메타분석기반 자동비상제동장치 사고방지 효과 연구

2.1 기존 연구

본 연구에서는 차량에 장착된 AEB의 사고방지효과를 종합하기 위해 메타분석 방법을 사용하였다. 메타분석은 다수의 연구결과를 바탕으로 하나의 종합적인 결론을 도출할 때 사용하는 통계적 기법이다. 지속가능한 체계적 고찰의 구체적인 방법론 중 하나인 메타분석은 의학(또는 약학) 분야에서 동일하거나 유사한 주제로 실시된 연구결과들을 결합하여 논리적 결론을 내리기 위한 방법으로 주로 사용되었다. 1904년 Pearson에 의해 처음으로 의학 연구결과들이 결합되기 시작하였고,⁴⁾ 1976년 Glass에 의해 ‘메타분석’이라는 용어가 처음으로 사용되었다.⁵⁾ 스코틀랜드 태생의 의학자 Cochrane은 약 3,500여 개의 자료를 결합하여 600여개의 종합된 연구결과를 발표하였고,^6,7) 이는 체계적 고찰이 발전하는 토대가 되었다. 메타분석을 포함한 체계적 고찰 연구방식의 사용은 90년대 이후 전 세계적으로 급증하고 있으며, 의학분야의 경우 세계적으로 출간되는 논문 중 약 1.5 %가 이 방법을 사용하고 있을 정도로 관련분야의 중요한 연구영역으로 자리 잡았다.⁸⁾ 메타분석은 교통사고 통계적 연구분야에서도 다양하게 활용되고 있다. Elvik은 메타분석을 활용하여 사고의 심각도, 도로의 종류, 국가, 연도 등에 따른 교통 정온화(Traffic calming) 수단의 효과를 추정하였고,⁹⁾ Caird 등은 운전 중 전화사용이 운전자의 반응속도에 미치는 영향을 연구한 논문들을 결합하여 종합적인 결론을 도출하는데 메타분석을 사용하였다.¹⁰⁾ 또한 IIHS는 미국 자동차보험 데이터에 메타분석 방법론을 적용하여 Volvo차량에 장착된 AEB의 사고경감효과를 유사 차종과 비교하여 추정하였다.¹¹⁾ 본 연구에서는 국내 11개 손해보험사로부터 확보한 자동차보험 데이터에 메타분석 방법을 적용하여 국내 5개 자동차 제작사가 차량에 장착하고 있는 AEB 장치의 사고감소효과를 추정하였다.

2.2 교차비 (Odds ratio)

본 연구에서는 AEB장비가 장착되지 않은 차량(대조군)과 AEB장비가 기본으로 장착된 차량(처리군)의 비교를 위한 요약척도로 교차비를 사용하였다. 개별 차량모델에 장착된 AEB의 사고감소효과를 교차비를 통해 계산하고 이를 다시 종합하는 방식으로 연구를 진행하였다. 개별 차량모델에 장착된 AEB의 사고감소효과는 다음과 같이 교차비 형태로 정의할 수 있다.¹²⁾

여기서 n_ci는 조사기간 내 전체 대조군 차량의 국내 운행대수 값을, x_ci는 조사기간의 대조군 차량의 사고 발생건수를 의미한다. 이와 유사하게 n_ti는 조사기간 내 전체 처리군 차량의 국내 운행대수 값을, x_ti는 처리군 차량의 사고 발생건수를 의미한다(단, 본 연구에서는 운행대수의 값을 보험계약일로부터 추정한 $$ \widehat{n_{ci}}$$, $$ \widehat{n_{ti}}$$ 값을 사용하였다). 만약 대조군과 처리군의 사고 발생률이 동일하다면 상기 교차비(OR_i) 값은 1.0이 된다. 또한 OR_i 값이 1.0보다 작을 경우 해당 차량에 장착된 AEB는 사고감소에 효과가 있는 것을 의미한다. 반대로 OR_i 값이 1.0보다 크거나 같은 경우에는 차량에 장착된 AEB는 사고발생 감소에 효과가 없는 것을 의미한다.

