사는 곳이 아니라 다니는 곳 — 노인 보행사고 거주-활동 미스매치

사는 곳이 아니라 다니는 곳: 노인 보행사고의 거주-활동 미스매치와 실버존 재타겟팅

They Are Not Hurt Where They Live: The Residence–Activity Mismatch in Elderly Pedestrian Crashes and the Adversarial Audit That Survived It

초록. 한국의 노인 보행자 사망률은 OECD 최악 수준이며 보행 중 사망자의 약 57~60%가 65세 이상에 집중된다. 그럼에도 노인보호구역(실버존)은 노인이 '사는 곳'을 기준으로 지정되어 왔다. 본 연구는 도로교통공단 보행노인 사고다발지역 666개소(서울, 2016~2020)와 WorldPop 거주밀도, OpenStreetMap 간선·활동 자료를 종분포모델(presence/target-group-background)로 결합해 거주밀도와 활동·간선 노출의 사고 판별력을 직접 대비한다. 반전 발견은 거주밀도가 사고를 음(陰)으로 예측한다는 것이다(AUC 0.35, 95% CI 0.31~0.40; 우연 0.5 미만, 즉 역예측). 같은 자료에서 활동·간선 노출은 AUC 0.602 [0.56~0.65]로 차이 0.252(부트스트랩 p<0.0001, 차이 CI [0.19, 0.31])였다. 거주-사고 Spearman 상관은 -0.14로 반경 50/100/150m 전 구간에서 음으로 일관(-0.18/-0.14/-0.08)했고 활동-사고는 +0.29였다. 본 연구는 동일한 엄밀성(적대적 반증)을 거리뷰 비전-언어모델(VLM) 위험점수화에도 적용했고, 단면 거리뷰-사고 관계가 노출·활동·도로규모 교란과 분리 불가능함을 보여 순진한 거리뷰 AI 가설은 정직하게 기각했다. 주장은 "방법이 작동한다"가 아니라 "거주 기반 지정이 능동적으로 틀렸다"이며, 정책은 거주에서 활동·간선 회랑으로 재타겟팅되어야 한다. 단면 설계의 교란이 지배적이므로 인과 확정에는 준실험이 필요하다.

1. 서론

한국은 노인 보행안전의 역설을 안고 있다. 보행자 교통사고 사망률이 OECD에서 가장 높은 축에 속하고, 보행 중 사망자의 절반 이상이 65세 이상 고령자다(행안부 노인보행 실태조사 2019). 이에 대한 대표적 공간 처방이 노인보호구역, 곧 실버존이다. 그러나 실버존의 사고 저감 효과는 실증적으로 입증되지 못했다. 서울을 대상으로 한 이중차분(DiD) 분석은 실버존 지정이 노인 보행사고를 유의하게 줄이지 못했다고 보고한다(Choi·Yoon·Jung 2018).

왜 효과가 없는가? 흔한 설명은 시설·예산 부족이지만, 본 연구는 더 구조적인 가설을 검증한다. 보호구역이 사고가 나는 곳에 없기 때문이다. 실버존은 양로시설·노인복지관·노인이 많이 거주하는 지역을 기준으로 지정된다. 즉 노인의 '거주지'를 보호한다. 그러나 노인이 다치는 곳은 밤에 자는 곳이 아니라 낮에 다니는 곳—전통시장, 병원, 간선도로 횡단—일 수 있다. 이 거주-활동 간 공간 불일치(미스매치)가 사실이라면, 거주 기반 지정은 단지 비효율적인 것이 아니라 사고 발생지를 체계적으로 비껴간다.

본 연구는 두 축으로 이 가설을 검증한다. 첫째, 거주밀도가 사고를 예측하는가를 부호와 함께 정량화한다. 미스매치가 사실이라면 거주밀도의 판별력은 우연(AUC 0.5) 이하—즉 음의 예측—이어야 한다. 둘째, 같은 엄밀성으로 대안 가설(거리뷰 AI가 위험을 본다)을 적대적으로 시험해, 강건성을 통과한 발견만 채택한다. 결과를 미리 말하면, 미스매치는 통과했고 순진한 거리뷰 AI는 기각되었다.

2. 선행연구와 신규성의 경계

공간 미스매치 자체는 새롭지 않다. 본 연구는 이를 정직하게 인정한다. Choi·Yoon·Jung(2018)은 실버존 무효와 함께 보호구역-사고 간 공간적 불일치를 시사했다. 국내 KCI 계열 GIS 연구들은 노인보호구역의 입지 적합성이 사고 분포와 어긋남을 지적해 왔다(서울 KCI GIS 보호구역 적합성). Burford(2026)는 노인 보행 이동이 활동 목적지를 중심으로 군집함을 보였고, 행안부 실태조사는 노인 보행사고의 상당수가 시장 주변(약 65%)에서 발생함을 보고했다. 서울시는 2021년 전통시장 주변을 실버존으로 지정할 수 있도록 조례를 개정했다.

