GNSS-Based Analysis of Personal Mobility Use and Accident Risk in University Districts of Nam-gu and Geumjeong-gu, Busan

국문 초록 (Abstract)

최근 개인형 이동장치（PM）의 이용 증가와 함께 관련 교통사고 또한 지속적으로 발생하고 있다. 특히 청년층이 밀집한 대학가에서는 PM 이용 수요가 집중됨에 따라 PM·보행자·차량 간의 상충, 교차로 내 혼재 교통 문제, 보행 안전 저해 등 다양한 도시교통 문제가 대두되고 있다. 이에 따라 PM 속도 제한, 주차구역 지정, 안전교육 강화 등 다양한 정책이 시행되고 있으나, 실제 PM 이용 특성과 사고 발생 구 조를 반영한 데이터 기반 정량분석 및 공간적 안전관리체계는 아직 충분히 구축되지 못한 실정이다. 이에 본 연구는 부산지역 내 PM 이용이 활발한 대표적 대학가인 부경대와 부산대 주변 지역을 중심 으로 PM의 시공간적 이용 특성을 분석하고, PM 교통사고의 공간적 군집 구조와 사고 발생 관련 공간 요인은 부경대가 위치한 남구와 부산대가 위치한 금정구 전체를 대상으로 분석하였다. 이를 위해 민간 공유 PM 운영업체로부터 제공받은 GNSS 기반 주행궤적 데이터와 한국도로교통공단 교통사고 데이터 를 비롯한 다양한 공공 데이터를 연계하였으며, 분석의 공간적 정밀성과 통계적 안정성을 함께 확보하 기 위하여 분석 목적에 따라 공간범위와 분석 격자 단위를 차등 적용하였다. 미시적인 PM 이용특성 분석은 부경대와 부산대 캠퍼스 반경 1 km 대학가를 중심으로 50 m × 50 m 격자 단위에서 수행하 였다. 반면 사고 및 공간요인 분석은 PM 교통사고 데이터의 희소성을 고려하여 남구와 금정구 전체로 공간범위를 확대하고, 100 m × 100 m 격자 단위에서 수행하였다. 이렇게 구축된 공간격자를 기반으 로 PM 통행수요를 산정하고, 대학가·역세권 접근성, 버스정류장 접근성, 상업시설 수, 도로연장, 교차로 수 등 공간 환경 변수를 구축하였다. 이후 주요 분석은 전역 공간자기상관 분석（Global Moran’s I）, 이 변량 공간자기상관 분석（Bivariate Moran’s I）, 이변량 국지공간자기상관 분석（Bivariate LISA）, 일반최소 제곱 회귀모형（OLS） 및 지리적 가중회귀모형（GWR）을 활용한 공간회귀분석, 그리고 상대적 사고위험지 수 기반의 고위험지역 도출의 순으로 진행하였다. 주요 분석 결과는 다음과 같다. 첫째, 대학가 PM 이용은 시간대, 학기·방학, 주중·주말, 축제 기간, 강수 여부 등에 따라 뚜렷한 차이 를 보였다. 양 대학 모두 등교, 하교 및 귀가 시간대에 PM 이용량이 증가하였으며, 학기 중에는 이용 량이 증가하고 방학 기간에는 감소하는 특성이 확인되었다. 그러나 두 대학의 지형조건과 주변 도시공 간 구조에 따라 이용패턴은 상이하게 나타났다. 부경대는 평탄한 지형과 주변 상권·주거지와의 연계성 이 높은 지역으로, 방학 및 휴일에도 일정 수준의 이용량과 공간적 활동성이 유지되는 특성을 보였다. 반면 부산대는 경사지형과 내부 캠퍼스 이동수요의 영향으로 학기 중 PM 이용량과 공간적 집중도가 높게 나타났으나, 방학 및 휴일에는 이용 감소폭이 비교적 컸다. 또한 강수 발생 시 양 대학 모두 PM 이용량이 감소하여, 기상조건이 PM 이용행태에 영향을 미치는 것으로 확인되었다. 둘째, PM 통행수요와 사고 발생의 공간적 군집 구조를 분석한 결과, 남구와 금정구 모두에서 통계적 으로 유의한 정（+）의 공간자기상관이 확인되었다. 이는 PM 통행수요와 사고 발생이 무작위로 분포하 는 것이 아니라, 대학가 주변 상업지역, 역세권, 주요 도로 및 교차로 주변과 같은 특정 도시공간을 중 심으로 집중되는 특성이 있음을 의미한다. 또한 Bivariate Moran’s I 및 Bivariate LISA 분석 결과, PM 통행수요와 사고 발생 간에도 통계적으로 유의한 정（+）의 공간적 연관성이 확인되었다. 남구에서는 경 성대·부경대역 주변 상권과 부경대 인근 주요 도로망을 중심으로, 금정구에서는 부산대 대학가, 부산대 역 및 인접 상업지역과 주요 교차로 주변을 중심으로 PM 통행수요와 사고 발생이 공간적으로 중첩되 는 특성이 나타났다. 셋째, PM 교통사고 발생과 관련된 공간요인을 전역적 관점에서 검토하기 위하여 OLS 분석을 수행하 였다. 분석 결과, 남구와 금정구 모두에서 상업시설 수는 PM 교통사고 발생과 통계적으로 유의한 정 （+）의 관계를 보였다. 이는 상업시설 수가 두 지역에서 PM 사고 발생과 가장 안정적으로 관련되는 전 역적 공간요인임을 의미한다. 또한 일부 공간환경 변수는 지역별로 관계의 방향과 유의성에서 차이를 보여, PM 사고 발생 구조를 전역적 분석만으로 설명하는 데 한계가 있음을 확인하였다. 