서론
2022년 도로종류별 교통사고 통계에 따르면 전체 교통사고 사망자 수 2,602명 중 약 75%에 해당하는 1,950명이 지방자치단체(이하 지자체)가 관리하는 지방도, 특별광역시도, 시·군도 등에서 사망한 것으로 나타났다. 지자체 간 교통안전 수준의 차이도 크다. 인구 10만 명당 교통사고 사망자 수를 비교해보면, 가장 낮은 서울시는 2.35명이며, 가장 높은 경상북도는 11.76명으로 약 5배 많다.
Han and Lee(2020)는 지자체 간 교통안전 수준의 차이가 발생한 구체적인 이유를 살피기 위해 지자체의 도로교통 안전관리체계(Road Safety Management System, RSMS)를 비교하였다. 여기서는 RSMS를 제도적 기반, 정책, 중간성과, 최종성과 등 네 가지 부문으로 나누고 부문별 세부지표를 제시하였다. 2015년 17개 광역 지자체를 대상으로 RSMS를 평가한 결과 종합점수는 서울특별시가 87.19점으로 가장 높게 나타났으며, 전라북도가 72.15점으로 가장 낮게 나타났다. 조직, 인력, 예산 등을 평가하는 제도적 기반 부문에서는 가장 점수가 높은 서울시는 94점, 가장 점수가 낮은 강원도는 70.5점을 받아 약 24점이나 차이가 났다. 정책 부문에서는 울산광역시가 83.29점으로 가장 높고, 전라남도는 약 22점 낮은 70.91점으로 나타났다. 중간성과 부문은 울산광역시가 88.2점, 충청북도가 69.8점으로 나타났다. 최종성과 부문은 세종시가 89.15점, 경상북도는 72.85점으로 가장 낮았다.
RSMS를 평가한 결과 점수는 각 지자체들이 교통안전성과 달성을 위해 어떠한 노력을 들이는지, 결과적으로 어느 지자체가 더 안전한지는 파악할 수 있다. 하지만, 개별 지자체들이 적절한 수준의 예산 또는 인력을 투입하였는지, 정책 시행 방향이 적절한지 등에 관해서는 판단이 어렵다. RSMS의 부문별 점수를 활용하면 지자체의 효율성을 평가할 수 있다. 효율성은 투입량 대비 산출량의 비율을 의미한다. RSMS에서는 제도적 기반과 정책을 투입요소로 간주하고 중간성과와 최종성과를 산출요소로 간주할 수 있다. 이를 통해 효율성이 낮은 지자체가 효율성이 높은 지자체를 벤치마킹할 기회를 제공할 수 있다.
본 연구에서는 자료포락분석(Data Envelopment Analysis, DEA) 방법론을 이용하여 지자체 RSMS 효율성을 평가하고자 한다. 특히 2015년과 2019년의 효율성 변화를 살펴 5년 연속 시행된 RSMS 평가가 지자체에게 긍정적 영향을 펼쳤는지 살펴보고 가장 효율성이 높은 벤치마크 지자체의 변화도 살펴본다.
선행연구
자료포락분석(Data Envelopment Analysis, DEA)은 Charnes et al.(1978)에 의해 제안된 이후 경영과학에서 가장 널리 이용되고 있다. 교통 분야에서도 도로교통안전 수준 제고를 위해 시행되는 정책의 효율성을 비교하기 위해 다양하게 활용되고 있다(Table 1).
Kim et al.(2014)은 도시철도의 각 노선별 수송효율성을 분석하기 위해 DEA를 활용하였다. 17개 도시철도를 의사결정단위로 설정하였다. 투입요소는 차량수와 운행횟수를 사용하였으며, 산출요소는 연간 요금 수익으로 선정하였다. Kim et al.(2013)은 경기도 내 31개 시·군을 의사결정단위로 설정하여, 각 지역별 개인택시와 법인택시의 효율성을 평가하였다. 투입요소는 기사 친절도, 차량 상태, 택시운행 및 택시요금에 대한 만족도 점수를 사용하였으며, 산출요소는 종합승객만족도 점수를 사용하였다.
