최근 등산 인구 증가에 따라 안전수칙 미이행ㆍ부적절한 등산 코스선택ㆍ입산통제구역 출입으로 인한 산악사고가 증가하고 있다. 산악사고 예방을 위해 정확한 산악사고 위험지역 지정 및 안내가 필요함에 따라 본 연구는 등산로 및 시설물 공간 특성을 고려한 로지스틱 회귀모델 기반 산악사고 위험지역 예측 모델을 연구하였다. 한라산 국립공원을 대상으로 10m 격자를 생성하고, 격자별 평균 경사도와 국립공원 내 8개 시설물까지의 유클리드 거리를 산출하였으며 이를 독립변수로 설정하고, 이진화된 사고발생 여부를 종속변수로 설정하였다. 독립변수 선택 방법에 따른 모델 결과를 비교하기 위해 PCA 분석과 변수선택기법(Stepwise)을 적용하고, 각각에 로지스틱 회귀모델을 적합하였다. 또한 PCA 분석과 변수선택기법(Stepwise)으로 선택된 변수에 공간가중치를 추가하여 모델을 적합한 후 정확도(Recall, ROC-AUC)를 비교하였다. 그 결과, 변수선택기법(Stepwise) 기반 로지스틱 회귀모형의 사고발생에 대한 Recall 값은 0.74, ROC-AUC Score은 0.81로 나타났고, PCA 분석 기반 로지스틱 회귀모형의 사고발생에 대한 Recall은 0.73, ROC-AUC Score은 0.79로 나타나 변수선택기법(Stepwise) 기반 로지스틱 회귀모형이 PCA 분석 기반 로지스틱 회귀모형대비 높은 사고 발생 예측 정확도를 보였다. 따라서 최종 선택된 로지스틱 회귀모형을 통해 산악사고 발생 위험 지역을 선정하고, 관련 안전 대책을 세우는데 참고자료로 활용될 수 있을 것이라 기대한다.

Recent increases in the hiking population have led to a rise in mountain accidents caused by non-compliance with safety rules, inappropriate trail selection, and unauthorized entry into restricted areas. To support accident prevention, accurate identification and guidance of high-risk areas is essential. This study developed a logistic regression-based model for predicting mountain-accident risk areas by incorporating the spatial characteristics of trails and visitor facilities. For Hallasan National Park, a 10 m grid was generated, and the mean slope and Euclidean distances to eight facility types within the park were calculated for each grid cell as independent variables, while accident occurrence was binarized and used as the dependent variable. To compare model performance according to variable selection methods, logistic regression models were fitted using variables selected through Principal Component Analysis (PCA) and a stepwise selection method. In addition, spatially weighted versions of each model were constructed by applying K-nearest neighbor-based spatial weights to the selected variables, and predictive accuracy (Recall, ROC-AUC) was evaluated. The stepwise-based logistic regression model achieved a recall of 0.74 and an ROC-AUC of 0.81, while the PCA-based model showed a recall of 0.73 and an ROC-AUC of 0.79, indicating that the stepwise approach provided higher predictive performance. The final model is expected to support the identification of high-risk areas for mountain accidents and serve as a reference for developing related safety measures.