대설의 경제적 피해 : 교통수요모형과 불능투입산출모형의 적용

Ⅰ. 서론

기후변화의 영향으로 대설¹⁾의 발생 빈도와 규모가 증가하고 있다.(IPCC, 2015) 대규모 대설은 도시의 기능을 마비시켜 인간의 생존을 위협하기도 하며,(박근오ㆍ김근영, 2011) 이러한 현상은 ‘스노마겟돈(snowmaggedon)’²⁾을 넘어 '스노우포비아(snowphobia, 눈 공포증)’란 신조어까지 만들어냈다. 우리나라에서도 2000년 이후 연간 신적설량이 증가하고 있으며, 특히 신적설량의 월별 집중도가 점점 높아짐에 따라 대설주의보 및 대설경보 발령 횟수가 2003년 이후 꾸준히 증가하고 있다.(현대경제연구원, 2014) 즉, 대설의 발생 빈도와 규모, 그리고 이로 인한 사회ㆍ경제적 손실이 전국에 걸쳐 확대되고 있으며,(김재호, 2013; 김현욱 외, 2015; 안소라 외, 2015) 따라서 대설 피해에 대한 대책 마련이 필요한 시점이다.

대설 대책을 위해서는 무엇보다 대설 피해에 대한 규모 파악이 선행되어야 한다. 그러나 아직까지 대설 피해에 대한 연구는 홍수, 태풍 등의 다른 자연재난에 비해 상대적으로 그 중요성이 간과되어왔다.(김근영 외, 2018) 또한, 그동안 우리나라에서 대설의 경제적 피해에 대한 논의는 주로 적설이 구조물에 주는 직접적 피해에 대한 논의에 한정이 되어왔다.(손철 외, 2014) 그러나 대설은 지역간 인적ㆍ물적 이동을 불가능하게 하며, 발전 및 송전 시설을 훼손시키는 등 이로 인해 발생하는 간접적 피해가 상당하다.(박근오ㆍ김근영, 2011) 즉, 대설의 피해는 직접적인 피해보다도 도로정체, 도심기능 마비 등으로 발생하는 간접적 피해가 더욱 심각할 수 있기 때문에,(한우석, 2011) 대설의 정확한 피해 규모를 파악하기 위해서는 직접적인 피해뿐만 아니라 간접적인 피해를 반드시 고려해야 한다. 이때 간접적 피해란 직접적 피해에 의해 2차적으로 발생하는 파급효과(effect)로 정의할 수 있으며, 그 파급경로가 매우 다양하면서 비가시적이다. 따라서 대설의 간접적 피해를 추정하기 위해서는 직접적 피해의 유형을 구분하고, 간접적 피해의 대상을 한정할 필요가 있다. 대설은 교통수단을 마비시키는 가장 취약한 원인 중의 하나로,(설재훈, 2010) 기존에 도로가 제공할 수 있는 용량을 감소시킨다. 이로 인한 교통혼잡은 도시마비의 한 축을 담당하고 있을 만큼 매우 중요한 요소이며,(손영태 외, 2013) 도로는 이러한 대설 피해를 최소화하기 위해 인력, 물적 지원을 원할히 할 수 있는 시설로서 매우 중요하다.(설재훈, 2010) 또한, 고속도로와 같은 지역간 도로시설물의 용량저하는 지역간ㆍ산업간 물류피해를 야기하여 2차 피해를 발생시킨다. 그러나 대설에 의한 물류피해가 발생한다고 해도 이를 판단할 수 있는 척도가 존재하지 않고, 이에 대한 연구 또한 미흡한 실정이다.(손영태 외, 2013)

이러한 견지에서 본 연구는 대설로 인한 교통정체가 지역 산업에 미치는 파급효과 추정을 목적으로 한다. 이를 위해 일단위의 기상자료 및 교통자료와 교통수요모형을 통해 대설이 교통에 미치는 피해를 추정하였으며, 이러한 피해를 충격으로 적용하여 지역간ㆍ산업간 경제효과를 분석할 수 있는 불능투입산출모형을 구축하였다. 그리고, 제설 기간을 시나리오로 설정하여, 구축한 분석 모형을 통해 시나리오별 생산차질액을 추정하였다.

지금까지 서론으로써 본 연구의 배경 및 목적에 대해서 설명했다. 이후 2장에서 대설의 직접효과와 간접효과, 대설피해를 위한 방법론 등을 주제로 문헌고찰하고, 3장은 분석방법, 4장은 분석결과를 제시한다. 5장은 결론으로 본 연구의 의의와 한계를 논한다.

