골든타임 확보를 위한 119안전센터 설치기준 개선방안 마련 연구

Improvement of Standards for Establishing 119 Safety Center to Secure Golden Time

Article information

J. Korean Soc. Hazard Mitig. 2022;22(4):1-10
Publication date (electronic) : 2022 August 26
doi : https://doi.org/10.9798/KOSHAM.2022.22.4.1
고하영*, 김지민**, 임혜진***, 금기정****
* 정회원, 한국지능형교통체계협회 공공지원센터 선임연구원
* Member, Senior Researcher, Government Business Support Center, ITS Korea
** 한국지능형교통체계협회 R&BD센터 선임연구원
** Senior Researcher, R&BD Center, ITS Korea
*** 한국지능형교통체계협회 R&BD센터 선임연구원
*** Senior Researcher, R&BD Center, ITS Korea
**** 명지대학교 교통공학과 교수
**** Professor, Department of Transportation Engineering, Myongji University
* 교신저자, 정회원, 한국지능형교통체계협회 공공지원센터 선임연구원(Tel: +82-31-478-0456, Fax: +82-31-502-0548, E-mail: hazero@itskorea.kr)
* Corresponding Author, Member, Senior Researcher, Government Business Support Center, ITS Korea
Received 2022 March 16; Revised 2022 March 17; Accepted 2022 July 26.

Abstract

최근 소방차의 골든타임 확보를 위해 긴급차량 우선신호 시스템, 관할 구역을 없앤 출동체계로의 변경 등 지속적인 노력에도 불구하고 2019년 기준 화재발생에 따른 소방차의 골든타임 확보율은 전국 평균 68%를 기록하였다. 특히 경기, 강원, 경북은 절반에도 미치지 못하는 골든타임 도착률을 기록하였다. 화재 시 골든타임 확보는 진화시간 및 인명피해와 직접적 연관이 있어 출동 시 통행 지체를 최소화하려는 시도는 이루어지고 있으나, 소방서 설치 기준 및 위치에 대한 연구는 부족한 실정이다. 현행법 상 119안전센터는 관할 인구와 면적을 기준으로 설치되고 있어 용도지역과 토지이용, 건물의 밀도 등 지역적 특성을 고려할 수 없다. 본 연구에서는 경기도를 대상으로 이항 로지스틱 회귀분석을 통해 골든타임 내 도착률에 미치는 요인들의 영향력을 계량적으로 분석하여 현재 119안전센터 설치기준의 개선방향을 제시하는 것이 본 연구의 목적이다. 그 결과 첫째, 화재 시 소방차 골든타임 확보여부는 화재발생지의 토지이용특성에 영향을 받는 것으로 나타났으며, 현재 119안전센터는 주거지, 상업지에 다소 밀집되어 있는 것으로 분석되었다. 둘째, 긴급차량 우선신호 시스템이 설치되어 있는 지자체에서는 미시행 지자체 대비 골든타임 확보율이 증가하는 것을 확인할 수 있었다. 셋째, 교통사고, 자동차 결함 등으로 인한 도로에서의 화재발생 시 골든타임 확보율이 낮은 수준으로 분석되었다. 향후 분석의 공간적 범위를 전국 단위로 확대하고 소방차의출동경로 정보를 활용할 수 있다면, 지자체별 출동유형 특성을 고려한 119안전센터 설치 가이드라인을 제시함으로써 기존 물리적 한계로 인한 골든타임 미확보 문제를 개선할 수 있을 것으로 판단된다.

Trans Abstract

Despite continuous efforts to secure the fire “golden time,” such as implementing an emergency vehicle pre-emption system and expanding the dispatch zone, the arrival rate of fire engines within the golden time in Korea averaged 68% nationwide as of 2019. In particular, Gyeonggi, Gangwon, and Gyeongbuk recorded less than half of arrivals in the golden time. Securing the golden time is directly related to fire extinguishing time and casualties, so efforts to shorten the dispatch time are being made; however, research on the standards for establishing fire stations is insufficient. Under the current law, 119 safety centers are established based on the population and area, so regional characteristics, such as use districts, land use patterns, and urban density, cannot be considered. The purpose of this study was to analyze quantitatively the influence of such factors on the arrival rate within the golden time through binary logistic regression analysis and to suggest directions for improving the current 119 safety center establishment standards. It was found that the arrival rate within the golden time is affected by land use patterns, and it was determined that 119 safety centers are currently somewhat concentrated in residential and commercial areas. In addition, the arrival rate within the golden time increases when local governments install an emergency vehicle pre-emption system. Finally, the arrival rate within the golden time was low in the case of fire on roads caused by traffic accidents and vehicle defects. In the future, if the spatial scope of analysis can be expanded nationwide and fire engine dispatch routes can be used, the arrival rate within the golden time can be increased by creating guidelines for establishing 119 safety centers considering the regional characteristics of each local government.

