• ETRI Journal
• /
• 제43권2호
• /
• pp.272-287
• /
• 2021

This article presents a multi-dimensional spatial pattern analysis of crime events in San Francisco. Our analysis includes the impact of spatial resolution on hotspot identification, temporal effects in crime spatial patterns, and relationships between various crime categories. In this work, crime prediction is viewed as a classification problem. When predictions for a particular category are made, a binary classification-based model is framed, and when all categories are considered for analysis, a multiclass model is formulated. The proposed crime-prediction model (HotBlock) utilizes spatiotemporal analysis for predicting crime in a fixed spatial region over a period of time. It is robust under variation of model parameters. HotBlock's results are compared with baseline real-world crime datasets. It is found that the proposed model outperforms the standard DeepCrime model in most cases.

• 한국지리정보학회지
• /
• 제15권4호
• /
• pp.78-89
• /
• 2012

본 연구는 범죄발생 자료를 이용하여 시계열적으로 공간적 분포특성을 파악하고, 범죄발생 장소의 공간적 환경 특성을 분석함으로써 도시공간의 물리적인 환경 개선을 통한 범죄예방 가능성을 타진해 보는데 목적이 있다. 사례도시의 범죄자료는 지리정보시스템을 이용하여 공간데이터로 변환하여 사용하였다. 범죄발생의 공간분석을 통해 향후 범죄발생 지역의 변화를 확인하고, 환경설계나 도시계획으로 범죄를 예방할 수 있는 방안을 제시하였다. 구체적으로 2008년과 2011년 2개년 동안 범죄발생의 공간적 분포 패턴을 분석해 본 결과 국지적인 핫스팟의 이동이 발견되었다. 또한 상업지역을 중심으로 도로를 따라 선형으로 범죄 다발지역이 형성되고, 블록의 내부보다 도로변의 환경개선과 범죄예방 전략이 중요함을 알 수 있었다. 이외에도 사례지역을 위험지역과 안전지역으로 분류하고, 안전한 도시 만들기를 위해 도시계획 관점에서 접근하는 것도 필요함을 지적하였다. 연구의 결과는 도시의 물리적 환경개선으로 근본적인 범죄예방을 도모하고 그 결과로서 안전도시를 만드는데 기여할 것이다.

• 한국위성정보통신학회논문지
• /
• 제9권4호
• /
• pp.57-62
• /
• 2014

본 논문에서는 빅 데이터를 이용하여 범죄 발생 패턴을 분석하는 알고리즘을 제안하고 구현했다. 제안된 알고리즘은 대검찰청에서 수집하여 공개한 범죄관련 빅 데이터를 사용하며, 표준편차 타원체 및 공간밀도 분석과 같은 공간통계분석을 통해 서울시의 2011-2013년 범죄발생 패턴을 분석했다. 범죄 발생 빈도수를 이용하여 범죄발생지역, 시간, 요일, 장소의 위험지수를 구했고, 범죄 패턴 분석 알고리즘을 통해 범죄 발생 확률을 구했다. 이를 통해 공간통계분석을 했다. 제안된 알고리즘의 구현 결과, 서울시의 각 구별로 범죄발생 패턴이 다르다는 것을 파악할 수 있었고, 다양한 범죄발생 패턴을 분석하고 범죄발생확률을 위험지수를 통해 수치화하여 위험도를 정량적으로 산출할 수 있었다.