2.3 고정효과모형과 변량효과모형

개별 차량모델의 AEB 사고감소효과를 결합하기 위하여 본 연구에서는 역분산가중추정법(IVW, Inverse variance weighted estimation method)과 가중최소제곱추정법(WLS, Weighted least squares estimation method) 두 가지를 사용하였다. 고정효과모형의 하나인 역분산가중추정법은 처리효과는 모두 동일하나, 개별연구에서 사용된 표본들을 추출하는 과정에서 변동이 발생하여 다른 결과가 도출된다는 가정이다. 즉, AEB 장착효과 자체는 모든 차량에서 동일하나 운전자, 사고발생 위치나 환경 등의 변동이 발생하여 다른 효과를 나타낸다는 이론이다. 반대로 가중최소제곱추정법은 변량효과모형의 하나로 개별연구들이 갖는 서로 다른 특성을 인정하고 표본추출변동과 개별 연구의 처리효과 변동을 함께 고려하여 종합적인 결론을 내는 방법이다. 즉, 차량모델 별로 장착된 AEB가 모두 다른 장착효과를 가지며, 이를 고려하여 차량모델에 따른 특성과 앞서 언급한 외부 환경적인 요소를 모두 고려하여 AEB 장착효과를 추정하는 이론이다.¹³⁾

본 연구에서는 두 가지 결합방법을 모두 사용하여 자동차보험데이터를 분석하고, 그 결과를 토대로 국내 시판중인 차량에 장착된 AEB 장치의 사고감소효과에 대해 논리적 결론을 도출하였다.

2.4 보고편향

메타분석을 통한 연구결과들의 종합 시, 확인해야 할 중요한 요소 중 하나로 개별 연구들에 관해 보고(또는 출간)편향이 존재하는지 확인할 필요가 있다. 보고편향이란 통계적으로 유의한 결과를 나타낸 연구들만 보고(또는 출간)됨으로서, 해당 개별연구들만을 결합하여 결론을 도출 할 때 왜곡이 발생하는 것을 의미한다. 인위적으로 선택된 연구 결과들만 메타분석을 수행할 경우, 따라서 실제 효과보다 훨씬 더 긍정적인 결과를 제시하게 되어 부적절한 결론을 도출하게 된다.

보고편향의 존재여부를 확인하는 일반적인 방법으로 깔때기 그림(Funnel plot)을 활용한다. 깔때기 그림은 개별연구의 교차비를 가로축으로 하고, 표준오차를 세로축으로 그린 산점도의 하나로, 보고편향이 존재하지 않는 경우 깔대기를 뒤집어 놓은 것과 같은 형태로 그래프가 그려지게 된다.

만약 깔대기 그림의 특정 영역에서 개별 연구들의 결과값이 존재하지 않는 경우에는 보고편향이 존재하는 것으로 보고 결과해석 시 주의를 기울여야 한다. 본 연구의 경우, AEB의 장착효과가 유의성을 보인 특정 차량모델만 선택되어 결론이 도출될 경우 보고편향이 존재하는 것으로 간주될 수 있음에 따라 잘못된 결론 도출을 방지하기 위해 깔대기 그림을 활용하여 보고편향 존재여부를 확인하였다.

3.1 데이터 설정

본 연구에 사용된 데이터는 2014년~2017년 기간 동안의 보험개발원 자동차보험 기초통계자료로부터 추출하였다. 보험개발원은 자동차 보험업을 영위하는 국내 11개 손해보험사로부터 자동차보험 계약정보 및 사고자료를 집적하고 있다.

먼저 국내 5개 제작사에서 생산하는 차량모델 중 한 모델 내에서 AEB 장착이 기본으로 되어있는 트림과 장착 되어있지 않은 트림을 명확하게 구분할 수 있는 차량모델을 선택하였다. 정확한 AEB 장착의 사고경감효과를 추정하기 위하여 AEB 장착이 선택옵션으로 되어 있는 트림 또는 차종은 분석 대상에서 제외하였다. 다음으로 해당 기간 내 분석 대상 차량의 전체 운행대수를 추정하기 위하여 ‘평균 보유대수’의 개념을 사용하였다. 평균 보유대수는 선택한 차량모델 개별 트림의 전체 보험계약일수를 365일로 나눈 값으로, 개별 차종의 연간 운행대수를 추정할 수 있다. 사고 발생 비율 추정을 위한 사고 발생건수는 분석 대상 차량모델(트림) 사고 자료의 대물사고 발생건수를 사용하였다. 대물사고는 차대차 사고 발생 시 상대차 손해에 대해 보상한 사고를 말한다. 대물사고에 대한 자동차보험 가입은 국내에서 의무사항이므로 정확한 차대차 사고발생건수를 확인할 수 있다.