1. 서 론

1.1 연구의 배경 및 목적

소방에서 골든타임은 신고접수부터 소방차가 화재현장에 도착하기까지 걸리는 시간으로 국내에서는 신고접수시간 2분과 출동시간 5분을 더한 7분으로 정의하고 있다. 화재 발생 시 소방차의 골든타임이 확보되지 못할 경우 화재 진화시간이 급격하게 증가하여 이에 따른 막대한 인명 및 재산피해 발생확률은 높아진다. 우리나라에서는 전국적으로 매년 약 4만건 이상의 화재가 지속적으로 발생하고 있고 화재건수는 줄어들거나 유사한 형태를 보이고 있는 반면 재산피해액 추세는 지속적으로 늘어나고 있다(National Fire Agency, 2021). 2019년 화재 시 소방차의 골든타임 도착률은 전국 18개 시도 평균 68%를 기록했지만, 경기(47.4%), 강원(46.4%), 경북(40.6%)은 절반에도 미치지 못하는 도착률을 기록하였다(National Fire Agency, 2020).

우리나라에서는 골든타임 확보를 위해 지능형교통체계(ITS)와 연계한 긴급차량 우선신호 시스템 설치, 관할구역을 없앤 재난대응체계 등 출동시간 단축을 위한 노력은 활발하나, 시설⋅환경적 요소에 대한 노력은 다소 미흡한 수준이다. 현행 119안전센터 설치기준은 관할 인구와 면적을 기준으로 관할구역 내 설치 개소수만을 산정하고 있어 지역적 특성, 소방서 간 설치위치 등이 충분히 고려되고 있지 않다. 또한 설치기준은 권고사항으로 현실적 여건에 의해 설치기준을 충족시키지 못하는 경우가 빈번히 발생하고 있다. 실제로 경북 영천시 임고면과 자양면 외곽의 경우 가장 가까운 소방관서인 영천소방서 및 동부 119안전센터와의 거리가 18 km 이상 떨어져 있어 긴급출동 시 골든타임 확보가 사실상 불가능하다(The Kyunghyang Shinmun, 2021). 생명과 직결될 수 있는 골든타임 확보 문제는 소방서 설치기준의 개선을 통해 물리적으로 골든타임 확보가 어려운 지역을 최소화하고 화재 발생 시 대응을 위한 고려가 반드시 필요하다.

본 연구에서는 소방차 골든타임 확보 여부에 영향을 미치는 요인들을 도출하여 현재 설치되어 있는 119안전센터의 특성을 분석하고 관할 인구, 면적을 기준으로 하는 119안전센터의 설치기준 개정 근거 마련 및 고도화 방안을 제시하고자 한다.

1.2 연구의 범위 및 방법

본 연구의 공간적 범위는 2019년 기준 평균 도착률이 47.4% (18개 시도 평균 도착률 68%)로 하위 3위이며, 긴급차량 우선신호시스템을 도입하여 시행 중인 지자체를 보유한 경기도를 대상으로 하였다. 시간적 범위는 공공데이터포털을 통해 소방청으로부터 구득 가능한 가장 최신자료인 2019년을 기준년도로 설정하였다. 자료의 세부적인 범위는 실제 소방 출동 시 출동완료 후 수집된 200개 데이터 목록 중 화재 발생 요일, 시간, 날씨, 온도, 습도 등 환경 요인, 화재 유형, 화재 발생 층수 등 화재 특성 요인과 관할 인구 및 면적, 출동 거리, 토지이용특성, 긴급차량 우선신호 시스템 등 지역 특성 요인 총 12개를 추출하였으며 통계패키지 SPSS를 이용하여 분석하였다.

본 연구에서는 연구 목적인 소방차 골든타임 확보와 연구 방법인 이항 로지스틱 회귀분석 관련 선행 연구 고찰 후 기존 연구와의 차별점과 본 연구가 가지는 의의에 대하여 분석한다. 이후 소방차 출동 현황 분석에서는 수집된 데이터를 통해 경기도 소방차 출동 현황 및 영향 요인을 분석한다. 다중공선성 진단 및 상관분석을 통해 유의한 독립변수를 선정한 후 최적의 독립변수를 이용하여 이항 로지스틱 회귀분석방법을 통해 골든타임 내 도착 여부에 미치는 영향 요인을 계량적으로 확인한다. 이후 분석 결과의 해석을 통해 119 안전센터 설치기준의 개정 근거 및 개선 방향을 도출함으로써 향후 정책결정자가 정책을 결정하는 데 반영될 수 있도록 한다. 마지막으로 결론에서는 연구 결과를 종합하고, 연구의 한계점과 향후 연구를 제시한다.

2. 선행연구 고찰

골든타임 확보를 위해 소방차의 출동시간, 출동배치의 효율성 향상을 목적으로 다양한 연구가 진행됐지만 2020년 4월 시도 경계 없이 가장 가까운 안전센터에서 출동하도록 출동체계가 변경됨에 따라 안전센터 설치기준에 대한 제고가 필요한 것으로 보인다. 따라서, 본 연구에서는 골든타임 확보를 위한 119 안전센터 설치기준 개선방안 마련을 목적으로 소방차 골든타임 확보 관련 연구와 이항 로지스틱을 활용한 연구를 중점으로 문헌 고찰을 수행하였다.

2.1 소방차 골든타임 확보 관련 선행 연구

Oh et al. (2012)는 119 긴급차량 도착지체⋅출동배치의 효율성 분석을 목적으로 GIS 공간분석 방법을 활용하여 구조⋅구급활동 데이터를 분석하여 도로네트워크상 최단거리 출동이 가능한 서비스망 개선 시나리오 제시와 효과 분석을 실시하였다.

