KIEAE Journal

본 연구에서 아파트 단지 내 교통사고 관련 요인을 살펴보기 위해 선정한 연구범위인 서울특별시는 과거부터 활발한 아파트의 양적 공급이 이뤄졌으며, 현재에도 단지 신축이 진행되어 연도별로 다양한 아파트 단지 유형 표본을 구성할 수 있는 지역이다. 이에 도심권, 동북권, 서북권, 서남권, 동남권 등 서울 시내 5개 권역, 25개 행정구역 내 아파트 중 1,200세대 이상이 거주 중인 288개 대형 단지를 대상으로 1차 연구 자료를 수집했다. 이 중에서 사용승인 기간이 10년 미만인 55개 신축 단지들은 전체 주차공간이 지하에 배치되어 실증연구 대상 표본에서 제외되었다. 이는 도로교통공단이 운영 중인 교통사고분석 시스템(TAAS: Traffic Accident Analysis System)의 경우 지하 주차장에서의 교통사고 집계자료를 제공하지 않아 본 연구에서 제시된 접근방식으로는 실증분석이 불가하고, 도면과 위성 사진 등을 통해 확인할 수 있는 부분이 아파트 지상 공간에 한정되어 일반 차량 진출입과 주차가 지하에 설계된 신축 아파트 단지의 경우 차량 동선에 대한 정보 취득이 불가하기 때문이다.

표본 수집 · 신축 아파트 단지들을 제외한 결과 Fig. 1.과 같이 서울시 5개 권역에 표본이 분포하고 있으며, 세부 분포사항은 Table 1.과 같이 230단지 중 동북권 내 아파트 단지가 104단지로 5개 권역 중 가장 많은 표본이 존재하였다. 다음으로 서남권 66단지, 동남권 44단지, 서북권 9단지, 도심권 7단지 순으로 표본을 수집했다.

Fig. 1. 
Study area & sample distribution in Seoul

본 연구의 연구 흐름은 Fig. 2.와 같으며, 실증분석에 활용된 아파트 단지의 물리적 특성은 K-apt 공동주택관리시스템, 국토지리정보원, K-GEO 플랫폼 등 공공 데이터를 활용해 구축되었다.

Fig. 2. 
Research flowchart

이후 TAAS 교통사고 분석시스템을 활용해 2019년부터 2022년까지 표본 단지 내·입구에서 교통사고 발생 건수를 집계하고 국토지리정보원이 제공하는 수치지도를 통해 표본 아파트 단지들의 물리적 공간에 대한 도면 정보를 구축하여 아파트 단지 내 도로를 대상으로 공간구문론 공간 속성인 통합도(Integration)와 실질적 상대 비대칭성(RRA: Real Relative Asymmetry)를 정량적 변수로 설정하였다. 구축된 변수에 기반한 1단계 실증분석으로 로지스틱 회귀분석을 활용해 Integration, RRA와 단지 내 교통사고와의 연관성을 규명하였으며, 2단계로 단지 내 교통사고에 유의미한 결과를 보인 공간속성 변수인 RRA와 아파트 단지의 물리 환경 요인들의 통계적 연관성 파악을 위해 OLS 회귀분석을 진행했다.

본 연구에서는 각 아파트 단지 내 차도에 대한 지표를 얻기 위한 객관적이고 정량적인 연구방법론으로 공간구문론(Space Syntax)을 채택하였다. 공간구문론을 활용해 가장 많이 사용되는 방법은 건축물 내부공간구조 분석에 활용되는 가시장분석(VGA, Visibility Graph Analysis)과 도시 차원에서 광범위한 가로망 분석 등 외부공간구조 분석에 주로 사용되는 동선구조 연구가 있다[11]. 가시장분석을 통해 아파트 단지 내 운전자와 보행자의 시선에서 공간 접근 용이성과 시각적 연결성에 대한 분석을 진행할 수 있을 것이나, 단지 내 수목과 설치물 등에 의한 전방 시거 상황, 건축물의 내부 구조와는 다른 대규모 면적을 가진 단지의 지형 상황 등에 대한 고려가 어려워 본 연구에서는 가시장분석을 선택하지 않았다.

