• 한국컴퓨터정보학회논문지
• /
• 제18권5호
• /
• pp.147-156
• /
• 2013

현대 사회의 각 분야는 산업화와 과학기술의 발전으로 빠르게 변화한다. 그러나 빠른 사회 변화의 부작용으로 다양한 문제가 발생하고 있는데, 그 중 범죄는 큰 문제이다. 본 논문은 범죄를 예측하기 위한 모델로 마코프 체인을 적용한 범죄 예측 모델링을 제안한다. 기존의 마코프 체인 모델링은 한 사건의 전체 상태만으로 미래 예측 확률을 구하였으나, 본 논문은 사건 발생 확률 예측을 높이기 위해 전체 상태 예측 확률과 최근 상태 예측 확률로 나누었다. 그리고 전체 상태 예측 확률과 최근 상태 예측 확률의 평균값을 적용하여 미래 예측 확률 모델링으로 구현했다. 데이터는 범죄 발생 건수를 적용하였다. 그 결과 전체 상태만을 대상으로 예측확률을 적용 하였을 때 보다, 전체 상태와 최근상태로 나누어 확률 값을 구한 후, 그 평균값을 예측 확률로 적용하였을 때, 범죄 발생 예측에 근접하다는 결론을 얻었다.

• 융합보안논문지
• /
• 제14권6_2호
• /
• pp.89-95
• /
• 2014

본 연구는 서울시의 범죄와 기상변화 및 불쾌지수를 상관관계분석을 하고 회귀분석을 통해 예측식을 제시하였다. 본 연구에서 사용된 데이터들은 서울지방경찰청 2008년 1월부터 2012년 12월까지의 범죄데이터와 포털사이트를 통해 기상청에 기록된 기상기록 및 불쾌지수를 사용하였다. 이 데이터를 토대로 범죄와 기상변화 및 불쾌지수의 상관관계분석과 회귀분석을 하기 위해 SPSS 18.0을 활용하였고, 분석을 통해 예측식을 도출하고 도출된 예측식을 통해 얻어진 예측값에 따라 위험지수를 5단계로 나타내었다. 이 같이 구분된 5단계의 위험지수를 통해 범죄예방활동에 중요한 자료로 활용될 것이라 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제17권3호
• /
• pp.95-103
• /
• 2012

현대 사회는 다양한 범죄들이 발생하고 있고, 범죄를 예방하기 위한 연구가 진행되고 있다. 기존의 범죄에 관련된 연구들은 범죄가 발생하는 공간과 지리정보를 분석하거나, 범죄자들의 범죄 유형을 분석하는 연구들이 진행되어 왔다. 그러나 기존의 연구들은 지리적, 심리학적인 연구를 통해 범죄가 발생하는 지역과 동기들을 분석하여 범죄를 예방하기 위한 연구들이 대부분이다. 본 논문에서는 마코프 프로세서를 도입하여 범죄를 예측하기 위한 모델링을 제시한다. 여러 범죄 중 살인, 공무원 범죄, 폭력의 범죄 발생 건수를 사용하여 시간에 따른 범죄 발생 건수를 예측하였다. 본 논문에서 제시한 범죄 예측 모델링에서 사용될 범죄 발생 평균값에 범죄가 발생한 기간에 발생한 범죄 발생 건수의 전체 평균값, 1년 평균값, 최근 평균값으로 분류하여 어느 것이 예측 확률을 높일 수 있는 지 비교하였고, 최근 평균값을 적용하는 것이 범죄 발생 예측확률을 높일 수 있음을 확인하였다.

• 인터넷정보학회논문지
• /
• 제24권6호
• /
• pp.99-105
• /
• 2023

4차 산업혁명 시대의 흐름에 발맞춰 형사사법 분야에서는 효율적인 법률서비스 제공을 위해 인공지능을 활용한 리걸테크(Legaltech)에 주목하고 있다. 본 논문은 국내 형사사법 분야의 리걸테크 활용 가능성을 증대시키기 위해 순환신경망(RNN)을 적용할 수 있는 범죄 예측 모델을 제시한다. 이를 위하여 판결문상 기술된 범죄사실에 기반하여 스크립트 분석기법 활용을 통해 범행 과정을 전·중·후 단계로 구분하였다. 또한, 각 시점에 따라 범죄의 수법과 증거 등을 수사 8하원칙이 가지는 문장 구성 요소와 한국어 품사 구성에 기반하여 객체·행위·환경으로 분류하였다. 이 연구에서 도출된 사건 요약 분석 틀은 특정 범죄 수법의 전형적인 패턴을 파악하기에 용이하며 상황적 범죄예방 전략을 수립하는데 기여할 수 있다. 나아가 이 연구의 결과는 향후 후속연구에서의 RNN모델 기반 범죄 상황 예측 데이터 생성 연구에 유용한 참고자료로 활용될 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제20권1호
• /
• pp.93-101
• /
• 2015