Song et al. (2018)에서는 경기도 내 소방안전센터 설치 기준과 우선순위 구축을 목적으로 관련 데이터 분석을 통해 우선순위를 도출했으며, 인접 119 안전센터 위치 등을 고려하여 설치 우선순위와 소방력 배치 방안을 지시하였다.

Jeong and Kim (2019)은 청주시를 대상으로 긴급차 우선신호시스템의 적용 효과분석을 목적으로 연구를 진행했으며, 우선신호시스템 적용시 기존 신호에 비해 주행시간이 45.4%가 감소하여 효과적임을 검증하였다.

Hwang et al. (2020)은 구급차 배치 최적화를 목적으로 신규 구급차의 배치를 위한 입지 선정과 기존 구급차의 재배치를 동시에 결정하는 정수계획모형을 제시하였다. 일부 지역에 적용하여 의사결정에 효과적으로 활용될 수 있음을 확인하였다.

Jang et al. (2020)은 소방차 통행시간 예측을 목적으로 데이터 분석을 실시하여 출동시간과 도로요인 간 영향 분석 및 통행시간 예측모형을 통해 소방차 통행시간에 영향을 미치는 변수를 도출했으며, 핵심변수로 통행거리, 차로 수, 도로등급을 도출하였다.

2.2 이항 로지스틱 회귀분석 관련 선행 연구

Kang et al. (2016) 이항 로지스텍 회귀분석모형을 이용하여 도시부에서 무단횡단 사고에 영향을 미치는 요인을 인적요인, 도로환경적 요인으로 구분하여 분석을 실시했으며, 이를 통해 무단횡단 사고가 영향을 미치는 변수가 인적요인보다 도로환경적 요인이 더 크다는 결론을 도출하였다.

Kim and Jeong (2018) 전기차 구매여부에 미치는 영향 요인 분석을 위해 이항 로지스틱 회귀모형을 활용했으며, 이를 통해 사회경제적 변수 보다는 차량 가격, 전기차 충전 등의 변수가 영향을 미치는 것으로 나타났다.

Choe et al. (2021) 연안해역에서 발생하는 해양사고 유형별 위험요인 파악을 위해 이항 로지스틱 회귀분석 모형을 활용했으며, 해상사고 유형별 위험요인의 계수 부호가 상이함을 발견했으며 이를 통해 해양사고 유형별 원인 분석의 필요성을 확인할 수 있었다.

2.3 시사점

선행연구 검토 결과, 소방차 골든타임 확보를 위해 소방차 재배치 방안, 우선신호시스템 적용, 통행시간 예측모형 도출 등과 같이 소방차 출동체계 개선과 관련된 연구가 중점적으로 진행되었다. 또한, 골든타임에 미치는 영향 요인 분석시 한정적인 조건(도로요인)을 중점으로 분석했으며, 소방차 출발지인 119안전센터 설치기준 개선을 위한 연구는 미흡한 것으로 나타났다.

이에 본 연구에서는 이항 로지스틱 회귀분석 모형을 통해 골든타임에 영향을 미치는 요인을 파악하여 골든타임 확보를 위한 119안전센터 설치기준 개선방향 마련을 위한 연구를 수행하고자 한다.

3. 소방차 출동현황 분석

3.1 자료수집 및 가공

공공데이터 포털을 통해 2019년 경기도 화재출동 데이터를 구득했으며, 분석결과의 정확도 향상을 위해 교통혼잡, 복합요인, 소방헬기 사용 등 타 영향 요인이 포함된 결측치와 이상치를 제거하여 총 8,077건을 대상으로 분석을 진행하였다.

출동 또는 도착시간이 측정되지 않아 동일하거나, 출발지가 명확하지 않은 데이터는 결측치로 판단하여 제거했고, 소방관서 설치기준과 현실적 상황을 종합적으로 고려하여 비현실적 거리 및 시간은 데이터 상 출발지 오류 또는 소방 헬기 등을 이용한 것으로 판단하여 이상치를 제거하였다.

3.2 특성별 소방차 출동 현황 분석

경기도 내 소방차 출동 현황에 대해 골든타임 내 도착유무, 토지이용특성, 화재유형, 요일 및 시간, 날씨, 긴급차량 우선신호 시스템 시행유무에 따라 현황 분석을 실시하였다.

3.2.1 골든타임 내 도착유무

경기도의 골든타임 내 도착유무에 따른 소방차 출동 현황 분석 결과, Table 1과 같이 51.8% (4,182건)는 골든타임 내 도착하는 것으로 나타났지만 48.2% (3,895건)는 골든타임 내 도착하지 못하였으며 평균 출동소요시간은 9.71분으로 약 2.71분이 지연되는 것으로 나타났다.

Analysis of the Fire Engines’ Dispatch Data by Arrival Within 7 Minutes

3.2.2 토지이용특성

토지이용특성별 소방차 출동 현황 분석 결과, Table 2와 같이 상업지와 주거지만 골든타임 내 도착했고 공업지역과 임지 내 화재발생 시 출동 소요시간이 8.49분, 9.61분으로 골든타임을 초과했다. 이는 타 토지특성 대비 평균 출동거리가 4.21 km, 4.45 km로 멀기 때문이라 판단된다.