따라서 본 연구에서 사용한 동선구조 연구방법은 크게 동선구조 표현, 동선특성의 분석, 통행량 및 통행 패턴의 분석, 동선특성과 이용 패턴과의 상관성 분석 순으로 진행된다. 여기서 동선구조는 공간 축도로 표현되며 몇 가지 정량적인 지표로 측정된 뒤 축선도(Axial map)를 이용함으로써 도시적 차원의 가로망 분석, 도로체계 분석 등 외부공간 구조 분석을 수행할 수 있다. Depthmap X 프로그램을 통해 아파트 단지 내 차도에 대한 축선도 분석을 진행 후 도출할 수 있는 첫 정량적 지표는 Integration(위상통합도)으로 통합도는 축선도에 대한 정량적 위상을 산출한 뒤, 평균을 구한다. 축선도는 위상이 높을수록 붉은색, 낮은 곳일수록 파란색으로 나타나며, 평균 위상값이 높으면 방향을 찾기 쉬운 구조, 낮으면 복잡하고 은폐된 구조로 해석한다[11].

• MD: 평균 깊이
• K: no. of space in the system

• Di: i의개의 공간에 대한 D의 값

두 번째 정량적 공간지표는 공간 깊이에 의해 산출되는 RRA (실질적 상대 비대칭성)이다. RRA를 구하는데 필요한 지표는 RA(Relative Asymmetry)로 공간의 상대적 깊이를 정량적으로 표현한 RA는 (Eq. 1)과 같이 측정할 수 있다. 이후 일정 대상지 내 개개의 공간 값을 의미하는 RA에 대지 규모 및 형상에 대한 차이를 보정한 값이 RRA이다. RRA를 구하는 과정은 식 (Eq. 2)과 같다. 여기서 i개의 공간에 대한 D의 값은 일정 공간 내 i 개의 공간에 대한 D의 값은 일정 공간내 각 단위축 공간의 RA값을 다이아몬드 형태공간에서 일정공간에 대한 RA 값으로 변환시켜주는 역할을 한다[12]. 즉 RRA는 각 공간이 국부적인 이웃 공간 및 전체공간과 어떻게 관계하는지 나타내는 지표로써 다른 공간에 접근하기 위해 횡단해야 하는 공간 수의 평균값이다.

통상 통합성이 강하고 집중된 공간의 RRA 값은 0.6 이하이며, 통합성이 약하고 분리·분절된 공간의 RRA 값은 1.0 이상으로 해당 공간에서 타 공간에 도달하기 위해 횡단해야 하는 공간의 수가 많은 것으로 판단한다. 그렇기에 공간 통합도와 RRA는 반비례한다[10].

① OLS 최소자승법 회귀분석

변수 간 선형관계의 강도를 알아내는 방법으로는 상관분석이 있다. 선형강도를 넘어 변수 간의 선형적인 관계를 알기 위해서는 회귀분석을 통해 회귀선과 이를 나타내는 선형회귀모델 방정식을 구해야 한다. 이를 위해 사용되는 OLS 회귀분석은 한 개의 종속변수와 한 개의 독립변수의 상호관련성을 분석하는데 사용되는 단순 회귀분석과 한 개의 종속변수와 여러 개 독립변수의 상호관련성에 대해 분석하는 다항 회귀분석을 모두 포함하는 분석법이다. 일반적인 회귀분석 모형은 독립변수 (x₁, x₂,⋯, x_k)에서 종속변수의 평균이 독립변수에 대한 선형식으로 (Eq. 3)와 같이 표현한다[14].

일반적인 선형 회귀분석은 독립변수들에 의해 종속변수의 변화가 선형적으로 변한다고 가정하기 때문에 단지 내 교통사고 발생과 같이 종속변수가 발생 유무인 이항적인 사건을 다루는 데 적합하지 않다[14]. 그러나 이러한 선형회귀 분석은 종속변수인 공간지표 RRA에 통계적으로 유의미한 영향력을 갖는 변수를 분석하기 위해서 사용될 수 있다.

