Abstract
The main purpose of this study is to find the hotspots of crimes that occur frequently in the space and to derive the appropriate CCTV installation location. One of the characteristics of crime is clustered around past occurrence area, and these crimes are strongly correlated. It is also possible to find the cause of the clusters and the variables that affect the crime through the history of the crime. In addition to the traditional OLS model, spatial differential model including spatial autocorrelation and spatial error model were used to select the variables influencing the five major crime rate, the theft rate and the foreign resident rate. The variables affecting the Five major crimes were positive (+) sign for the welfare and the rate of the bar cluster rate, and negative (-) for the street density. The CCTV area occupies 46% of the hotspots based on the overlapping of the areas where the elderly people are crowded, the bar cluster, many multicultural families, and the areas with low density of street lamps. It turned out. Taking into account the current CCTV operation, the total number of new cases to cover the risk point was 89.
본 연구의 핵심은 공간상에 빈번하게 발생하는 범죄의 위험지점(Hotspot)을 찾고, 방범CCTV 적정설치위치를 도출하는 것이 목적이다. 범죄의 특징 중 하나가 과거 발생지역중심으로 군집하는 현상을 보이며 또한 이런 범죄들은 상호연관성이 강하다는 것이다. 범죄이력을 통해 군집이 발생한 원인과 범죄에 영향을 미치는 변수를 찾을 수 있다. 방법은 전통적인 OLS모델 외에 공간적 자기상관성을 포함하는 공간시차모델, 공간오차모델을 적용하여 5대 범죄율과 절도율, 외국인 거주율에 영향을 미치는 변수를 선정하였다. 5대 범죄에 영향을 미치는 변수는 생활보호대상자율과 풍속업소율에는 양(+)의 부호로, 가로등 밀집도에는 음(-)의 부호로 나타나. 생활보호대상자가 군집한 지역, 풍속업소 군집지역, 다문화가정이 많은 지역, 가로등 밀집도가 낮은 지역을 중첩하여 위험공간으로 선정하고, 이를 근거로 기존 CCTV영역이 Hotspot의 46%를 담당하고 있다는 사실을 밝혀냈다. 현재 운영 중인 CCTV를 감안한 상태에서 위험지점을 커버할 신규물량은 총 89대로 나타났다.