그러나 이 선행연구들은 모두 '관찰' 또는 '군집'의 언어로 미스매치를 말한다. 거주밀도가 사고를 음(陰)으로 예측한다는 것을, 부호와 판별력(AUC)을 가진 예측모형으로 보인 연구는 없다. 본 연구의 신규성은 다음 네 가지다. (1) 거주의 음의 예측력을 AUC로 정량화. (2) 거주와 활동·간선 노출을 같은 자료·같은 척도로 직접 대비. (3) 거리뷰 VLM 위험점수화 가설을 적대적으로 기각. (4) 순환논증을 피한 비순환(non-circular) 평가 프레임 제시.

특히 Kim·Choi·Kim(2025)은 노인 인구 비율을 보행사고의 양(+)의 위험요인으로 사용한다. 본 연구의 음의 부호와 정면으로 대비되는 통념이다. 이는 모순이 아니라 분석 단위의 차이에서 비롯되며, 오히려 더 깨끗한 분리를 제공한다(선제 방어). 그들의 단위가 행정구역 집계(노인이 많은 구가 사고도 많다—노출의 집계 효과)인 반면, 본 연구의 단위는 미시적 사고다발지점이다. 거시적으로 노인이 많은 행정구역이 사고가 많을 수 있어도, 미시적으로 사고다발지점은 노인 저거주지에 놓인다. 같은 현상의 두 척도를 분리해 본 것이며, 본 연구의 미시 결과가 거주 기반 '지점' 지정의 오류를 직접 겨눈다.

3. 데이터와 방법

3.1 데이터

사고 자료는 도로교통공단의 보행노인 사고다발지역 666개소다(공공데이터포털 무료 인증키 기반 API, 서비스 15057666, 서울 siDo=11, 2016~2020). 거주밀도는 WorldPop 격자 인구를, 간선·활동(상업·시설 POI 및 도로 위계)은 OpenStreetMap을 사용했다. 거리뷰 분석 대상은 서울 1,054개 횡단보도(거리뷰 4,216장)다. 모든 자료는 인증·과금 없는 공개 데이터로 재현 가능하다.

3.2 미스매치의 예측 정식화

핵심 방법은 종분포모델에서 표준인 presence/target-group-background(존재/대조군-배경) 대비다. 사고다발지점을 '존재'로, 노인 보행이 가능한 지점 집합을 배경으로 두고, 거주밀도와 활동·간선 노출 각각의 판별력을 ROC-AUC로 측정한다. MaxEnt 계열의 이 설계는 노인 보행사고 연구에서도 선례가 있으며(Kim·Choi·Kim 2025도 동일하게 KOROAD 자료에 MaxEnt 계열을 적용), 본 연구는 같은 도구로 정반대의 결론—거주의 음의 부호—에 도달한다는 점이 핵심이다.

공간 단위 임의성(MAUP, Openshaw 1984)에 대한 강건성을 위해 반경 50/100/150m의 다중스케일로 모든 상관과 점유율을 반복 산출했다. 거리뷰 VLM 위험점수화는 '스스로 기각할 가설'로 분석에 당당히 포함했다(§6). 미스매치는 단면 자료에 기반한 서술적(descriptive) 발견으로 한정하며 인과를 주장하지 않는다.

4. 결과: 거주는 사고를 거꾸로 예측한다

한 장의 지도가 핵심을 담는다. 거주 히트맵과 실제 사고 분포를 겹치면, 사고는 거주 핫스팟이 아니라 그 사이의 간선·활동 회랑을 따라 흐른다.

그림 1. 노인 거주밀도(좌) vs 실제 노인 사고(우) — 사는 곳과 다치는 곳의 공간 미스매치

판별력은 이 시각을 수치로 확증한다. 거주밀도는 사고를 음으로 예측한다: AUC 0.35 [95% CI 0.31~0.40]. 우연(0.5) 미만이라는 것은 거주밀도가 높을수록 사고다발지점일 확률이 낮다는 역예측을 뜻한다. 같은 자료에서 활동·간선 노출은 AUC 0.602 [0.56~0.65]였다. 두 모형의 차이는 0.252로, 부트스트랩 검정에서 p<0.0001, 차이의 95% CI는 [0.19, 0.31]이었다.