Kim et al.(2017)은 DEA를 활용하여 시군별 교통사고 잦은 곳 개선사업의 효율성 분석을 수행하였다. 28개 경기도 지자체를 의사결정단위로 설정하고 효율성이 높은 시군을 기준으로 효율성이 낮은 시군의 교통사고 잦은 곳 개선사업의 개선방향을 제시하였다. 해당 연구에서는 투입요소로 토목공사, 구조공사, 포장공사, 부대공사, 교통시설물 공사의 지점 수를 사용하였으며, 산출요소로는 개선공사가 시행된 지점의 사고 감소 건수를 사용하였다. Chang et al.(2020)은 DEA를 활용하여 각 지자체가 교통안전성과를 개선할 수 있는 방안을 제시하고자 하였다. 해당 연구에서는 투입요소로 도로교통 안전관리체계의 제도적 기반과 정책 부문 점수를 사용하였으며, 산출요소로는 사고건수 및 사망자 수를 사용하였다.
국외에서도 교통안전 사업의 효율성을 분석하기 위해 DEA를 활용하고 있다. Fancello et al.(2020)은 의사결정단위로 선정한 이탈리아 9개 지방도로 중 안전 개선이 필요한 도로를 식별하기 위한 도구로 DEA를 활용하였다. 투입요소로는 연평균 일일 통행량(AADT), 교차로의 평균 상충 지점 수 2가지를 사용하였으며, 산출요소로는 사회적 교통사고 비용을 사용하였다.
특정 시점의 효율성 평가뿐만 아니라 시간 경과에 따른 효율성 변화를 비교 및 분석하는 연구도 있다. Behnood et al.(2014)은 이란의 30개 지자체를 대상으로 2008년과 2009년의 도로 안전 정책 관련 효율성을 평가하였다. DEA 방법론을 활용하기 위해 고속도로 100km 당 경찰서 수, 100km 당 교통사고 잦은 곳의 수, 고속도로 연장, 과속 단속 카메라 수, 응급의료서비스를 제공하는 도로변 Station 개수, 도로 조명 프로젝트 수 등의 투입요소를 사용하였고, 산출요소로는 차량-km 당 사망자 수와 도로 100km 당 사망자 수를 사용하였다. 분석 결과, 2008년엔 1.409로 나타난 평균 비효율성이 2009년에는 1.307로 감소한 것으로 나타났다. 또한, 2008년에는 4개의 지자체가 효율성이 높은 지자체로 선정되었으며, 2009년에는 11개의 지자체가 효율성이 높은 지자체로 선정되었다. Shen et al.(2013)은 EU 국가들을 대상으로 DEA 방법론과 Malmquist 생산성 지수를 활용하여 10년간 교통안전성과 변화를 측정하였다. 투입요소는 인구수, 인-km, 차량대수이며, 산출요소로는 사망자 수를 사용하였다. 효율성이 높은 점들로 이루어지는 Frontier의 10년간 변화도 비교하였다. Seyedalizadeh Ganji et al.(2019)은 DEA를 활용하여 이란의 31개 도시를 대상으로 교통안전 프로그램의 효율성을 평가하였으며, Malmquist 모형을 활용하여 2014년-2016년 기간의 효율성 변화도 분석하였다.
교통안전 분야에서 DEA를 활용한 연구는 국내외에서 다양하게 이루어지고 있다. 본 연구는 지자체 도로교통 안전관리체계 평가가 지속적으로 이루어진 2015년에서 2019년 사이의 도로교통 안전관리체계의 효율성 변화를 살펴보고자 한다. 사고건수와 사망자 수를 산출요소로 활용한 기존 연구(Chang et al., 2020)와 달리 본 연구에서는 도로교통 안전관리체계의 최종성과 점수를 산출요소로 사용하였다. 최종성과는 사고건수와 사망자 수 외에 부상자 수, 교통사고 감축목표 달성 수준 등 10가지 추가적인 세부지표(Han and Lee, 2020)를 포함하고 있다.
Table 1.