또한 ‘전체(All)’, ‘접촉(Minor)’, ‘추돌(Rear-end)’ 3가지 사고형태별 데이터를 각각 입수하여 분석하였다. 접촉사고와 추돌사고 발생건수는 전체사고에 포함되나, AEB의 작동 매커니즘을 고려할 때 사고 감소효과가 크게 나타날 사고유형임을 감안하여 별도로 분석하였다(차량 전･후면 충돌사고 중 사고심도가 크지 않은 사고를 접촉사고로 분류). 결론적으로 3가지 사고형태에 따른 AEB장치의 사고감소효과를 각각 분석한 후, 결과값이 도출되는 양상을 비교하고 가장 합리적인 AEB 장치 사고감소효과를 추정 하였다. 본 연구에 사용된 상세 데이터는 Table 1과 같다.

Table 1

Detailed data of car insurance and accident information used in this study

3.2 적용모델 타당성 검증

메타분석은 실험실에서 수행 불가능한 대규모의 처리･대조연구 결과 도출에 유용하다. 또한 확장성이 좋아 타 연구 또는 사후 연구와의 결합도 용이하다. 교통사고 데이터를 통한 연구가 후행적으로 진행되는 처리･대조연구의 하나임에 따라 향후 신규차량 출시 시 신규차량의 AEB 사고경감 효과를 기존차량과 결합하여 보다 정확한 AEB장치의 효과를 지속적으로 도출해야하는 점을 고려하여 본 연구의 분석 방법론으로 메타분석을 선정하였다.

한편 본 연구에서 분석방법으로 사용한 메타분석의 결과가 유의미한 지 확인할 수 있는 유의확률(p-value)의 값이 모형의 종류나 사고형태와 관계없이 0.05미만 수준으로 계산됨에 따라 메타분석을 통한 결과 해석의 타당성이 확인되었다. 아울러 ‘접촉(Minor)사고’에서 유의확률 값이 0.05를 일부 상회하나, 변량효과모형임을 고려할 때 전체 결론 도출에 적절할 것으로 판단된다.

3.3 분석결과

Table 2는 ‘전체’, ‘접촉’, ‘추돌’ 3가지 사고형태에 따른 AEB의 사고발생 감소효과를 메타분석으로 추정한 결과를 나타내고 있다. 먼저 사고형태에 관계없이 AEB 장착에 대한 OR_i(교차비)는 모두 1보다 작게 나타났다. 이는 차량사고 발생비율을 확인해본 결과, 동일한 차량모델일지라도 AEB 장치가 장착된 차량들의 사고발생 비율이 10 % ~ 17 % 가량 작게 나타났다는 의미로 해석할 수 있다. 사고형태별로 나누어 보면, 전체사고에서 AEB 장치의 사고감소효과는 모델에 따라 11 % ~ 13 % 정도로 나타났고 접촉사고와 추돌사고는 각각 10 % ~ 11 %와 16 % ~ 17 %로 나타났다. 특히 추돌사고에서 AEB의 사고발생 감소효과 추정값이 가장 크게 나타난 것은 앞서 언급 했던 AEB의 작동 매커니즘이 전방 차량(또는 사람 등)을 인식하여 충돌방지를 위해 차량을 자동으로 제동시키는 시스템이기 때문에 추돌사고에서 장착효과가 가장 크게 나타날 것이라는 가정을 실제 사고 데이터를 통해 확인한 것으로 볼 수 있다.

