본 연구는 범죄와 환경과의 관계가 밀접한 영향을 미친다는 전제하에 범죄억제를 위한 정책수립 및 설계를 위한 대안마련의 사전단계로 범죄위험지역 분석과 요인, 공간적 특성이 반영된 예측모델을 제시하는 것을 주요 목적으로 수행하였다. 연구의 분석결과, H구 전체 지역에 범죄가 균등하게 분포하였을 경우와 대비하여 약 1/4 수준으로 범죄발생지역은 군집성을 나타내고 있었으며 주로 H 해수욕장 배후 상업지역에서 특정범죄(강간, 절도, 폭력)는 강한 핫스팟을 나타내었다. 결과적으로 독립변수와 종속변수의 공간적 상관관계를 고려하는 지리가중회귀모형을 이용함으로써 보다 효과적으로 적용할 수 있음을 알 수 있었다. 이러한 결과는 다중선형회귀 모형의 결과에서와 같이 연구지역 내 폐공가수가 종속변수와 단순히 부적의 관계를 가지는 것이 아니라, 지역에 따라 종속변수에 서로 다른 영향을 미치는 것을 알 수 있다.
본 연구는 범죄와 환경과의 관계가 밀접한 영향을 미친다는 전제하에 범죄억제를 위한 정책수립 및 설계를 위한 대안마련의 사전단계로 범죄위험지역 분석과 요인, 공간적 특성이 반영된 예측모델을 제시하는 것을 주요 목적으로 수행하였다. 연구의 분석결과, H구 전체 지역에 범죄가 균등하게 분포하였을 경우와 대비하여 약 1/4 수준으로 범죄발생지역은 군집성을 나타내고 있었으며 주로 H 해수욕장 배후 상업지역에서 특정범죄(강간, 절도, 폭력)는 강한 핫스팟을 나타내었다. 결과적으로 독립변수와 종속변수의 공간적 상관관계를 고려하는 지리가중회귀모형을 이용함으로써 보다 효과적으로 적용할 수 있음을 알 수 있었다. 이러한 결과는 다중선형회귀 모형의 결과에서와 같이 연구지역 내 폐공가수가 종속변수와 단순히 부적의 관계를 가지는 것이 아니라, 지역에 따라 종속변수에 서로 다른 영향을 미치는 것을 알 수 있다.
The purpose of this study was to present a prediction model that reflects crime risk area analysis, including factors and spatial characteristics, as a precursor to preparing an alternative plan for crime prevention and design. This analysis of criminal cases in high-risk areas revealed clusters in ...
The purpose of this study was to present a prediction model that reflects crime risk area analysis, including factors and spatial characteristics, as a precursor to preparing an alternative plan for crime prevention and design. This analysis of criminal cases in high-risk areas revealed clusters in which approximately 25% of the cases within the study area occurred, distributed evenly throughout the region. This means that using a multiple linear regression model might overestimate the crime rate in some regions and underestimate in others. It also suggests that the number of deserted houses in an analyzed region has a negative relationship with the dependent variable, based on the multiple linear regression model results, and can also have different influences depending on the region. These results reveal that closure signs in a study area affect the dependent variable differently, depending on the region, rather than a simple or direct relationship with the dependent variable, as indicated by the results of the multiple linear regression model.
The purpose of this study was to present a prediction model that reflects crime risk area analysis, including factors and spatial characteristics, as a precursor to preparing an alternative plan for crime prevention and design. This analysis of criminal cases in high-risk areas revealed clusters in which approximately 25% of the cases within the study area occurred, distributed evenly throughout the region. This means that using a multiple linear regression model might overestimate the crime rate in some regions and underestimate in others. It also suggests that the number of deserted houses in an analyzed region has a negative relationship with the dependent variable, based on the multiple linear regression model results, and can also have different influences depending on the region. These results reveal that closure signs in a study area affect the dependent variable differently, depending on the region, rather than a simple or direct relationship with the dependent variable, as indicated by the results of the multiple linear regression model.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 기존 연구에서 수행되지 못하였던 부분을 개선하기 위해 두 가지 방법을 통해 연구의 차별성을 가지도록 하였다.
