졸음운전과 과속은 고속도로 교통사고의 주요 발생원인이다. 특히, 두 요인에 의한 교통사고는 일반적인 사고보다 치사율이 2배에서 5배 높기 때문에 위험요소를 줄이기 위한 실질적인 대책이 필요하다. 교통안전 전문가들은 사고의 원인을 규명하고 예측력을 높이기 위한 모형개발 연구를 지속적으로 수행하고 있으며 괄목할 만한 성과를 보이고 있다. 또한 고속도로 운영자는 수십 년에 걸친 도로선형 개량, 기하구조 개선, 안전시설물 확대구축 등의 노력으로 현재 국내 고속도로망은 설계규정을 준수하는 안전한 교통체계를 갖추게 되었다. 그러나 지속적인 연구와 노력에도 불구하고 고속도로 사고건수는 최근 10년 동안 감소하지 않고 있으며, 자동차 1만 대당 사망자수는 OECD 국가 중 두 번째로 높은 수준이다. 그 원인은 교통사고의 주요 발생원인이 운전자 요인에 있기 때문이며 위험운전에 대한 사고예방 대책이 미흡하다는 반증이다. 효과적인 사고예방 대책을 마련하기 위해서는 피로한 운전자가 어느 도로구간에 많이 분포하는지, 실제 도로구간의 동적 과속행태는 어떠한지, 그리고 시간대에 따라서 사고위험성이 어떻게 달라지는지 등에 대한 상세한 정보가 필요하지만, 이를 체계적으로 분석할 수 있는 방법론은 아직까지 보고되지 않았다.
이러한 문제점에 착안하여, 본 연구는 실제 고속도로를 주행한 차량들의 GPS 궤적 자료를 기반으로 동적 운전 피로와 과속행태를 시·공간적으로 분석하고, 사고위험성을 평가할 수 있는 방법론을 개발하여 제안하였다. 또한 사고 자료와 통행행태의 관계를 분석하여 어느 시간대에 몇 시간 이상 주행할 때 운전자가 피로해지면서 위험운전을 하는지, 주행속도가 몇 km/시 이상일 때 사고위험성이 높아지는지 등과 같은 실제 도로주행 환경의 안전정보를 도출하였다. 동적 운전 피로 및 과속행태에 대한 미시분석 접근방식은 지금까지 시도되지 않은 새로운 방법이며, 사고예방 대책 수립을 위한 의사결정에 활용할 수 있다.
운전 피로 및 과속 분석의 목적은 사고예방을 위한 도로구간의 위험도 평가이기 때문에 각 분석지표는 실제 사고를 잘 설명할 수 있어야 한다. 이에 서해안고속도로를 대상으로 분석지표들을 산정하고, 실제 사고에 대한 설명력을 분석하여 지표의 성능을 검증하였다. 또한 도로구간의 사고위험성을 평가할 수 있는 분석지표 활용방안을 다음과 같이 세 가지로 제시하였다. 첫째, 운전 피로와 과속 분석지표를 설명변수로 하는 사고예측 모형을 구축하여 도로구간의 사고위험성을 거시적인 측면에서 분석하였다. 각 분석지표별로 구축한 사고예측 모형들은 83.3%에서 85.6%으로 우수한 설명력을 가지는 것으로 나타났다. 이는 운전 피로나 과속 등의 미시적인 운전자 특성을 반영하지 않았던 선행연구들의 고속도로 사고예측 설명력이 60%를 넘지 못한다는 점을 고려할 때 상당히 높은 수준이다. 이 결과는 교통사고의 주요 발생원인이 운전 피로와 과속이라는 전문가들의 의견과 일치한다. 또한 운전자요인에 의한 사고가 70% 이상인 고속도로 교통사고를 더 잘 이해할 수 있는 계기를 제공하는 것이며, 적절한 대비책을 마련하기 위한 정책방향을 제시해줄 수 있는 결과이다.