현대 사회는 다양한 범죄가 발생하고 있다. 범죄를 예방하기 위해서는 범죄를 예측 하는 것이 필요하고, 범죄 예측에 관한 다양한 연구가 진행 중에 있다. 범죄 관련 데이터는 검찰청에서 1년에 한번 통계처리를 하여 발표하고 있다. 그러나 통계처리 된 자료는 현재 시점을 기준으로 약 2년 전의 자료로 현재 발생하는 범죄에 대한 데이터로 적합하지 않다. 본 논문은 범죄를 예측하는 데이터로 네이버 트랜드를 적용했다. 네이버 트랜드의 웹 검색 트래픽을 이용하면, 현재 발생하는 범죄에 대한 관심도 데이터를 얻을 수 있다. 네이버 웹 검색 트래픽 데이터를 이용하여 범죄를 예측할 수 있는 모델링을 구성하였고, 예측 이론으로 마코프 체인을 적용하였다. 다양한 범죄 중 살인, 방화, 강간을 대상으로 예측 모델링에 적용하였고, 결과 값을 분석하였다. 그 결과 실제 발생한 범죄 발생 빈도수를 기준으로 20%이내의 유사한 결과를 얻었다. 향후에는 계절의 특성을 고려한 범죄 예측 모델링에 대한 연구를 진행할 예정이다

• 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.

• 한국공간정보시스템학회 논문지
• /
• 제10권2호
• /
• pp.63-79
• /
• 2008

고급 GIS 및 복잡한 공간 분석 기술이 발전함에 따라 다양한 의사 결정 지원 시스템에서 지리적 혹은 공간적 문제 해결을 위한 고급 지식을 지원하기 위해 더욱 강력한 기술이 필요하게 되었다. 또한, 법집행 기관 및 수사 기관 등을 중심으로 효율적인 수사 및 향후 범죄 예방을 위해 과학 수사, 법 과학에 관한 연구의 필요성이 증대되고 있다. 특히, 연쇄 범죄의 공간적 패턴을 분석함으로써 범죄자의 거점 위치를 예측하기 위한 지리적 프로파일링(Geographic Profiling)에 대한 연구가 활발하다. 그러나, 기존의 지리적 프로파일링 연구에서는 공간적 패턴 분석을 위해 단순히 통계적 방법만을 사용하고 있고, 연쇄 범죄에 대한 다양한 공간적, 시간적 분석 기술을 지원하지 않으므로 거점 예측시 낮은 정확도를 보인다. 그러므로, 본 논문에서는 범행 위치의 공간적 분포와 범죄 발생의 시간적 분포 특성에 따라 연쇄 범죄의 시공간 패턴을 유형화하고, 이를 기반으로 연쇄 범죄의 거점 위치를 보다 정확하게 예측하는 알고리즘으로 STA-BLP(Spatio-Temporal Analysis based Base Location Prediction)을 제안한다. STA-BLP는 하나의 거점으로부터 특정 방향을 선호하여 이동하며 발생되는 연쇄 범죄의 비등방성 패턴을 고려하고, 동일한 경로에 대한 반복 이동에 대한 범죄자의 학습 효과를 고려함으로써 예측 정확도를 개선시킨다. 또한, 다수의 군집화된 범행 위치들로부터 각 군집에 소속된 범행 위치들에 대한 지역적 거점 위치 예측과 모든 범행 위치에 대한 전역적 거점 위치 예측을 통해 거점이 다수 존재하는 연쇄 범죄의 경우에도 보다 정확한 예측을 수행한다. 마지막으로 다양한 실험을 통해 기존에 제시된 알고리즘과 STA-BLP의 예측 정확도를 비교하여 제안 알고리즘의 우수성을 입증하였다.