Ⅱ. 선행 연구 고찰

Ⅲ. 분석 방법

본 연구의 분석 순서는 그림 1과 같다. 우선 강설량, 기온 등의 일일 기상자료, 일일 교통량, 지역 경제지표 등을 취합하였다. 이들 자료는 공간적ㆍ시간적 집계단위가 상이하기 때문에 동일한 교통존과 일일단위로 구분ㆍ정렬하여 O-D 행렬을 구축하였다. 이러한 분석자료를 이용하여 교통수요모형을 통해 대설이 교통수요 감소에 미치는 영향을 추정하였으며, 추정결과 및 시나리오별 적설량을 IMIOM에 적용하여 교통량 감소가 지역경제에 미치는 영향을 추정하였다.

Fig. 1.

Research flow

2. 교통 수요 추정

본 연구에서는 중력모형을 기반으로 한 직접수요모형을 통해 교통수요를 추정하였다. 종속변수는 하이패스 교통량 조사의 2종부터 5종 차량까지의 일일 교통량이며,(표 1) 독립변수는 출발지와 목적지의 사업체수와 출발지-목적지간 거리를 기본적인 변수로 하여 일일적설량, 일일강우량, 최저기온, 휴무일 더미 등을 추가하였다.

Table 1.

Vehicle type

지역(목적지 또는 도착지)의 규모를 나타내는 변수로 인구, 소득, 사업체수 등 다양한 경제변수를 이용할 수 있지만, 본 연구에서는 고용자수를 이용하였다. 산업간 거래는 화물수요가 중요한 역할을 하며, 화물수요는 지역의 인구보다는 사업체수나 고용자수와 같은 산업 활동을 대리하는 변수가 더 적합하다고 판단하였으며, 사업체 수의 경우는 서로 다른 사업체의 규모가 반영되지 못하는 한계(1000명을 고용한 사업체와 5명을 고용한 사업체가 동일하게 적용)가 있으므로 고용자수를 변수로 이용하였다.⁷⁾

적설량 변수는 해당일의 적설량 뿐만 아니라 1일전, 2일전, 3일전까지의 적설량을 변수로 추가하여 제설기간의 영향을 파악하고자 하였으며, 대설주의보 및 대설경보의 기준인 20cm 및 5cm 이상 적설량을 기록할 때가 1인 더미변수를 설정하였다. 또한 일일자료를 이용한 분석이므로 평일과 공휴일을 구분할 필요가 있기 때문에, 토요일, 일요일, 공휴일을 더미변수로 추가하였다. 이에 대한 추정식은 식3과 같으며, 그 추정결과는 표 1과 같다.

$\[ \begin{array}{c}\mathrm{l}\mathrm{n}\left(Freight\right)={\alpha }_0+{\alpha }_1\mathrm{l}\mathrm{n}(O\_emp)+{\alpha }_2\mathrm{l}\mathrm{n}\left(D\_emp\right)+{\alpha }_3\mathrm{l}\mathrm{n}\left(Distance\right)\hfill \\ \begin{array}{c}\begin{array}{c}+{\alpha }_4\left(O\text{\_}n\mathit{ewsnow}\right)+{\alpha }_5\left(O\text{\_}n\mathit{ewsnow}.L1\right)+{\alpha }_6\left(O\text{\_}n\mathit{ewsnow}.L2\right)+{\alpha }_7\left(O\text{\_}n\mathit{ewsnow}.L3\right)\hfill \\ +{\alpha }_8\left(D\text{\_}n\mathit{ewsnow}\right)+{\alpha }_9\left(D\text{\_}n\mathit{ewsnow}.L1\right)+{\alpha }_{10}\left(D\text{\_}n\mathit{ewsnow}.L2\right)+{\alpha }_{11}\left(D\text{\_}n\mathit{ewsnow}.L3\right)\hfill \end{array}\hfill \\ +{\alpha }_{12}\left(O\mathit{\_rainfall}\right)+{\alpha }_{13}\left(D\text{\_}r\mathit{ainfall}\right)+{\alpha }_{14}\left(O\mathit{\_lowtemp}\right)+{\alpha }_{15}\left(D\mathit{\_lowtemp}\right)\hfill \\ +{\alpha }_{16}\mathit{Dummy\_}O\text{\_}5\mathit{up}+{\alpha }_{17}\mathit{Dummy\_}D\text{\_}5\mathit{up}+{\alpha }_{18}\mathit{Dummy\_}D\text{\_}20\mathit{up}+{\alpha }_{19}\mathit{Dummy\_}D\text{\_}20\mathit{up}\hfill \end{array}\hfill \\ +{\alpha }_{20}\mathit{Dummy\_SAT}+{\alpha }_{21}\mathit{Dummy\_SUN}+{\alpha }_{22}\mathit{Dummy\_Holiday}+ϵ\hfill \end{array} \]$

식(3)

Table 1.

