• 한국의학물리학회지:의학물리
• /
• 제24권2호
• /
• pp.127-132
• /
• 2013

환자 호흡할 때 흉 복부 내부에 있는 장기의 위치는 주기적으로 변한다. 이에 따라 방사선치료 동안 종양에 대한 선량불확도가 발생하게 되며, 불확도를 줄이기 위한 여러 방사선치료방법이 제시되고 있다. 호흡연동방사선치료는 특정 위상 또는 진폭에만 방사선을 조사하는 방법으로 불필요한 피폭선량은 줄일 수 있는 장점이 있지만 긴 치료 시간과 노력이 필요하다는 단점이 있다. 호흡연동방사선치료 중 회전세기조절방사선치료(respiratory gated Volumetric Modulated Arc Therapy, VMAT)는 다른 호흡연동치료시스템에 비해 치료 시간이 짧다는 장점이 있기 때문에 본 연구는 respiratory gated VMAT 치료 선량의 정확성을 검증하여 임상 적용의 적절성을 평가하고자 한다. 본 연구는 총 6개의 VMAT 치료계획(Eclipse, ver. 8.6, Palo Alto, USA)을 토대로 수행되었으며, 각각의 치료계획은 AAA 알고리즘을 이용해서 선량이 계산되었다. 환자의 호흡운동을 구현하기 위해 환자 테이블 위에 1차원운동팬텀이 사용되었으며, 영상 기반 추적 시스템(Real-time Position Management, RPM, Varian Medical Systems, Palo Alto, USA)을 통해 운동 주기 신호를 획득하였다. 또한, 2차원-이온함-배열(MatriXX, IBA, Germany) 측정기를 이용하여 특정 호흡 신호 위상에 따른 전달 선량을 측정하였다. 측정된 선량과 치료 계획된 선량을 정성적인 분석을 위해 상용화되어 있는 선량분석용 프로그램(I'mRT, IBA, Germany)을 통해 2차원 선량분포를 0에서 1사이의 감마지표(Gamma index) 비교 결과 모든 케이스에서 97% 이상의 일치함을 확인하였다. 따라서 호흡연동 회전세기조절 방사선치료는 호흡연동방사선치료의 단점인 시간적인 제약을 일정 부분 해소할 수 있었으며 2차원 선량분포 비교 결과 오차값 3%이내의 정확도에서 환자정도관리 수준을 만족하였고 임상적용이 가능함을 확인하였다.

• 한국해양학회지:바다
• /
• 제19권3호
• /
• pp.169-179
• /
• 2014

황해 남동부 해역에 설치한 해양부이(YSROB)에서 약 27개월간 관측된 장파, 단파 복사량을 포함한 대기, 해양 변수와 COARE 3.0 알고리즘을 이용하여 월평균 해양-대기간 열속을 산출하고 기존 연구결과와 비교하였다. YSROB 위치에서 열속은 순 단파복사(Qi)에 의해 해양은 대기로부터 열을 얻고 순 장파복사($Q_b$), 현열($Q_h$), 잠열($Q_e$)에 의해서 열손실이 일어난다. 전체 열손실 중 $Q_e$에 의한 손실이 51%로 가장 크게 나타났으며 $Q_b$와 $Q_h$에 의한 손실은 각각 34%, 15% 이다. 순열속($Q_n$)은 $Q_i$가 최대인 5월에 최대($191.4W/m^2$)이며 모든 열속 성분이 최소인 12월에 최소($-264.9W/m^2$)이다. 연평균 $Q_n$은 $1.9W/m^2$ 이지만 관측기기의 정확도에 의한 오차산정 결과(최대 ${\pm}19.7W/m^2$)를 고려하면 무시할 정도로 작다. YSROB과 동일한 위치에서의 기존 월별 열속 산출 결과는 YSROB에서 실측값에 기반한 열속에 비해 여름철 $Q_i$가 약 $10{\sim}40W/m^2$ 과소 평가된 반면에 겨울철에는 $Q_e$와 $Q_h$에 의한 열 손실이 각각 약 $50W/m^2$, $30{\sim}70W/m^2$ 과다하게 산출되었다. 이로 인하여 해양이 열을 얻는 4월~8월에는 기존 연구에서의 열 획득량이 본 연구 결과보다 적게 나타나며, 해양이 열을 잃는 겨울철에는 기존 연구에서의 해양으로부터의 열 손실이 본 연구 결과에 비해 크게 나타난다. 특히, 12월과 1월의 $Q_n$ 차이는 약 $70{\sim}130W/m^2$에 달한다. 장기적인 재분석장(MERRA) 분석 결과에 의하면 이와 같은 월평균 열속의 차이는 연변동 등 시간 변동에 의한 것이 아니라 열속 산출 시 사용된 자료의 부정확성에 기인하는 것으로 판단된다. 본 연구 결과로부터 기존의 기후적인 열속을 연구에 활용하거나 수치모델에 사용함에 있어 주의가 요망된다.