본 연구는 범죄발생은 공간적인 특성과 패턴을 지니고 있다는 환경범죄학이론을 전제로 다음과 같은 연구의 목적을 설정하였다. 첫째, 범죄사고 자료의 수집을 통한 실제 5대 범죄사고 및 신고사례를 대상으로 지리정보시스템(GIS)를 활용하여 점(點)·면(面)데이터로 자료구축 후 우범지대를 도출하고, 연구대상지역에서 발생한 범죄의 특성 및 패턴을 파악한다.
본 연구는 증가하는 범죄로 인한 주민 두려움의 감소와 삶의 질 악화를 개선하기 위한 도시계획 정책도입(CPTED : 범죄예방환경설계)과 대안 마련의 사전단계로 범죄발생 위험지역 분석과 요인분석, 예측모델 개발을 제시하는 것을 주요 목적으로 수행하였다.
제안 방법
본 연구는 다음과 같은 단계로 수행하였다. 1단계로 범죄발생자료는 범죄관리대장의 데이터를 지오코딩하여 각각 점 데이터 및 센서스 집계구 단위의 면 속성자료로 구축하였다.
2단계로 범죄발생요인 분석과 관련한 선행연구를 실시하여 유의미한 결과값을 나타낸 변수를 중심으로 추가, 제외하여 연구지역의 현황분석을 실시하였다.
둘째, 범죄발생지역을 유형화하여 특성을 분석하였다. 유형분석을 위해 용도지역별 유형과 범죄관련 지표에 따른 계층적 분석기법(Ward)으로 유형을 분류하여 분석을 수행한 결과 용도 지역별로 유형화 분석결과 면적대비 상업지역에서 보다 높은 빈도와 조밀하게 범죄가 발생함을 알 수 있었고, 특히 주거지역형의 경우 상업지역과 인접한 지역에 범죄 핫스팟이 형성되어 상업지역에서 발생한 범죄가 인접한 주거지역으로 전이되는 현상을 확인할 수 있었다.
첫째, 범죄사고 자료의 수집을 통한 실제 5대 범죄사고 및 신고사례를 대상으로 지리정보시스템(GIS)를 활용하여 점(點)·면(面)데이터로 자료구축 후 우범지대를 도출하고, 연구대상지역에서 발생한 범죄의 특성 및 패턴을 파악한다. 둘째, 연구지역의 방어기제 요인을 세분화된 분석단위로 파악하여 영향요인을 분석한다. 셋째, 복수의 전통 회귀모형(OLS)과 공간계량모형(GWR)을 비교․분석하여 최적모형을 제시하며 기존의 회귀모형으로 파악하기 힘든 소규모단위(집계구)의 범죄사고 예측모형을 제안한다.
마지막으로 기존의 모형과 공간의 요소가 반영된 지리가중회귀분석의 모델링을 통해 범죄발생의 영향요인을 도출하였다.
사회경제적 변수는 고학력자 수, 주택소유자 수, 복지급여대 상자 수의 3개 변수로 구성하였다. 물리환경적 변수는 풍속업소 수와 폐공가 수로 2개 변수로 구성하였으며 방어기제 요인으로 치안센터 수, CCTV설치 수의 2개 변수로 구축하였다.
범죄발생의 지역별 범죄발생 현황은 센서스 집계구 단위로 분석을 실시하였다. 하지만, H구의 경우 센서스의 집계구는 703개에 달함으로 본 장에서의 행정동 단위로 재분류하여 제시하였다.
범죄발생자료의 DB를 토대로 데이터의 편집을 통해 센서스 집계구단위의 속성자료로 구축하였다. 자료는 2009∼2013년까지 발생한 5년간의 범죄관리대장을 기반으로 구성하였고 자료의 구성상 범죄의 발생 자료는 점 및 면 데이터로 구분되어 있어 자료의 분석을 위해 동일한 형태의 데이터셋을 구축하여 분석하였다.