Some collections of DEA-based road safety research
| Authors | Methodology | DMUs | Data |
| Shen et al. (2013) |
- Measuring the road safety performance change over the period 2001-2010 - DEA-MI |
26 EU countries |
Input(3) : Population, Passenger-kilometers, Passenger car Output(1) : Road fatalities |
| Behnood et al. (2014) |
- Evaluate the effciency in 2008 and 2009 - Input-oriented BBC |
30 provinces of Iran |
Input(6) : Police Operation, Treated Black Spots, Highways and Freeways length, Speed Control Cameras, Emergency Medical Services, Road Lighting Projects Output(2) : Fatality numbers per one million vehicle-kilometers traveled, Fatality numbers per 100 kilometers of road |
| Kim et al. (2017) |
- Efficiency of improvement project at black spot - Input-oriented CCR |
28 local governments in Gyeonggi-do |
Input(5) : Number of Civil engineering work, Structure work, Pavement work, Additional work, Transportation work Output(1) : Number of Traffic Accident Reduction |
| Seyedalizadeh Ganji et al. (2019) |
- Measure the safety performance of Iranian roads between 2014-2016 - Double-frontier DEA, DEA-MI |
31 provinces of Iran |
Input(6) : Police Station, Road maintenance Depot, Equipment and Vehicles, Camera, Emergency Medical Service, Road with Lighting System Output(1) : Fatality Risk |
| Chang et al. (2020) |
- Efficiency of road safety management system - Input-oriented VRS |
17 local gorvenments |
Input(2) : Institutional managements, interventions Output(2) : Number of crashes, number of fatalities |
| Fancello et al. (2020) |
- Identifying those roads where the needs to improve safety - Input/output-oriented CCR, BBC |
9 urban roads in Italy |
Input(2) : AADT per road length, conflict points at the various intersections Output(1) : The social cost (data on road deaths, injuries and accidents) |
방법론
1. Data Envelopment Analysis, DEA
본 연구에서는 자료포락분석(Data Envelopment Analysis, DEA)을 이용하여 지방자치단체(이하 지자체) 도로교통 안전관리체계의 효율성을 평가한다. DEA는 의사결정단위(Decision Making Units, DMU)별로 투입요소의 양과 산출요소 양을 비교하는 분석 방법이다. 투입요소와 산출요소는 하나이거나 그 이상일 수 있다. DMU는 유사한 속성을 가지고 있는 집단으로 구성되며, DEA에서는 DMU 간의 상대적 효율성을 평가한다.
DEA는 생산가능집합을 정의하는 것에서 시작된다. 생산가능집합은 특정 수준의 투입으로 특정 수준의 산출을 만들어 낼 수 있는 조합들의 집합이다. 생산가능집합에서 가장 효율적인 점으로 구성된 선을 효율경계(Efficient Frontier, 이하 Frontier)라고 표현하며, 개별 DMU의 효율성 점수는 생산가능집합의 효율경계를 기준으로 계산된다. Frontier 상의 DMU는 효율성 점수가 1이다. Frontier 상에 위치하지 않은 DMU는 효율성 점수가 1보다 낮으므로 추후 성능 개선의 여지가 있음을 의미한다. 상대적으로 효율성이 가장 높아 Frontier에 위치한 DMU는 벤치마크로 분류된다. 벤치마크 DMU는 비효율적인 DMU들이 동일한 효율성을 내기 위한 참조 목표로 사용된다.
생산가능집합은 자유가처분성, 볼록성, 규모의 수익불변, 규모의 수익변화 등 4가지 성질을 가지고 있다. 자유가처분성은 특정 투입과 산출이 생산 가능한 조합일 때 그보다 많은 투입이나 적은 산출로도 생산이 가능하다는 것을 의미한다. 즉, 비효율적이기는 하나 불가능한 생산은 아니라는 것이다. 볼록성은 두 개의 생산 가능한 조합이 존재할 때 이 조합의 선형결합 역시 생산이 가능한 성질을 의미한다. 이는 생산가능집합의 점을 연결한 선분상의 점들도 생산이 가능하다는 것을 의미한다.
