선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이에 본 연구에서는 도심 속에서 발생하는 다양한 범죄 중 사회적 약자에게 많이 일어나는 성범죄 혹은 강간, 강도에 대한 범죄발생 취약지역을 추출하는 기법을 구축하고자 하였다. Lee(2014)의 연구에서 성범죄에 대한 불안감을 조성하는 요소 중 가로 분위기, 가로 형태, 가로 폭 및 건물 위치 등에 대한 도심 속 지형지물의 물리적인 요소가 높은 영향력을 가진다는 연구결과에 근거해서 도로와 건물 위치정보를 가지고 있는 연속수치지도와 공공기관에서 제공하고 있는 통계자료, 그리고 각 지자체별로 구축되어 있는 CCTV 위치정보를 활용하였다.
제안 방법
- (1)의 분모 값은 범죄발생 취약지역 추출 기법으로 추출된 4단계 경고지역과 5단계 위험지역으로 표현된 격자의 면적 값을 활용하였으며, Eq. (1)의 분자 값은 국민생활안전지도의 범죄발생현황지역으로 표현된 격자의 면적 값을 활용하여 계산을 수행하였다. Fig.
- 1과 같이 총 3단계로 구성하였다. 1단계는 범죄에 취약한 지역을 공간적인 해석을 통해 추출하고자 공간정보인 1/5,000 연속수치 지도를 이용하였다. 2단계는 통계정보를 이용하여 공간적인 해석뿐만 아니라 개인의 특성을 고려한 범죄발생 취약지역을 추출하고자 소득 정보와 범죄에 취약한 인구 분류인 사회적 약자의 거주현황 정보를 이용하였다.
- 1단계는 범죄에 취약한 지역을 공간적인 해석을 통해 추출하고자 공간정보인 1/5,000 연속수치 지도를 이용하였다. 2단계는 통계정보를 이용하여 공간적인 해석뿐만 아니라 개인의 특성을 고려한 범죄발생 취약지역을 추출하고자 소득 정보와 범죄에 취약한 인구 분류인 사회적 약자의 거주현황 정보를 이용하였다. 3단계는 범죄 예방의 대표적인 수단이며, 각 지자체별로 구축되어 있는 공공정보인 CCTV 위치정보를 이용하여 CCTV가 감시하지 못하는 감시 외 지역을 추출하여 범죄발생에 취약한 지역을 추출하였다.
- 2단계는 통계정보를 이용하여 공간적인 해석뿐만 아니라 개인의 특성을 고려한 범죄발생 취약지역을 추출하고자 소득 정보와 범죄에 취약한 인구 분류인 사회적 약자의 거주현황 정보를 이용하였다. 3단계는 범죄 예방의 대표적인 수단이며, 각 지자체별로 구축되어 있는 공공정보인 CCTV 위치정보를 이용하여 CCTV가 감시하지 못하는 감시 외 지역을 추출하여 범죄발생에 취약한 지역을 추출하였다. 각 단계별로 수행하는 공간분석은 ESRI사의 ArcMap 10.
- 범죄발생에 취약할 수 있다. CCTV가 설치된 지점에서 약 150m까지의 범위를 감시지역으로 설정한 기존 연구를 바탕으로 150m를 벗어나는 지역에 대한 버퍼(buffer) 분석을 수행하여 CCTV 감시 외 지역을 추출하였다(Park et al., 2012).
- 가장 먼저 수행할 위험도로 추출은 Fig. 5와 같이 연속수치 지도에서 도로중심선 레이어에서 도로간의 교차점을 찾은 후교차점에 대한 도로교차각을 계산하였다. 도로교차점의 위험점수는 도로교차각, 도로포장재질, 도로폭을 고려하였으며 도로중심선의 위험점수는 도로포장재질, 도로폭, 건물 종류를 고려하였다(Kim, 2014).
- MLIT, 2012b). 건물 밀집 지역을 추출하기 위한 기준은 Ku(2012)의 연구결과를 참고하여 건물 간의 거리가 6.4m 이내에 속하는 건물은 범죄 발생에 대한 두려움을 느끼는 정도가 높다는 이론을 바탕으로 6.4m의 범위를 설정한 다음 커널 밀도(kernel density) 분석을 수행하여 건물 용도별 밀집 지역을 추출하였다.