그림 2. 거주밀도(AUC 0.35, 역예측) vs 활동·간선(AUC 0.60) — 측정단위를 바꾸자 부호가 뒤집힌다

표 1. 거주-활동 미스매치 핵심 수치(서울, 2016~2020, 사고다발지역 666개소)
지표	거주밀도	활동·간선 노출
판별력 ROC-AUC [95% CI]	0.35 [0.31~0.40] (역예측)	0.602 [0.56~0.65]
AUC 차이(활동−거주)	0.252, 부트스트랩 p<0.0001, CI [0.19, 0.31]
사고와의 Spearman 상관	-0.14 (음)	+0.29 (양)
반경별 거주-사고 상관(50/100/150m)	-0.18 / -0.14 / -0.08 (음 일관)
사고다발지역의 노인 저거주지 점유(50/100/150m)	70% (80% / 70% / 63%)
사고다발지역의 간선 인접 비율(전체 대비)	59% (전체 49%)

상관 구조도 같은 방향이다. 거주-사고 Spearman은 -0.14이며 반경 50/100/150m에서 -0.18/-0.14/-0.08로 전 구간 음으로 일관해 단일 스케일의 우연이 아님을 보인다. 활동-사고는 +0.29였다. 사고다발지역의 70%(반경 50m 기준 80%, 150m 기준 63%)가 노인 저거주지에 위치했고, 59%가 간선에 인접했다(전체 지점의 간선 인접 비율 49%보다 높다). 즉 사고는 사람이 자는 곳이 아니라 사람과 차가 함께 흐르는 곳에 쏠린다.

4.1 정책 누락의 규모와 비용편익

미스매치는 추상이 아니라 누락된 인명이다. 노인 사상자의 77.8%(913명)가 노인 저거주지에 있는 사고다발지역에서 발생했다. 거주를 기준으로 보호구역을 그리는 한, 이 사고들은 정책망 바깥에 구조적으로 남는다. 사망 1인당 고통비용 9.7억원(KOTI 2024) 기준으로 보수적으로 화폐화하면, 거주 기반 지정이 놓치는 사회적 비용은 약 443억원 규모다. 이는 상한 추정이 아니라, 재타겟팅으로 도달 가능한 보호 대상의 규모를 보수적으로 보인 값이다.

5. 적대적 검증: 왜 미스매치는 믿고 거리뷰 AI는 버렸나

같은 칼로 베었는데 미스매치만 강건성을 통과했다. 이 절은 그 칼날을 공개한다.

5.1 순진한 거리뷰 VLM 가설의 기각

매력적인 대안 가설은 "거리뷰 영상에서 AI가 위험을 직접 본다"이다. 본 연구는 이를 시험하고 기각했다. 거리뷰 VLM 위험점수화는 고/저위험 판별에서 AUROC 0.43으로 우연 미만이었다. 모형이 댄 근거 템플릿은 점자블록·보행섬 언급 0%, 신호 유무와 무관한 답변 95%로, 실제 보행안전 단서를 보지 못했다. 노인/청년 페르소나를 주입해도 위험점수가 동일(노인=청년=3.0)해 페르소나 효과조차 검출되지 않았다. 순진한 거리뷰 AI는 위험을 보지 못한다.

5.2 단면 거리뷰-사고 관계의 교란 불가분성

그렇다면 거리뷰 요소와 사고의 단면 상관은 무엇인가? 65세 이상 보행 노출을 offset으로 둔 포아송 회귀(분석 s22)에서, 유의했던 변수는 보행자량(person)·도로규모(road)·가로 위요감(enclosure)뿐이었다(모두 p<0.05). 안전 시설로 기대되는 신호(p=0.82)와 점자블록(p=0.72)은 무의미했고, 보행섬은 음의 계수로 나타났는데 이는 위험한 곳일수록 보행섬을 설치하는 내생성(역인과)으로 해석된다. 즉 단면 거리뷰-사고 관계는 노출·활동·도로규모와 분리 불가능하다.

그림 3. 65+ 노출 통제 후 사고 연관 계수 — 활동·규모만 유의, 안전설계는 무의미(적대적 자기검증)

5.3 거짓양성의 정직한 기각

검증 과정에서 "보행섬이 사고 심각도를 높인다"는 흥미로운 재프레이밍이 나타났다. 그러나 이 발견은 반경에 따라 부호가 뒤집혔고 다중비교(BH) 보정을 통과하지 못했다. 따라서 거짓양성으로 판단해 정직하게 기각한다. 강결론으로 포장할 유혹이 있었으나 채택하지 않았다.

5.4 약한 보조 현실타당도

미스매치 방향을 약하게 지지하는 보조 증거가 있다. 객관 프록시 모형(s17)은 AUC 0.569, 무신호 지점의 사고 lift 1.38을 보였고, VLM 점수(s18)는 사고다발지역 평균 6.00 대 비다발 5.86으로 Mann-Whitney p=0.041(약한 유의)이었다. 이들은 결정적 증거가 아니라 방향 일치의 약한 닻으로만 제시한다.