DEA는 규모의 수익불변(Constant Returns to Scale, CRS)을 가정하는 모형과 반대로 규모의 수익변화 (Variable Returns to Scale, VRS)를 다루는 모형으로 나누어진다. Figure 1에서처럼 CRS 모형은 투입 및 산출 규모가 달라져도 수익이 변화가 없다고 가정하는 반면, VRS 모형은 규모에 대해 가변적인 수익을 가정한다. CRS 모형은 DMU가 최적의 규모로 운영되고 있는 경우에 적절한 모형이다. 최적의 규모로 운영되기 위해서는 DMU가 완벽하게 경쟁적인 환경에 있어야 하는데, 이는 지자체의 상황에서는 거의 발생하지 않는 환경이다. 반면, VRS 모형은 DMU가 최적의 규모로 운영되지 않을 때 적절하다. 지자체의 도로교통 안전관리체계는 불완전한 경쟁, 규제 등이 발생하기 때문에 본 연구에서는 VRS 모형을 채택한다. 또한, 교통안전과 관련하여 지자체는 가능하다면 높은 수준의 교통안전수준을 달성하는 것을 목표로 의사결정을 한다. 이에 산출을 최대화하는 산출기준 모형을 적용한다. VRS 산출기준 모형을 활용하여 2015년 대비 2019년의 Frontier 변화를 분석하고, 각 지자체의 도로교통 안전관리체계의 효율성 변화를 비교하고자 한다.
또한, DEA 모형은 투입기준(input-oriented model)과 산출기준(output-oriented model)으로 분류된다. 투입기준 모형은 주어진 산출수준을 유지하면서 투입을 최소화하는 모형이며, 산출기준은 반대로 주어진 투입수준을 유지하면서 산출을 최대화하는 모형이다. 투입기준 CRS 모형은 m개의 투입요소를 모두 일정 비율만큼 줄여 현재의 산출수준을 유지할 수 있는 가장 적은 투입수준을 결정한다. 산출기준의 CRS 모형은 현재의 투입수준을 유지하면서 산출요소의 수준을 현재 수준 대비 최대로 늘릴 수 있는 비율을 효율성 값으로 정의한다. 산출기준 모형에서는 효율성 척도를 로 표현하며, 수식은 Equation 1과 같다. 즉, 는 산출수준을 가장 크게 만드는 비율을 의미하며, 는 번째 DMU의 번째 투입요소, 는 번째 DMU의 번째 산출요소, 는 번째 DMU의 가중치를 의미한다. 즉, 는 비효율적인 DMU가 가장 효율적인 점으로 구성된 효율경계(Frontier)에 위치하기 위해 참조해야 될 근접한 벤치마크 DMU들을 어느 정도의 비율로 참조해야 되는지를 의미한다.
VRS 모형은 CRS 모형에서 의 제약조건이 추가된 Equation 2와 같으며, 이는 규모에 대한 수확 가변 조건을 부과한 것이다.
산출기준 모형의 경우 값이 1이면 효율적이고 1보다 크면 비효율적인 DMU라고 판단한다. 하지만 일반적으로 효율성은 0과 1 사이의 값을 갖는 것으로 정의하는 경우가 많아 값의 역수인 을 사용하여 효율성을 해석하는 것이 일반적이다. 즉, 값이 1에 가까울수록 더 효율적이고 0에 가까울수록 비효율적이다(Lee et al., 2012). 이에, 번째 DMU의 기술 효율성(Technical Efficiency, TE)은 1/로 표현되며, 산출요소의 수준을 가장 크게 만드는 비율을 의미한다. Equation 2에서 는 번째 DMU의 번째 투입요소, 는 번째 DMU의 번째 산출요소, 는 번째 DMU의 가중치를 의미한다.
또한, 투입규모를 1% 늘렸을 때 산출규모가 1% 미만으로 감소하거나 1% 넘게 증가하는 경우를 각각 수확체감(Decreasing Returns to Scale, DRS) 또는 수확체증(Increasing Returns to Scale, IRS) 상태에 있다고 표현한다. 규모의 수익불변(CRS) 모형을 풀었을 때 인 경우는 수확체감(DRS)의 상태에 있는 것이며, 인 경우는 수확체증(IRS)의 상태에 있다고 해석할 수 있다.
2. DATA
본 연구에서는 17개의 지자체(서울특별시, 부산광역시, 대구광역시, 인천광역시, 광주광역시, 대전광역시, 울산광역시, 세종특별자치시, 경기도, 강원도, 충청북도, 충청남도, 전라북도, 전라남도, 경상북도, 경상남도, 제주도)를 DMU로 설정하여 효율성을 분석하였다. 시간적 범위는 지자체 도로교통 안전관리체계의 평가가 도입된 2015년도와 가장 최근 평가연도인 2019년도의 자료를 활용하였다.