• 대한교통학회지
• /
• 제20권4호
• /
• pp.83-93
• /
• 2002

조사비용이 비교적 소요되더라도 추정해의 정확도를 높이기 위해 링크교통량과 target OD 외에 추가정보를 확보하여 OD추정을 하는 연구들이 시도되고 있다. 그러나 추가정보를 이용한 기존 OD추정기법은 대부분 추가정보의 특성 또는 장점을 유지하는 목적함수 구성 및 분석을 수행하지 못하여, 확보된 정보를 효율적으로 이용하지 못하는 문제를 가지고 있다. 본 연구의 목적은 관측교통량과 target OD외에 비용효율적인 추가정보를 이용하여 가능해의 범위를 좁힘으로써 추정OD의 정확도를 증진하는 것으로, 이를 위해 표본링크이용비(sample link use proportion)를 추가정보로 이용하였다. 즉 OD통행량과 링크교통량과의 관계를 target OD의 통행배분에서 구하지 않고, 도로변 면접조사에서 확보가능하며 신뢰성 높은 정보인 표본링크이용비를 이용하여 구하였다. 이에 따라 본 연구에서는 경로기반 비균형 통행배분개념 하에서 링크교통량 보존법칙을 고려할 필요가 없는 OD추정 해도출 알고리즘을 제시하였다. 시험네트워크에 대한 사례분석결과, 표본링크이용비는 추가정보의 정확도가 낮은 경우에도 효율적으로 OD 추정력을 향상시킬 수 있었다. 그리고 표본링크이용비를 이용한 OD 추정기법은 target OD 오차나 관측교통량 오차에 크게 영향을 받지 않아, 링크교통량이나 OD 행렬이 변화된 곳에서도 비교적 안정적인 OD 추정이 가능하였다. 또한 표본링크이용비를 추가정보로 이용할 경우에 이용정보간의 정밀도문제가 발생하기 때문에 다른 이용정보의 정밀도 수준을 고려하여 추가정보의 조사수준을 설정하여야 하며, 관측교통량을 기본정보로 하는 추정기법은 링크교통량을 일정수준까지는 관측하여야 추가정보의 자료활용성을 높일 수 있다는 점을 제시하였다. 마지막으로 링크상의 추가정보는 최적조사위치문제를 고려하여야 하며, 특히 정보의 정밀도 측면에서 볼 때 링크교통량의 최적관측위치문제보다 표본링크이용비의 최적조사위치문제가 추정력 향상에 더 중요한 영향을 미칠 수 있는 것으로 파악되었다.

