 일단 예측된 예산이 입력되면, 선택된 지역에 대한 최적화된 안전 전략 시행 계획이 제안될 것임. 또한 시행을 위해 필요한 전체 투자, 운영 및 유지관리도 제안될 것임.

이 보고서는 다음과 같이 구성되어 있는데, 2장은 지역 선택과 조치에 대한 평가에 사용되는 전통적인 방법들을 검토함. 전통적인 방법들의 사용과 단점들을 논의하기 위해 위험 지역을 파악하고 제거하는 고속도로 안전 매뉴얼에서 제안된 표준 절차인 6단계 방법과 최적화 절차로 시작함. 그리고 나서 조치의 사고 감소효과를 평가하는 여러 방법이 그들의 장점과 단점, 그리고 데이타 필요성과 함께 자세하게 논의됨. 이러한 방법들에는, 단순 연구전후 방법(simple before-and-after study method), 비교그룹(Comparison Group, CG)을 가진 연구전후 방법, 경험적 베이즈(Empirical Bayes, EB)를 가진 연구전후 방법, 그리고 하우어(Hauer)에 의해 소개된 보다 일관적인 방법이 포함됨. 사례들과 수학적 귀납법(mathematical deduction)은 방법들을 나타내고 확인하기 위해 제시됨.

3장에서는, 교통 안전 전략들에 선제적이고 체계적으로 자원을 배열하기 위해 최적화 모델이 제안됨. 이는 고속도로 안전 매뉴얼에서 제안된 최적화 모델을 검토할 때 2장에서 파악된 문제들을 다루고 교통 안전 개선을 위한 선제적인 방법을 제공함. 그런 후, 상세한 사례와 함께 3단계 방법이 소개되고 최적화 모델에 대한 입력요소를 제공함. 3단계는: (1) 데이타 수집 및 준비: (2) 조치 없이 조치지역의 예상되는 사고건수를 예측; 그리고 (3) 조치후 조치지역의 예상되는 사고건수를 예측. 주의를 요하는 제한사항과 알고리즘에 대한 미래 연구도 논의됨.

4장은 이 보고서에서 검토되고 개발된 알고리즘에 기반하여 개발된 GIS 인터페이스의 의사지원 시스템의 전체 그림을 보여줌. 예제 코드(codes)가 상세한 분석과 함께 제공됨. 5장은 프로젝트를 마무리함.

2. 지역 및 조치 평가 및 선정방법

위험 지역 (상대적으로 높은 사고율을 가진 지역으로 핫스팟(hot spots)으로도 불림) 을 파악하고 제거하는 표준절차는 다음의 6단계로 구성됨:

1.  사고 보고서에 따라 매우 위험한 지역을 파악한다;
2.  이러한 지역에 대한 잠재적 설계 문제를 분석한다;
3.  설계 문제를 다루기 위해 실현가능한 조치를 파악한다;
4.  사고 감소건수에 따라 잠재적 조치의 효과를 예측한다;
5.  가장 높은 비용 대비 효과 비율을 가진 조치를 시행한다;
6.  조치를 시행한 후 조치의 효과를 추정한다.
 

교통 안전을 개선하는 이러한 절차는 실제 사례에서 훨씬 퍼져있는 절차임. 이는 사용하기 쉽고 직관적임. 그러나, 이는 교통사고가 발생한 후 대책을 찾는 수동적인 의사결정 절차임. 효과적인 시스템은 그전에 예측 분석을 해야하고, 사고가 발생하는 것을 막기위한 최선의 가능한 조치를 시행해야 함. 또한 네번째 단계에서 비용 효과성 비율(cost effectiveness ratio)은 조치를 선택하는데 사용되는 유일한 기준임. 이는 자원의 배분결정에서 체계적인 최적화와 장기 계획의 부족함을 나타냄.