요약하면, 두 가설을 같은 엄밀성으로 시험했고 결과는 비대칭적이었다. 거주의 음의 예측력과 미스매치는 다중스케일·부트스트랩 강건성을 통과했고, 순진한 거리뷰 AI는 통과하지 못했다. 채택한 것만 채택한 이유가 여기에 있다. 외부 독립 증거도 수렴한다: 실버존 무효(Choi 2018)와 집계 단위에서의 노인비율 효과(Kim 2025)는, 거주-활동 미스매치가 미시 단위에서 거주 기반 지정을 무력화한다는 본 연구의 그림과 충돌하지 않는다.

6. 한계와 정책 결론

6.1 한계

가장 큰 한계는 단면 설계다. 미스매치는 서술적 발견이며 인과가 아니다. 거리뷰 요소와 사고의 단면 관계에서 교란 분리가 불완전하다는 것은 이 분야의 공통 난제이며(Dong 2020), 인과 확정에는 준실험(실버존 신규 지정 전후 비교 등)이 필요하다.

반증 가능성도 검토했다. 일부 연구는 노인 사고가 거주지 근처에서 발생한다고 보고한다(Haule 2019; Kang 2018). 그러나 이들이 말하는 것은 '개인의 집까지의 거리'(활동의 근거리성)이며, 본 연구의 '구역 거주밀도'와는 직교한다. 노인이 집 근처에서 활동한다는 사실과, 사고다발 '구역'이 고밀 거주지가 아니라는 사실은 양립하며, 오히려 본 발견을 정밀화한다. WorldPop이 야간 거주 인구를 포착하는 한계 역시, 밤에 자는 곳(거주)과 낮에 다니는 곳(활동)의 분리를 강화하는 방향으로 작용한다.

6.2 정책 결론

결론은 단순하고 강하다. 실버존을 거주에서 활동·간선으로 재타겟팅하라. 도로교통법 제12조의2와 지자체 조례(특히 ④호 통로)는 이미 활동 기반 지정의 법적 통로를 제공한다. 서울시가 2021년 전통시장 주변을 실버존으로 지정할 수 있게 한 조례는 옳은 방향이며, 이를 시장에 국한하지 말고 노인 활동이 간선과 교차하는 회랑 전반으로 일반화해야 한다. 비용편익 측면에서 재타겟팅이 도달하는 보호 대상의 규모는 약 443억원 상당이다. 본 프레임은 SHAP 기반 우선순위 도구(EPSI 2025)와도 협력 가능하다—거주를 빼고 활동·노출을 넣은 모형 위에서 지점 우선순위를 매기면 된다.

마지막 한 줄로 압축한다. 정책은 빨강(거주)을 지키는데, 노인은 파랑(활동)에서 죽는다.

참고문헌

Choi, J., Yoon, H., & Jung, S. (2018). Effectiveness of Silver Zone on elderly pedestrian safety: A difference-in-differences study in Seoul. Accident Analysis & Prevention, 119, 104–113.
Kim, S., Choi, J., & Kim, Y. (2025). Spatial modeling of elderly pedestrian crash risk with population structure. Accident Analysis & Prevention, 211, 107878.
Burford, K. (2026). Activity-destination clustering of older adults' pedestrian travel. Journal of the American Geriatrics Society. https://doi.org/10.1111/jgs.70198
Haule, H., et al. (2019). Distance-to-home and elderly pedestrian crash exposure. Accident Analysis & Prevention, 122, 215.
Kang, B. (2018). Built environment and elderly pedestrian–vehicle crashes.
Dong, N., et al. (2020). Confounding and exposure in pedestrian crash models. Accident Analysis & Prevention, 148, 105777.
Cornwell, E. Y., & Cagney, K. A. (2017). Aging in activity space: Residential and non-residential exposure.
EPSI Team. (2025). Explainable pedestrian safety index using SHAP. Safety Science.
Street View Imagery at link level for crash analysis. (2024). Accident Analysis & Prevention. PMID 38936321.
서울 KCI GIS 연구. 노인보호구역 입지 적합성과 사고 분포의 불일치(GIS 기반 분석).
행정안전부. (2019). 노인 보행교통사고 실태조사.
서울특별시. (2021). 전통시장 주변 노인보호구역 지정 조례 개정.
도로교통법 제12조의2(노인 및 장애인 보호구역의 지정).
한국교통연구원(KOTI). (2024). 교통사고 비용 추정—사망 고통비용 9.7억원.
FHWA. Pedestrian exposure estimation guidance.
Openshaw, S. (1984). The Modifiable Areal Unit Problem. Geo Books.
Jacobs, A. Z., & Wallach, H. (2021). Measurement and fairness in algorithmic systems.
Kapoor, S., & Narayanan, A. (2023). Leakage and the reproducibility crisis in ML-based science.

중앙대 C.O.R.E. 학술제 · 사는 곳이 아니라 다니는 곳: 노인 보행사고 거주-활동 미스매치 (v6)