선행연구 분석을 통해 유의미한 결과를 나타낸 변수를 재구성하였다. 변수는 인구학적, 사회경제적, 물리환경적, 방어기제로 구분하여 구성하였고 최종적으로 15개의 변수를 선정하였다. 인구학적 변수는 총 인구 수, 총 가구 수, 외국인 수, 아동 인구 수, 청소년 인구 수, 1인 가구 수, 독거 여성 수, 노령자 수의 8개 변수로 구성하였다.
Lee(1992)는 통계청의 인구센서스 자료와 검찰청 범죄자료 및 신문기사(한국일보 사회면에 게재된 사건자료: 1988∼1990년)를 활용하여 범인의 거주지 및 발생지역을 도면화하여 특성을 비교․분석하였다. 분석결과 범죄발생은 접근성, 토지이용, 방어공간의 미비, 사회경제적 지위와 밀접한 관련을 보인다고 제시함으로 범인의 거주지역과 발생지역과의 상관관계를 분석하였다. Lee(2000)는 1992년 서울시에서 발생한 폭력과 절도사건을 기반으로 Arc-view를 이용해 4분위 등간분석으로 구별, 동별 범죄지도를 구축하였다.
셋째, GWR을 통해 범죄사고 예측 모형을 개발하였다. 분석을 위해 종속변수는 총 범죄수로 설정하였고 독립변수는 선행연구를 통해 유의미한 결과를 낸 변수를 토대로 인구학적, 사회경제적, 물리환경적 요인과 방어기제요인으로 구분하여 총 15개의 변수를 취하였으며 다중공선성 검증으로 총 12개의 변수를 최종적으로 분석하였다.
인구학적 변수는 총 인구 수, 총 가구 수, 외국인 수, 아동 인구 수, 청소년 인구 수, 1인 가구 수, 독거 여성 수, 노령자 수의 8개 변수로 구성하였다. 사회경제적 변수는 고학력자 수, 주택소유자 수, 복지급여대 상자 수의 3개 변수로 구성하였다. 물리환경적 변수는 풍속업소 수와 폐공가 수로 2개 변수로 구성하였으며 방어기제 요인으로 치안센터 수, CCTV설치 수의 2개 변수로 구축하였다.
자료는 2009∼2013년까지 발생한 5년간의 범죄관리대장을 기반으로 구성하였고 자료의 구성상 범죄의 발생 자료는 점 및 면 데이터로 구분되어 있어 자료의 분석을 위해 동일한 형태의 데이터셋을 구축하여 분석하였다. 선행연구 분석을 통해 유의미한 결과를 나타낸 변수를 재구성하였다. 변수는 인구학적, 사회경제적, 물리환경적, 방어기제로 구분하여 구성하였고 최종적으로 15개의 변수를 선정하였다.
셋째, GWR을 통해 범죄사고 예측 모형을 개발하였다. 분석을 위해 종속변수는 총 범죄수로 설정하였고 독립변수는 선행연구를 통해 유의미한 결과를 낸 변수를 토대로 인구학적, 사회경제적, 물리환경적 요인과 방어기제요인으로 구분하여 총 15개의 변수를 취하였으며 다중공선성 검증으로 총 12개의 변수를 최종적으로 분석하였다.
둘째, 연구지역의 방어기제 요인을 세분화된 분석단위로 파악하여 영향요인을 분석한다. 셋째, 복수의 전통 회귀모형(OLS)과 공간계량모형(GWR)을 비교․분석하여 최적모형을 제시하며 기존의 회귀모형으로 파악하기 힘든 소규모단위(집계구)의 범죄사고 예측모형을 제안한다. 이를 통해 향후 범죄발생 예측지역에 대한 범죄예방 수립대책 마련을 위한 자료를 제시하며, 궁극적으로 범죄로부터 자유로운 도시환경을 조성하고, 치안정책의 반영 및 시민들의 안전정보 제공, 범죄예방환경설계(CPTED: Crime Prevention Through Environmental Design) 도입을 위한 활용자료로 활용한다.