Analysis of the Fire Engines’ Dispatch Data by Land Use Pattern

3.2.3 화재유형

화재유형별 소방차 출동 현황 분석 결과, Table 3과 같이 건축물에서 발생하는 화재가 67.5% (5,455건)로 가장 많았고 자연재해로 발생한 화재의 발생건수가 3.7% (297건)로 가장 낮았지만 출동 소요시간이 9.61분으로 가장 많은 시간이 소요되는 것으로 나타났다.

Analysis of the Fire Engines’ Dispatch Data by Type of Fire Accidents

3.2.4 화재발생 요일 및 시간

요일 및 시간에 따른 소방차 출동 현황 분석 결과, Table 4와 같이 요일과 시간에 상관없이 평균 출동 소요시간이 유사하게 나타났으며, 이는 요일 및 시간이 소방차 출동 소요시간에 영향을 크게 미치지 않는 것으로 해석된다.

Analysis of the Fire Engines’ Dispatch Data by Day of the Week and Time of the Day

3.2.5 날씨

날씨에 따른 평균 출동 소요시간 분석 결과, Table 5와 같이 날씨와 상관없이 출동 소요시간이 유사하게 나타났으며, 이는 날씨가 출동 소요시간에 크게 영향을 미치지 않는 것으로 해석된다.

Analysis of the Fire Engines’ Dispatch Data by Weather

3.2.6 긴급차량 우선신호 시스템 시행유무

긴급차량 우선신호 시스템 유무에 따른 소방차 현황 분석 결과, Table 6과 같이 시행 중인 지자체가 미시행 중인 지자체 대비 0.93분 더 빨리 도착하는 것으로 나타났다. 현재, 긴급차량 우선신호 시스템은 도입 시점으로 긴급차량 우선신호 시스템 확대 도입 시 골든타임 내 도착확률이 증가할 것으로 기대된다.

Analysis of the Fire Engines’ Dispatch Data by Implementation of Emergency Vehicle Pre-emption System

4. 데이터 구축 및 분석 결과

4.1 분석 개요

소방차의 골든타임 내 도착 여부에 미치는 영향요인을 분석하기 위하여 종속변수는 골든타임(7분) 내 도착 여부로 설정하였다. 예를 들어, 소방차가 화재발생 접수 시점부터 7분 이내에 현장에 도착하였을 경우 1, 도착하지 못했을 경우 0으로 설정하였다. 따라서, 종속변수가 범주형으로 관측된 데이터를 분석할 때 유용하게 사용되는 기법인 로지스틱 회귀분석을 이용하였으며, 변수가 0 또는 1인 이분화된 종속변수의 확률값을 예측하기 위하여 이분형 로지스틱 회귀분석을 수행하였다. 이항 로지스틱 회귀분석의 기본 형태는 Eq. (1)과 같다.

(1)P=exp[f(xi,βi)]1+exp[f(xi,βi)]=exp[β0+βixi]1+exp[β0+βixi]

- P(y=1|x1 , ...,xi) : 골든타임 내 도착 여부의 확률

- x1: 골든타임 내 도착 여부에 영향을 미치는 특성 변수

- βi: 모형에서 추정된 계수 값

4.2 자료의 변수화

데이터 분석에 앞서 변수들을 정리한 결과는 Table 7과 같다. 종속변수는 골든타임 내 도착 여부이며, 이와 관련하여 12개의 독립변수 자료를 구축하였다. 독립변수는 크게 환경 요인, 화재 특성 요인, 지역 특성 요인으로 구성하였다. ‘환경 요인’은 화재 발생 요일, 시간, 날씨, 온도, 습도 등의 화재 발생 시점의 일반적인 변수를 채택하였다. ‘화재 특성 요인’은 화재 발생에 영향을 미치는 화재유형, 화재 발생 층수 등으로 채택하였다. 마지막으로 지역 특성 요인은 관할 인구 및 면적, 출동 거리, 토지이용특성, 긴급차량 우선신호 시스템 등 발생 지역이 가지는 변수를 채택하였다.

Description of Variables

4.3 다중공선성 진단

이항 로지스틱 회귀모형에 적용할 최종 변수 선정에 앞서 변수 간 다중공선성 문제 해결을 위해 선형 회귀분석 및 상관관계 분석을 수행한 결과는 Tables 8, 9와 같다. 분석 결과, 공차한계는 0.1보다 높고, VIF는 10 이하로 나타나 회귀식의 산포에 문제가 없었으며, 데이터들의 1차 자기상관을 나타내는 Durbin-Watson 값은 1.976으로 1.5~2.5 사이로 나와 설명변수 간 독립적이라고 판단하였다. 변수들의 상관계수는 0.9 미만으로 문제 없으며, 마지막으로 공선성 진단 결과 상태지수가 15 미만으로 나와 다중공선성에 문제가 없음을 확인하였다.

Result of Correlation Analysis (Coefficients)

Result of Collinearity Diagnostics

4.4 상관분석 결과

유의한 변수만 추출하여 이항 로지스틱 회귀분석을 하기 위하여 상관분석을 진행하였다. 범주형-연속형 변수 간의 상관관계 파악을 위하여 ‘점이연 상관분석’을 진행하였고, 그 결과 5개의 연속형 변수 중 ‘습도’ 변수가 분석에서 제외되었다. 또, 범주형 변수 간 상관관계 파악을 위하여 ‘파이’, ‘Cramer’s V’ 계수를 이용하여 상관분석을 진행하였고, 그 결과 7개의 범주형 변수 중 화재 발생 ‘요일’, ‘시간’, ‘날씨’ 변수가 분석에서 제외되었다. 상관분석 결과, 총 8개의 변수가 최종 모형 적용 변수로 선정되었다.