• 한국농림기상학회지
• /
• 제17권1호
• /
• pp.25-34
• /
• 2015

농업기상 관측자료의 QC는 원자료의 튀는 값을 의심자료로 분류하거나 제거하는 사후 성격의 작업이다. 본 연구에서는 수원기상대의 2012, 2013년 농업기상 관측요소에 대하여 처음으로 QC를 시행하고, 관련 절차를 문서화하였다. QC 방법은 기상청의 실시간 품질관리 시스템을 참고하였고, 토양수분은 국제 토양수분관측망 QC 모듈을 참고하였으며, 그 외의 경우는 경험에 근거하여 자체적으로 고안한 기준을 적용하였다. 농업기상 관측자료에 이상의 품질검사 알고리즘들을 적용한 결과, 튀는 값과 비정상적인 값들이 사라지고, 보다 신뢰할 수 있는 시계열 자료가 확보되었으며, 보다 정확한 통계값이 산출되었다. 연직 기온, 토양온도 등의 온도 요소는 품질관리가 상대적으로 용이하게 이루어졌다. 그러나 토양온도의 튀는 값이 여름철에 집중된 것으로 볼 때, 강우에 따른 대비와 관측 장비의 철저한 관리가 필요하다고 사료된다. 한편, 온도 요소를 제외한 나머지 요소에는 각각의 자료 특성에 맞는 품질관리 방법의 개발이 시급하다. 특히 토양수분은 연직으로 깊이 들어가더라도 그 정도에 차이가 있을 뿐 강수량의 영향을 받음에도 불구하고, 앞에 제시한 일부 QC 방법은 0.10m 토양수분에 한정되어 있는 점이 한계로 작용하였다. 수원기상대에서 나타나는 토양수분의 겨울철 이상 변동은 ISMN 방식의 QC 모듈로도 걸러지지 않았으므로, 이에 대한 원인 분석이 이루어져야 할 것이다. 또한, 토양수분 QC에서 플래그가 부여된 의심자료들을 오류값으로 분류하기 위해서는 더욱 확실한 근거가 필요하다. 예를 들어 수원기상대의 경우, 여러 해 동안 측정된 토양수분 관측자료를 종합적으로 분석하여 수원기상대에서의 토양수분의 변화 양상이 매년 어떻게 반복되고 있는지 파악하는 것이 중요하다. 향후 단기적으로는 이번 QC 연구에서 자료의 신뢰도가 낮아 제외되었던 복사 변수와 지면온도 변수에 대한 QC가 이루어져야 하며, 수원 이외의 다른 농관 지점의 관측자료에 대해서도 QC가 속히 실시되어야 할 것이다. 중기적으로는 QC된 자료를 바탕으로 농업기상 정기보고서 작성 및 배포가 가능하다. 장기적으로는 기상청 및 KoFlux의 자동화 QC 프로그램, 수치모형을 이용한 비선형 변분 QC(예로, Lee et al., 2011) 등을 기반으로 농업기상 관측요소별 QC 수행의 고도화 및 자동화가 필요하다. 이러한 체계적인 개선을 통해 농업기상 관측자료의 품질경영이 한층 더 성취되면, 지상기상 관측자료에 버금가는 고품질의 농업기상 관측자료가 생산되어, 국내 유관기관, 학술 연구자, 농림업 현장 종사자 등 많은 이용자들에게 제공 및 활용될 것으로 기대된다. 이 연구에서 사용된 원자료 및 품질관리 결과 자료는 국가농림기상센터의 웹사이트(http://ncam.kr/page/req/agri_weather.php)에서 소정의 절차를 거쳐 이용할 수 있다.