둘째, 분석지표를 활용한 시·공간 위험노출맵을 작성하여 도로구간별 사고위험성을 더욱 정밀하게 평가할 수 있는 방안을 제시하였다. 본 연구에서는 1km 및 15분 단위로 세분화하여 위험노출맵을 작성하였으며, 도로운영자의 요구에 맞춰 단위를 조정할 수 있다. 피로 지표와 과속 지표로 작성한 위험노출맵을 살펴보면, 두 위험요인의 시·공간적 패턴이 다르게 나타난다. 이러한 위험패턴의 차이는 국가적인 토지이용와 통행활동에 밀접한 관련이 있다. 따라서 운전 피로와 과속에 의한 고속도로 교통사고는 전국 고속도로망과 토지이용에 기반하여 분석할 필요가 있다. 시·공간적 위험노출맵을 활용하여 개인 통신장치(스마트폰, 내비게이션 등)나 가변안내표지판(VMS) 등을 통해 고속도로 구간의 교통사고 위험도 정보를 효과적으로 제공할 수 있다.
마지막으로 개별 차량의 실시간 궤적을 이용하여 운전자의 피로도와 속도에 따른 사고위험성을 분석하는 방안을 제시하였다. 이 방안을 통해 도로를 주행하고 있는 위험차량을 실시간으로 탐지하여 위험정보를 직접적으로 제공할 수 있다. 일반적으로 운전자들은 자신의 피로수준을 무시하고 낮게 평가하는 경향이 있기 때문에 객관적인 위험정보를 안내하는 것이 중요하다. 또한 본 연구에서 제시한 동적 위험도 모니터링 방법은 도로의 유형에 관계없이 활용할 수 있다. 위험운전자에게는 내비게이션을 통해 본인의 객관적인 피로상태와 과속위험성을 안내하여 스스로 안전운전을 하도록 지원하며, 위험차량의 주변에서 통행 중인 운전자들에게도 전방에 설치된 VMS와 내비게이션을 통해서 해당 도로구간에 졸음운전을 하거나 과속 중인 차량이 있음을 안내하여 방어운전을 유도할 수 있다.
본 연구는 대용량의 개별 차량 궤적 자료를 이용하여 운전 피로와 과속을 시·공간적으로 모니터링할 수 있는 방법론을 개발하여 제시하였다. 본 연구의 괄목할 만한 분석결과는 고속도로 교통사고의 연구방향이 거시적인 주행여건(도로 기하구조, 교통상황, 날씨조건 등) 중심에서 미시적인 운전행태(운전 피로, 과속 등)로 변화되어야 함을 시사한다. 본 연구의 방법론을 통해 산정한 운전 피로와 과속 지표의 사고 설명력이 상당히 우수한 것으로 분석되었지만, 더욱 발전된 모빌리티 자료(자율주행차량 궤적 자료, 스마트 모빌리티 궤적 자료, 차량-시설물 간 통신 궤적자료 등)를 연구에 활용하기 위한 다양한 시도가 필요하며, 동적 운전 피로와 과속행태를 미시적인 관점에서 모니터링하기 위한 고도화된 방법론이 계속해서 연구되어야 한다.

A motorway traffic accident is a major cause of irregular traffic congestion and socioeconomic losses (e.g., severe mortality and economic loses). Naturally, myriads of academic and practical efforts have been made to explore and identify the critical causes of traffic accidents for decades. Despite the academic achievements, the number of motorway vehicle crashes have not decreased at least in the case of South Korea, even though all motorway sections meet design standards and guidelines through the continuous efforts of improvements. This indirectly indicates that the main cause of motorway crashes could be closely related to the features of drivers rather than driving conditions (e.g., road geometry or traffic states). In this context, discovering and identifying the critical features of drivers, deeply related to motorway vehicle crashes, is still one of on-going issues that should be successfully addressed in academia. There is also a consensus that driving fatigue and speeding are the major causes of traffic accidents especially in the case of motorways. Fortunately, individual vehicle trajectory data, collected through various vehicle GPS systems, have key clue information about the features of drivers (i.e., driving fatigue states and microscopic speeding behaviors of individual drivers).
To realize this opportunity, a novel methodology for the dynamic evaluation of motorway accident risks was developed in this research using individual point-to-point vehicle-GPS trajectory big data. The method was based on the two new sub-methods to microscopically and dynamically monitor driving fatigue and speeding, respectively. The two measured variables (i.e., driving fatigue states and speeding states for each driver) according to the dimension of microscopic space and dynamic time were integrated in order for decision-making on accident risks for road segments.