Estimation result

추정결과를 살펴보면 출발지와 도착지의 사업체수가 많을 수록, 그리고 출발지와 도착지의 거리가 가까울수록 교통량이 많아지는 것을 알 수 있다. 출발지와 목적지에 비가 많이 올수록 교통량이 감소하고, 최저온도가 높을수록 교통량이 증가한다. 화물운송의 특성상 노동자가 쉬는 토요일, 일요일, 공휴일 등의 휴무일에는 교통량이 감소하고 있다. 본 연구의 중요변수인 적설량 변수의 계수가 음수로 나타나, 출발지와 도착지의 적설량이 많을수록 교통량이 감소하는 것을 알 수 있다. 모형 4를 기준으로 적설량 계수를 해석한다면, 출발지에서 눈이 1cm가 내리면 당일의 교통량은 1.1%가 감소하며, 도착지에 눈이 1cm가 내리면 당일의 교통량은 0.7% 감소한다. 그러나 이러한 당일의 교통 감소량은 통계적으로 유의미하지 않게 나왔다. 오히려 눈이 내린후 1일후, 2일후, 및 3일후의 교통감소량이 당일의 교통감소량보다 더 크고 통계적으로도 유의미한 것으로 나타났다. 이는 눈이 내리고 있는 당일에는 당장 계획되어 있는 운행을 변경하기는 쉽지 않고, 해당지역의 도로상황을 파악하는데 어느정도 시간이 필요하나, 눈이 내린 후 어느정도 시간이 지난 후에는 해당지역의 도로상황을 확실히 알 수 있으며, 이에 따라 운행계획을 변경할 수 있기 때문으로 해석할 수 있다. 또한, 출발지에 눈이 5cm 미만으로 내린다면 비례적으로 교통량은 4.4%가 감소하지만, 만약 대설주의보인 5~20cm의 눈이 내린다면 더미변수로 인해 비례적인 증가이외에도 추가적으로 23.1%가 더 감소하며, 대설경보인 20cm이상일 경우에는 추가적으로 37.8%가 더 감소할 것이라고 예상할 수 있다. 즉, 대설경보나 대설주의보 정도의 대설이 내릴 경우 교통량 감소는 더욱 심각하다는 것을 알 수 있다.

3. 불능투입산출모형과 적설량 시나리오

불능투입산출모형은 한국은행에서 제공하는 2013년 한국 16개 지역산업연관표(기초가격, 중분류)를 이용하여 구축하였다. 지역산업연관표의 82개의 산업을 연구목적과 분석의 효율성을 감안하여 1차산업, 제조업(고중량), 제조업(저중량), 서비스업, 육상운송서비스, 수상운송서비스, 항공운송서비스, 창고 및 운송보조서비스, 음식점 및 숙박서비스 등 9개로 분류ㆍ통합하였다.

폭설로 인한 경제적 피해는 불능투입산출모형(식(4))을 통해 도출한다. 즉, 대설로 인한 각 지역별ㆍ산업별 생산차질(q)은 상호의존행렬(A^*)과 최종수요 감소율(f^*)를 통해 산출할 수 있다. 상호의존행렬은 기본적인 경제모형이라고 볼 수 있으며, 산업연관표에서 투입계수(또는 배분계수)를 기반으로 생성할 수 있다. 대설로 인한 최종수요 감소율(f^*)은 경제에 미치는 초기충격(폭설로 인한 교통수요 감소율)을 의미하며 교통수요 모형의 추정결과와 시나리오별 적설량ㆍ적설일을 적용하여 산정할 수 있다. 이 때 교통수요모형의 추정결과는 일단위의 변화를 나타내며, 불능 투입산출모형은 연간단위의 모형이므로 이를 연계하기 위해 식(5)와 같이 일단위의 교통수요감소율을 연간단위의 교통수요감소율로 변경하는 과정이 필요하다. 일단위 평균적설량과 적설일을 식(5)에 대입하여 시나리오별 연간단위 교통수요 감소량(불능도)을 산정하였다. 이 때 시도별 일일 적설량과 연간 적설일수는 박희성 외 (2014)에서 제시한 과거 50년간의 신적설일수와 최심신적설량의 평균값을 참조하였다.