4.4.1 범주형-연속형

범주형 변수(이분형)와 연속형 변수 간 상관관계 파악을 위하여 ‘점이연 상관계수(Point-biserial correlation)’를 이용하여 분석하였으며, 결과는 Table 10과 같다. 분석 결과, 95% 신뢰수준에서 유의한 변수는 ‘관할 인구, 관할 면적, 화재발생 층수, 온도’로 나타났으며, 이를 최종 변수로 선정하였다.

Result of Correlation Analysis (Between Categorical and Continuous Variables)

4.4.2 범주형-범주형

범주형 변수 간 상관관계 파악을 위하여 ‘파이(Phi) 상관계수(범주 2개)’와 ‘Cramer’s V 상관계수(범주 3개 이상)’를 이용하여 분석하였으며, 결과는 Table 11과 같다. 분석 결과, 95% 신뢰수준에서 유의한 변수는 ‘출동거리, 긴급차량 우선신호 시스템, 토지이용특성, 화재유형’으로 나타났으며, 이를 최종 변수로 선정하였다.

Result of Correlation Analysis (Between Categorical and Continuous Variables)

4.5 회귀분석 결과

상관분석을 통해 유의하다고 분석된 8개 독립변수를 선정한 후 Wald 후진 검증 방법을 이용하여 이항 로지스틱 회귀분석을 시행하였다. 모형 검증 결과와 이항 로지스틱 회귀모형 추정 결과는 Table 12와 같다. 모형의 설명력을 의미하는 Cox와 Snell의 R2값은 0.308로 30.8%, Nagelkerke R2값은 0.411로 41.1%의 설명력을 가졌다. 모형의 적합도를 의미하는 Hosmer와 Lemeshow 검정 결과, 유의확률이 0.114로 0.05보다 크므로 본 모형은 적합하게 나타났다. 예측의 정확도도 77.3%로 양호하게 나타났다.

Model Verification and Estimation Result (Binomial Logistic Regression Analysis)

Wald 후진 검증 방법으로 분석을 진행하면서 ‘관할 인구’, ‘화재발생 층수’, ‘화재유형(자연재해)’는 분석 과정에서 제거되었다. 다음으로 통계적으로 유의미하다고 판단되는 기준인 ‘유의확률 0.05 이하, Exp(B)의 신뢰구간 하한-상한 사이에 1이 포함되지 않는 변수’를 확인한 결과, ‘화재유형(기타)’, ‘관할 면적’, ‘온도’ 변수가 골든타임 내 도착여부에 유의미한 영향을 주지 못하는 것으로 나타나 해석에서 제외되었다.

따라서, 최종적으로 ‘출동거리, 토지이용특성, 화재유형, 긴급차량 우선신호 시스템’이 골든타임 내 도착여부에 영향을 미치는 것으로 도출되었다. 구축된 모형의 비표준화 계수(Β)와 승산비(Odds-ratio)를 통해 각 설명변수가 골든타임 내 도착여부에 미치는 영향력을 추정할 수 있다. 비표준화 계수의 부호에 따라 양의 부호일 경우 골든타임 내 도착 확률이 높아지며, 음의 부호일 경우 미도착 확률이 높아진다. 또한, 승산비가 1 초과인 경우 설명변수 한 단위 증가 시 골든타임 내 도착 확률이 n배 높아지며, 1 미만인 경우 설명변수 한 단위 증가 시 미도착 확률이 n배 높아진다.

이를 통해 결과를 해석해보면, 첫 번째 ‘출동거리’의 경우 출동거리가 길수록 골든타임 내 도착확률이 감소한다는 결과를 도출할 수 있다. 한편, 출동거리 7.0 km 초과 출동 건(0.032)이 3.5 km 초과 7.0 km 이하 출동 건(0.090)에 비해 골든타임 내 도착확률이 더 높다는 결과가 나온 것으로 보아 출동거리가 3.5 km보다 길어질 경우 거리뿐만 아니라 교통 요인, 토지 이용 특성 등 다른 요인들도 출동시간에 복합적으로 영향을 미칠 수 있다고 해석할 수 있다.

두 번째 ‘토지 이용 특성’의 경우 골든타임 내 도착확률이 교통시설(2.184), 상업지(1.510), 주거지(0.000), 임지(0.280), 공업지(0.641), 기타(0.662) 순으로 높게 나타났다. 이를 통해 현재 119안전센터가 주거지, 상업지에 다소 밀집되어 있음을 예측할 수 있다.

