범죄는 특정한 장소나 주변 환경에 따라서 범죄의 유형과 빈도가 매우 밀접한 관계를 갖으며 발생된다. 특히 공간적으로 범죄는 도심지역, 유흥가, 노상 등에서 많이 발생된다. 이러한 이유로 범죄와 발생장소와의 관계를 분석하는 것은 범죄를 예측하는데 효과적이며 이를 위해서 다양한 공간분석 기법이 적용되고 있다. 이에 본 논문에서는 범죄 예측에 활용코자 GIS 공간분석 기법을 이용하여 범죄취약지를 추출하였다. 범죄취약지는 범죄통계자료를 이용하여 장소와 용도지역별로 다르게 발생되는 범죄를 GIS의 핫스팟 분석(Hot Spot Analysis)과 역거리 가중법(IDW)을 이용하여 추출하였다. 또한 셉테드(CPTED)의 감시요소인 CCTV, 가로등, 지구대, 파출소에 대해서 각각 감시범위와 가중치를 산정하고 범죄취약지도와 중첩하여 4개 등급(안전, 주의, 경고, 위험)으로 표현된 셉테드 기반의 범죄취약지도를 제작하였다.
범죄는 특정한 장소나 주변 환경에 따라서 범죄의 유형과 빈도가 매우 밀접한 관계를 갖으며 발생된다. 특히 공간적으로 범죄는 도심지역, 유흥가, 노상 등에서 많이 발생된다. 이러한 이유로 범죄와 발생장소와의 관계를 분석하는 것은 범죄를 예측하는데 효과적이며 이를 위해서 다양한 공간분석 기법이 적용되고 있다. 이에 본 논문에서는 범죄 예측에 활용코자 GIS 공간분석 기법을 이용하여 범죄취약지를 추출하였다. 범죄취약지는 범죄통계자료를 이용하여 장소와 용도지역별로 다르게 발생되는 범죄를 GIS의 핫스팟 분석(Hot Spot Analysis)과 역거리 가중법(IDW)을 이용하여 추출하였다. 또한 셉테드(CPTED)의 감시요소인 CCTV, 가로등, 지구대, 파출소에 대해서 각각 감시범위와 가중치를 산정하고 범죄취약지도와 중첩하여 4개 등급(안전, 주의, 경고, 위험)으로 표현된 셉테드 기반의 범죄취약지도를 제작하였다.
This study set out to identify crime vulnerable areas with the GIS spatial analysis technique for the prediction of crimes. Crime vulnerable areas were extracted from the statistics of crimes with the GIS hotspot analysis technique and the inverse distance weighted(IDW) method applied to different c...
This study set out to identify crime vulnerable areas with the GIS spatial analysis technique for the prediction of crimes. Crime vulnerable areas were extracted from the statistics of crimes with the GIS hotspot analysis technique and the inverse distance weighted(IDW) method applied to different crimes according to places and use districts. The scope of surveillance and weight were calculated for each of CPTED surveillance elements including CCTV, streetlamp, patrol division, and police substation. Maps of crime vulnerable areas were overlapped one after another to make a CPTED-based one expressed in four grades(safety, attention, warning, and risk).
This study set out to identify crime vulnerable areas with the GIS spatial analysis technique for the prediction of crimes. Crime vulnerable areas were extracted from the statistics of crimes with the GIS hotspot analysis technique and the inverse distance weighted(IDW) method applied to different crimes according to places and use districts. The scope of surveillance and weight were calculated for each of CPTED surveillance elements including CCTV, streetlamp, patrol division, and police substation. Maps of crime vulnerable areas were overlapped one after another to make a CPTED-based one expressed in four grades(safety, attention, warning, and risk).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
연구내용을 요약하면, 국내에서 발생한 범죄 발생장소에 대한 통계자료를 이용하여 용도지역별로 범죄발생 특성을 분석하고, 그 결과를 시범지역의 용도지역에 적용하여 범죄취약지를 예측한다. 그리고 셉테드의 감시 요소로 인한 범죄 감소 효과를 범죄취약지에 반영함으로써 셉테드 기반의 범죄취약지를 추출하고자 한다.