효율성 분석에 활용할 데이터는 Han and Lee(2020)에서 개발한 17개 특별광역시도의 도로교통 안전관리체계 평가지표 결과값으로 선정하였다. 도로교통 안전관리체계 평가지표는 제도적 기반, 정책, 중간성과, 최종성과 등 4가지 부문과 총 24개의 세부지표로 구성되어 있다. 부문별 및 세부지표의 가중치는 전문가 대상 AHP 조사를 통해 설정되었다. 도로교통 안전관리체계는 국제표준기구(International Standard Organization, ISO)에서 국제표준으로 제시한 분류를 기반으로 구성되었다. 제도적 기반 부문은 지자체의 주요 정책을 추진하기 위한 기본적인 업부인 조직체계 구성, 법률 제정 및 개정 등의 내용을 포함한다. 세부지표는 조직구성, 법령 및 조례 제정, 교통안전계획, 교통안전예산 배정, 교통안전 모니터링 등으로 구성되어 있다. 정책 부문은 도로이용자의 안전과 직접적으로 관련 있는 교육 및 훈련, 도로 등 인프라 환경의 설계 및 운영 등의 내용을 포함한다. 교통안전 교육 프로그램, 법규위반 단속, 정책홍보 등의 세부지표로 구성된다. 중간성과는 최종성과 달성에 영향을 주는 부문으로 법규위반자 비율, 사업용 차량 운행기록계 활용, 노후차량 비율, 사고 잦은 곳 현황 등의 세부지표로 구성된다. 최종성과는 사고건수와 사망자 수 외에 부상자 수, 교통사고 감축목표 달성 수준 등의 세부지표로 구성된다(Table 2).
Table 2.
List of 24 indicators
그러나, 세부지표를 개별적인 투입 및 산출요소로 활용하면 투입 및 산출요소의 수에 비해 DMU의 수가 너무 적은 문제가 발생한다. Chang et al.(2020)은 이러한 문제를 해결하기 위해 세부지표별 가중치를 반영하여 최종적으로 산출된 제도적 기반과 정책 부문 점수를 투입요소 값으로 활용하였다. 본 연구에서도 세부지표별 점수 대신 제도적 기반과 정책 부문 점수를 투입요소 값으로 사용한다. 산출요소로는 중간성과와 최종성과를 활용할 수 있는데 이 중 최종성과만 활용한다. 2015년과 2019년 사이의 중간성과 점수 변화는 t-test 결과 통계적으로 유의미한 변화가 없는 것으로 나타났기 때문이다. 산출요소 값은 교통사고 사망자 수 등 관련 통계들을 반영한 최종성과 점수를 활용하였다(Table 3). DMU의 수는 N≥max{(I×O), 3(I+O)}로 산정하는데(Cooper et al., 2006) 본 연구에서는 2개의 투입요소와 1개의 산출요소를 활용하므로 17개의 DMU 수는 해당 조건을 만족한다.
Table 3.
Input and output data for 2015 and 2019
분석결과
본 연구에서는 Table 3에 제시된 데이터를 이용하여 DEA를 수행하였다. 분석 도구로는 오픈소스 통계분석 프로그램인 Rstudio(4.2.2)를 활용하였다. Table 4은 2015년과 2019년 각 지자체의 산출방향 CRS 기반 기술 효율성(CRS Technical Efficiency, TE), VRS 기반 기술 효율성(VRS TE), 규모 효율성(SE) 그리고 규모의 변화에 따른 수익 상태(DRS, IRS)를 제시하고 있다. 여기서 규모 효율성은 CRS TE와 VRS TE의 비율을 의미한다. 규모의 변화를 판단할 수 있는 CRS 모형의 값도 함께 제시하였다.
Table 4.