② 로지스틱 회귀모형

이에 반해 로지스틱 회귀분석은 종속변수와 독립변수와의 관계를 비선형이라 가정하여 로지스틱 회귀계수를 추정하는 과정에서 ‘0’(교통사고 미발생)과 ‘1’(교통사고 발생) 두 개의 값만 가지는 종속변수와 독립변수들의 관련성을 분석할 수 있다[14]. 로지스틱 회귀분석을 통해 이분형 종속변수인 단지 내 교통사고 여부를 확률 변환시킬 수 있으며 아래 (Eq. 4)의 로지스틱 함수로 쓸 수 있다. 로지스틱회귀분석의 장점은 교통사고모형에 자주 사용되는 포아송 회귀분석과 음이항 회귀모형보다 높은 설명력이다. 또한, 정규성과 등분산성이 가정되는 판별분석과 달리 이러한 가정이 엄격히 적용될 필요가 없다[5].

도로형태 특성은 교통 특성과 연관성이 높은 변수들이나 단지 외부 주변 대지와의 관계 및 연결, 내부도로 패턴을 자세히 살펴보고자 따로 설정 분류했다. 주변 도로 유형(X_A1)과 내부도로 패턴 변수(X_A2)를 설정했다. 주변 도로 유형(X_A1)은 단지 외부 몇 면이 도로에 접하는지 구분했다[3]. 단지 주변 도로 유형은 Table 3.과 같이 1면 도로, 2면 도로, 3면 도로, 4면 도로로 나뉘며, 각각 예시는 1면 LH 강남 힐스테이트 아파트, 2면 벽산 라이브 파크, 3면 등촌주공 1단지, 4면 압구정 신현대 아파트이다. 주변 도로의 유형은 국토지리정보원의 수치 도면을 통해 단지 기본정보를 수집한 후 위성 사진, S-Map(서울시의 지형과 60만 동에 이르는 시설물을 3D로 구현한 시스템) 상의 지형정보를 통해 인도 설치가 불가능해 보행자 접근이 차단되는 대로, 방음벽, 심한 경사도 등의 이유로 차량 접근과 출입구 설치가 불가능한 도로의 경우 주변 도로에서 제외 후 산정했다. 단지의 주변 도로 유형은 단지 내부의 도로 패턴을 결정짓는 중요한 요인 중 하나이며 2면 도로의 경우 단지 내 통과교통이 허용되면 차량 통행속도가 높아 차 사고의 위험이 가장 크고[3], 외부로부터 차량진입로를 설정하는데 자유도가 낮아 응집된 도로체계를 보일 것으로 판단했다.

Road Types	Complex
A) Single-Side adjacent to road	LH Gangnam Hillstate (source: Naver map)
B) Two-Side adjacent to roads	Byucksan LivePark (source: Naver map)
C) Three-Side adjacent to roads	Deungchon-Jugong 1st Complex (source: Naver map)
D) Four-Side adjacent to roads	Apgujeong Shin Hyundai (source: Naver map)

3면 또는 4면이 외부 도로에 접하는 경우는 외부 도로에 대한 차량진입로와 이후 내부도로 패턴을 자유롭게 계획해 차량의 속도를 감속시켜 분산된 도로체계가 되기 쉬울 것으로 보였다. 따라서 주변 도로 유형과 단지 내 도로체계의 통합성 간에 유의미한 분석 결과를 예상했다. 내부도로 패턴(X_A2)은 주거단지의 골격을 형성하고 동시에 각 주거동에 각종 서비스를 제공하는 매우 중요한 역할이다. 주요한 기능으로 주민과 차량의 흐름을 통제, 유도할 수 있다[4].

분석단지의 내부도로 패턴은 가지형, 순환형, 격자형, 혼합형, 지하진입형으로 구분했으며 세부적인 도로체계는 Table 4.와 같다. 각각 도로 패턴의 예시로 가지형 도로 패턴의 아파트는 수서 까치 마을, 순환형 도로 패턴 서울주택도시공사 수서 6단지, 격자형 대치 미도 멘션, 혼합형 은마 아파트, 지하진입 방식 마곡엠벨리 6단지이다. 도로 패턴의 유형에 따른 유의미한 공간속성 차이가 존재할 것으로 예상했으며, 단지 내 교통사고 저감에 가장 유리한 도로 패턴을 확인하고자 했다.