변수는 인구학적, 사회경제적, 물리환경적, 방어기제로 구분하여 구성하였고 최종적으로 15개의 변수를 선정하였다. 인구학적 변수는 총 인구 수, 총 가구 수, 외국인 수, 아동 인구 수, 청소년 인구 수, 1인 가구 수, 독거 여성 수, 노령자 수의 8개 변수로 구성하였다. 사회경제적 변수는 고학력자 수, 주택소유자 수, 복지급여대 상자 수의 3개 변수로 구성하였다.
자료는 2009∼2013년까지 발생한 5년간의 범죄관리대장을 기반으로 구성하였고 자료의 구성상 범죄의 발생 자료는 점 및 면 데이터로 구분되어 있어 자료의 분석을 위해 동일한 형태의 데이터셋을 구축하여 분석하였다.
첫째, 범죄사고 자료의 수집을 통한 실제 5대 범죄사고 및 신고사례를 대상으로 지리정보시스템(GIS)를 활용하여 점(點)·면(面)데이터로 자료구축 후 우범지대를 도출하고, 연구대상지역에서 발생한 범죄의 특성 및 패턴을 파악한다.
대상 데이터
본 연구에서 제시한 범죄자료는 H구에서 2009년∼2013년간 발생한 5대 범죄자료(살인, 강도, 강간, 절도, 폭력) 총 2,067건을 토대로 분석을 실시하였다.
본 연구의 공간적 범위는 부산시 H구를 대상으로 하였다(그림 1). 본 연구는 다음과 같은 단계로 수행하였다.
데이터처리
구축된 지리가중회귀 예측모형의 정확도를 분석하기 위하여 표준화된 평균제곱근오차 (SRMSE, Standardized Root Mean Square Error)를 산정하여 비교․분석하였다. 지리가중회귀 분석을 통한 범죄발생 예측 모형의 표준화된 평균제곱근오차 값은 1.
성능/효과
B 유형에 포함된 센서스 집계구는 88개(27.0%)의 비율을 차지하고 있으며 발생범죄로는 살인과 강간의 비중이 높은 것으로 나타났고 지표구분 상 노령자인구수와 독거여성, 외국인의 비율이 높은 것으로 나타났다(그림 7).
H구에서 2009년부터 2013년까지 발생한 범죄는 2010년에 최고발생건수를 기록하다 점차 감소와 증가를 반복하는 추세로 나타났으며, 계절별로 살펴본 결과 주로 여름에 범죄사고의 발생비율이 높은 것으로 나타났다. 여름은 타 계절과 비교해 주로 폭력과 절도의 비율이 다소 높게 나타났는데 이는 여름에 유입되는 관광객으로 인해 증가되었음을 짐작할 수 있다.
H구에서 발생하는 범죄의 평균관측거리(발생지점간 거리평균)는 24.2m로 연구지역내 범죄가 규칙적으로 발생하였을 경우에 대비하여 1/4수준으로 매우 조밀하게 구성되어 있는 것으로 나타났다.
예를 들어, 폐공가수의 경우, 다중회귀모형에서 종속변수와 부적의 관계를 가져 폐공가수가 증가할수록 범죄 발생 확률이 감소하는 것으로 나타났다. 그러나, 지리가중회귀 분석 결과를 살펴보면, 연구지역 내 회귀계수의 약 52%는 음(-)의 값, 약 47%는 양(+)의 값을 가졌다. 연구지역 하단에 위치한 우동, 좌동, 중동에 위치한 센서스 집계구에서는 폐공가수의 회귀계수가 양의 값을 가졌고, 이를 제외한 나머지 지역에서는 음의 값을 가지는 것으로 나타났다.