따라서, 본 연구에서는 이와 같은 한계점들을 해결하기 위해 2010년 시점의 공간정보, 2011년 범죄 통계자료,셉테드의 감시 요소를 이용하여 셉테드 기반의 범죄취약지를 추출하고, 정부에서 실제 범죄발생 자료를 이용해 구축한 2017년의 생활안전지도와 비교함으로써 범죄취약지 추출기법에 대한 신뢰성을 검증하고자 하였다.
그 중에서 치안사고발생현황은 2014년부터 2017년 6월까지 범죄 발생현황(살인, 강도, 성폭력, 절도, 폭행 등)을 근거로 지도서비스 중에 있다. 본 논문에서는 2011년 시점 자료를 이용해 만들어진 연구 성과와 치안사고발생현황을 상호 비교함으로써 연구 성과를 검증하였다.
이에 본 논문에서는 2011년 범죄통계 자료와 셉테드 감시요소, 수치지도 등을 활용하여 셉테드 기반의 5대 범죄취약지를 추출하고 2017년 시점의 생활안전지도와 비교함으로써 본 연구방법론의 정확성을 검증하였다.
특히, 2010년 초반의 자료를 이용해 분석을 수행하고 2017년 자료를 이용해 검증함으로써 범죄취약지 검증에 대한 한계를 극복하고, 이러한 성과를 통해서 범죄 발생사례가 없는 지역에 대해서도 신뢰성 있는 범죄취약지 예측이 가능할 수 있음을 보여주는 연구사례가 되고자 한다.
제안 방법
1개의 용도지역별 5대 범죄취약지와 대안으로 각각 제시된 3개의 셉테드 감시요소 기반의 취약성도를 각각 레스터 연산을 통해서 3개의 셉테드 기반의 5대 범죄취약지를 추출하였다. 그 추출 과정은 수식 (1)과 같다.
3개의 최종 셉테드 기반의 5대 범죄취약지를 좀 더 알기 쉽도록 시각화하고 값의 범위를 군집화하기 위해 재분류(Reclassify)를 실시하였다. Table 8은 재분류 기준에 대한 값의 범위를 나타낸 것으로 그 기준은 용도지역별 5대 범죄취약지의 안전 값인 -23.
GIS 기술인 핫스팟 분석과 역거리 가중법을 적용하여 범죄취약지를 추출하기 위해서 두정동 내에 객체 유형이 폴리곤인 건물을 포인트로 변환하였다. 이후 각각의 포인트에 대해서 건물의 용도와 특성에 따라서 용도지역을 선정하여 그 해당되는 값을 입력하였다.
5를 넘지 않도록 가중치를 산정하였다. 가중치는 기존 사례를 통해 감시효과가 가장 큰 CCTV에 대해 가장 높은 값을 부여하였고, 다음으로 파출소, 가로등 순으로 가중치를 부여하였다. Table 6은 셉테드 감시요소의 가중치를 나타낸 것이다.
셉테드의 감시요소에 해당하는 CCTV, 가로등, 파출소 등에 대한 위치를 DB로 구축하고 버퍼기능을 이용하여 각각의 감시 가능범위를 선정하였다. 각각의 감시요소에 대한 감시범위를 대상으로 가중치를 부여하고 중첩하여 셉테드 감시요소 기반의 취약성도를 제작하였다. 그 결과는 CCTV, 가로등, 파출소의 감시구역 내에 존재하는 지역은 안전지역에 해당되며, 감시구역 밖에 존재하는 지역은 취약지로 표현된다.