- 건물 용도별 밀집 지역 분석은 건물 레이어의 용도 속성정보를 건축법 제 19조 4항, 건축법 시행령 제 14조 제 5항에 의거하여 9개의 시설군으로 분류하여 위험 건물이 어느 지역에 밀집되어 있는 지에 대한 공간분석을 수행하였다(MLIT, 2012a; MLIT, 2012b). 건물 밀집 지역을 추출하기 위한 기준은 Ku(2012)의 연구결과를 참고하여 건물 간의 거리가 6.
- 건물 용도별 밀집 지역 분석을 위하여 실험지역 A, B에 대해 각 건물의 중심점을 생성하여 커널밀도 분석을 수행하였다. 실험지역 A와 실험지역 B에서 건물 간의 거리가 6.
- 건물 종류별 핫스팟 분석은 ArcMap에서 모델 빌더(model builder)를 생성하여 각 등급별로 핫스팟 분석을 수행한 후각 등급별 결과 값을 중첩하여 최종 건물 종류별 핫스팟 지역을 생성하였다.
- 공간정보를 이용한 범죄발생지역은 위험도로, 건물용 도별밀집 지역, 건물 종류별 핫스팟 분석 결과를 토대로 추출하였다.
- 국민생활 안전지도는 국민 개개인의 안전에 대한 정보를 핫스팟 형태로 제공하고 있다. 국민생활안전지도에서 제공하고 있는 안전정보 중 치안사고 발생현황의 강도, 성폭력에 대한 발생 현황정보를 ArcMap 10.1 프로그램을 이용하여 범죄가 발생한 지역과 발생하지 않은 지역으로 분류하여 디지타이징을 수행한 후본 연구의 결과 값과 같이 격자망을 생성하였다. 정량적 비교분석은 Fig.
- 또한, 등급의 단계는 3단계, 5단계 등 다양하게 나눌 수 있으나 위험지도를 보통 5단계로 구분(Korea Forest Service, 2015)하는 것에 근거하여 본 연구의 최종 범죄발생취약 지역은 Table 1과 같이 안전, 불안, 주의, 경고, 위험지역의 5단계로 구분하여 표현하였다.
- 범죄발생 취약지역 추출의 1단계인 공간정보를 이용한 범죄 발생 취약지역 추출은 연속수치지도의 도로중심선 레이어와 건물 레이어를 이용하였으며 연구 흐름도는 Fig. 2와 같이 위험도로 추출, 건물 용도별 밀집 지역 분석, 건물 종류별 핫스팟 분석, 격자망 통계분석 순으로 수행하였다.
- 범죄발생 취약지역 추출의 3단계인 공공정보를 이용한 범죄 발생 취약지역 추출은 CCTV 위치정보를 이용하여 Fig. 4 와 같이 CCTV 감시 외 지역 분석을 분석한 후 격자망 통계분석을 수행하였다.
- 본 연구를 통해서 도출된 범죄발생 취약지역 결과에 대한 검증을 위하여 국민안전처에서 제공하고 있는 국민생활 안전지도(MPSS, 2015)와 정량적인 비교를 수행하였다. 국민생활 안전지도는 국민 개개인의 안전에 대한 정보를 핫스팟 형태로 제공하고 있다.
- 본 연구에서 제안하는 범죄발생 취약지역 추출 기법은 Fig. 1과 같이 총 3단계로 구성하였다. 1단계는 범죄에 취약한 지역을 공간적인 해석을 통해 추출하고자 공간정보인 1/5,000 연속수치 지도를 이용하였다.
- 본 연구에서는 공간정보, 통계정보 및 공공정보를 이용하여 격자망 기반의 범죄발생 취약지역을 추출하는 기법을 제안하였으며 다음과 같은 결론을 도출하였다.
- 위험도로, 건물용도별 밀집지역, 건물 종류별 핫스팟 분석 결과를 기반으로 공간정보를 이용한 범죄발생 취약지역을 추출하기 위해서 격자망 기반의 구역통계 분석을 수행하였으며 그 결과는 Fig. 8과 같다.
- 위험도로의 선정기준은 도로폭이 좁을수록, 도로포장 재질은 비포장도로일수록 위험하며 도로 주변에 인접한 건물이 무벽 건물일 때 위험하다라는 기존 연구를 바탕으로 1단계 공간정보를 이용한 범죄발생취약지역 추출의 위험도로를 수행하였다.
- 인구별 밀집 지역 분석은 범죄에 취약한 사회적 약자에 속하는 여성, 어린이, 노약자의 거주 현황을 중심으로 래스터 연산(raster calculator)을 이용하여 사회적 약자가 밀집되어 있는 지역을 추출하였다.