Road types	Complex
Branch type: blocked type and through type Installation methods: ㅡ, ㄱ, T-shaped	Suseo Kkachi Village (source: Naver map)
Circulation type Installation nethods: ㄷ, ㅁ-shaped	Seoul Housing & Urban Corporation Suseo 6th Complex (source: Naver map)
Grid type Installation method: interconnected form	Daechi Mido Mansion (source: Naver map)
Various types are mixed
Mixed type	Eunma Apartment (source: Naver map)
Underground access	Magok Emvellie 6th Complex (source: Naver map)

단지 특성은 단지 면적(X_B1), 단지 내 도로 면적(X_B2), 도로 비율(X_B3), 동 수(X_B4), 가구 수(X_B5)로 구분했다. 단지 면적 변수(X_B1)를 통해 단지의 절대적인 크기와 공간지표의 연관성을 파악하고자 하였으며, 단지 내 도로 면적(X_B2) 변수를 통해 단지 내 도로의 면적과 RRA의 연관성을 파악하고자 하였다. 도로 비율(X_B3)을 통해 아파트 단지의 전체 대지 면적 중 도로가 차지하는 비율과 공간지표의 연관성을 파악하고자 했다. 아파트 동수(X_B4) 변수는 아파트 동 수와 단지 내 동 배치 과정에서 저층 다동 배치, 고층 타워형 소수 동 배치 차이가 도로체계를 결정짓는 큰 요소이기 때문에 통합도와 분산 정도를 나타내는 공간지표 값에 미치는 영향 역시 클 것으로 예상했다. 가구 수 (X_B5)를 통해 거주민의 숫자와 공간지표와의 관계를 파악하고자 했다.

교통 특성은 주차대수(X_C1), 지하 주차 비율(X_C2), 가구당 주차 면수(X_C3), 3지 교차로(X_C4), 4지· 4지 이상 다지 교차로(X_C5), 차량 출입구 개수(X_C6)로 분류했다. 교통 특성에서는 단지 내 교통 환경과 관련된 변수들을 설정해 단지 내부의 총 주차대수(X_C1) 변수와 지하주차장의 비율(X_C2) 변수를 통해 지상과 지하주차장의 비율과 공간지표와 연관성을 파악해 특정 유형의 주차장 비율에 따른 도로의 통합성 변화 여부를 확인하고자 했다. 가구당 주차 면수(X_C3)는 아파트 단지 계획 운영 차원에서 구획된 가구당 주차 면수의 규모와 공간지표의 연관성을 규명한다. 3지 교차로(X_C4)와 4지 · 4지 이상 다지 교차로 (X_C5)는 단지 내 도로의 분기점으로 작동하는 교차로 숫자가 공간지표에 어떠한 영향을 미치는지 파악하고자 했다. 차량 출입구 개소(X_C6) 변수는 단지를 출입하는 차량 출입구의 개수에 따른 공간지표 값, 즉 단지 내 도로체계의 통합도와 분산성에 유의미한 결과를 갖는지 파악하고자 했다.

본 분석에서 사용된 변수의 기초 통계량은 Table 5.에 정리되어있다. 먼저 종속변수인 단지 내 교통사고 발생 여부(Y)의 경우 사고 미발생 단지가 73단지, 사고가 발생한 단지가 157단지로 사고 발생 단지가 약 2배가량 많았다. 로지스틱 회귀 분석의 독립변수인 Integration(X_SS1)은 평균 4.97의 위상값을 가지고 있었으며 RRA(X_SS2)의 평균은 0.638이었다.연속형 변수 중 단지 특성의 기초 통계량으로 단지 면적(X_B1)의 평균은 488,206m² 단지 내 도로면적(X_B2)평균은 150,227m² 로 집계됐다. 도로 비율(X_B3)은 평균 0.312로 표본 단지들의 경우 단지 면적의 31%가 도로로 구성되어 있었다. 아파트 동수 (X_B4)는 평균 20.86동이었다. 아파트 가구 수 (X_B5)는 평균 2006.81세대로 집계되었다. 교통 특성의 기초 통계량으로 주차대수(X_C1)의 평균은 1844.72대였으며, 지하 주차의 비율(X_C2)은 평균 45.1%였다. 지하 주차 비율은 사용승인 10년 미만 신축 단지들을 제외한 표본을 구성해 이뤄진 값이므로, 본 연구에서 제외된 신축 단지들을 포함할 경우 54%로 상승한다. 가구당 주차 면수(X_C3)의 경우 1.064대가 구획되어 있었다. 단지 내부 3지 교차로(X_C4)의 평균 개수는 16.86개였으며, 4지 · 4지 이상 다지 교차로(X_C5)의 평균은 2.34 개였다. 표본 단지의 차량 출입구 개소(X_C6)의 경우 평균 3.6개의 차량 출입구가 계획돼있었다.