$\[ q={\left(I-A^{*}\right)}^{-1}{f}^{*} \]$

식(4)

$\[ \begin{array}{l}\mathrm{연}\mathrm{단}\mathrm{위}\mathrm{ }\mathrm{교}\mathrm{통}\mathrm{수}\mathrm{요}\mathrm{ }\mathrm{감}\mathrm{소}\mathrm{량}{\left({\mathrm{f}}^{\mathrm{*}}\right)}_{\left(\mathrm{\%}\right)}=\\ \left[{\mathrm{일}\mathrm{일}\mathrm{ }\mathrm{적}\mathrm{설}\mathrm{량}}_{\left(\mathrm{m}\mathrm{m}\right)}\times {\left(1-\mathrm{일}\mathrm{단}\mathrm{위}\mathrm{ }\mathrm{교}\mathrm{통}\mathrm{수}\mathrm{요}\mathrm{ }\mathrm{감}\mathrm{소}\mathrm{율}\right)}_{\left(\mathrm{\%}/\mathrm{m}\mathrm{m}\right)}\right.\\ \times \left.\left.{\mathrm{적}\mathrm{설}\mathrm{일}\mathrm{수}}_{\left(\mathrm{일}\right)}\right\}+{\mathrm{비}\mathrm{적}\mathrm{설}\mathrm{일}\mathrm{수}}_{\left(\mathrm{일}\right)}\right]/{365}_{\left(\mathrm{일}\right)}\end{array} \]$

식(5)

시나리오는 제설작업기간의 단축 기간을 설정하여 대설로 인한 피해 규모 변화를 살펴보았다. 시나리오의 베이스라인은 제설기간이 3일 동안 이루어질 경우이다. 이를 기준으로 하여 제설완료기간이 2일, 1일로 단축될 경우를 시나리오로 설정하였다. 시나리오별 교통수요 감소율은 교통수요모형의 1일전, 2일전, 3일전 적설량을 변수를 이용하였다. 즉, 연단위 교통수요 감소량 산정시 이용한 일단위 교통수요 감소율은 3일째까지 제설이 되지 않았을 경우에는 당일~3일전까지의 교통수요감소율을 모두 더한 값(0.117)이며, 2일은 당일~2일전까지의 합(0.085), 1일은 당일과 1일의 합(0.058)이 적용되었다. 이렇게 산정된 교통수요 감소량을 식(4)에 대입하여 전체산업에 미치는 파급효과를 분석하였다. 이러한 시나리오에 따른 지역별 적설량과 이를 이용하여 산정한 불능도 결과는 [표 2]와 같다.

Table 2.

Regional Inoperability by snowfall scenario

4. 분석 결과

적설량 시나리오에 따라 산정된 불능도를 불능 투입산출모형에 적용하여 분석한 경제적 손실은 [표 3]과 같다. 우리나라에서 1년 동안 대설로 인해 산업의 생산차질액은 2조 4596억 원이다. 지역별로 가장 큰 생산차질액을 보이는 지역은 서울이며 다음으로 경기도이다. 대설이후 신속한 대응을 통해 제설기간을 1일 단축한다면 673억 원의 생산차질액 감소가 발생하며, 2일 단축한다면 1조 240억 원의 생산차질액 감소를 유발할 수 있다. 즉, 동절기 대설을 대비한 사전 예방 및 신속한 대응이 대설에 의한 피해 방지에 효과적인 것을 알 수 있다. 또한, 대설로 인해 국내총생산(GDP)은 0.068%가 감소하는 것으로 나타났으며, 지역별로는 강원이 0.121%, 대전이 0.109%, 서울이 0.097% 감소하는 것으로 나타났다. 제설기간을 단축시킬 시에는 GDP의 0.034%의 손실을 방지할 수 있는 것으로 나타났다.

Table 3.