• 생태와환경
• /
• 제47권3호
• /
• pp.186-193
• /
• 2014

본 연구는 MODIS 위성영상을 이용하여 광역적으로 진행되고 있는 식물계절학적 특징을 분석하고자 수행하였다. 위성영상을 이용한 식물계절학적 특징 분석은 현장 관찰 자료의 분석을 위한 전반적인 식물계절 경향성 및 변동성에 필요한 정보를 제공해 줄 수 있으며, 현장 관찰 값과 광역 식물계절 관측 값의 연결을 통하여 광역 수준에서 보다 정밀도 높은 식물 계절현상 모니터링을 가능하게 한다. 본 연구의 기반이 된 MODIS EVI 자료는 Timesat Algorithms의 double logistic function으로 평활화시켜 분석하였다. 제주${\rightarrow}$남해안${\rightarrow}$지리산${\rightarrow}$소백산${\rightarrow}$설악산의 위도 분포에 따라 식물계절 시작일은 늦어지는 경향을 보였다. 그러나 11년간 주요 산림 지역에서의 식물 계절 시작은 해마다 시작일에 다르게 나타나는 연변동의 특징을 보였다. 변동 자료를 고차다항식으로 변형한 결과, 제주도는 연간 0.38일, 소백산지역은 0.174일 계절 시작이 늦어지고, 남해안은 0.32일, 지리산은 0.239일, 설악산 지역은 0.119일 개엽일이 빨라지고 있는 것으로 나타났다. 우리나라 전체 식물계절 시작 시기의 특징을 공간적으로 살펴보면, 주요 산림 지역은 늦어지고, 분지나 산록의 남사면지역에는 빨라지는 것으로 나타났다. 지역적으로 살펴보면, 제주도의 남서해안 및 북동해안 사면지역, 동남해안 지역이 빠른 경향을 보였다. 행정구역별 식물계절 시작 시기를 분석한 결과, 2001년에는 서울과 경기도, 동해안, 남해안, 마산, 창원, 밀양, 대구, 제주도를 중심으로 빠르게 시작되었다. 이는 서울, 경기도, 마산, 창원, 밀양, 대구 등의 도시지역은 도시화에 따른 기온상승의 영향인 것으로 해석된다. 이 같은 경향은 2005, 2010년에도 같은 경향으로 보이고 있어 도시화가 식물계절 변화에 중요한 영향을 미치고 있는 것으로 해석할 수 있다. 본 연구의 시간적 규모인 10년 이내에서는 기후변동에 따른 식물계절 현상의 변이성을 잘 나타내었으며, 이러한 식물계절 모니터링 기법은 30년 이상의 보다 장기적인 자료를 축적을 통하여 기후변화 양상에 따른 생물 계절 현상 변화와 해석에 중요한 역할을 할 것으로 생각된다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.177-192
• /
• 2016

기계학습(Machine Learning)은 인공 지능의 한 분야로, 데이터를 이용하여 기계를 학습시켜 기계 스스로가 데이터 분석 및 예측을 하게 만드는 것과 관련한 컴퓨터 과학의 한 영역을 일컫는다. 그중에서 SVM(Support Vector Machines)은 주로 분류와 회귀 분석을 목적으로 사용되는 모델이다. 어느 두 집단에 속한 데이터들에 대한 정보를 얻었을 때, SVM 모델은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 집단에 속할지를 판단해준다. 최근 들어서 많은 금융전문가는 기계학습과 막대한 데이터가 존재하는 금융 분야와의 접목 가능성을 보며 기계학습에 집중하고 있다. 그러면서 각 금융사는 고도화된 알고리즘과 빅데이터를 통해 여러 금융업무 수행이 가능한 로봇(Robot)과 투자전문가(Advisor)의 합성어인 로보어드바이저(Robo-Advisor) 서비스를 발 빠르게 제공하기 시작했다. 따라서 현재의 금융 동향을 고려하여 본 연구에서는 기계학습 방법의 하나인 SVM을 활용하여 매매성과를 올리는 방법에 대해 제안하고자 한다. SVM을 통한 예측대상은 한국형 변동성지수인 VKOSPI이다. VKOSPI는 금융파생상품의 한 종류인 옵션의 가격에 영향을 미친다. VKOSPI는 흔히 말하는 변동성과 같고 VKOSPI 값은 옵션의 종류와 관계없이 옵션 가격과 정비례하는 특성이 있다. 그러므로 VKOSPI의 정확한 예측은 옵션 매매에서의 수익을 낼 수 있는 중요한 요소 중 하나이다. 지금까지 기계학습을 기반으로 한 VKOSPI의 예측을 다룬 연구는 없었다. 본 연구에서는 SVM을 통해 일 중의 VKOSPI를 예측하였고, 예측 내용을 바탕으로 옵션 매매에 대한 적용 가능 여부를 실험하였으며 실제로 향상된 매매 성과가 나타남을 증명하였다.