Table 2

Result of two different meta-analysis for estimating the effects of AEB

Fig. 2는 각 차량모델의 OR_i분포와 차량모델 사이의 AEB장착 효과 이질성 존재 여부 확인을 위한 숲 그림을 나타낸다. 숲 그림은 이질성의 존재 여부 및 정도를 시각적 방법으로 확인하는 대표적 방법으로서, OR_i값 1.0을 기준으로 좌/우 영역에 연구들의 OR_i와 95 % 신뢰구간을 표시하여 개별연구들의 처리효과 분포를 요약적으로 제시한다. Fig. 2에서 볼 수 있듯이 사고형태에 관계없이 9개 차량모델 중 6개 이상의 모델에서 AEB 장착효과에 대한 OR_i가 1.0미만인 것으로 확인되었다. 차량모델 A2에서만 모든 사고형태에서 OR_i가 1.0보다 크게 나타나고 교차비의 산포 또한 크게(특히 추돌사고 유형) 나타나도록 영향을 미쳤는데, 이는 A2차량의 경우 처리군(AEB 장착 모델)의 데이터수가 작고 대조군(AEB 미장착 모델)과의 데이터 비율도 큰 차이를 나타낸 것이 그 원인으로 추정된다. 따라서 A2 차량의 AEB 장착이 증가할 경우 사고유형별 사고경감 효과는 더욱 커질 것이라 사료된다. 아울러 A2 차량의 AEB 장치 성능에 대한 검증을 통해 타 모델과의 사고경감 효과 비교도 필요해 보인다(cf. 최대한 많은 AEB 장착 차량모델을 사용하여 종합적인 결론을 도출하기 위해 해당 데이터를 제거하지 않고 사용). 특히, 후면추돌(Rear-end) 사고유형의 OR_i의 산포가 크고 낮은 값을 나타내는 모델이 존재하는 원인은 앞서 언급한 것처럼 AEB 장치의 본래 성능이 가장 잘 드러나는 추돌사고 유형에서 성능차이와 사고경감 효과가 사고통계를 통해 나타났기 때문으로 판단된다. 또한 Fig. 2에서 일부 차량모델의 OR_i 신뢰구간이 겹치지 않고 있음을 알 수 있는데, 이는 제작사별, 동일 제작사라 할지라도 차량모델별로 AEB 장착효과가 다름을 보여주고 있다. AEB 장착효과 이질성 존재 여부는 Table 2의 Q값을 사용하여 보다 정확하게 평가할 수 있다. Table 2에서 볼 수 있듯이 전체사고에서 이질성 존재여부를 평가하기 위한 Q값은 44.60이었다. 유의수준 0.05 하에서 자유도 8인 χ²분포 값이 $$ {\chi }_{\mathrm{0.05,8}}^2=15.51$$임을 고려할 때, 이는 귀무가설인 H₀:τ²=0을 기각하며, 전체사고에서 제작사별, 차량모델별 AEB 장착효과가 다름을 추정할 수 있다. 이때 전체사고의 AEB 장착효과 변동에 관한 추정치는 $$ {\widehat{\tau }}^2$$ = 0.0092 이었으며 I²=82.1%로 확인되었다. 접촉사고와 추돌사고에서도 유사한 결과가 도출되었다. Table 2에서 볼 수 있듯이 접촉사고와 추돌사고의 Q값은 각각 32.05, 109.68로서 모두 유의수준 0.05 하에서 귀무가설 H₀:τ²=0 을 기각하고, AEB 장착효과의 이질성이 있음을 나타내었다. 이때 접촉사고의 AEB 장착효과 변동 추정치는 $$ {\widehat{\tau }}^2$$ = 0.0714 이었고 I²=75.0%이었으며, 추돌사고의 변동 추정치는 $$ {\widehat{\tau }}^2$$ = 0.0651, I²=92.7%로 가장 높게 나타났다. 차량모델에 따라 AEB 장착효과의 변동이 발생하는 원인은 차량 설계 차이로 인한 변동, AEB 설계 및 작동조건 차이로 인한 변동, AEB를 구현하는데 사용하는 레이더, 카메라모듈 등의 장비 차이로 인한 변동, 개별 차량모델의 운행 조건이나 해당 모델을 구매하는 구매자들의 차이(연령 또는 운전 습관 등)에 따른 변동 등이 있을 것으로 추정된다.

Fig. 2

Forest graphs of estimated effects and confidence intervals for the 9 vehicle models using meta-analysis

Fig. 3은 보고편향 존재 여부 확인을 위한 깔대기 그림을 나타낸다. 깔대기 그림을 통해 데이터의 오류 여부의 확인이 가능하며, 데이터의 오류가 없다면 좌우가 대칭인 모습을 보인다. Fig. 3과 개별연구의 수가 많지는 않지만, 전체’, ‘접촉’, ‘추돌’ 3가지 사고형태 모두에서 AEB 장치의 사고감소 효과 추정 교차비의 좌/우 모든 영역에 걸쳐 개별연구결과들이 분포하는 것을 확인할 수 있다. 더불어 개별연구의 분포가 임의적으로 나타남을 고려했을 때 차종선택으로 인한 편향이 존재한다고 볼 수 없다.

Fig. 3

Funnel plots for estimated effects of AEB for the 9 vehicle models