범주형 변수의 기초 통계량으로 주변 도로 유형(X_A1)은 1면 도로 6.9%, 2면 도로 30.4%, 3면 도로 35.6%, 4면 도로 26.9%로 나뉘어 약 60%의 단지가 외부 3면 또는 4면이 도로에 접하는 환경에 있었다. 내부도로 패턴(X_A2)은 가지형 도로 36.5%, 순환형 도로 26%, 격자형 도로 16.9%, 혼합형 도로 13.4%, 지하진입형 도로 6.9%로 나뉘어 가지형 도로가 가장 많이 사용됨을 알 수 있다.

첫 번째 도로의 구조 특성을 분석한 결과는 Table 7.이다. 분석 결과 F값이 0.001 미만으로 본 회귀모형이 적합함을 알 수 있다. 수정된 R² = 0.301로 30.1%의 설명력을 보였다. 주변 도로 유형(X_A1)은 1면 도로와 2면 도로가 RRA 값에 유의한 영향을 미치는 것으로 나타났다. 1면 도로의 경우 4면 도로보다 RRA값이 0.085 높았으며, 2면 도로의 경우 4면 도로보다 RRA값이 0.055만큼 높았다. 즉 1면 도로와 2면 도로가 4면 도로보다 분산된 도로체계를 가지고 있는 것으로 분석되었다. 이는 4면 도로체계가 가장 분산된 도로체계를 구성하기 쉽고, 차량 통행 경로가 한정되는 1면과 2면 주변 도로 유형에서 내부 도로체계가 더 통합·집중되어 있을 것이라는 예상과 달랐다. 이에 주변 도로 유형에 따른 단지 면적 평균을 계산한 결과 Table 8.과 같이 4면 도로, 3면 도로, 1면 도로, 2면 도로 순으로 단지 면적 평균이 계산되어, 단지 면적에 의한 매개 효과가 의심되었다. 이에 Table 9.와 같이 단지 면적의 매개효과 분석을 진행했다. Baron&Kenny가 제시한 3단계 절차에 따라 독립변수(주변 도로 유형)가 매개변수(단지 면적)에 미치는 영향, 독립변수가 종속변수(RRA)에 미치는 영향, 독립변수와 매개변수가 종속변수에 미치는 영향을 확인하고자 위계적으로 회귀분석을 진행했다. 분석 결과, 모든 단계가 유의미한 통계적 결과를 보여 단지 면적이 주변 도로 유형과 RRA를 부분적으로 매개함을 알 수 있었다. 따라서 주변 도로 유형과 RRA의 상관관계는 결론의 종합적인 단지 계획 측면에서 다시 해석했다. 단지 내부도로 패턴(X_A2)의 경우 가지형, 순환형, 격자형, 혼합형, 지하진입 모두 통계적으로 유의하게 나타났다. 단지 내부도로 패턴의 경우 순환형, 혼합형, 격자형, 가지형, 지하진입 순으로 분산된 도로체계를 보일 확률이 높았다. 유형별 단지 면적의 평균 크기는 Table 10.과 같다. 단지 면적 평균은 격자형, 지하진입형, 순환형, 혼합형, 가지형 순으로 상관분석 결과와 유사한 흐름을 관측할 수 없었다. 표본에 근거했을 때 서울시 내 대형 단지 내에서 가장 많이 사용되는 도로 패턴인 가지형 도로가 사고 발생 가능성이 가장 큼을 예상할 수 있었다. 주변 도로 유형과 단지 내부도로 패턴의 RRA에 대한 상대적 영향력을 파악하기 위해 표준화 계수의 β값을 비교하면 내부도로 패턴의 β값이 더 커 주변 도로 유형보다 RRA에 상대적으로 더 큰 영향을 주고 있음을 확인했다.