• 한국의학물리학회지:의학물리
• /
• 제3권2호
• /
• pp.1-12
• /
• 1992

전자선을 이용한 수술중 방사선치료를 위해서는 수술중에 드러내 놓은 종양에 고선량의 방사선을 조사하되 주변 정상 조직을 보존하기 위하여 cone 장치를 개발할 필요가 있으며, 임상에 필요한 자료를 얻는 것 뿐만아니라 콜리메이터에 의한 적정 X-선 창 크기도 정할 필요가 있다. holder와 cone으로 이루어진 알루미늄제 결합형 cone장치를 개발하였다. 광자선의 SSD 100cm에서 조사면 크기가 직경 4～9cm이면서 lcm씩 차이가 있는 28cm 길이의 원통형 cone을 만들였으며, holder는 cone의 직경이 7cm이상인 것과 미만인을 것을 접속시키기 위해 따로 두 개를 만들었다. holder의 측면에는 조사부위를 관찰하기 위한 거울과 조명등을 삽입할 수 있는 개구부를 두었다. cone에 의한 조사면 크기와 콜리메이터에 의한 X선 창의 크기의 여러 가지 결합에 대하여 수중의 전자선의 깊이선량분포독선 및 측방선량분포곡선, 선량분포를 1차원 물팬톰 장치로 조종하는 p-형 실리콘 검출기로 측정하였다. 출력계수도 p-형 실리콘 검출기로 수중에서 측정하였다. 전자선의 에너지와 cone의 크기의 결합이 일정할지라도 콜리메이터에 의한 X-선 창의 크기는 표면선량 및 최대신량점의 깊이, 80% 선량점의 깊이, 측방선량분포, 출력계수에 영향을 미쳤다. 그중, 출력계수의 변화가 가장 현저하였다. 예로서 9 MeV 전자선의 출력계수는 0.637과 1.549의 범위에 있었다. 콜리메이터에 의한 X-선 창의 크기는 수술중 전자선치료용 cone 장치의 벽으로 향하는 산란 전자의 양에 영향을 미치고, cone장치에서 다시 산란된 전자는 출력계수 뿐만 아니라 선량분포도 바꿀 것으로 생각된다. 따라서 수술중 전자선치료용 cone장치에 대한 선량분포 측정은 임상에서 선량의 불확정도를 최소화하기 위해 필수적이다.능적으로 평가되어야 하므로 앞으로 이에 대한 연구가 요구된다.수 있었다. 즉, $a^{*}$ / $b^{*}$ 의 비값이 1이상 흑은 1에 가까울 때는 미숙기, 0.8 부근 일때는 적숙기, 0.8보다 작아 질수록 적숙기에서 과숙기로 점차 옮아감을 알 수 있었다.지해줄 수 있는 문헌들이 충분히 고찰되지 못하였고, 이론적배경 또한 횡문화 이론과의 관련성이 적었다. 또한 횡 문화 연구에 기초가 되는 연구대상자의 사회 인구학적 특성과 역사적 배경은 잘 나타났으나, 이론적 연구와 경험적 연구 간에 괴리가 있었다. 3. 표본추출방법은 문화에 기반을 둔 대상자를 선정한다는 점에서 한계성 이 있었다. 4. 방법론적 이유로는 대상자와의 면담시간이 구체적으로 기술되지 않았으며, 고유한 언어를 통역하는 과정에서 의미론적 문제에 대한 고려가 부족하였다. 면접과 기록과정에서 보면 자료의 기록과정과 분류 및 분석과정이 명시되어 있지 않았다. 참여관찰과 면접방법을 사용시 이에 대한 자세한 기술이 되어 있지 않았다. 5. 연구결과의 적용 및 이에 대한 논의는 상당히 제한되어 있었는데, 수편의 연구만이 방법론 문제점과 앞으로의 연구분야에 대한 전망을 제시하였으며, 특이한 것은 어 떤 연구자도 이른 개발을 위한 적용 및 임상실무적 차원에서 간호에 대한 제언을 하지 않았다.유모델변수들은 유입-유출 자료들로부터 평가할 수 있으며, 이를 위해서 본 논문에서는 Gauss-Newton 방법을 이용한 Bard 알고리즘을 사용하였다. 서울 구로구 시흥동 산사태 발생 지역의 산사면에 대하여 개발된 모델을 적용하여 예제 해석을 수행함으로써, 지하수 흐름 모델이 산사태 발생 예측을 위하여 이용할 수 있음을 입증하였다. 또한, 매개변수분석 연구를 통하여, 변수 a값은 작은 변화에 대하여 목적함수값에 큰 변화를