자원 배분과 조치 선택을 다루기 위한 보다 선제적인 접근방식이 최근 고속도로 안전 매뉴얼에서 미국 주 고속도로 교통관리자 협회(American Association of State Highway Transportation Officials, AASHTO)에 의해 출판되었음. 많은 양의 문헌에 근거하여, 이 매뉴얼은 시골의 2차선, 왕복 도로와 시골의 다차선 고속도로에 대해 시설과 지역 형태에 따라 예상되는 평균 사고빈도를 예측하는 방법을 개발하였음. 안전 분석 소프트웨어에 대한 백서도 또한 일군의 관심 시설과 지역에 대한 조치를 선택하는 것을 돕기 위해 소프트웨어가 기반하고 있는 최적화 절차를 문서화하였음.

3. GIS 기반의 의사지원도구

최근의 고속도로 169 프로젝트를 포함한 실제 사례 연구의 수행과정에서 통합된 데이타원과 포맷의 부족이 데이타 수집을 매우 시간을 소요하고 부담스러운 임무로 만들었음이 파악되었음. 교통 공학자들의 데이타 수집 임무를 용이하게 하기 위해 다양한 데이타원을 통합하고 그들을 고속도로 안전 매뉴얼에서 있는 CMF나 연구진의 모델에 바로 입력될 수 있는 포맷으로 전환하는 것이 유용할 것임. 따라서, 지도, 데이타베이스, 그리고 통계 분석을 모두 통합하기 위해 GIS 기반의 의사지원도구가 제안되었음. 지리정보시스템은 모든 형태의 지리적 데이타를 파악하고 저장하며 조작하고 분석하며 관리하고 제시하기 위해 설계된 시스템임.

GIS 기반의 의사지원도구의 전반적인 설계

연구진이 제안한 의사지원도구에서, GIS 인터페이스는 사용자들로 하여금 조치를 위해 고려하고 있는 지역들을 맵에서 바로 선택할 수 있도록 함. 일단 맵이 열리면, 사용자는 맵을 확대하거나 축소하기 위해 툴바(too bar)에 있는 아이콘(icons)을 클릭할 수 있음. 도로 부분이나 교차로를 클릭함으로써, 선택된 도로나 교차로의 상세내용을 보여주는 드랍다운(drop down) 목록이 보여지며, 사용자들은 그것을 선택에 추가할 수 있음. 일단 도로 부분이나 교차로가 선택되면, 이들은 다른 색상으로 강조될 것임. 인터페이스는 또한 shape file의 새로운 레이어(layer)를 맵에 추가함으로써, 교통 공학자들로 하여금 건설될 새로운 도로나 교차로를 추가하게 할 수 있음. Shape files의 레이어들은 맵 인터페이스에서 보여지거나 감추어지도록 켜지거나 꺼질 수 있음. 예를 들어, 사용자 인터페이스의 왼쪽 열에서 “Map Contents ？ StLouis”아래에 있는 3개의 아이템은  맵, 도로의 연간평균일일교통량 데이타, 그리고 사고 데이타를 포함하는 shape files의 세가지 레이어를 나타냄. 그들이 모두 체크되면, 도로들은 맵 위에서 보이며 연간평균일일교통량 데이타는 도로 부분이 클릭되면 보여질 수 있음. 사고에 대한 정보도 보여질 수 있음.

일단 고려되고 있는 조치지역의 선택이 완료되고 제안된 신규 도로나 교차로가 추가되면, 사용자는 다음 단계로 넘어가기 위해 “Next”버튼을 누를 수 있음. 거기에는 많은 ITS나 LCPSI 전략들을 포함한 잠재적 조치가 미리 선택될 수 있음. 두번째 단계의 목적은 교통 공학자들이 느끼기에 선택된 지역을 처리하는데 도움일 될 수 있는 ITS 또는/그리고 LCPSI 전략들을 추가하는 것임. 각 도로 부분과 교차로에 대해서, 신규 건설이 제안되고 맵에 추가된다면 시스템은 그러한 전략을 사용하여 기존의 지역을 처리하는 것이 신규 건설보다 더 나은 옵션인지를 비교할 것임. 만약 그렇다면 전략들은 사용되어야 함. 1,000달러 단위로 전체 예산이 입력된 후, “Suggest”버튼을 클릭하면 사용자들은 결과 페이지로 이동하게 됨. 거기에서 처리될 도로 부분과 교차로가 소프트웨어에 의해 제안될 것임. 조치와 관련된 전체 비용도 나타날 것임.