Table 11.은 주변 도로 유형 단지별, 내부도로 패턴 유형별로 RRA 값이 가장 큰 단지들을 정리했다. 즉 해당 유형에서 가장 분산된 도로체계를 갖는 단지들이다. 주변 도로 유형으로 1면 도로의 경우 신림 푸르지오의 RRA 값이 0.54, 2면 도로의 경우 월계 그랑빌의 RRA가 0.638, 3면 도로 유형은 신도림 대림 1, 2차 아파트의 RRA가 0.626, 4면 도로 유형에서는 종암 SK의 RRA가 0.613으로 가장 분산된 도로체계를 보였다. 내부도로 패턴 유형으로 가지형 도로 패턴 단지는 신도림 대림 1, 2차 아파트, 순환형 도로 패턴은 종암 SK, 격자형 도로 패턴은 월곡 두산 위브 아파트 RRA 값 0.622, 혼합형 도로 패턴의 경우 월계 그랑빌 RRA 값이 가장 커 분산된 도로형태를 보였다. 지하진입형 도로 패턴의 경우 남서울 힐스테이트 아파트의 RRA 값이 0.434로 가장 분산된 도로체계를 가지고 있다. 따라서 추후 분산된 도로를 계획하는 경우 유형별로 본 단지들의 도로체계를 참고삼을 수 있을 것이다.

A) Sinrim Prugio		B) Wolgye Grandville
Single-side	RRA: 0.54	Two-side	RRA: 0.638
-		Mixed
C) Sindorim Daerim 1st and 2nd Complex		D) Jongam SK
Three-side	RRA: 0.626	Four-side	vRRA: 0.613
Branch		Circulation
E) Wolgok Doosan Weve		F) Namseoul Hillstate
-	RRA: 0.622	-	RRA: 0.434
Grid		Underground Access

두 번째 단지 특성의 분석 결과는 Table 12.이다. 분석 결과 F값이 0.01 미만으로 본 회귀모형이 적합함을 알 수 있었다. 수정된 R² = 0.066, 6.6%로 세 가지 특성에 대한 OLS 분석 결과 중 가장 낮은 설명력을 가지고 있다. 도로 비율(X_B3), 가구 수(X_B5)는 유의미한 통계 결과를 보이지 않았다. 그러나 단지 면적(X_B1)은 RRA에 대해 부(-)의 영향을 미쳤으며, 단지 내 도로면적(X_B2)과 단지 내 아파트 동수(X_B4)의 경우 RRA 대해 정(+)의 영향을 보였다. 이를 통해 단지 면적이 넓을수록 분산된 도로체계보다 통합성이 높은 도로체계가 사용되었음을 알 수 있다. 이는 넓은 단지일수록 대규모 단지이기 때문에 단지 내부 주거동에 쉽게 접근할 수 있는 효율적인 통행체계를 만들어야 하기 때문으로 판단된다. 또한, 단지 내 도로면적이 넓고 아파트 동수가 많을수록 도로체계가 분산될 것으로 예상할 수 있다. 아파트 동수의 경우 단지 계획 측면에서 고층 타워형 소수 동으로 구성된 단지와 저층 다동 배치 사이의 선택과 그로 인한 도로체계의 통합도 변화에 대한 참고사항이 될 수 있을 것이다.

세 번째 교통 특성의 분석 결과는 Table 13.과 같다. 분석 결과 F값이 0.01 미만으로 본 회귀모형이 적합함을 알 수 있었으며, 수정된 R² = 0.113으로 11.3%의 설명력을 가지고 있다. 주차대수(X_C1)와 가구당 주차면 수(X_C3), 4지· 4지 이상 다지 교차로의 개수(X_C5)는 RRA에 대하여 유의미한 영향을 미치지 않았다. 반면 지하 주차 비율(X_C2)은 RRA에 대해 정(+)의 영향을 미치고 있었으며, 3지 교차로(X_C4) 역시 RRA에 대해 정(+)의 영향을 보였다. 반면 차량 출입구 개소(X_C6)의 경우 RRA에 대해 부(-)의 영향을 끼치는 것으로 나타났다. 이는 지하 주차 비율이 높고 3지 교차로를 많이 사용할수록 분산된 도로체계일 가능성이 큼을 나타낸다. 또한, 차량 출입구 개수가 많을수록 통합된 도로체계를 가진 단지일 가능성이 큼을 알 수 있다.