• 정보보호학회논문지
• /
• 제28권1호
• /
• pp.25-39
• /
• 2018

최근 NIST에서는 암호학적 난수발생기의 핵심 요소인 엔트로피 소스의 안전성을 평가하기 위한 방법을 다루고 있는 SP 800-90B 문서의 두 번째 수정안과 이를 Python으로 구현한 코드를 제공하였다. SP 800-90B에서의 엔트로피 소스에 대한 안전성 평가는 엔트로피 소스의 출력 표본 수열로부터 도출한 여러 가지 추정량(estimator)에 기반 하여 최소 엔트로피를 추정하는 과정이다. 최소 엔트로피 추정 과정은 IID 트랙과 non-IID 트랙으로 대별되어 진행된다. IID 트랙의 경우 MCV 추정량만을 사용하여 속도 측면에서 무리가 없다. 반면 non-IID 트랙에서는 MCV를 포함한 총 10 가지의 추정량을 적용해 최소 엔트로피를 추정하게 된다. NIST의 코드에서 non-IID 트랙의 1 회 구동 시간은 약 20 분이 소요되고, 사용되는 메모리는 5.5 GB를 넘긴다. 이는 다양한 잡음원으로 반복적인 평가를 수행해야 하는 평가 기관 또는 여러 환경에서 실험을 수행해야 하는 개발자나 연구자 입장에서는 NIST에서 제공한 Python 코드를 이용하는 것이 불편할 수 있으며, 환경에 따라 실행이 불가할 수도 있다. 본 논문에서는 SP 800-90B의 최소 엔트로피 추정 방법에 대한 고속 구현과 효율적인 메모리 사용 기법을 제시한다. 주요 연구 결과로 MultiMCW 추정 방법에 C++ 코드의 장점을 적용한 고속화 방법, MultiMMC 추정 방법의 데이터 저장 방식을 재구성하여 메모리 사용량을 현저하게 감소시킴과 동시에 고속화한 방법, LZ78Y 추정 방법에 데이터 저장 방식의 재구성을 통한 고속화 기법 등을 제안한다. 우리의 개선된 방법이 종합적으로 적용된 C++ 코드는 NIST에서 제공한 기존의 Python 코드와 비교할 때, 속도는 14 배 빠르고 메모리 사용량은 1/13로 감소하는 효과를 보인다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.959-974
• /
• 2021