마지막으로, 지리가중회귀분석을 통해 나타난 공간적 이질성의 존재이다. 독립변수와 종속변수의 공간적 상관관계를 고려하는 지리가중회귀 모형은 독립변수별 회귀계수가 센서스별로 각기 다른 값이 산정됨에 따라 종속변수에 대한 영향력이 공간적으로 다르게 분포됨을 알 수 있었다. 따라서 범죄 관련 변수를 연구지역에 적용함에 있어 종속변수와의 공간적 영향력을 고려하여 센서스 집계구별로 차별화된 대책의 필요성이 강조된다고 보여진다.
표 3에서 외국인수(For), 아동인구수(Under), 노령자수(Old), 1인가구수(Single), 독거여성수(Female), 고학력자수(Edu), 풍속업소수(Adult), 치안센터수(Sec), CCTV설치수(CCTV)로 각각 표기한다. 또한, 변수간 다중공선성분석 결과 상관이 없는 것으로 나타났다.
마지막으로 폭력범죄는 노상 337건, 기타 198건, 풍속업체 168건으로 나타났다.
범죄 발생 장소별 현황을 분석한 결과 총 범죄발생은 공공시설에서 578건(28.0%) 가장 많은 범죄가 발생하는 것으로 나타났으며 상업시설 521건(25.2%), 기타(21.5%) 순으로 나타났다. 특히, 공용시설에서 발생한 폭력범죄(349건)가 모든 장소별 범죄 발생율에서 가장 높은 수치를 나타냈으며, 상업시설에서의 절도범죄(252건), 폭력범죄(230건)순으로 나타났다.
범죄발생 지역의 공간적 밀집 여부를 분석하기 위해 범죄발생지점의 해당 필지의 면적을 분석한 결과, 범죄가 발생한 지점의 총 필지면적은 4.62㎢로 H구 전체면적(51.46㎢)의 약 8.9%지역에서 범죄가 발생한 것으로 나타났다(표 1).
본 연구에서 제시한 범죄자료는 H구에서 2009년∼2013년간 발생한 5대 범죄자료(살인, 강도, 강간, 절도, 폭력) 총 2,067건을 토대로 분석을 실시하였다. 범죄유형별 빈도수에 대한 분석결과, 폭력범죄가 992건(48.0%)을 차지하였고, 절도 970건(46.9%), 강간 79건(3.8%), 강도 18건(0.9%), 살인 8건(0.4%)의 비율로 나타났다.
그러나, 지리가중회귀 분석 결과를 살펴보면, 연구지역 내 회귀계수의 약 52%는 음(-)의 값, 약 47%는 양(+)의 값을 가졌다. 연구지역 하단에 위치한 우동, 좌동, 중동에 위치한 센서스 집계구에서는 폐공가수의 회귀계수가 양의 값을 가졌고, 이를 제외한 나머지 지역에서는 음의 값을 가지는 것으로 나타났다. 이러한 결과는 다중선형회귀 모형의 결과에서와 같이 연구지역 내 폐공가수가 종속변수와 단순히 부적의 관계를 가지는 것이 아니라, 지역에 따라 종속변수에 서로 다른 영향을 미치는 것을 알 수 있다.
첫째, 연구지역에서 발생한 범죄는 강한 군집성(핫스팟)을 나타낸다. 연구지역에서 발생한 범죄 발생지점을 점, 면 데이터 형태로 나누어 분석을 실시한 결과 범죄발생지점은 전체면적의 약 8.9%지역에서 발생하고 있으며 범죄발생지점간 거리는 평균 24.2m로 매우 조밀하게 분포하고 있다. 핫스팟을 형성하고 있는 지점은 H해수욕장 배후 상업지역 일대와 H신시가지 중심지역, 반여 2, 3동 및 반송 2동 일대로 압축할 수 있다.
822의 값을 가지며, 연구지역 상단에서 하단으로 갈수록 점차 증가하는 것을 알 수 있다. 우 1동에 위치한 센서스 집계구 일부 지역에서 0.8 이상의 수정된 결정계수 값을 가져 사용된 독립변수의 종속변수에 대한 설명력이 상당히 높은 것으로 나타났다. 그러나, 반송동, 반여동, 재송동에 위치한 대부분의 센서스 집계구는 0.
