초록
본 논문에서는 과거 발생했던 범죄 빈도수가 적용된 해당 지역의 도시 공간 정보를 구성하고 있는 객체를 바탕으로 육안으로 판별이 가능한 특징들을 판독키로 정하고, 위험도를 계량화하였으며, 미래 예측 기법인 마코프 체인 방식을 적용하여 래스터 형태의 위험도 확률지도를 생성하는 기법을 제안한다. 이때 객체 판독키는 일정 크기의 셀로 나누어 셀에 해당하는 계량화된 위험지수를 적용하고, 여러 계층의 범죄 예측 확률지도를 통합하여 통합된 위험도 확률지도를 생성한다. 이는 정적인 정보가 아닌 시간에 따라 위험도 확률지도가 변화될 수 있고, 객체 판독키의 추가 적용에 따라 달라질 수 있는 위험도 확률지도를 생성하여 범죄의 예방에 적용될 수 있는 모델 구성 방법을 제시한 것으로, 순찰 경로 및 감시 장비의 최적 배치에 활용될 수 있을 것이다.
In this paper we propose a method that can generate the risk probability map in the form of raster shape by using Markov Chain methodology applied to the object interpretation keys and quantified risk indexes. These object interpretation keys, which are primarily characteristics that can be identified by the naked eye, are set based on the objects that comprise the spatial information of a certain urban area. Each key is divided into a cell, and then is weighted by its own risk index. These keys in turn are used to generate the unified risk probability map using various levels of crime prediction probability maps. The risk probability map may vary over time and means of applying different sets of object interpretation keys. Therefore, this method can be used to prevent crimes by providing the ways of setting up the best possible police patrol beat as well as the optimal arrangement of surveillance equipments.