세 번째 ‘화재유형’의 경우 교통(0.477)이 건축물에 비해 골든타임 내 도착확률이 0.477배 감소한다는 결과가 나왔다. 이는 차량 충돌, 자동차 자체 결함 등으로 인한 화재 발생 시 도로 혼잡 상황으로 인해 건축물보다 골든타임 내 화재 발생 지점에 도착하기가 더 어려움을 예측할 수 있다. 특히, 실제로 전국 고속도로에 설치된 터널의 92%가 화재 발생 시 골든타임 내에 소방대가 도착하기 어려우며, 소방차 평균 도착시간은 12.5분으로 고속도로 비상 진입로 거리에 따라 1분에서 19분까지 편차가 큰 것으로 나타났다(Maeil Business News Korea, 2021). 따라서, 도로에서 발생하는 화재의 신속한 대응을 위한 개선방안 마련이 요구된다.

마지막으로 ‘긴급차량 우선신호 시스템’의 경우 우선신호를 시행하고 있는 지자체가 미시행 지자체 대비 골든타임 내 도착률이 1.326배 높게 나타나 긴급차량 우선신호 시스템이 골든타임 확보에 효과가 있음을 확인하였다. 이에 따라 출동시간 단축을 위해 긴급차량 우선신호의 확대 적용이 필요할 것으로 판단된다.

5. 결론 및 향후과제

우리나라에서는 골든타임 확보를 위해 ITS와 연계한 긴급차량 우선신호 시스템 설치, 관할구역을 없앤 재난대응체계 등 출동시간 단축을 위한 노력은 활발하나, 시설⋅환경적 요소에 대한 노력은 다소 미흡한 수준이다. 현재 119안전센터 설치기준은 관할 인구와 면적을 기준으로 개소수를 산정하고 있어 지역적 특성 또는 119안전센터 간 설치위치가 충분히 고려되지 못하고 있어 물리적으로 골든타임 내 도착이 어려운 사례가 지속적으로 발생하고 있다.

본 연구에서는 소방차 골든타임 확보 여부에 영향을 미치는 요인들을 도출하여 현재 설치되어 있는 119안전센터의 특성을 분석하고 관할 인구, 면적을 기준으로 하는 119안전센터의 설치기준 개정 근거 마련 및 고도화 방안을 제시하고자 하였다. 이를 위해 경기도 내 화재 출동데이터를 활용해 상관분석 및 이항 로지스틱 회귀분석을 수행하였다. 2019년 기준 경기도 화재 출동 8,077건을 대상으로 분석한 결과, 현재 안전센터 설치기준인 관할 인구와 면적은 골든타임 확보에 큰 영향을 미치지 않는 것으로 도출되었다. 소방차의 골든타임 확보에 영향을 미치는 요인은 ‘토지이용특성, 긴급차량 우선신호 시스템 설치여부, 화재유형, 출동거리’로 분석되었으며 최종적으로 본 연구를 통해 도출된 종합적인 결론은 다음과 같다.

첫째, 화재 발생지의 토지이용특성 기준 주거지 대비 교통시설(2.184)과 상업지(1.51)에서는 골든타임 내 도착률이 증가하고 공업지(-0.641), 임지(-0.28), 기타(-0.662)지역에서는 도착확률이 감소하는 것으로 분석되었다. 이를 통해 현재 119안전센터가 주거지, 상업지에 다소 밀집되어 있음을 의미한다. 이에 따라 119안전센터 설치 시 골든타임 확보에 취약한 공업지, 임지에 대한 고려가 요구된다.

둘째, 긴급차량 우선신호 시스템을 시행하고 있는 지자체는 미시행 지자체 대비 골든타임 도착률이 1.326배 높은 것으로 나타나 긴급차량 우선신호 시스템이 골든타임을 확보하는 데 영향이 있음을 확인하였다. 긴급차량 우선신호 시스템의 확대 설치를 통해 소방차의 출동시간 단축을 도모할 필요가 있다.

셋째, 교통사고, 자동차 결함 등으로 인해 도로에서 화재발생 시 골든타임 확보율이 건축물에서의 화재 발생 대비 0.477배 감소하는 것으로 분석되었다. 도로에서 발생하는 화재의 신속한 대응을 위한 개선방안 마련이 요구됨에 따라 119안전센터 또는 지역대 설치 시 도로 진출입로, 분기점 인근 우선 설치를 통해 개선하는 방안이 고려될 필요가 있다.

본 연구 수행 시 이상치 제거를 수행하였으나 긴급상황에서 발생하는 데이터 특성상 결측⋅오류치가 많다는 한계점이 존재하며, 데이터 구득의 한계로 경기도의 국지적 특성에 한정한 분석을 진행한 점, 최근 변경된 재난대응체계에 대한 반영에 한계가 발생하였으므로 향후 최신 데이터를 고려하여 분석이 요구된다. 또한, 화재출동 시 소방차의 출동경로를 확인할 수 없어 도로요소적인 측면을 고려할 수 없었다. 이러한 문제를 개선하기 위해서는 소방 출동⋅도착시간 데이터 수집의 자동화 및 통합관리시스템의 마련이 요구된다. 향후 분석의 공간적 범위를 전국 단위로 확대하고 신뢰도 높은 소방차의 출동경로 정보를 활용하여 분석한다면, 지자체별 출동유형 특성을 고려한 119안전센터 설치 가이드라인을 제시하는 등 기존 물리적 한계에 따른 골든타임 미확보율을 획기적으로 감소할 수 있을 것으로 판단된다.