To demonstrate the feasibilities of the methodology devised in this dissertation, two types of ground-truth data were employed. Individual vehicle crash data for five years (2015-2019) from the motorway line 15 (Seohaean motorway) which is one of major lines in South Korea was used. The individual accidents were aggregated into accident rate per road segment for a year. Individual second-by-second vehicle trajectory big data collected by virtue of advanced vehicle-GPS systems for a full month (October, 2017) was used for the temporally and spatially local measurement of both driving fatigue and speeding states for each vehicle-GPS trip according to motorway sections by using the two developed sub-methods.
The analysis results were remarkable from three standpoints: accident prediction, the temporal and spatial evolution of driving fatigue and speeding states, and the online monitoring of driving fatigue states. Regarding the accident prediction, it turned out that the predictabilities of both driving fatigue and speeding variables overwhelmingly exceeded those of road geometry and traffic flow variables in terms of statistical coefficient of determination. The explanatory-power values (i.e., R2) of both driving fatigue and speeding variables were, at the very least, up to 84.9% and 83.4%, respectively, whereas those of road geometry and traffic flow variables were less than 0.6. In addition, it should be noted that no research with this sort of high explanatory power has been reported in the area of traffic accident research. This fact exactly stands on the same line with expert consensus that driving fatigue and speeding are the critical causal factors of vehicle crashes at the very least on motorway networks. This directly indicates that research direction in the modeling of traffic accident prediction needs to turn into the microscopic states of driving fatigue and speeding at least in the case of motorway segments.
As for the temporal and spatial evolution of driving fatigue and speeding states, it was analyzed through a couture map that was regularly consistent of space-and-time cells with one-kilometer space and 15-minute time interval. It turned out that the temporal and spatial evolution of states for the two variables (i.e., driving fatigue and speeding) has a kind of distinguished pattern which are deeply related to the risk levels of vehicle crashes. It was found out that the pattern of driving fatigue according to space and time is different from that of speeding. In addition, it can be seen that this pattern is highly related to nation-wide land use and its trip activity in the case of regional motorways. The findings indicate that motorway accidents caused by driving fatigue and speeding should be analyzed and explained through the nation-wide motorway networks and land use. Most importantly, the space-and-time couture maps for driving fatigue and speeding could be effectively serviced through smart device or variable message sign as the information of vehicle-crash risks for drivers on motorway sections.
In particular, the analysis results showed that the fatigue progress (e.g., non-fatigue, fatigue, microsleep, drowsy) of an on-driving driver can be dynamically and effectively monitored using driving tasks which are intrinsically included in second-by-second vehicle trajectory. Note that drivers have a tendency to underrate and ignore their fatigue in many cases. In addition, the method, presented in this research, for monitoring dynamic driving fatigue levels for a driver is still useful regardless the type of road, as it was devised based on driving-time task. It is, hence, expected that the monitored fatigue states can be dynamically served as a customized safety-driving information for individual drivers through vehicle GPS systems in order to recognize their fatigue and to cut down the risk of accident occurrences.
This study initiatively contributes a first step toward proposing a promising and feasible solution to the temporal and spatial monitoring of driving fatigue and speeding using vehicle trajectory big data. The noticeable results of this study say that the research direction of modeling and analysis of motorway accidents analysis needs to change from macroscopic driving circumstances (e.g., road geometry conditions, traffic states, and weather conditions) to dynamic and microscopic driver states (e.g., driving fatigue and speeding). Despite the remarkable results of this study, there still are many opportunities in both dynamic monitoring of driving fatigue progress and microscopic measuring of speeding with advanced methodologies and advanced mobility data (e.g., autonomous vehicle trajectory data, smart mobility trajectory data, vehicle-to-infrastructure trajectory data). In addition, further investigations into the monitoring of driving fatigues for heavy vehicles (e.g., inter-regional bus, truck) especially covering the long haul should be made in order to reduce the undesirable heavy-vehicle related traffic accidents.