Technical efficiency and scale efficiency(2015, 2019)
| DMUs | CRS TE(O) | VRS TE(O) | SE | Remark | |||||
| 2015 | 2019 | 2015 | 2019 | 2015 | 2019 | 2015 | 2019 | ||
| 1 | Seoul | 0.703 | 0.858 | 0.922 | 0.957 | 0.762 | 0.897 |
1.312 (IRS) |
1.153 (IRS) |
| 2 | Busan | 0.882 | 0.892 | 0.920 | 0.953 | 0.959 | 0.936 |
1.043 (IRS) |
1.09 (IRS) |
| 3 | Daegu | 0.907 | 0.821 | 0.920 | 0.919 | 0.985 | 0.894 |
1.015 (IRS) |
1.153 (IRS) |
| 4 | Incheon | 0.778 | 0.838 | 0.930 | 0.929 | 0.837 | 0.902 |
1.195 (IRS) |
1.139 (IRS) |
| 5 | Gwangju | 0.892 | 0.943 | 0.950 | 0.944 | 0.939 | 0.998 |
1.065 (IRS) |
0.999 (DRS) |
| 6 | Daejeon | 0.917 | 0.865 | 0.955 | 0.944 | 0.961 | 0.916 |
1.041 (IRS) |
1.121 (IRS) |
| 7 | Ulsan | 0.941 | 0.942 | 0.950 | 1.000* | 0.990 | 0.942 |
0.953 (DRS) |
1.098 (IRS) |
| 8 | Sejong | 1.000* | 0.954 | 1.000* | 0.982 | 1.000 | 0.972 | - |
1.045 (IRS) |
| 9 | Gyeonggi | 0.820 | 1.000* | 0.876 | 1.000* | 0.936 | 1.000 |
1.069 (IRS) | - |
| 10 | Gangwon | 0.895 | 0.940 | 0.897 | 0.949 | 0.997 | 0.990 |
0.984 (DRS) |
0.983 (DRS) |
| 11 | Chungcheongbuk-do | 0.928 | 0.966 | 0.936 | 1.000* | 0.992 | 0.966 |
0.959 (DRS) |
0.943 (DRS) |
| 12 | Chungcheongnam-do | 0.816 | 0.912 | 0.826 | 0.919 | 0.988 | 0.993 |
1.012 (IRS) |
0.988 (DRS) |
| 13 | Jeollabuk-do | 0.976 | 0.916 | 1.000* | 1.000* | 0.976 | 0.916 |
0.888 (DRS) |
0.952 (DRS) |
| 14 | Jeollanam-do | 0.741 | 0.753 | 0.826 | 0.811 | 0.897 | 0.928 |
1.115 (IRS) |
1.1 (IRS) |
| 15 | Gyeongsangbuk-do | 0.789 | 0.868 | 0.817 | 0.880 | 0.966 | 0.987 |
1.035 (IRS) |
1.016 (IRS) |
| 16 | Gyeongsangnam-do | 0.919 | 0.930 | 0.931 | 0.952 | 0.987 | 0.977 |
0.937 (DRS) |
1.029 (IRS) |
| 17 | Jeju | 0.864 | 0.824 | 0.872 | 0.881 | 0.992 | 0.935 |
1.008 (IRS) |
1.086 (IRS) |
| Average | 0.861 | 0.891 | 0.910 | 0.940 | 0.951 | 0.950 | - | - | |
2015년과 2019년 각 지자체의 산출기준 CRS 기술 효율성과 VRS 기술 효율성 값을 산출한 결과, CRS 기술 효율성의 평균값은 86.1%에서 89.1%로 증가하였다. 가장 효율성이 낮은 지자체는 2015년에는 서울시 70.3%, 2019년에는 전라남도 75.3%로 나타났다. VRS 기술 효율성의 평균값 역시 2015년 91.0%에서 2019년 94.0%로 증가하였으며, 각 연도의 가장 비효율적인 지자체는 2015년에는 경상북도 81.7%, 2019년에는 전라남도 81.1%로 분석되었다. 전체 지자체의 평균 효율성이 증가했다는 의미는 벤치마크 DMU(가장 효율적인 지자체)와 비효율적인 지자체 간의 효율성 차이가 감소하였다는 것이다.
