1.1 연구배경 및 목적

본 연구는 철도사고의 유형별 발생 요인과 경제적 영향을 분석하는 데 중점을 두었다. 철도사고는 인적 요인, 기술적 요인, 외부 요인 등을 주요한 발생원인으로 분류할 수 있으며, 이러한 사고가 경제적으로 미치는 영향 또한 매우 중요하다. 철도사고의 발생 요인들이 경제적으로 어떤 영향을 미쳤는지를 조사·분석함으로써, 철도 안전을 강화하고 사고를 예방하기 위한 효과적인 전략을 개발하고자 한다. 철도사고 유형, 철도 차량 종별(고속철도, 일반철도 및 도시철도)과 발생 원인(인적 요인, 기술적 요인 및 외부 요인) 사이의 상관관계를 통계적으로 검증함으로써 각 요인이 철도사고에 미치는 영향을 파악하고, 사고 예방 전략을 수립하기 위한 근거 자료를 제시하여 철도 안전 관리의 효율성을 증대시키고 공공의 안전을 확보하는 데 기여하고자 한다.

1.2 연구내용 및 방법

일반적으로 광역철도는 일반철도와 도시철도를 혼용해서 운행하는 것을 의미하지만, 본 연구에서는 철도차량 사고분류에 따른 데이터 집계를 일반철도와 도시철도로 분류해서 철도차량종별 철도사고 유형과 발생 요인간의 통계적 유의성을 분석하였다.

본 연구는 철도 사고와 관련한 데이터 마이닝 알고리즘을 수행해서 데이터의 통계 분석을 하기에 효율적이며 통계적 상관관계 분석에 적합한 효과를 지닌 R-studio를 활용하여 철도사고의 발생유형과 그 원인과의 연관성을 분석하였다.

철도사고 유형과 원인 간의 상관관계를 가설설정하여 사고데이터를 종합적이고 통계적으로 분석한 선행연구가 미비하여, 본 연구에서는 이러한 상관관계의 통계적 유의성을 평가하기 위해 다양한 통계적 방법을 사용하였으며, 사고발생 원인에 대해 인적, 기술적, 외부적 요인으로 분류된 사고유형과 원인 간의 관계에 대한 연관성을 통계 기법을 활용하여 조사 결과의 중요성을 검증하고 결과의 신뢰성을 나타내고자 하였다.

철도차량의 종별 즉, 고속철도, 일반철도, 도시철도 등 다양한 유형의 철도차량을 대상으로 사고 원인과 영향의 변화를 분석하고자 독립변수는 차량의 종류와 사고원인으로 하였으며, 종속변수는 피해금액으로 설정하였다. 포괄적인 통계적 접근 방식은 이전에 탐구되지 않았던 중요한 패턴과 관계를 밝혀서 사고 원인의 경제적 영향을 강조함으로써 표적화된 안전의 중요성을 부각함으로써 철도 사고로 인한 경제적 부담을 완화하고 전반적인 안전 조치개선에 기여하고자 한다.

1.3 연구과정

사고유형 분석결과에 대한 데이터 분석을 통해 통계적 유의성을 검정하고, ANOVA 결과분석과 사후분석인 Scheffés 분석 결과로 철도종별과 사고원인의 상관관계와 철도종별과 사고원인에 대한 개별 그룹간 평균 차이분석 그리고 교차분석을 통한 가설검증을 하였다^{(Cho and Chung, 2009)}.

1.4 가설의 설정

고속철도, 일반철도 및 도시철도 등의 철도차량종별 및 발생원인을 독립변수로 설정하였으며, 이에 대한 피해액이 얼마나 되는지를 종속변수로 변수설정을 하였다.

하나의 독립변수 수준에 종속변수의 평균변화율에 대한 상관관계 평균독립변수와 종속변수간의 인과관계를 확인하였다. 독립변수인 철도종별과 종속변수(피해액의 평균)의 상호작용 효과에 대해 다음과 같이 귀무가설(H0)과 대립가설(H1)을 수립하였다.

․ 귀무가설(H0) : 차량종별 및 발생원인에 따른 피해액의 차이가 없다.

․ 대립가설(H1) : 차량종별 및 발생원인에 따른 피해액의 차이가 있다.

4.1 레빈 테스트(Levene’s test)를 통한 분산의 동질성 검증

레빈 테스트는 후속 통계 분석의 견고함과 적절성을 보장하기 위한 사전 검정으로 등분산 가정이 만족할 때만 ANOVA를 수행하므로 분산이 동일할 때 즉, 등분산일 때 ANOVA 테스트의 신뢰성이 높기 때문에 ANOVA 테스트를 수행하기 전에 레빈 테스트 절차를 거쳐 등분산 테스트 즉 분산의 동질성 검증을 수행하였다.

4.2 철도종별과 사고원인의 연관성

레빈 테스트 수행 결과 철도종별이나 사고원인 모두 p 값이 0.05보다 작기 때문에 등분산이 아니므로 Welch ANOVA를 수행하였다.