마지막으로 향후 추가적으로 출동 지원을 위한 변수(소방인력, 소방서 규모 등)도 고려한다면 골든타임 확보를 위한 소방서 내부 운영방안까지도 고려할 수 있을 것으로 사료된다.

References

1. Choe C. W, Noh Y. N, ShIn D. S, Kim H. M, Park H. C. 2021;Identifying risk factors of marine accidents in coastal area by marine accident types. Korean Society of Transportation 39(4):504–554.
2. Hwang J. Y, Kim N. Y, Han J. I. 2020;A case study of the optimization of ambulance deployment and relocation to improve the arrival rate of ambulances within emergency patients'golden time. The Korean Operations Research and Management Science Society 37(3):63–76.
3. Jang K. H, Cho S. B, Cho Y. S, Son S. N. 2020;Development of fire engine travel time estimation model for securing golden time. The Korea Institute of Intelligent Transport Systems 19(6):1–13.
4. Jeong K. S, Kim K. T. 2019;Effect analysis on emergency vehicle priority system for securing golden time:Targeting on cheongju city. Korean Institute of Fire Science and Engineering 33(3):138–142.
5. Kang M. J, Kim T. L, Son Y. T, Park B. J, Kim Y. J. 2016;An analysis of pedestrian accident in the city using binomial logistic regression analysis. Korean Society of Transportation 9:341–346.
6. Kim S. H, Jeong G. H. 2018;An analysis for influencing factors in purchasing electric vehicle using a binomial logistic regression model. Journal of Korean Society of Civil Engineers 38(6):887–894.
7. Maeil Business News Korea (2021). 9 out of 10 highway tunnels, Fire engines couldn't arrive within the 'fire golden time' Retrieved March 16, 2022, from https://www.mk.co.kr/news/politics/view/2021/09/901266/.
8. National Fire Agency (2020). Fire statistical year book
9. National Fire Agency (2021). National fire agency statistical year book
10. Oh C. S, Lee S. W, Lee I. M, Kho S. Y. 2012;A spatial analysis about arrival delay and dispatch distribution of the 119 rescue-aid service utilizing GIS. Korean Society of Civil Engineers 1:13–22.
11. Song S. H, Park C. H, Lee C. M. 2018;A study on the standards and rankings for the establishing of 119 emergency center. Gyeonggi Research Institute, Korea
12. The Kyunghyang Shinmun (2021). No dispatch area restriction, The probability of arrival within fire golden time is increased to 65.7% Retrieved March 16 2022, from https://m.khan.co.kr/local/local-general/article/202103312042005#c2b.

Article information Continued

Table 1

Analysis of the Fire Engines’ Dispatch Data by Arrival Within 7 Minutes

Total Non-arrival Arrival
Average Travel Time (min) 7.38 9.71 5.22
Count (case) 8,077 3,895 4,182
Ratio (%) 100.0 48.2 51.8

Table 2

Analysis of the Fire Engines’ Dispatch Data by Land Use Pattern

Average Travel Time (min) Travel Distance (km) Count (case)
Total 7.38 3.2 8,077
Residential area 6.92 2.65 2,127
Commercial area 6.21 2.31 1,525
Industrial area 8.49 4.21 1,431
Forest land 9.61 4.45 297
Transportation facilities 7.47 3.46 1,005
Etc. 7.65 3.44 1,692

Table 3

Analysis of the Fire Engines’ Dispatch Data by Type of Fire Accidents

Total Structure Transpor-tation Natural disaster Etc.
Average Travel Time (min) 7.38 7.19 7.56 9.61 7.55
Count (case) 8,077 5,455 938 297 1,387
Ratio (%) 100.0 67.5 11.6 3.7 17.2

Table 4

Analysis of the Fire Engines’ Dispatch Data by Day of the Week and Time of the Day

Total Day of the week Time of the day

Weekday Weekend Peak hour (07~09, 17~19) Non-peak hour (09~17, 19~07)
Average Travel Time (min) 7.38 7.4 7.34 7.29 7.4
Count (case) 8,077 5,783 2,294 1,279 6,789
Ratio (%) 100.0 71.6 28.4 15.8 84.2

Table 5

Analysis of the Fire Engines’ Dispatch Data by Weather

Total Sunny Cloudy Rain Snow
Average Travel Time (min) 7.38 7.4 7.28 7.37 7.33
Count (case) 8,077 6,781 641 612 43
Ratio (%) 100.0 84.0 7.9 7.6 0.5

Table 6

Analysis of the Fire Engines’ Dispatch Data by Implementation of Emergency Vehicle Pre-emption System

Total Non- implementation Implementation
Average Travel Time (min) 7.38 7.47 6.54
Count (case) 8,077 7,308 769
Ratio (%) 100.0 90.5 9.5