공간 빅데이터 자료인 전국 수치지도와 범죄통계자료 및 셉테드 감시요소(CCTV, 가로등, 파출소) 등의 기초자료를 활용하고 핫스팟 분석, 역거리 가중법, 중첩분석, 재분류, 레스터 연산 등의 GIS 기술을 적용하여 범죄취약지를 추출한 결과 다음과 같은 결과를 얻을 수 있었다.
두정동 내의 시설물에 대해 용도지역을 각각 지정하고 해당 시설물의 용도지역에 따른 범죄 가중치를 속성으로 부여하였다. 구축된 데이터는 핫스팟 분석과 역거리 가중법 등 GIS공간분석을 수행하여 5대 범죄에 대한 각각의 범죄취약지를 추출하였다. 최종적으로 각각의 범죄취약지를 중첩하여 통합된 용도지역별 5대 범죄취약지를 추출하였다.
CCTV의 경우 현장조사를 통해서 제원을 확인한 후 각각에 대해서 감시범위를 결정하였다. 또한 감시요소에 대해서 각각 범죄 예방효과가 서로 다르다는 가정 하에 대안 1, 대안 2, 대안 3으로 나누어 가중치를 부여하였다. 이때 가중치의 총합은 1이 되도록 하고 각각의 감시요소는 0.
셉데트 감시요소 기반의 취약성도 3개와 두정동의 용도지역별 5대 범죄취약지 추출 결과물 1개를 GIS 중첩분석을 통해서 셉테드 기반의 5대 범죄취약지를 추출하였다. 최종적으로 취약지의 속성값을 재분류하여 안전, 주의, 경고, 위험 형태로 범죄취약지를 표현하였다.
셉테드의 감시요소에 해당하는 CCTV, 가로등, 파출소 등에 대한 위치를 DB로 구축하고 버퍼기능을 이용하여 각각의 감시 가능범위를 선정하였다. 각각의 감시요소에 대한 감시범위를 대상으로 가중치를 부여하고 중첩하여 셉테드 감시요소 기반의 취약성도를 제작하였다.
연구내용을 요약하면, 국내에서 발생한 범죄 발생장소에 대한 통계자료를 이용하여 용도지역별로 범죄발생 특성을 분석하고, 그 결과를 시범지역의 용도지역에 적용하여 범죄취약지를 예측한다. 그리고 셉테드의 감시 요소로 인한 범죄 감소 효과를 범죄취약지에 반영함으로써 셉테드 기반의 범죄취약지를 추출하고자 한다.
GIS 기술인 핫스팟 분석과 역거리 가중법을 적용하여 범죄취약지를 추출하기 위해서 두정동 내에 객체 유형이 폴리곤인 건물을 포인트로 변환하였다. 이후 각각의 포인트에 대해서 건물의 용도와 특성에 따라서 용도지역을 선정하여 그 해당되는 값을 입력하였다. 또한 포인트의 속성에 앞 절에서 계산된 범죄가중치를 입력하였다.
구축된 데이터는 핫스팟 분석과 역거리 가중법 등 GIS공간분석을 수행하여 5대 범죄에 대한 각각의 범죄취약지를 추출하였다. 최종적으로 각각의 범죄취약지를 중첩하여 통합된 용도지역별 5대 범죄취약지를 추출하였다.
셉데트 감시요소 기반의 취약성도 3개와 두정동의 용도지역별 5대 범죄취약지 추출 결과물 1개를 GIS 중첩분석을 통해서 셉테드 기반의 5대 범죄취약지를 추출하였다. 최종적으로 취약지의 속성값을 재분류하여 안전, 주의, 경고, 위험 형태로 범죄취약지를 표현하였다.
그 결과는 CCTV, 가로등, 파출소의 감시구역 내에 존재하는 지역은 안전지역에 해당되며, 감시구역 밖에 존재하는 지역은 취약지로 표현된다. 취약성도는 대안별로 가중치를 다르게 적용하여 3가지 대안의 취약성도를 제작하였다.