4.3 이원분산 및 웰치분산 분석(Two-way ANOVA / Welch’s ANOVA)

두 개의 독립 변수(요인)가 종속 변수에 미치는 영향을 동시에 분석하기 위해 양 방향 분산분석(ANOVA)을 시행하여 각 독립 변수의 개별 효과(main effect)와 두 독립 변수 간의 상호작용 효과(interaction effect)를 확인하였다^{(Lim and Kim, 2006)}.

철도차량 종별, 사고원인 그리고 철도차량의 종별과 사고원인의 상호관계에 대한 피해금액의 차이 유무를 이원분산(Two-way ANOVA)을 수행한 결과, 등분산이 아님을 고려하여 웰치 아노바(Welch ANOVA)를 수행하였다. 우선 ① 철도차량 종별은 “철도차량 종별에 따른 피해액의 차이가 없다”를 귀무가설로, “철도차량 종별에 따른 피해액의 차이가 있다”를 대립가설로 설정하였으며, ② 사고원인은 “사고원인에 따른 피해액의 차이가 없다”를 귀무가설로 “사고원인에 따른 피해액의 차이가 있다”를 대립가설로 설정하였다. 또한 ③ 두 가지 요인의 상호작용은 “철도차량의 종별과 사고원인이 상호작용해도 피해액의 차이가 없다”를 귀무가설로 “철도차량의 종별과 사고원인이 상호작용해도 피해액의 차이가 있다”를 대립가설로 가설을 설정하였다.

그 결과 p 값이 각각 0.0002455와 7.012의–13승 및 1.75의–11승으로 p 값이 모두 0.05보다 작아서 각각의 귀무가설은 기각하였으며, 이것은 철도차량 종별 및 사고원인 그리고 이 두 개의 독립변수 상호간의 작용이 피해액에 차이가 없다는 것을 의미하며, 철도차량 종별, 사고원인 및 두 요인의 상호작용 모두 피해액에 영향을 끼치는 것으로 판단할 수 있다^{(Chung and Lee, 2013)}.

Fig. 4. Levene's Test for Railroad Classification

Fig. 5. Levene's Test for Accident Causes

Fig. 6. Two-way ANOVA/Welch’s ANOVA

Table 2. Distributed Division and Welch’s Distribution Results

4.4 사후분석(Scheffés Test)

ANOVA 수행으로 그룹 간의 유의미성 유무를 판단할 수 있으므로 철도종별과 사고원인이 피해액에 구체적으로 어떤 영향을 미치는 지를 분석하기 위해 사후분석을 수행해 보았다. Fig. 7에서 ① 철도종별에 대한 피해액의 차이를 그룹별로 분류하여 사후분석(좌측자료)을 시행한 결과, 고속철도(1)는 그룹별로(a), 일반철도(2)와 도시철도(3)는 동일한 그룹(b)을 공유하므로 평균규모 측면에서 큰 차이가 없음을 나타내고 있다. ② 사고원인에 대한 피해액이 차이를 사후분석(우측자료)한 결과, 고속철도(1), 일반철도(2) 및 도시철도(3) 각각의 그룹이 (a), (b) 및 (c)로 피해액에 영향을 미치는 것으로 나타내었다.

Fig. 7. Scheffés Test on Railway Types and Causes of Accidents

③ 철도종류별로 사고원인 피해액에 영향을 미친다는 것을 의미하며, 이러한 결론은 철도의 종류와 사고 원인 모두 피해 규모를 결정하는 중요한 요소임을 시사한다. 철도의 종류(일반 vs. 도시)는 한 가지 측면에서 큰 차이를 가져오지만, 사고 원인을 고려하면 철도의 종류마다 뚜렷한 영향이 있음을 알 수 있다.

Fig. 8. Results of Hypothesis Testing Through Chi-Squared Analysis (1/2)

Fig. 9. Results of Hypothesis Testing Through Chi-Squared Analysis (2/2)

4.5 카이스퀘어(chi-squared)를 통한 가설검증

철도종별과 사고원인과의 두 범주형 변수 간에 관계를 이해하고자 교통사상사고의 종류(13가지)에 따라 철도차량별 사고발생 빈도에 차이가 있는 지를 분석하였으며, 귀무가설(Ho)은 “교통사상사고의 종류에 따라 철도차량별 사고발생 빈도에 차이가 없다.” 대립가설(H1)은 “교통사상사고의 종류에 따라 철도차량별 사고발생 빈도에 차이가 있다.”로 가설을 설정하였다. 명목변수에 대한 데이터 코딩은 1부터 13까지 일련번호를 부여하였다. 카이스퀘어 통계량은 1,370.6이며, 자유도는 24이고, p 값은 <0.05이므로 귀무가설을 기각하고 대립가설을 채택하였다. 즉, 교통사상사고 종류에 따라 철도차량별 사고발생 빈도에 차이가 있었다^{(Jin and Lee, 2017)}.