• ETRI Journal
• /
• 제44권2호
• /
• pp.208-219
• /
• 2022

Crime amount prediction is crucial for optimizing the police patrols' arrangement in each region of a city. First, we analyzed spatiotemporal correlations of the crime data and the relationships between crime and related auxiliary data, including points-of-interest (POI), public service complaints, and demographics. Then, we proposed a crime amount prediction model based on 2D convolution and long short-term memory neural network (2DCONV-LSTM). The proposed model captures the spatiotemporal correlations in the crime data, and the crime-related auxiliary data are used to enhance the regional spatial features. Extensive experiments on real-world datasets are conducted. Results demonstrated that capturing both temporal and spatial correlations in crime data and using auxiliary data to extract regional spatial features improve the prediction performance. In the best case scenario, the proposed model reduces the prediction error by at least 17.8% and 8.2% compared with support vector regression (SVR) and LSTM, respectively. Moreover, excessive auxiliary data reduce model performance because of the presence of redundant information.

• 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.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2008년도 정기총회 및 학술발표대회
• /
• pp.357-360
• /
• 2008

The purpose of this research is to demonstrate the propriety of the locations of the Jigudea(police boxes) through time and spatial analysis. The study area was limited to BusanJingu of Busan city which includes Seo-myeon district; the biggest downtown in Busan city. In this case, monthly crime position occurrence number of times by time analysis, criminal occurrence number of times and the position have some similarities. In case of Jigudea(police boxes) which handle crime, throngs were piled up. The other case of position which crime, there is no Jigudea(police boxes) in group or two were situated. As a result, it is required that Jigudea(police boxes) in Jin-gu should be rearranged and relocated properly.

• 한국콘텐츠학회논문지
• /
• 제19권8호
• /
• pp.667-676
• /
• 2019

최근 들어 도시에서 범죄취약지역을 중심으로 한 생활 강력범죄 발생은 큰 이슈가 되고, 범죄로부터의 안전에 대한 국민적 관심은 어느 때보다 높아졌다. 범죄에 대한 초기 대응 및 범죄 예방의 중요성이 대두되면서 정부는 첨단기술을 활용한 방범 서비스 등 다양한 방안을 마련하고 있다. 공공주도의 방범 서비스가 다양하게 시행되고 있으나, 기술적 한계 및 적용 시 나타나는 문제들이 보완해야할 과제로 지적되고 있다. 이러한 문제 해결을 위해서 가장 필요한 것으로는 지속적인 관련 기술 개발 및 체계적인 시스템 구축과 실질적인 서비스 적용을 위한 실증 등이 꼽힌다. 특히, 테스트베드를 통하여 관련 기술 및 서비스를 현장에 적용하는 실증사업은 지속적인 서비스 개발 및 확산의 역할로 중요시되고 있다. 이에 본 연구에서는 지능형 방범 실증지구 대상지인 안양시 인덕원 지구를 중심으로 실증사업에 대한 경제적 타당성을 도출하여 사업의 확산을 도모하고, 정책적 활성화에 기여하고자 한다.

• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.21-25
• /
• 2022

Korea has relatively less crime than other countries. However, the crime rate is steadily increasing. Many people think the crime rate is decreasing, but the crime arrest rate has increased. The goal is to check the relationship between CCTV and the crime rate as a way to lower the crime rate, and to identify the correlation between areas without CCTV and areas without CCTV. If you see a crime that can happen at any time, I think you should use a random forest algorithm. We also plan to use machine learning random forest algorithms to reduce the risk of overfitting, reduce the required training time, and verify high-level accuracy. The goal is to identify the relationship between CCTV and crime occurrence by creating a crime prevention algorithm using machine learning random forest techniques. Assuming that no crime occurs without CCTV, it compares the crime rate between the areas where the most crimes occur and the areas where there are no crimes, and predicts areas where there are many crimes. The impact of CCTV on crime prevention and arrest can be interpreted as a comprehensive effect in part, and the purpose isto identify areas and frequency of frequent crimes by comparing the time and time without CCTV.

• 시큐리티연구
• /
• 제51호
• /
• pp.199-219
• /
• 2017

이 연구는 초등학교 주변에 설치된 방범용CCTV가 범죄를 감소하는 효과가 있는지를 검증하였다. 이를 위해 춘천시에 설치된 9개의 방범용CCTV의 위치와 종류에 관한 데이터 및 춘천시의 범죄데이터가 수집되었다. 분석단위로 월 단위가 사용되었으며, 날짜, 월평균 온도, 범죄 추이를 통제한 후 포아송 회귀분석을 이용하여 분석하였다. 분석결과는 초등학교 주변에 설치된 방범용CCTV로 인해 전체범죄와 중범죄가 감소하였음을 보여주었다. 그러나 경범죄에서는 그러한 결과가 나타나지 않았다. 본 연구는 방범용CCTV가 초등학교 인근에 설치되었을 때 중범죄율과 전체범죄율을 낮추는 데 도움을 줄 수 있음을 시사한다.