대상 데이터
1/5,000 전국 수치지도는 연구시점을 맞추기 위해 2010에 제작되고 편집을 통해 시설물의 Poi(Point ofInterrest) 정보를 담고 있는 자료를 유료로 구입하여 사용하였다. 통계청의 시설물 현황은 시설물의 수량을 확인하기 위한 것으로 시설물의 수량을 확인할 수 없는 경우 전국 수치지도를 통해서 시설물의 수량을 확인하였다.
통계청의 시설물 현황은 시설물의 수량을 확인하기 위한 것으로 시설물의 수량을 확인할 수 없는 경우 전국 수치지도를 통해서 시설물의 수량을 확인하였다. 5대 범죄의 발생장소별 발생건수는 경찰청의 범죄통계자료를 다운 받아 사용하였다. 그 외 자료는 천안시청에 자료 협조요청을 통해서 수집하였다.
경찰청의 “2011 범죄통계” 자료에 있는 34개 항목의 발생장소를 4가지 용도지역으로 재분류하였다.
공간적 범위로는 자료수집이 용이하며, 시․도별 범죄율 수치와 도시화율이 가장 높은 지역, 지가가 가장 낮고 유흥가가 밀집되어있는 충청남도 천안시 서북구 두정동을 최종 연구지역으로 선정하였다.
5대 범죄의 발생장소별 발생건수는 경찰청의 범죄통계자료를 다운 받아 사용하였다. 그 외 자료는 천안시청에 자료 협조요청을 통해서 수집하였다.
내용적 범위로는 형범범죄 중에서 주요 범죄로 분류되는 살인, 강도, 성폭력, 폭행, 절도 등 5대 범죄를 대상으로 범죄취약지를 추출하였다.
시간적 범위로는 2011년 범죄 발생 통계자료와 2010년에 구축되어 편집된 전국 1/5,000 수치지도를 활용하였으며, 검증을 위해서 2014년에서 2017년 사이의 범죄발생자료를 활용해 구축된 생활안전지도를 사용하였다.
데이터처리
셉테드 구성요소의 감시범위에 대해서 각각 버퍼(Buffer) 분석을 수행한 후 각각의 버퍼 폴리곤에 가중치를 부여하고, 중첩분석을 실시하였다. 그 결과 0에서 1까지 범위의 값을 갖는 셉테드 감시요소 기반의 취약성도가 제작되었다.
성능/효과
그 결과 0에서 1까지 범위의 값을 갖는 셉테드 감시요소 기반의 취약성도가 제작되었다. 3가지 대안으로 각각 제작된 취약성도는 CCTV, 가로등, 경찰서 등의 감시범위에 내에 전혀 포함되지 않는 즉, 0의 값을 갖는 위험지역과 감시범위 내에 모두 포함되는 1의 값을 갖는 안전지역으로 표현된다.
G, H 지역을 위성영상을 통해 확인한 결과 이 지역은 임야로 확인되었다. B 지역은 주거지역에 해당되고CCTV 및 가로등이 밀집되어 있어 본 연구 성과에서는 안전한 지역으로 평가 되었으나, 최근에 이 지역에서 절도사건이 발생되어 치안사고발생현황에 나타난 것으로 확인되었다.
셉테드 구성요소의 감시범위에 대해서 각각 버퍼(Buffer) 분석을 수행한 후 각각의 버퍼 폴리곤에 가중치를 부여하고, 중첩분석을 실시하였다. 그 결과 0에서 1까지 범위의 값을 갖는 셉테드 감시요소 기반의 취약성도가 제작되었다. 3가지 대안으로 각각 제작된 취약성도는 CCTV, 가로등, 경찰서 등의 감시범위에 내에 전혀 포함되지 않는 즉, 0의 값을 갖는 위험지역과 감시범위 내에 모두 포함되는 1의 값을 갖는 안전지역으로 표현된다.
