도로안전 마코프 전이 모델: 사고 빈도와 중증도 분석의 새로운 접근

본 논문은 도로 안전 분석에 새로운 통계적 도구인 두 상태 마코프 전이 모델(Markov Switching, MS)을 적용함으로써 사고 빈도와 사고 중증도 두 측면을 동시에 설명한다. 연구는 크게 세 부분으로 전개된다. 첫 번째는 이론적 모델 구축이며, 두 번째는 베이지안 추정과 MCMC 시뮬레이션을 통한 파라미터 추정, 세 번째는 인디애나 주의 실제 교통 데이터에 대한 실증 분석이다. 이론적 배경에서는 기존의 사고 빈도 모델(포아송, 음이항, 영과잉 포아송·음이항)과 중증도 모델(다항 로짓)의 한계를 짚는다. 특히 영과잉 모델은 ‘0 사고’ 구간을 별도 파라미터로 처리하지만, 실제로는 도로 구간이 시간에 따라 안전 수준이 변한다는 점을 반영하지 못한다. 이를 보완하기 위해 두 상태 MS 모델을 도입한다. 상태 1은 ‘완전 안전’(사고 발생 확률 거의 0) 혹은 ‘낮은 위험’ 상태로, 포아송·음이항 분포 대신 0 발생을 직접 모델링한다. 상태 2는 ‘위험’ 상태로, 포아송 혹은 음이항 분포를 통해 양의 사고 빈도를 설명한다. 두 상태 사이의 전이는 마코프 전이 확률(p₁₂, p₂₁)로 정의되며, 이는 시간에 따라 변하는 외생 요인(날씨, 도로 조건 등)을 반영한다. 베이지안 추정에서는 사전분포를 비정보적 형태로 설정하고, Gibbs 샘플러와 Metropolis‑Hastings 알고리즘을 결합한 하이브리드 MCMC를 구현한다. 파라미터 공간은 상태 전이 확률, 각 상태별 포아송/음이항 평균·분산, 다항 로짓의 계수 등으로 구성된다. 저자는 10⁴ 회 이상의 MCMC 반복을 수행하고, 수렴 진단(Geweke, Gelman‑Rubin)과 후방 예측 검정(χ² 적합도, posterior predictive 체크)을 통해 모델의 적합성을 검증한다. 모델 비교는 DIC, AIC, BIC 등 정보 기준을 사용했으며, 모든 경우에서 MS 모델이 기존 단일 상태 모델보다 낮은 값(우수한 적합도)을 보였다. 실증 분석은 세 가지 사례로 나뉜다. 첫 번째 사례는 인디애나 주 고속도로 구간의 연간 사고 빈도 데이터(5년)이다. 여기서는 MS 포아송 모델과 MS 음이항 모델을 영과잉 포아송·음이항 모델과 비교했으며, MS 모델은 ‘완전 안전’ 상태를 명시적으로 식별함으로써 영과잉 모델이 제공하지 못하는 상태별 위험도 추정이 가능했다. 두 번째 사례는 동일 구간의 주간 사고 빈도 데이터(5년)이며, 두 상태 모두 ‘위험’ 상태로 설정했다. 결과는 전이 확률이 높은 ‘덜 위험’ 상태가 좋은 날씨와 양호한 도로 조건과 강하게 연관되고, 전이 확률이 낮은 ‘더 위험’ 상태가 악천후와 도로 결함에 연관됨을 보여준다. 세 번째 사례는 사고 중증도(사망, 중상, 경상, 무상) 데이터를 이용한 MS 다항 로짓 모델이다. 여기서도 두 상태가 구분되었으며, ‘덜 위험’ 상태에서는 사망·중상 비율이 현저히 낮고, ‘더 위험’ 상태에서는 이 비율이 급증한다. 각 사례에서 상태 전이 확률과 상태별 파라미터의 사후 평균·신뢰구간을 제시하고, 상태 라벨의 식별성을 확인하기 위해 라벨 전환 테스트를 수행했다. 논문은 또한 모델 구현상의 실용적 문제를 다룬다. 상태 라벨의 식별성 문제는 사전분포와 초기값 선택에 민감하므로, 저자는 사전분포 민감도 분석을 통해 결과의 견고성을 검증했다. 고차원 공변량(도로 길이, 곡률, 평균 일일 교통량 등) 사이의 다중공선성은 변수 선택 절차와 정규화 기법을 통해 완화했다. 계산 효율성을 위해 병렬 MCMC와 고성능 컴퓨팅 클러스터를 활용했으며, 시뮬레이션 시간은 모델 복잡도에 따라 2~6시간 수준이었다. 결론에서는 MS 모델이 제공하는 ‘상태별 위험도 추정’이 도로 설계·유지보수·실시간 교통 관리에 직접 활용될 수 있음을 강조한다. 예를 들어, 위험 상태가 감지되면 가변 속도 제한, 경고 표지판, 혹은 긴급 유지보수 작업을 트리거할 수 있다. 또한, 향후 연구 방향으로는 다중 상태(Multi‑state) 전이 모델, 공간적 전이 구조(Spatial Markov Switching), 그리고 실시간 데이터 스트림을 이용한 온라인 베이지안 업데이트 등을 제시한다. 전체적으로 이 연구는 도로 안전 분석에 통계적 복잡성을 도입하면서도 실용적인 정책 인사이트를 제공하는 중요한 기여를 한다.