서울시 화물차 사고 심각도 분석: 잠재그룹 기반 로지스틱 회귀모형을 활용하여 : 서울시 화물차 사고 잠재그룹 기반 로지스틱 회귀모형을 활용 = An analysis of the fatality of truck-involved crashes in Seoul: A latent class-based logistic regression approach

국문 초록 (Abstract)

온라인 쇼핑의 급속한 성장으로 인해 도시의 화물 차량 활동이 크게 증가했다. 따라서 밀집된 도시에서 발생하는 트럭 관련 충돌 사고는 종종 심각한 결과로 이어지기 때문에 교통 계획자와 정책 입안자들의 주목을 받고 있다. 본 연구는 2021년부터 2023년까지 대한민국 서울에서 발생한 트럭 관련 충돌 데이터를 2단계 모델링 접근법을 사용하여 분석한다. 먼저, 충돌 관련 요인과 운전자 관련 요인을 지표로 사용하여 잠재 계층 분석(LCA)을 적용했다. 그런 다음 각 계층에 대해 이진 로지스틱 회귀 모델을 개발하여 충돌 심각도에 영향을 미치는 결정 요인을 조사했다. 결과는 식별된 계층 간에 결정 요인에 상당한 차이가 있음을 보여주었다. 이러한 발견은 충돌 심각도 모델링의 이질성을 고려하는 것의 중요성을 강조하며, 도시 화물 안전을 개선하기 위한 귀중한 정책적 시사점을 제공한다.

목차 (Table of Contents)

• 국문요약 ⅰ
• 목 차 ⅱ
• 표 목차 ⅵ
• 그림 목차 ⅷ
• 제 1 장 서론 1
• 제 1 절 연구의 배경 및 목적 1
• 1.1.1 전자상거래(e-commerce)의 급격한 성장 2
• 1.1.2 연구의 목적 6
• 제 2 절 연구의 방법 및 구성 7
• 1.2.1. 연구 대상 및 방법 7
• 1.2.2. 연구 구성 8
• 제 3 절 차별점 10
• 1.3.1. 서울시 內 화물차 사고를 중심으로 연구 10
• 1.3.2. 인구 변화에 따른 도심 화물차 사고 연구 11
• 제 2 장 선행연구 12
• 제 1 절 기존 연구 검토 12
• 2.1.1 기존 연구 내용 12
• 2.1.2 본 연구 방향 17
• 제 3 장 방법론 19
• 제 1 절 데이터 설명 19
• 3.1.1 서울시 화물차 사고 데이터 활용 19
• 3.1.2 서울시 화물차 사고 10년치 (2014 -2023) 20
• 3.1.3 각 연도별 기술통계(변수, 평균, 비율) 22
• 제 2 절 연구모형 23
• 3.2.1 연구 프레임워크 23
• 3.2.2. 잠재계층분석(LCA) 24
• 3.2.3 이항로짓모형(Binary Logit Model) 25
• 제 4 장 결과 26
• 제 1절 10년치 사고 추이 분석 26
• 4.1.1 사고 수 및 사망사고 추이 26
• 4.1.2 화물차 가해자 평균 연령 추이 28
• 4.1.3 사고 유형별 추이 31
• 4.1.4 환경 관련 (날씨, 도로상태) 34
• 4.1.5 주야간 사고 관련 37
• 4.1.6 화물차 교통 사고 가해/피해자 상해 현황 38
• 4.1.7 지역 구/동별 사고 수 추이 40
• 4.1.8. 노인운전자 사고 관련 43
• 제 2 절 LCA 결과 45
• 4.2.1 최적 클래스 수 도출 45
• 4.2.2 각 클래스별 특징 47
• 제 3 절 Binary logit model 결과 51
• 4.3.1 Binary logit model 결과 51
• 제 5 장 논의 (Discussion) 58
• 제 1 절 이론적 시사점 58
• 제 2 절 정책적 실무적 시사점 60
• 5.2.1 도심형 물류안전관리 강화 필요 60
• 5.2.2 고령 화물차 운전자의 안전관리 61
• 5.2.3 보행자 보호 중심의 도심교차로 개선 63
• 5.2.4 음주 및 피로운전 예방 시스템 64
• 5.2.5 기상 및 시야 관리체계 보완 65
• 제 6 장 결론 67
• 제 1 절 요약정리(Summary of Key Findings) 68
• 6.1.1 사고유형별 주요 특성 도출 68
• 6.1.2 Whole dataset 대비 향상된 설명력 69
• 6.1.3 정책적 실무적 시사점 제시 69
• 제 2 절 한계점(Limitations) 70
• 참고문헌 72