둘째, 범죄발생지역을 유형화하여 특성을 분석하였다. 유형분석을 위해 용도지역별 유형과 범죄관련 지표에 따른 계층적 분석기법(Ward)으로 유형을 분류하여 분석을 수행한 결과 용도 지역별로 유형화 분석결과 면적대비 상업지역에서 보다 높은 빈도와 조밀하게 범죄가 발생함을 알 수 있었고, 특히 주거지역형의 경우 상업지역과 인접한 지역에 범죄 핫스팟이 형성되어 상업지역에서 발생한 범죄가 인접한 주거지역으로 전이되는 현상을 확인할 수 있었다.
연구지역 하단에 위치한 우동, 좌동, 중동에 위치한 센서스 집계구에서는 폐공가수의 회귀계수가 양의 값을 가졌고, 이를 제외한 나머지 지역에서는 음의 값을 가지는 것으로 나타났다. 이러한 결과는 다중선형회귀 모형의 결과에서와 같이 연구지역 내 폐공가수가 종속변수와 단순히 부적의 관계를 가지는 것이 아니라, 지역에 따라 종속변수에 서로 다른 영향을 미치는 것을 알 수 있다.
070)구간에서 변동하고 있었다. 이를 통해 지리가중회귀 분석을 통한 범죄발생 예측 모형이 범죄발생건수를 설명하는데 보다 우수한 모형임을 알 수 있었다(그림 11).
주요 행정동은 우3동과 재송동, 반여1동, 좌동일대로 나타났다. 이하, 종합해서 정리하면, 첫째, 연구지역에서 발생한 범죄는 군집성(핫스팟)의 경향이 강하게 나타났다(그림 8).
강간범죄는 우1동 H해수욕장 배후 일반상업지역에서 높게 나타났으며, 좌2동 신시가지 주거지 일대, 재송 2동 주거지 일대 및 송정해수욕장일대에서 소규모로 나타났다. 절도는 우 1동과 중 1동 경계지점부(온천지구) 일대에서 매우 높게 나타났으며, 좌 1동 주거지역 일대에서도 다소 높게 나타났다. 폭력범죄 역시 절도범죄에 비슷한 양상으로 온천지구 일대 및 좌 1동 장산역 일대에서 높은 수치로 나타났다.
지리가중회귀 모형에서 치안센터수의 표준편차 값이 가장 큰 것으로 나타나 지리가중회귀 모형에 의해 산출된 회귀계수의 값이 다른 독립변수에 비해 상대적으로 공간적 편차가 큼을 알 수 있다.
구축된 지리가중회귀 예측모형의 정확도를 분석하기 위하여 표준화된 평균제곱근오차 (SRMSE, Standardized Root Mean Square Error)를 산정하여 비교․분석하였다. 지리가중회귀 분석을 통한 범죄발생 예측 모형의 표준화된 평균제곱근오차 값은 1.190으로 0에 가까운 값을 보여 보다 우수한 모형인 것으로 나타났다 (표 5).
발생범죄로는 강도범죄의 비중이 높은 것으로 나타났고 강간범죄 발생 수가 상대적으로 낮은 추세로 나타나고 있다. 지표별 특징으로 CCTV의 설치수가 상대적으로 적으며 1인가구수가 적은 것이 특징으로 나타났다(그림 6).
총 범죄의 경우 우 1동 과 좌 1동의 경계지 점부 및 H 해수욕장 후면 일반상업지역 일대에 가장 높은 값을 나타내고 있으며 좌1동 중심부의 중심상업지역에 높은 수치로 나타났다. 또한, 재송1∼재송2∼반여2∼반여3동으로 이어지는 주거지역을 따라 범죄발생이 다소 높게 나타났으며 송정동의 동부산 관광단지 일대, 반송 2, 3동의 일반주거지역에 범죄발생이 소규모 핫스팟을 구성하였다.
