Identifying Factors Affecting Injury Severity on Right-Turn Accidents at Signalized Intersections Using Machine Learning

최근 정부는 국내 우회전 교통사고의 심각성을 인지하여 관련된 법제도를 정비하는 등 우회전 사고에 따른 피해저감을 위해 많은 노력을 기울이고 있다. 본 연구는 이와 같은 사회적 배경, 그리고 관련된 선행연구의 부재에 따라 우회전 사고심각도의 영향 요인들을 찾고자 하였다. 연구를 위해 보도자료에서 발표된 전국의 우회전 사고다발지 25개에 대한 최근 6년(2018-2023)간의 우회전 사고자료 253건이 수집되었다. 이를 토대로 총 23개의 변수를 개별 사고별로 구축하였다. 구축된 자료를 가지고 기계학습 분류모형에서 대표적으로 활용되는 랜덤포레스트 모형과 이항 로지스틱 회귀모형으로 사고심각도 요인을 분석하였다. 두가지 모델을 같이 사용하는 방법은 모델의 성능과 설명력을 모두 고려할 수 있다는 장점이 있다. 연구 결과, 총 7개의 요인(인적 측면에 해당되는 피해 보행자 연령층, 차량 측면에 해당되는 가해 차량의 차종, 도로교통 측면에 해당되는 접근로 제한속도, 우회전 전용차로 유무, 고원식 횡단보도 유무, 정지선-횡단보도 간격, 우회전 곡선반경)이 통계적으로 유의(p < 0.05)한 것으로 나타났다. 연구 결과는 정책 결정권자 및 실무자로 하여금 국내 우회전 사고에 대한 실질적 감소대책 마련에 도움이 될 것으로 기대된다. 향후에는 우회전 교통사고 다발교차로와 미발생 교차로간 비교 연구가 필요하며, 운전자 행태자료가 결합된 연구 또한 필요할 것으로 판단된다.