Production loss by scenario (million won)

Acknowledgments

이 논문은 2017년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임. (NRF-2017S1A3A2066771)

This work was supported by the Ministry of Education of the Republic of Korea and the National Research Foundation of Korea (NRF-2017S1A3A2066771)

References

• 권순호, 정건희, (2017), "대설피해액 추정을 위한 다중회귀 모형의 적용성 평가", 「대한토목학회논문집」, 37(1), p61-72.
  Kwon, Soonho, and Chung, Gunhui, (2017), "Estimation of Snow Damages using Multiple Regression Model-The Case of Gangwon Province", Journal of The Korean Society of Civil Engineers, 37(1), p61-72. [ https://doi.org/10.12652/ksce.2017.37.1.0061 ]
• 기상청, (2014), 「기후변화에 관한 정부 간 협의체 (IPCC) 제 5 차 평가 종합보고서」, 서울.
  KMA, (2014), The 5th Assessment Report of the Intergovernmental Panel on Climate Change (IPCC), Seoul.
• 김근영, 주현태, 김희재, (2018), "대설 재난의 피해액 결정요인에 관한 연구", 「한국산학기술학회 논문지」, 19(2), p125-136.
  Kim, Geunyoung, Joo, Hyuntae, and Kim, Heejae, (2018), "The Study for Damage Effect Factors of Heavy Snowfall Disasters : Focused on Heavy Snowfall Disasters during the Period of 2005 to 2014", Journal of the Korea Academia-Industrial cooperation Society, 19(2), p125-136.
• 김재호, (2013), "일본의 폭설지대 대응전략과 시사점", 「국토」, 380, p104-110.
  Kim, Jaeho, (2013), "Strategies and Implications for Japan's Snowfall Zone", Planning and Policy, 380, p104-110.
• 김현욱, 정종혁, 심재관, 최병철, 김희원, 황상희, (2015), "최근 31년간 우리나라 지역별 대설 피해 특성 분석", 한국기상학회 학술대회 논문집, 경주, 교원 드림센터.
  Kim, Hyunwook, Jung, Jonghyuk, Sim, Jaegwan, Choi, Byungchul, Kim, Huiwon, and Hwang, Sanghui, (2015), "Analysis of the damage characteristics of heavy snow by region in Korea for the last 31 years", Korean Meteorological Society Conference Proceedings, 개최지, 개최장소명.
• 노정현, (2013), 「교통계획-통행수요이론과 모형」, 파주, ㈜나남.
  Rho, Jeonghyun, (2013), Transportation Planning-Travel Demand Theory and Models, Paju, Nanam.
• 박근오, 김근영, (2011), “우리나라의 대설 피해 특성과 피해사례”, 「한국방재학회」, 11(4), p64-75.
  Park, Guenoh, and Kim, Guenyoung, (2011), "Damage characteristics and cases of heavy snow in Korea", The Magazine of the Korean Society of Hazard Mitigation, 11(4), p64-75.
• 백승걸, 정소영, 이태경, 원제무, (2010), "TCS 자료를 이용한 강설과 고속도로 통행특성 관계 연구", 「한국 ITS 학회 논문지」, 9(4), p68-79.
  Baek, Seungkirl, Jeong, Soyoung, Lee, Teakyung, and Won, Jai-Mu, (2010), "Analysis of Snowing Impacts on Freeway Trip Characteristics Using TCS Data", The Journal of Korean Institute of Intelligent Transport Systems, 9(4), p68-79.
• 설재훈, (2010), "[Theme 1] 교통방재 및 취약성 연구의 필요성과 과제", 「월간교통」, 12월호, p6-12.
  Seol, Jaehoon, (2010), "[Theme 1] Necessity and Challenges of Traffic Disaster and Vulnerability Research", Monthly KOTI Magazine on Transport, (2010, 12), p6-12.
• 손영태, 이상화, 임지희, (2013), "강설에 따른 고속도로 용량변화에 관한 연구", 「대한교통학회지」, 31(6), p3-11.
  Son, Youngtae, Lee, Sanghwa, and Im, Jihee, (2013), "A Study on Highway Capacity Variation According to Snowfall Intensity", Journal of Korean Society of Transportation, 31(6), p3-11. [ https://doi.org/10.7470/jkst.2013.31.6.003 ]
• 손철, 김건후, 김기병, (2014), "폭설 피해지역 유입교통량 변화에 대한 연구 -2011년 영동지역 폭설사례를 중심으로", 「기후연구」, 9(4), p331-343.
  Sohn, Chul, Kim, Geonhu, and Kim, Kibyung, (2014), "Changes in Inbound Traffic Volume of a Heavy Snowfall Impacted Area - A Case Study on the Heavy Snowfall Event of the Youngdong Region in 2011", Journal of climate research, 9(4), p331-343. [ https://doi.org/10.14383/cri.2014.9.4.331 ]
• 안소라, 이준우, 김성준, (2015), "RCP 기후변화 시나리오에 따른 미래 강설량 예측 및 폭설 취약지역 평가", 「대한토목학회논문집」, 35(3), p545-556.