Table 7

Description of Variables

Division Variable Type* Remarks
Dependent variable Arrival of fire engines within 7 minutes A 0 : Non-arrival (7 or more)
1 : arrival (below 7 min)
Independent variable Environmental Factor Day of the week A 1 : Weekday (Monday to Friday)
2 : Weekend (Saturday, Sunday)
Time of the day A 1 : Peak hour (07~09, 17~19)
2 : Non-peak hour (09~17, 19~07)
Weather A 1 : Sunny (Sunny, Partly Cloudy)
2 : Cloudy (Cloudy, Mostly cloudy)
3 : Rain (Rain, Shower, Rain/Snow)
4 : Snow (Snow, Snow/Rain)
Temperature B Temperature of the day when fire broke out (unit : ℃)
Humidity B Humidity of the day when fire broke out (unit : %)
Fire Factor Type of fire accidents A 1 : Structure (Building, Structure)
2 : Transportation (Vehicles, Rolling stock, Vessel, Aircraft, Agricultural machine, Construction machine, Military vehicles, etc.)
3 : Natural disaster (Forest, Field)
4 : Etc. (Hazardous substance, Factory, Garbage, etc.)
Number of stories B Number of stories of the buildings where fire broke out
Regional Factor Population B Total population of the region
Area B Total area of the region (unit : km2)
Travel distance A 1 : 3.5 km or less
2 : More than 3.5 km to 7.0 km
3 : Above 7.0 km
Land use pattern A 1 : Residential area
2 : Commercial area
3 : Industrial area (including Hazardous substance, Gas plants)
4 : Forest land (including Cultural heritage)
5 : Transportation facilities (Parking lots, Automotive facilities, Aviation facilities, Port facilities, Stations and Terminals, Rest areas, etc.)
6 : Etc.
Emergency vehicle pre-emption system A 1 : Non-implementation
2 : Implementation (Ansan-si, Uiwang-si, Hanam-si)
*

Variable type : A (Categorical variable), B (Continuous variable)

Table 8

Result of Correlation Analysis (Coefficients)

Variable Unstandardized Coefficients Standardized Coefficient t Sig. Collinearity Statistics


Β Sth. Error Beta Tolerance VIF
(Constant) 0.584 0.018 - 32.434 < 0.001 - -
Population 9.956E-08 0.000 0.066 6.054 < 0.001 0.962 1.039
Area 0.000 0.000 -0.239 -21.827 < 0.001 0.950 1.052
Number of stories 0.009 0.002 0.062 5.743 < 0.001 0.984 1.016
Temperature 0.001 0.000 0.023 2.107 0.035 0.989 1.012
Humidity 0.000 0.000 0.009 0.806 0.420 0.990 1.010
Dependent variable : Arrival of Fire engines within 7 minutes, Durbin-Watson = 1.976

Table 9

Result of Collinearity Diagnostics

Dimension Eigenvalue Condition Index
1 4.186 1.000
2 0.789 2.304
3 0.417 3.168
4 0.327 3.578
5 0.214 4.423
6 0.067 7.919

Table 10

Result of Correlation Analysis (Between Categorical and Continuous Variables)

Population Area # of stories Temperature Humidity
Pearson Correlation 0.115** -0.260** 0.094** 0.043** 0.009
Sig. (2-tailed) < 0.001 < 0.001 < 0.001 < 0.001 0.440
**:

Correlation is significant at the 0.01 level (2-tailed)

Table 11

Result of Correlation Analysis (Between Categorical and Continuous Variables)

Variable Coefficient Value Approx. Sig.
Time of the day Phi 0.002 0.844
Day of the week Phi 0.009 0.394
Weather Phi 0.009 0.896
Travel distance Phi 0.558** 0.000
Emergency vehicle pre-emption system Phi 0.098** < 0.001
Land use pattern Cramer’s V 0.270** < 0.001
Type of fire accidents Cramer’s V 0.137** < 0.001
**:

Correlation is significant at the 0.01 level (2-tailed)

Table 12

Model Verification and Estimation Result (Binomial Logistic Regression Analysis)

Variable Value
Model summary -2 Log likelihood 8201.530
Cox & Snell R Square 0.308
Nagelkerke R Square 0.411
Hosmer and Lemeshow test result Chi-square 12.950
df 8
Sig. 0.114
Predicted overall percentage correct 77.3%
Variable Β S.E. Wald df P-value Exp (Β) Exp (Β) 95% C.I.
Min Max
Travel distance (km) 3.5 or less - - 1463.855 2 0.000 - - -
More than 3.5 to 7.0 -2.412 0.069 1212.245 1 < 0.001 0.090 0.078 0.103
Above 7.0 -3.433 0.175 385.316 1 < 0.001 0.032 0.023 0.046
Land use pattern Residential area - - 153.520 5 < 0.001 - - -
Commercial area 0.412 0.082 25.262 1 < 0.001 1.510 1.286 1.774
Industrial area -0.445 0.085 27.071 1 < 0.001 0.641 0.542 0.758
Forest land -1.272 0.172 54.573 1 < 0.001 0.280 0.200 0.393
Transportation facilities 0.781 0.328 5.667 1 0.017 2.184 1.148 4.154
Etc. -0.413 0.147 7.859 1 0.005 0.662 0.496 0.883
Type of fire accidents Structure - - 6.749 2 0.034 - - -
Transportation -0.741 0.334 4.932 1 0.026 0.477 0.248 0.917
Etc. 0.203 0.151 1.807 1 0.179 1.225 0.911 1.648
Area -0.001 0.000 22.086 1 < 0.001 0.999 0.999 1.000
Emergency vehicle pre-emption system 0.282 0.096 8.681 1 0.003 1.326 1.099 1.600
Temperature 0.004 0.003 2.583 1 0.108 1.004 0.999 1.009
(Constant) 1.059 0.072 218.258 1 < 0.001 2.884 - -