• 유통과학연구
• /
• 제16권7호
• /
• pp.47-56
• /
• 2018

Purpose - This study aims to not only investigate spatial pattern of immigrants' residence and crime occurrences in South Korea, but shed light on how geographic distribution of immigrants and immigrant segregation affect crime rates. Research design, data, and methodology - Th unit of analysis is Si-Gun-Gu municipal level entities of South Korea. The crime data was obtained by Korea National Police Agency and two major types(violence and property) of crime were measured. Most demographic, social, and economic variables were derived from Korean Census Data in 2015. In order to examine spatial patterns of immigrants' distribution and crime rates in South Korea, the present study utilized GIS mapping technique and Exploratory Spatial Data Analysis(ESDA) tools. The causal linkage was investigated by a series of regression models using STATA. Results - Spatial inequality between urban metropolitan vs rural areas was visualized by mapping. Assuming large Moran's I value, spatial autocorrelation appeared to be quite strong. Several neighborhood characteristics such as residential stability and economic prosperity were found to be important factors leading to crime rate change. Residential distribution and segregation for immigrants were negatively significant in the regression models. Conclusions - Unlike the traditional arguments of social disorganization theory, immigrant segregation appeared to reduce violent crime rate and the high proportion of immigrants also turned out to be a crime prevention factor.

• ETRI Journal
• /
• 제43권6호
• /
• pp.1058-1080
• /
• 2021

Crime is not a completely random event but rather shows a pattern in space and time. Capturing the dynamic nature of crime patterns is a challenging task. Crime prediction models that rely only on neighborhood influence and demographic features might not be able to capture the dynamics of crime patterns, as demographic data collection does not occur frequently and is static. This work proposes a novel approach for crime count and hotspot prediction to capture the dynamic nature of crime patterns using taxi data along with historical crime and demographic data. The proposed approach predicts crime events in spatial units and classifies each of them into a hotspot category based on the number of crime events. Four models are proposed, which consider different covariates to select a set of independent variables. The experimental results show that the proposed combined subset model (CSM), in which static and dynamic aspects of crime are combined by employing the taxi dataset, is more accurate than the other models presented in this study.

• 정보보호학회논문지
• /
• 제25권4호
• /
• pp.767-780
• /
• 2015

최근 몇 년간 스마트폰의 보급률이 폭발적으로 증가하면서 사이버범죄는 기존의 수사체계의 한계를 넘어서는 새로운 형태의 수사단서들을 쏟아내고 있다. 일선 경찰관서에서는 사건 접수 시 피해자로부터 이러한 형태의 수사단서를 수집하여 방대하게 축적하고 있으나, 이를 체계적으로 관리하고 있지 않아 많은 데이터 속에서 이것이 내포하고 있는 숨은 의미를 지나치는 경우가 많다. 사이버범죄에서 주 범행 도구인 컴퓨터 시스템의 특성상 기계적이고 복잡한 단서가 대량 생성되므로, 수집된 수사단서를 체계적으로 분류, 단순화하여 분석할 필요가 있다. 본 논문에서는 국내에서 발생되는 사이버범죄 유형에 따른 수사단서를 체계적으로 분류, 단순화하여 주요수사단서를 선정하고, 데이터 마이닝 및 시각화를 통해 사건 수사단서 간 상호 연관성을 확인할 수 있었다. 이러한 사이버범죄 데이터 활용을 통해 범죄 조기차단 및 중복수사를 방지하여 수사의 효율성을 증대하고 사이버범죄 예방을 도모하고자 한다.

• 한국지리정보학회지
• /
• 제12권1호
• /
• pp.12-25
• /
• 2009

본 연구는 마산시의 범죄발생 데이터를 이용하여 범죄발생의 특성을 파악하고, 범죄발생의 영향인자를 찾아내어 안전한 도시환경 조성에 도움이 되는 정보를 발견하는데 목적이 있다. 먼저 지리정보시스템을 이용하여 범죄 밀도분석 및 핫스팟(hotspot)분석 등을 통해 지역 범죄 발생패턴을 지도화하고, 공간회귀모델링 등의 공간통계분석을 통해 범죄율과 범죄영향요인간의 관계를 규명하였다. 그 결과 범죄는 생활주기 및 범죄유형에 따라 시계열적으로 일정한 패턴을 가지고 발생할 뿐 아니라, 공간적으로도 인접하여 발생하는 군집적 특성이 있음을 발견할 수 있었다. 모든 범죄유형의 발생에서 공간적 자기상관이 존재하였으며, 강도범죄율이 가장 높은 공간적 자기상관이 있는 것으로 분석되었다. 5대 총범죄율과 절도범죄율의 경우는 노령자인구비, 재산세, 도소매업수, 숙박음식업종수가 범죄율에 유의하고, 폭력범죄의 경우는 인구밀도가 유의미하며 범죄율에 부(-)적 영향을 미치는 것으로 분석되었다. 연구 결과는 범죄로부터 안전한 U-City 구현을 위한 관련 정책수립 등에 기초적인 자료로 활용될 수 있을 것으로 기대된다.