• 한국지리정보학회지
• /
• 제20권4호
• /
• pp.89-101
• /
• 2017

범죄는 장소나 건축물 용도에 따라 발생빈도와 유형이 다르고, 그 장소를 이용하는 사람들의 특성 및 공간 구조 차이에 의해 다양하게 발생한다. 따라서 공간 및 지역특성을 포함한 공간 빅데이터를 활용하여 지역을 분석해 보면 범죄예방 전략을 마련할 수 있다. 아울러 빅데이터와 지능 정보화시대의 도래에 따라 예측적 경찰활동이 새로운 경찰활동의 패러다임으로 등장하고 있다. 이에 보편적인 지방도시 J시를 대상으로 3개년 동안의 7,420건의 실제 범죄사례를 바탕으로 도시공간의 물리 환경적인 특성을 분석하여 범죄발생공간을 규명하고, 위험지역을 예측해 보고자 하였다. 분석에는 다양한 빅데이터 중 범죄를 유발하는 도시 공간 내 물리 환경적 요소에 한하여 공간 빅데이터를 구축하여 공간회귀분석을 실시하였다. 다음으로 분석결과 도출된 가로폭, 평균 층수, 용적율, 1층 사용용도(제2종 근린생활시설, 상업시설, 유흥시설, 주거시설)을 변수로 베이지안확률 기반 범죄발생 위험성 예측 모형(CIPM: Crime Incident Prediction Model)을 개발하였다. 개발된 모델은 실제 범죄발생 지역과의 중첩분석 및 모델의 정확도를 판단하는 Roc curve 분석을 통해 AUC 값이 0.8로 모델이 적합한 것으로 나타났다. 개발된 모델을 토대로 사례지역의 범죄 위험도를 분석한 결과 범죄발생은 상업 및 유흥시설이 밀집된 지역과 건물층수가 높은 지역, 그리고 상업 및 유흥시설과 주거가 혼재해 있는 블록이 범죄발생 확률이 높은 것으로 나타났다. 본 연구는 단순히 범죄의 공간적 분포와 범죄발생 영향요인을 탐색하는 기존의 연구와 달리 범죄발생 예측모델을 확률론적 관점에서 개발하는 영역으로 한 단계 진전되었다는 점에 의의가 있다.

• 한국컴퓨터정보학회논문지
• /
• 제11권4호
• /
• pp.221-230
• /
• 2006

급격하게 변화하는 현대도시의 삶은 도시인의 평균 정주기간을 갈수록 짧아지게 하였으며 이것은 도시 주거지의 정체성을 약화시킴으로써 급격한 강력범죄 발생을 유도하였고 이에 따라 도시안전은 심각하게 저해되었다. 도시는 메크로 할 뿐만 아니라 마이크로 한 특성을 갖는 매우 복합적인 구조로써 범죄발생 또한 범죄자의 개인적인 동기를 포함하여 도시의 사회적, 경제적, 공간적 구성관계 속에서 나타나는 매우 복합적인 현상으로 파악된다. 따라서 본 연구에서는 급속히 증가하는 도시 내의 강력범죄 발생패턴을 사회적, 경제적, 공간적으로 분석하여 그 구조적 역학관계를 메크로하며 마이크로하게 규명함으로써 범죄발생을 유형적 시간적, 공간적으로 예측하는 범죄예측 프로그램의 개발이 필요함을 강조하였다. 나아가 범죄발생과 밀접하게 관련된 다양한 인자들을 도출한다면 도시범죄의 발생구조를 보다 명확히 규명할 수 있을 것이다.

• 전자통신동향분석
• /
• 제35권2호
• /
• pp.17-27
• /
• 2020

Predicting where and when a crime may occur in an area of interest is one of many strategies of predictive policing. Multidimensional analysis, including CCTV, can overcome the limitations of hotspot prediction, especially of violent crimes. In order to identify the precursors of a crime, it is necessary to analyze dynamic data such as attributes and activities of people, social information, environmental information, traffic flows, and weather. These parameters can be recognized by CCTV. In addition, it provides accurate analysis of the circumstances of a crime in a dynamic situation, calculates the risk, and predicts the probability of a crime occurring in the near future. Additionally, it provides ways to gather historical criminal datasets, including sensitive personal information.