  Ahn, Sora, Lee, Junwoo, and Kim, Seongjoon, (2015), "Projection of Future Snowfall and Assessment of Heavy Snowfall Vulnerable Area Using RCP Climate Change Scenarios", Journal of the Korean Society of Civil Engineers, 35(3), p545-556. [ https://doi.org/10.12652/Ksce.2015.35.3.0545 ]
• 윤대식, (2001), 「교통수요분석: 이론과 모형」, 서울, 박영사.
  Yoon, Daesik, (2001), Traffic Demand Analysis: Theory and Model, Seoul, Pakyoungsa.
• 기상청, (2017), 「2016 재해연보」, 서울.
  KMA, (2017), Disaster Yearbook 2016, Seoul.
• 기상청, (2018), 「2017년 이상기후보고서」, 서울.
  KMA, (2018), 2017 Abnormal weather report, Seoul.
• 임용택, 백승걸, 엄진기, 김현명, 이준, 박진경, (2013), 「교통계획」, 서울, 청문각.
  Im, Yongtaek, Baek, Seunggul, Um, Jingi, Kim, Hyungmyung, Lee, Jun, and Park, Jungyung, (2013), Transportation Planning, Seoul, Chungmungak.
• 정준호, 이승호, (2014), "폭설에 의한 경제적인 직접 피해액의 추정", 「기후연구」, 9(2), p125-139.
  Jeong, Junho, and Lee, Seungho, (2014), "Estimating the Direct Economic Damages from Heavy Snowfall in Korea", Journal of climate research, 9(2), p125-139. [ https://doi.org/10.14383/cri.2014.9.2.125 ]
• 한국은행, (2014), 「산업연관분석 해설」, 서울.
  Bank of Korea, (2014), Input-Output Analysis, Seoul.
• 한우석, (2011), :폭설 현황과 대응방향", 「국토」, 355, p39-47.
  Han, Wooseok, (2011), "Trend and Direction of Heavy Snowfall", 「Planning and Policy」, 355, p39-47.
• 현대경제연구원, (2014), 「눈과 경제-적설의 경제적 피해와 시사점」, 서울.
  HRI, (2014), Snow and Economy- Economic Damage and Implications of Snowfall, Seoul.
• Kanafani, Adib, (1983), Transportation demand analysis, OH, McGraw-Hill.
• Datla, S., and Sharma, S., (2008), "Impact of cold and snow on temporal and spatial variations of highway traffic volumes", Journal of Transport Geography, 16(5), p358-372. [https://doi.org/10.1016/j.jtrangeo.2007.12.003]
• Gordon, P., Richardson, H., and Davis, B., (1998), "Transport‐related impacts of the northridge earthquake", Journal of Transportation and Statistics, 1, p21-36.
• Haimes, Yacov Y., and Pu, Jiang, (2001), "Leontief-based model of risk in complex interconnected infrastructures", Journal of Infrastructure systems, 7(1), p1-12. [https://doi.org/10.1061/(asce)1076-0342(2001)7:1(1)]
• Hanbali, R. M., and Kuemmel, D. A., (1993), "Traffic volume reductions due to winter storm conditions, Transportation Research Record", Journal of the Transportation Research Board, 1387, p159-164.
• Hassan, Y., and Derek J. Barker, (1999), "The impact of unseasonable or extreme weather on traffic activity within Lothian region, Scotland", Journal of Transport Geography, 7(3), p209-213. [https://doi.org/10.1016/S0966-6923(98)00047-7]
• IPCC, (2015), Climate Change 2013: The Physical Science Basis, New York, Cambridge University Press.
• Knapp, K. K., and Smithson, L. D., (2000), "Winter storm event volume impact analysis using multiplesource archived monitoring data, Transportation Research Record", Journal of the Transportation Research Board, 1700, p10-16.
• Maze, T. H., Agarwal, M., and Burchett, G., (2006), "Whether weather matters to traffic demand, traffic safety, and traffic operations and flow, Transportation Research Record", Journal of the Transportation Research Board, 1948, p170-176. [https://doi.org/10.1177/0361198106194800119]
• Tsuchiya, Satoshi, Tatano, Hirokazu, and Okada, Norio, (2007), "Economic loss assessment due to railroad and highway disruptions", Economic Systems Research, 19(2), p147-162. [https://doi.org/10.1080/09535310701328567]