• 한국산학기술학회논문지
• /
• 제19권10호
• /
• pp.8-15
• /
• 2018

본 논문은 실시간 범죄대응 및 예방적 방범을 위한 지능형 방범 통합 플랫폼 개발 연구를 진행하였다. 방범 시스템 및 플랫폼 연구, 지능형 방범 관련 연구 등의 선행연구와 지자체 통합운영센터 방범시스템 사례를 분석하여 지능형 방범 플랫폼 요소를 설정하였다. 이를 통해 실질적인 지능형 방범 플랫폼을 개발하고, 확장성을 고려한 기존 지자체 및 스마트시티 통합플랫폼 시스템과의 연계방안을 제시하였다. 이를 통해 기존 지자체 통합관제센터에서 사후처리로만 활용되는 CCTV 모니터링을 실시간 범죄에도 대응 가능하게 하고, 실외 뿐 아니라 실내에서도 신고자의 정밀한 위치를 파악하여 골든타임 내 사건 사고를 해결할 수 있을 것으로 기대된다. 또한 관제효율 향상 뿐 아니라 시민참여를 강화하여 시민 중심의 범죄 예방형 사회안전망 정보공유서비스 제공이 가능하다. 지능형 방범 플랫폼은 기존 지자체 시스템 및 스마트시티 통합플랫폼을 비롯한 타 방범서비스와의 연계 확장성을 고려하여 개발하였으므로 지자체 확산 보급되기 용이한 장점을 가진다. 향후 지능형 방범 플랫폼의 실질적 적용 및 운영, 지자체 확산을 위한 정책적 지원 등의 후속연구가 진행되어 국민들이 안전한 생활을 영위하는데 도움이 되길 기대한다.

• 한국지리정보학회지
• /
• 제14권4호
• /
• pp.194-207
• /
• 2011

본 연구는 실제 범죄발생 장소와 범죄 두려움을 느끼는 장소를 비교하여 서로 일치하거나 다르게 나타나는 장소의 공간적 환경 특성을 분석함으로써 도시공간의 환경 개선을 통해 범죄예방의 가능성을 타진해 보고자 한다. 연구의 방법으로는 첫째, 범죄관련 사례연구와 이론적 고찰을 통해 연구의 내용적 범위와 방법을 정립하였다. 둘째, 방범은 경찰력만으로 대처하기 어려우므로 전 시민이 언제, 어디서나, 협력적으로 범죄예방에 참여할 수 있도록 온라인으로 작동하는 시민 참여형 방범시스템(Citizen Participation System for Crime Prevention, CPSCP)을 개발하였다. 셋째, CPSCP를 활용하여 시민이 공간상에서 범죄두려움을 느끼는 장소를 직접 표시하게 하여 지역 내 두려움을 느끼는 장소에 대한 데이터를 수집하였다. 넷째, 실제 범죄발생 장소와 범죄 두려움을 느끼는 장소를 중첩 분석하여 두 장소의 차이를 비교 분석하였다. 그 결과로 범죄를 예방하고 범죄에 대한 두려움을 해소하기 위해서는 도시공간의 물리적 환경을 개선하는 환경설계(environmental design)가 필요하다는 것을 알 수 있었다. 본 연구에서 개발한 CPSCP는 향후 시스템을 고도화 하여 U-City의 U-방범시스템으로 활용함으로써 시민이 자기 동네를 자주적으로 스마트 안전도시로 만들어 나가는데 크게 기여할 것이다.

• 한국산학기술학회논문지
• /
• 제20권11호
• /
• pp.436-445
• /
• 2019

본 연구는 방범분야와 같은 비시장재에 대한 가상시장을 구축하여 사람들의 만족감 및 선호의 정도를 계량화하는데 가장 효과적인 가상평가법(CVM: Contingent Valuation Method, 이하 CVM)을 이용하여 지능형 방범 실증지구에 대한 경제적 가치를 계량적으로 평가하였다. 가설적 편의를 최소화하고 실제적 상황을 피설문자에게 인지시키기 위해, 연구단에서 진행 중인 지능형 방범 기술 및 솔루션을 활용하여 실제 지역인 안양시 인덕원지구를 대상으로 분석하였다. 이를 통해 방범관련 공공사업에 대한 타당성을 분석할 수 있는 체계적인 기반을 제공하고자 하였다. 분석 결과 지능형 방범 실증지구의 안양시민 1인당 지불의사금액(WTP: Willingness To Pay, 이하 WTP)는 7,160원으로 추정되었다. WTP를 가구 수에 적용하여 경제가치를 추정한 결과, 테스트베드가 속한 관양2동 지역은 연 6.6억원, 안양시 전역으로 확대하면 연 514억원의 높은 경제적 가치를 갖는 것으로 분석되었다. 본 연구는 국내 최초로 방범 분야 실증지구를 대상으로 경제적 가치를 분석하였으며, 실제 적용이 가능한 지능형 방범 기술 및 솔루션, 실증지구를 활용하여 미래지향적 서비스모델을 제시한 점에서 의의를 가진다. 향후 지능형 방범 실증지구의 경제적 가치분석이 심층 연구되어 지능형 방범 사업의 지자체 확산 및 정책적 지원이 활발해지기를 기대한다.

• Architectural research
• /
• 제24권1호
• /
• pp.1-11
• /
• 2022

As the occurrence of a crime is dependent on different factors, their correlations are beyond the ordinary cognitive range. Owing to this limitation, systems face difficulty in correlating various factors, thereby requiring the assistance of artificial intelligence (AI) to overcome such limitations. Therefore, AI has become indispensable for crime prediction. Crimes can cause severe and irrevocable damage to a society. Recently, big data has been introduced for developing highly accurate models for crime prediction. Prediction of night crimes should be given significant consideration, because crimes primarily occur during nights, when the spatiotemporal characteristics become vulnerable to crimes. Many environmental factors that influence crime rate are applied for crime prediction, and their influence on crime rate may differ based on temporal characteristics and the nature of crime. This study aims to identify the environmental factors that influence sex and theft crimes occurring at night and proposes an artificial neural network (ANN) model to predict sex and theft crimes at night in random areas. The crime data of A district in Seoul for 12 years (2004-2015) was used, and environmental factors that influence sex and theft crimes were derived through multiple regression analysis. Two types of crime prediction models were developed: Type A using all environmental factors as input data; Type B with only the significant factors (obtained from regression analysis) as input data. The Type B model exhibited a greater accuracy than Type A, by 3.26 and 9.47 % higher for theft and sex crimes, respectively.