넷째, GWR 분석을 통해 PM 사고 발생과 공간요인 간의 공간적 이질성을 파악하고, GWR 기반의 상 대적 사고위험지수（Relative PM Accident-Risk Index）를 활용하여 모형 기반의 상대적 사고 고위험지역 을 도출하였다. 분석 결과, PM 사고 발생과 두드러진 양（+）의 국지적 연관성을 보이는 주요 공간요인 은 지역별로 상이하게 나타났다. 남구에서는 상업시설 수와 교차로 수가, 금정구에서는 대학가·역세권 접근성과 상업시설 수가 PM 사고 발생의 국지적 변동과 관련되는 것으로 확인되었다. 이러한 공간요 인이 반영된 상대적 고위험 지역은 남구의 경우 부경대 인근 및 경성대·부경대역 일대의 주요 상권과 교차로 밀집지역에서 높게 도출되었다. 금정구의 경우 부산대역 일대와 부산대 인근 주요 상업지역을 중심으로 상대적 위험지수가 높게 나타났다. 이는 PM 사고위험이 단순한 통행수요 집중만으로 형성되 는 것이 아니라, 상업활동, 대학가·역세권 접근성, 교차로 구조 등 특정 공간요인이 중첩되는 지점에서 상대적으로 높아질 수 있음을 실증적으로 보여준다. 본 연구는 민간 공유 PM 운영업체의 GNSS 주행궤적 데이터, 한국도로교통공단의 교통사고 데이터 및 관련 공공 데이터를 연계한 민·관 데이터 융합분석의 실증적 사례로서, 대학가 PM 이용 및 사고 발 생의 시공간적 특성과 관련 공간요인을 정량적으로 분석하였다는 점에서 학술적·정책적 의의를 가진다. 또한 미시적 PM 이용특성 분석, 공간자기상관 분석, OLS와 GWR을 활용한 사고 영향요인 분석, 그리 고 GWR 기반 상대적 사고위험지수를 활용한 고위험지역 도출을 통합적으로 수행함으로써 PM 사고위 험의 공간적 구조를 체계적으로 규명하였다. 이러한 분석 결과를 종합해 볼 때, 대학가 주변의 PM 사고위험은 단순한 이용량 증가만으로 설명되 기보다, 지역별 상업활동, 대학가·역세권 접근성, 교차로 구조 등 다양한 공간요인의 중첩을 통해 형성 됨을 알 수 있다. 따라서 향후 PM 안전관리는 기존의 획일적 안전관리정책을 보완하여, 지역별 시공간 구조와 이용 특성을 고려한 맞춤형 정밀관리체계로 고도화될 필요가 있다. 특히 상대적 사고위험이 높 은 지역을 중심으로 이용 집중시간대 안전관리 강화, 주요 상권 밀집지역 및 대학가·역세권 지역의 보 행안전 인프라 개선, 위치기반 안전정보 제공, 위험회피 경로 안내 서비스 등 공간특성을 반영한 맞춤 형 안전관리정책이 함께 추진될 필요가 있다. 나아가 본 연구의 결과는 향후 PM 이용이 집중되는 도 시공간에서 PM 시공간 안전관리체계, 데이터 주도형 의사결정 체계, 그리고 지능형 교통체계（ITS） 기반 사고 예방 플랫폼 구축을 위한 실효성 있는 기초자료로 활용될 수 있을 것으로 기대된다.

목차 (Table of Contents)

• Chapter 1. Introduction1
• 1.1. Background and Objectives 1
• 1.2. Characteristics of PM Traffic Accidents 4
• 1.3. Theoretical Background and Related Regulations 11
• 1.4. Literature Review 28
• 1.5. Research Hypotheses 46
• Chapter 2. Research Methodology49
• 2.1. Study Area and Analytical Scope 49
• 2.2. Data Preprocessing and OD Construction 52
• 2.3. Spatial Autocorrelation Analysis Methods 56
• 2.4. Spatial Regression Analysis Methods 65
• 2.5. Research Procedure 75
• Chapter 3. Spatiotemporal Analysis of PM Usage81
• 3.1. Basic Analysis of PM Usage81
• 3.2. OD Volume Spatiotemporal Distribution 95
• Chapter 4. PM Accident Risk Analysis 140
• 4.1. Spatial Autocorrelation Analysis of PM Accident Risk 140
• 4.2. Spatial Regression Analysis of PM Accident Risk 162
• Chapter 5. Conclusions and Future Research Directions 173
• 5.1. Conclusions 173
• 5.2. Future Research Directions 178
• References 181
• Appendices186