각각의 감시요소에 대한 감시범위를 대상으로 가중치를 부여하고 중첩하여 셉테드 감시요소 기반의 취약성도를 제작하였다. 그 결과는 CCTV, 가로등, 파출소의 감시구역 내에 존재하는 지역은 안전지역에 해당되며, 감시구역 밖에 존재하는 지역은 취약지로 표현된다. 취약성도는 대안별로 가중치를 다르게 적용하여 3가지 대안의 취약성도를 제작하였다.
둘째, 셉테드 감시요소를 범죄취약지에 반영한 결과 생활안전지도의 치안사고발생현황과 매우 유사한 결과를 나타내고 있음을 육안판독을 통해 확인하였다. 즉, 셉테드 감시요소는 범죄 예방 효과가 있음을 확인 할 수 있었으며, 좀 더 정확한 범죄취약지 추출과 범죄예방을 위해서 셉테드 기반의 5대 범죄취약지 추출 기법이 유용할 것으로 판단된다.
68%) 순으로 발생하였다. 살인에 대해서 용도지역별 발생건수를 각각의 시설물 수로 나누어 계산하고 이를 다시 가중치로 환산하여 나타낸 결과 유흥가(42.71%), 상업지역(27.61%), 녹지지역(9.82%), 주거지역(4.73%) 순으로 살인에 대한 범죄 가중치가 산정되었다. 이러한 결과는 시설물 수를 통제하면(시설물 수가 많아 범죄가 많이 발생하는 것을 통제 또는 제거)범죄에대한 발생 빈도 및 다중 발생에 대한 패턴을 확인 할 수 있다.
Table 3에서 5대 범죄에 대한 용도지역을 6개 항목으로 각각 나열하고 범죄 발생건수와 용도별 시설물 수를 입력하였다. 이때 20개 항목에 대한 용도별 시설물 수는 전국 수치지도와 통계청 자료를 이용하여 그 수량을 산정하였고, 자료의 시점차로 인해 자료가 상이할 경우 수치지도를 기준으로 수량을 산정하였다 그 결과 총 시설물 수는 9,582,962개로 추정되었다.
예를 들어 단독주택의 용도지역을 주거지역으로 재분류하고 단독주택에서 발생한 5대 범죄 발생건수를 전국 주거지역 시설수와 각각 나누워 줌으로써 단독주택에서 발생한 5대 범죄가 주거지역에서 얼마만큼의 비중으로 발생되었는지를 알 수 있다. 즉, 각각의 주요 5대 범죄가 동일한 범죄 발생건수를 나타낼 때 시설수가 많은 용도지역보다 시설수가 더 적은 용도지역이 범죄 다발지역이라는 것이다(범죄발생 건수는 주거지역이 많으나 주거지역 보다는 유흥가 등이 범죄 다발지역으로 판정). Levine(2013)은 2003년 샌 안토니오에서 발생한 강도사건의 핫스팟 분석에서 인구수가 많으면 당연히 범죄도 많이 발생하기 때문에 진정한 위험지역은 인구수를 통제한 상태에서의(즉, 인구수가 많아 범죄가 많이 발생하는 지역은 제외) 다발지역이어야 함을 나타낸 것도 본 연구방법과 유사하다[17].
둘째, 셉테드 감시요소를 범죄취약지에 반영한 결과 생활안전지도의 치안사고발생현황과 매우 유사한 결과를 나타내고 있음을 육안판독을 통해 확인하였다. 즉, 셉테드 감시요소는 범죄 예방 효과가 있음을 확인 할 수 있었으며, 좀 더 정확한 범죄취약지 추출과 범죄예방을 위해서 셉테드 기반의 5대 범죄취약지 추출 기법이 유용할 것으로 판단된다.
첫째, 용도지역별 5대 범죄취약지 추출 결과 범죄로부터 가장 취약한 지역은 유흥가가 밀집되어 있는 지역과 상업지역으로 선정되었으며, 다음으로 공업지역, 녹지,학교, 주거지역 순으로 나타났다. 특히 사회적으로 가장 문제가 되고 있는 성폭력의 경우 유흥가, 녹지, 학교 순으로 나타나 이에 대한 예방이 필요할 것으로 판단된다.