커널분석 결과를 종합하면 총 범죄는 H해수욕장 배후 온천지구일대와 H신시가지 장산역 및 주거지 일대, 반여 및 반송동 주거지 일대에서 밀집하여 분포하는 것으로 나타났으며, 폭행과 절도범죄는 가장 광범위한 분포를 가지는 것으로 나타났다(그림 5).
5%) 순으로 나타났다. 특히, 공용시설에서 발생한 폭력범죄(349건)가 모든 장소별 범죄 발생율에서 가장 높은 수치를 나타냈으며, 상업시설에서의 절도범죄(252건), 폭력범죄(230건)순으로 나타났다.
질의응답
핵심어
질문
논문에서 추출한 답변
지리학 제1법칙은 무엇을 의미하는가?
공간 종속성이란 범죄가 지역에 따라 랜덤하게 분포하지 않고 이웃한 지역끼리 유사한 특성을 보이는 현상을 말하는데 이러한 공간 종속성은“모든 것은 그 밖의 다른 것과 상호 관령성이 있지만 가까운 것들이 멀리 있는 것보다 더 큰 관련성을 갖는다.”는 지리학 제1법칙 (Tobler's First Law of Geography)에 따른 일반적인 현상이다.
도시문제 중 도시범죄는 어떠한 영향을 미치는가?
고도의 압축성장에 따른 도시의 인구집중현상은 다양한 도시문제를 초래하게 되었다. 특히, 도시범죄는 시민들의 불안감을 가중시켜 삶의 질을 악화시키는 원인이 되고 있다.
컴스탯정책이란 무엇인가?
대표적 활용사례로는 뉴욕시의 컴스탯(CompStat: Computerized Statistics)정책을 들 수 있다. 컴스탯정책은 일종의 경찰수뇌부들의 발생범죄 정보를 토대로 한 의사결정 수단으로 순찰계획 및 범죄예방대책을 수립하는 것이다. 이러한 과정에서 지리정보시스템은 범죄지역을 규명하는데 주요역할을 담당하였다.
참고문헌 (6)
Kim, K.D. and D.H. Kwak. 2003. Utilizing geographic information system and spatial analysis in the research of crime and criminal justice. Korean Institute of Criminology. p.88. (김기득, 곽대훈. 2003. 지리정보시스템과 공간분석을 활용한 범죄연구 : 사례연구를 중심으로. 한국형사정책연구원. 88쪽.)
Lee, G.H., C.W. Jin, J.W. Kim, and W.H. Kim. 2016. A study on the characteristics of the spatial distribution of sex crimes : spatial analysis based on environmental criminology. Journal of the Korean Geographical Society 51(6):853-871 (이건학, 진찬우, 김지우, 김완희. 2016. 성폭력 범죄의 공간적 분포 특성에 관한 연구. 대한지리학회지 51(6):853-871).
Lee, K.H. 1992. Spatial pattern of urban crime in Seoul Metropolitan area. Journal of Geography Education 27:94-118 (이경희. 1992. 서울의 지역별 범죄분포 특성에 관한 연구. 지리교육논집 27:94-118)
Lee, H.H. 2000. Crime analysis using GIS. Korean criminological review 11(3):287-305 (이현희. 2000. GIS을 이용한 범죄분석. 형사정책연구 11(3):287-305).
Jeong, K.S., T.H. Moon, J.H. Jeong. and S. Y. Heo. 2009. Analysis of spatio-temporal pattern of urban crime and its influencing factors. Journal of the Korean Association of Geographic Information Studies 12(1):12-25 (정경석, 문태헌, 정재희, 허선영. 2009. GIS와 공간통계기법을 이용한 시.공간적 도시범죄패턴 및 범죄발생 영향요인 분석. 한국지리정보학회지 12(1):12-25).
Heo, S.Y. and T.H. Moon. 2011. Spatial analysis of the difference between real crime and fear of crime. The Korean Association of Geographic Information Studies 14(4):194-207 (허선영, 문태헌. 2011. 도시내 범죄발생과 범죄 두려움 위치의 공간적 차이 분석. 한국지리정보학회지14(4):194-207).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.