2015년 기준 가장 효율적인 지자체(벤치마크 DMU)는 세종시와 전라북도로 나타났으며, 2019년에는 울산광역시, 경기도, 충청북도, 전라북도로 나타났다. 전라북도는 2015년과 2019년 모두 가장 효율적으로 도로교통 안전관리체계를 운영하는 지자체로 평가되었다. 2015년 벤치마크 DMU로 선정되었던 세종시는 2019년 벤치마크 DMU에서 제외되었으며, 울산광역시, 경기도, 충청북도는 2019년에 새롭게 벤치마크 DMU로 선정되었다.
Figure 2는 2015년과 2019년 지자체별 투입요소의 점수와 산출요소의 점수를 3차원 그래프로 보여준다. 원은 2015년, 삼각형은 2019년의 값을 보여준다. 각 연도별 벤치마크 DMU는 굵은 외곽선을 추가하였다. 또한, 벤치마크 DMU만 비교하면 투입요소인 제도적 기반과 정책 부문의 값이 대체로 2015년에 비해 2019년 증가한 것을 알 수 있다(Figure 3).
Figure 4는 17개 지자체의 2015년 대비 2019년의 효율성 변화를 보여준다. 가장 효율성이 많이 증가한 경기도는12.4%가 증가하였다. 경기도를 포함하여 10개 지자체의 효율성이 증가하였으며, 6개 지자체의 효율성이 감소하였다. 특히, 2015년 벤치마크 역할을 하였던 세종시의 경우, 2019년 효율성이 1.8% 감소하여 효율성이 가장 많이 떨어진 것으로 확인되었다.
Table 5는 2015년에 비해 효율성이 떨어진 세종시의 투입 및 산출요소의 변화를 자세히 보여준다. 투입요소인 제도적 기반과 정책 부문의 점수는 각각 11.13점, 29.62점씩 17개 지자체의 평균 증가량(9.96점, 12.16점)보다 더 많이 증가하였으나, 이에 비해 산출요소인 최종성과는 오히려 1.6점 감소한 것으로 나타났다. 각 부문별로 세부지표를 살펴보면, 제도적 기반 부문에서는 교통안전 관련 조례의 제정 지표를 제외하고 모든 지표가 개선된 것으로 나타났다. 특히, 교통안전 전담부서의 운영 지표와 총괄조정기구의 운영 지표가 3등급씩 높아져 투입요소의 전체점수가 상향된 것을 확인할 수 있다. 정책 부문에서도 모든 지표의 점수가 증가하였다. 최종성과 부문의 지표 중에서는 교통약자 교통사고 사망자 수 점수가 크게 감소하였다. 즉, 세종시는 2019년에는 도로교통 안전관리체계 운영에 있어 투입요소의 점수가 증가한 것에 비해 최종성과 점수가 낮은 것으로 해석할 수 있다.
Table 5.
Change of indicators score between 2015 and 2019 (Sejong)
2019년 새로운 벤치마크 DMU로 선정된 울산광역시, 경기도, 충청북도 중 효율성이 가장 많이 증가한 경기도의 세부지표 변화도 분석하였다. 제도적 기반의 전체 점수는 2.6점 소폭 상승하였다. 정책 부문은 단속인력과 장비의 확보 수준이 한 단계 하락하여 오히려 0.49점 감소하였다. 하지만 최종성과가 지자체 평균 변화량보다 훨씬 높은 약 10점 상승하며 효율성이 높아졌다(Table 6).
Table 6.
Change of indicators score between 2015 and 2019 (Gyeonggi)
Table 7은 2019년 효율성 값을 기준으로 비효율적인 DMU들이 효율적인 투입-산출 값을 갖기 위해 벤치마킹할 참조 DMU들을 도출하고, 각 DMU들의 Target value를 보여준다. 앞서 효율성 분석결과에서 확인하였듯이 2019년 벤치마크 DMU는 울산광역시, 경기도, 충청북도, 전라북도이며, 이 참조 대상들에 대해 비효율적인 DMU들의 λ값을 도출할 수 있다. 비효율적인 각 DMU들의 효율성이 최대가 되는 output(최종성과)의 목표 값을 설정할 수 있다. 벤치마크 DMU를 제외하고 효율성이 가장 높은 세종시의 경우, Target value는 89.14점으로 현재 수준에서 최종성과 점수를 1.59점만 더 개선하면 효율적인 DMU가 될 수 있다. 반면, 효율성이 가장 낮은 전라남도의 Target value는 89.53점이며, 최종성과 점수를 16.88점을 증가시켜야 현재의 투입수준에서 효율적인 운영을 하는 것으로 판단할 수 있다.