후속연구
그러나 경찰청에서 매년 제공하는 범죄통계 자료를 활용하면 범죄 유형에 따라 범죄 발생장소에 대한 패턴을 분석해 낼 수 있다. 또한 범죄 발생장소에 대한 패턴과 특징을 일반화하면 범죄 발생에 대한 기초자료가 없는 신도시 개발지역, 도시계획 지역, 택지개발 지역에 대해서 미래에 발생할 수 있는 범죄에 대한 취약지를 예측해 낼 수 있다.
마지막으로 2011년 기초자료를 통해서 제작된 범죄취약지가 5년 뒤에 발생한 범죄발생현황과 매우 유사한 결과를 나타내고 있음을 확인함으로써, 범죄취약지 추출기법이 범죄를 예측하고 예방하는데 기여할 수 있을 것으로 판단된다. 또한 범죄발생자료 없는 신도시 개발, 도시개발계획, 택지 개발 등에 치안을 위한 기초자료로 활용되며, CCTV 입지선정 등에 기여 할 수 있을 것으로 기대된다.
마지막으로 2011년 기초자료를 통해서 제작된 범죄취약지가 5년 뒤에 발생한 범죄발생현황과 매우 유사한 결과를 나타내고 있음을 확인함으로써, 범죄취약지 추출기법이 범죄를 예측하고 예방하는데 기여할 수 있을 것으로 판단된다. 또한 범죄발생자료 없는 신도시 개발, 도시개발계획, 택지 개발 등에 치안을 위한 기초자료로 활용되며, CCTV 입지선정 등에 기여 할 수 있을 것으로 기대된다.
본 연구 성과를 고찰해 보면 단순히 범죄발생 통계자료만을 통해서 제작된 용도지역별 5대 범죄취약지 성과만으로도 범죄취약지역 예측이 가능할 것으로 판단되며,셉테드 감시요소를 반영한다면 좀 더 정확한 범죄 취약지역 예측이 가능할 것으로 판단된다.
향후 기지국 기반의 통신자료를 획득하여 유동인구를 분석하고, 범죄취약지 추출에 하나의 인자로 활용하여본 연구 성과를 고도화할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
셉테드 기법이란 무엇인가?
이처럼 범죄 취약지역의 환경을 변화시켜 범죄를 사전에 예방, 제거함으로써 범죄의 발생 기회를 줄이려는 기법, 즉 공간설계를 통해서 범죄예방을 유도하려는 셉테드 기법에 대한 활용이 국내 전반에 걸쳐 활용 수요가 높아지고 있다[5].
셉테드 감시요소는 무엇이 있는가?
Park 등(2015)은 2006년에서 2009년까지의 범죄 데이터를 구축하고 이를 군집화하여 범죄발생 현황도를 제작하였다. 또한 셉테드 감시요소인 가로등, CCTV,치안센터에 대한 가중치를 산정한 후 범죄발생 현황도에 가중치를 부여함으로써 셉테드 적용이 범죄취약지의 감소로 나타남을 확인하였다[7]. Shin(2016)은 안전시설물 설치요구에 관한 민원 중 공급 차질로 인해 안전시설물이 미설치된 사각지대를 분석함으로써 수요자 측면에서의 범죄취약지를 추출하였다[8].
범죄취약지를 예측하거나 범죄 발생 가능성이 높은 지역에 CCTV나 보안등 설치하는 것의 한계는 무엇인가?
그럼에도 불구하고 기존 연구사례에서 공통적으로 나타나는 한계점으로는 정확한 범죄 발생 위치정보를 획득하는 것이 어렵고, 이로 인해 연구 성과를 검증하는데 한계가 있었다. 또한 연구 대상지역에 설치된 감시 요소로 인해 범죄 발생이 감소할 수 있음에도 불구하고 대부분 이를 고려하지 않았다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.