• 한국위성정보통신학회논문지
• /
• 제10권2호
• /
• pp.40-45
• /
• 2015

본 논문에서는 빅 데이터를 이용하여 범죄 발생 요인에 따른 범죄 예측 알고리즘을 구현했다. 제안된 알고리즘은 대검찰청에서 수집하여 공개한 범죄관련 빅 데이터를 사용하였으며, 통계분석을 통해 서울시의 2011-2013년 범죄발생 패턴을 분석했다. 범죄예측 알고리즘 구현을 위해 베이지안 네트워크를 적용하였으며, 범죄발생 요인으로서 공간적, 인구적, 사회적 특성 및 요일, 시간, 날씨와 같은 기타 요인으로 베이지안 네트워크의 노드를 구성하였다. 제안한 알고리즘의 구현 결과, 서울시의 각 구별로 범죄발생 패턴이 다르다는 것을 파악할 수 있었으며, 다양한 범죄발생 패턴을 분석하고, 범죄예측 알고리즘의 정확도를 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제19권12호
• /
• pp.309-317
• /
• 2014

최근, 범죄가 증가함에 따라 범죄를 예측하고 예방하는 것은 사회의 중요한 이슈이며 정부 및 지자체는 다양한 방법론을 활용하여 범죄를 사전에 막고자 노력하고 있다. 데이터마이닝은 범죄예측 및 예방에 활용되는 대표적인 방법론이며, 범죄 패턴 분석, 범죄 발생 예측 등 다양한 분야에서 연구되고 있다. 그러나 데이터마이닝의 결과가 범죄학에서의 범죄 환경요소와 어떤 관련이 있는지 혹은, 사건해결에 어떤 도움을 줄 수 있는지에 대한 연구는 이루어지고 있지 않다. 따라서 본 논문에서는, 범죄학에서 범죄의 발생과 범죄 환경요소들의 상호 관련성을 보이고 범죄 발생과 관련된 환경요소와 데이터마이닝에 활용되는 변수 간의 관계를 정의하고자 하였다. 또한, 국내 보호관찰소에서 보관되고 있는 절도범죄 데이터를 사용하여 실제로 데이터마이닝의 결과가 범죄 환경요소와 어떤 관련이 있는지를 보이기 위해 군집분석을 적용하였다. 그 결과 각 군집별로 범죄가 발생하는 환경에 차이가 있었으며, 이를 활용하여 데이터마이닝이 범죄학관점에서 범죄 예측 및 예방 활용에 유의미함을 보였다.

• 한국위성정보통신학회논문지
• /
• 제11권1호
• /
• pp.55-57
• /
• 2016

본 논문에서는 CCTV 기반의 행동인식과 ConvexHull을 이용한 손의 패턴 인지를 통한 이상행동을 판단하는 알고리즘을 제시하고 있다. CCTV를 이용한 기존 범죄 예방에는 주로 얼굴 인식이 쓰인다. 이는 화면에 보이는 얼굴과 기존 범죄자와 수배자의 얼굴 정보를 대조하여 대상의 위험도를 판단하는 방식으로, 앞으로의 범죄행동 예측에는 어려움이 따른다. 따라서 보다 다양한 상황을 예측하기 위해 대상의 팔과 다리, 몸의 기울기 등의 움직임과 손의 패턴을 파악하여 이상행동을 판단한다. 몸의 움직임이 일반적인 행동을 벗어났다고 판단될 때 대상의 행동패턴을 파악하여 폭력과 납치 등의 행동패턴과 비교하여 범죄를 예측할 수 있다.