Forel-Ule Index (FUI)는 자연에 존재하는 담수 및 해수의 색을 남색부터 고동색까지 21 가지의 등급으로 구분하는 지표이다. FUI는 여러 선행연구에서 수계의 부영양화 지수, 수질인자, 광 특성 등과 연관 지어 분석되었으며, 여러 수질인자의 광학적 정보를 동시에 가지고 있는 새로운 수질 지표로써의 가능성이 제시되었다. 본 연구에서는 500 m의 높은 공간해상도를 가지는 정지궤도 해양위성해색탑재체(Geostationary Ocean Color Imager; GOCI) 관측 자료와 Random Forest (RF) 기계학습 기법을 활용하여 Ocean Colour-Climate Change Initiative(OC-CCI) 기반의 4 km FUI 자료를 공간 상세화 시켰다. 이를 활용하여 우리나라 연안 해역에 대한 수질인자와의 상관관계와 주요 해역에 대한 FUI의 공간적 분포 및 계절별 특성 변화를 분석하였다. 검증 결과 RF 기법으로 추정한 RF FUI는 결정계수(R²)=0.81, 평균 제곱근 오차(Root Mean Square Error; RMSE)=0.7784로, Pitarch의 OC-CCI FUI 알고리즘을 적용하여 계산한 GOCI FUI 추정 정확도(R²=0.72, RMSE=0.9708) 대비 향상된 결과를 보였다. RF FUI는 총 질소(Total Nitrogen), 총 인(Total Phosphorus), 클로로필-a(Chlorophyll-a), 총 부유물질(Total Suspended Solids), 투명도(Secchi Disk Depth)를 포함하는 5가지 수질인자와 각각 0.87, 0.88, 0.97, 0.65, -0.98의 상관계수로 강한 상관성을 보였다. 산출된 FUI의 시간적 패턴 역시 여러 수질인자와의 물리적 관계를 반영하며 유의미한 계절적 패턴의 변화를 보였다. 본 연구의 결과로 한반도 연안 수질 관리에서 고해상도 FUI의 활용 가능성을 제시하였다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.64-80
• /
• 2018

우리나라의 시민들은 범죄에 대한 일반적인 사항만을 알 수 있을 뿐, 자신이 범죄위험에 얼마나 노출되어 있는지를 파악하기 어렵다. 경찰의 입장에서도 범죄발생 지역을 예측할 수 있다면 경찰력이 부족한 상황에서 효율성 있게 범죄에 대처 가능할 것이지만 아직 우리나라에서는 예측시스템이 없고, 관련 연구도 매우 부족한 실정이다. 이에 본 연구에서는 범죄발생 위험지역 예측 자동화 시스템 개발의 첫 번째 단계로 빅데이터로 구축 가능한 범죄정보와 도시지역 자료를 바탕으로 머신러닝 방식을 통해 한국형 범죄발생 위험지역 예측 모형을 개발하고자 한다. 또한 시나리오를 가정하여 범죄발생 확률을 지도로 시각화함으로써 사용자의 이해도를 높이도록 하였다. 선행 연구 및 사례에서 범죄발생에 영향을 미치는 요인 중 빅데이터로 구축 가능한 범죄정보, 날씨정보(기온, 강수량, 풍속, 습도, 일조, 일사, 적설, 전운량), 지역정보(평균 건폐율, 평균 용적율, 평균 높이, 총 건축물수, 평균 공시지가, 평균 주거용도면적, 평균 지상층수)를 머신러닝에 활용할 수 있도록 데이터를 사전 처리하였다. 머신러닝 알고리즘으로서 지도학습 모형 중 다양한 분야에서 활용되며 정확도가 높다고 알려진 의사결정나무모형, 랜덤포레스트모형, Support Vector Machine(SVM)모형을 활용하여 범죄 예측 모형을 구축하고 비교 분석하였다. 그 결과 평균 제곱근 오차(Root Mean Square Error, RMSE)가 낮아 예측력이 높은 의사결정나무모형을 최적모형으로 선정하였다. 이를 바탕으로 가장 빈번하게 발생하는 절도와 폭력범죄를 대상으로 시나리오를 작성하여 범죄 발생 위험지역을 예측한 결과, 사례도시 J시는 위험지역이 3가지 패턴으로 발생하는 것으로 나타났으며, 각각 발생확률을 3 등급으로 구분하여 $250{\times}250m$ 단위의 지도형태로 시각화할 수 있었다. 본 연구는 향후 자동화 시스템으로 개발하여 시시각각으로 변하는 도시 상황에 따라 실시간으로 예측 결과를 시각화하여 제공함으로써 보다 범죄로부터 안전한 도시환경 조성에 기여하고자 한다.