Table 7.
lambda(2019) of output-oriented model & Target value of output
결론
2022년 우리나라 전체 교통사고 사망자 수의 약 75%인 1,950명이 지자체가 관리하는 지방도, 특별광역시도, 시·군도 등에서 사망한 것으로 나타났다. 인구 10만 명당 교통사고 사망자 수는 서울시 2.35명, 경상북도 11.76명으로 지자체 간 교통안전 수준의 차이 또한 크게 나타난다. Han and Lee(2020)는 이러한 지자체 간 교통안전 수준 편차의 발생 이유를 살피고 교통안전 수준을 높이기 위해 지자체의 도로교통 안전관리체계를 비교하였다. 이를 통해 각 지자체의 우수한 지표를 파악하고 개선이 필요한 지표를 도출할 수 있다.
본 논문에서는 2015년과 2019년 도로교통 안전관리체계 평가 결과를 활용하여 지자체들의 효율성 변화를 살펴보았다. 또한, 효율성이 높은 벤치마크 DMU를 파악하고, Frontier의 변화도 살펴보았다. 효율성은 투입량 대비 산출량의 비율을 의미한다. 효율성 평가를 통해 각 지자체가 도로교통 안전관리체계를 효율적인 수준으로 운영하는지를 파악할 수 있다. 또한, 효율성이 높은 벤치마크 DMU를 기준으로 효율성이 낮은 지자체들의 효율성이 최대가 되는 최종성과 목표 점수(Traget value of output)도 도출할 수 있다.
효율성 분석을 위해서는 DEA 방법론의 산출기준 VRS 모델을 활용하였다. 효율성 분석 단위인 DMU는 17개의 지자체로 설정하였으며, 투입요소는 도로교통 안전관리체계의 평가 결과 중 제도적 기반 및 정책 부문 점수를 사용하였으며, 산출요소는 최종성과 부문의 점수를 사용하였다.
효율성 분석 결과, 2015년 전체 지자체의 평균 VRS 기술 효율성은 91.0%로 나타났으며, 2019년에는 94.0%로 3% 증가한 것으로 나타났다. 이는 가장 효율성이 높은 지자체인 벤치마크 DMU와 비효율적인 지자체 간의 효율성 차이가 감소하였다는 것으로 해석된다. 2015년의 벤치마크 DMU는 세종시와 전라북도로 나타났으며, 2019년에는 울산광역시, 경기도, 충청북도, 전라북도로 나타났다. 2015년에 벤치마크 DMU로 선정되었던 세종시는 2019년에는 효율성이 98.2%로 떨어졌으나, 여전히 벤치마크 DMU를 제외하고 가장 효율성이 높은 지자체로 분석되었다. 2019년에 새롭게 벤치마크 DMU로 선정된 울산광역시, 경기도, 충청북도 중 경기도는 2015년 대비 가장 효율성이 많이 증가한 것으로 나타났다. 2019년 벤치마크 DMU로 선정된 지자체들을 기준으로 비효율적인 지자체들이 목표로 해야 할 최종성과 점수의 Target value도 도출하였다. 가장 효율성이 낮은 전라남도의 경우, 현재 최종성과 점수인 72.65점에서 16.88점을 증가시키면 현재의 투입수준에서 벤치마크 DMU만큼 효율적으로 도로교통 안전관리체계를 운영할 수 있다.
본 연구에서는 2015년과 2019년 각 시점의 효율성 점수만을 활용하여 변화를 비교 및 분석하였다. 향후 시간 경과에 따른 효율성 변화를 동적으로 접근하는 Malmquist 분석 방법론을 활용하여 추가 연구를 진행해야 할 필요성이 있다. 이를 활용하면 서로 다른 시점 간의 효율성 변화를 생산성 변화와 기술적 효율성 변화 요인으로 분해하여 구체적으로 분석할 수 있는 장점이 있다.