- 일반적으로 취약지역의 표현은 핫스팟(hot spot) 형태, 폴리곤 형태, 등급화된 형태 등 다양한 방법으로 나타낼 수 있으나 본 연구에서는 격자기반의 자료처리를 수행함으로 인해 등급화된 형태로 표현하였다.
- 최종 범죄발생 취약지역은 1단계, 2단계, 3단계의 결과물을 중첩하여 추출을 수행하였으며 그 결과는 Fig. 13 과 같다. Table 3의 가중치를 기반으로 래스터 연산(raster calculator)의 합(sum)을 수행한 결과는 Table 5와 같으며, 최종 범죄발생지역의 등급은 등간격(equal interval) 분류기법을 이용하여 총 5단계로 표현하였다.
- 통계정보를 이용한 범죄발생지역은 소득별 밀집지역, 인구별 밀집지역 결과를 토대로 추출하였다. 소득별 밀집지역 분석 결과는 Fig.
대상 데이터
- 범죄발생 취약지역 추출 방법론을 이용하여 실험할 대상 지역은 인구 이동이 많으며 주거지역과 상업지역이 분포되어 있는 지역을 선정하였다. 이러한 지역의 특성은 범죄발생 가능성이 높다는 기존연구 결과가 있다(Lee and Cho, 2006).
- 이러한 지역의 특성은 범죄발생 가능성이 높다는 기존연구 결과가 있다(Lee and Cho, 2006). 본 연구에서도 이러한 특성을 고려하여 중소도시 중 인구 이동이 많은 지역으로써 시가지 지역 중 2곳을 실험지역 A와 실험지역 B로 선정하였다.
- 인구별 밀집지역은 통계청(Statistics Korea, 2015)에서 제공하는 거주현황정보를 이용하였으며 그 중 범죄에 취약한 여성, 어린이, 노약자를 대상으로 한 사회적 약자를 고려하였다. 실험지역 A, B에 대한 사회적 약자의 거주현황은 Table 4 와 같다.
데이터처리
- 3단계는 범죄 예방의 대표적인 수단이며, 각 지자체별로 구축되어 있는 공공정보인 CCTV 위치정보를 이용하여 CCTV가 감시하지 못하는 감시 외 지역을 추출하여 범죄발생에 취약한 지역을 추출하였다. 각 단계별로 수행하는 공간분석은 ESRI사의 ArcMap 10.1 프로그램을 이용하여 수행하였으며, 각 단계별 결과물은 격자망 분석을 수행한 다음 중첩분석을 수행하여 최종 범죄발생 취약지역을 추출하였다.
- 격자망 통계분석은 각 단계별 입력 자료에 대해 격자 생성 및 격자별 구역통계(zonal statistics) 분석을 수행하였다. 5등급으로 분류한 각 단계별 결과 값의 중첩분석은 Table 3과 같이 가중치를 적용하였다.
- 범죄발생 취약지역 추출의 2단계인 통계정보를 이용한 범죄 발생 취약지역 추출은 Fig. 3과 같이 소득별 밀집지역 분석, 인구별 밀집 지역 분석을 각각 수행한 후 이를 중첩하여 격자망 통계분석을 수행하였다.
- 1 프로그램을 이용하여 범죄가 발생한 지역과 발생하지 않은 지역으로 분류하여 디지타이징을 수행한 후본 연구의 결과 값과 같이 격자망을 생성하였다. 정량적 비교분석은 Fig. 14와 같이 격자별로 값을 가지고 있는 점을 이용하여 공간분석인 뺄셈(minus) 분석을 통해 본 연구의 결과 값과 국민생활안전지도의 범죄발생현황정보와의 일치되는 격자에 대한 비율을 계산하여 비교분석을 수행하였다.
이론/모형
- 13 과 같다. Table 3의 가중치를 기반으로 래스터 연산(raster calculator)의 합(sum)을 수행한 결과는 Table 5와 같으며, 최종 범죄발생지역의 등급은 등간격(equal interval) 분류기법을 이용하여 총 5단계로 표현하였다.
- 소득별 밀집지역 분석은 국가공간정보유통시스템(MLIT, 2015)의 민간 공간정보 분야에서 제공하는 소득정보를 이용하여 포인트(point) 형태의 자료를 크리깅 보간법을 적용하여 소득이 높은 지역과 낮은 지역에 대한 분석을 수행하였다.
- 위험도로는 Kim(2014)에 의해 수행된 선행연구에서의 위험도로 추출 방법을 적용하였다.
성능/효과
- (1)의 분자 값은 국민생활안전지도의 범죄발생현황지역으로 표현된 격자의 면적 값을 활용하여 계산을 수행하였다. Fig. 15와 같이 범죄발생 취약지역 추출 결과 값과 생활안전지도에서 범죄 발생현황이 높을수록 진한색(붉은색)으로 표현되며, 각 실험지역별로 각각 약 80.74%, 약 73.05% 일치하는 것으로 나타났다.
- 공간정보, 통계정보, 공공정보를 이용하여 기존의 범죄 관련 정보와는 달리 격자망 기반의 지도를 제공함으로써 좁은 지역에 대해 범죄발생 등급별로 상세한 정보를 제공할 수 있었다.
- 둘째, 통계정보에 대해 살펴보면 소득수준은 높은 지역에 속하였으며 여성, 어린이, 노약자의 밀집도 또한 상당히 높은 것으로 분석되었다.
- 대한 밀집도가 상당히 높은 편이었다. 또한 건물 종류별 4등급으로 위험 건물에 대한 밀집도는 무벽건물과가건물에 대한 밀집도가 높았으며, 그 주변 지역에는 아파트와 일반주택이 주로 분포되어 있는 것으로 분석되었다.
- 셋째, 공공정보로 사용된 CCTV를 살펴보면 실험지역을 통해 추출된 경고지역과 위험지역은 모두 CCTV 감시 외 지역으로 분석되었다.
- 실험을 통하여 본 연구를 통해 추출된 범죄발생 취약지역과 국민생활안전지도를 비교한 결과 약 76.89%의 일치율을 나타내었다. 이를 통해 자료취득이 다소 용이한 정보를 이용하여 범죄발생 취약지역을 효율적으로 추출할 수 있었다.
- 실험지역 A에 대한 각 등급별 비율은 1단계 안전지역 약 12.66%, 2단계 불안지역 약 50.36%, 3단계 주의지역 약 26.94%, 4단계 경고지역 약 8.97%, 5단계 위험지역 약 1.07%로 절반 이상의 지역이 불안지역에 속하는 것으로 분석되었다.
- 실험지역 A, B에 대한 사회적 약자의 거주현황은 Table 4 와 같다. 실험지역 A에서는 인구대비 노약자가 가장 많이 거주하고 있었으며, 실험지역 B는 인구대비 여성이 가장 많이 거주하고 있는 것으로 분석되었다.
- 실험지역 A와 실험지역 B에서 건물 간의 거리가 6.4m 이내의 밀집지역의 건물 용도는 대체적으로 주거업무시설군과 근린생활시설군의 건물이 밀집되어 있는 것으로 분석되었다. Fig.
- 실험지역 B에 대한 각 등급별 비율은 1단계 안전지역 약 15.67%, 2단계 불안지역 약 31.92%, 3단계 주의지역 약 38.67%, 4단계 경고지역 약 11.42%, 5단계 위험지역 약 2.32% 로 주의지역의 비율이 가장 높았으며, 실험지역 A에 비해 위험지역 비율도 높아 좀 더 범죄발생에 취약한 지역이라 판단된다.
- 89%의 일치율을 나타내었다. 이를 통해 자료취득이 다소 용이한 정보를 이용하여 범죄발생 취약지역을 효율적으로 추출할 수 있었다.
- 첫째, 공간정보에 대해 살펴보면 각 실험지역별로 위험도로가 비교적 많이 분포해 있었으며, 건물 용도별 밀집도는 주거업무시설군에 대한 밀집도가 상당히 높은 편이었다. 또한 건물 종류별 4등급으로 위험 건물에 대한 밀집도는 무벽건물과가건물에 대한 밀집도가 높았으며, 그 주변 지역에는 아파트와 일반주택이 주로 분포되어 있는 것으로 분석되었다.
후속연구
- 본 연구에서 제안한 격자망 통계분석을 이용하여 범죄 발생 취약지역 추출결과는 기존의 핫스팟 형태로 제공되고 있는 범죄관련 정보보다 등급별로 상세한 정보를 제공할 수 있으며, 행정업무 차원에서 등급별 통계자료를 용이하게 제공할 수 있을 것으로 판단된다.
- 본 연구에서는 사회적 약자를 대상으로 한 범죄 발생취약지역을 추출하기 위해서 공간정보, 통계정보, 공공정보를 이용하였으며 이에 대한 가중치들은 기존의 연구사례를 참고하여 수행하였으나 향후, 범죄유형별, 적용대상 지역별 특성을 고려하여 적합한 가중치를 산정하는 연구가 추가적으로 필요할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.