Journal Search Engine

to

Search Advanced Search Adode Reader(link)
View PDF Download PDF Export Citation Korean Bibliography PMC Previewer
The Journal of The Korea Institute of Intelligent Transport Systems Vol.17 No.4 pp.124-137
DOI : https://doi.org/10.12815/kits.2018.17.4.124

The Research on Location Monitoring Device using Exploratory Spatial Data Analysis

Joo Hwan Kim*, Doohee Nam**, Jum Lae Jung***
*Vice President, DONGHAE Engineering& Consultant Co.,Ltd.
**Professor, School of Social Science, Hansung University
***CEO, DONGHAE Engineering& Consultant Co.,Ltd.

Corresponding author : Doohee Nam, doohee@hansung.ac.kr
20180626 │ 20180720 │ 20180724

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.


CCTV Location , Exploratory Spatial Data , Spatial Dependency , Preventive Data , Spatial Autocorrelationsuccessive Interference Cancellation

공간종속성 분석기반 모니터링 장비위치결정 기법

김 주 환*, 남 두 희**, 정 점 래***
*주저자 : 한성대학교 정보컴퓨터공학과 대학원생 / ㈜동해종합기술공사 부사장
**교신저자 : 한성대학교 사회과학부 교수
***공저자 : 교통기술사 / ㈜동해종합기술공사 대표

초록


본 연구의 핵심은 공간상에 빈번하게 발생하는 범죄의 위험지점(Hotspot)을 찾고, 방범 CCTV 적정설치위치를 도출하는 것이 목적이다. 범죄의 특징 중 하나가 과거 발생지역중심 으로 군집하는 현상을 보이며 또한 이런 범죄들은 상호연관성이 강하다는 것이다. 범죄이력 을 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 미 치는 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 CCTV영 역이 Hotspot의 46%를 담당하고 있다는 사실을 밝혀냈다. 현재 운영 중인 CCTV를 감안한 상 태에서 위험지점을 커버할 신규물량은 총 89대로 나타났다.


CCTV위치 , 탐색적 공간데이터 , 공간종속성 , 예방자료 , 공간적자기상관성

    Hansung University

    Ⅰ. 서 론

    1. 개 요

    각 지방자치단체(이하 지자체)는 도시 범죄를 예방하고 안전도시(safe city)를 조성하기 위한 방안으로써 도시전체에 안전의 개념이 도입된 CPTED(Crime Prevention Through Environmental Design)기반의 도시설계와 도시계획 등을 추진하고 있다. 그러나 사회 안전에 대한 주민들의 수요가 증가함에 따라 양적으로 급격하게 증설되고 있는 방범CCTV는 다음과 같은 문제점을 제기 할 수 있다. 첫째, 입지 선정의 적절성 문제이다. 현 재 주민의 요청을 반영하여 입지를 선정하는 사례가 늘고 있다. 하지만 주민의 요구에 의해 입지를 선정하는 것은 그물망과 같은 체계적인 감시망 확립에는 한계가 있다. 대부분의 주민들이 요청한 지역은 자신의 집 앞 과 같은 장소이고 공공의 목적에 부합하지 못하는 장소가 많기 때문이다. 둘째, 과학적으로 타당한 객관적 내부기준의 부족이다. 실제 장비 설치 추진과정 시, 지리적 특성을 고려하는 입지 전문가가 현재 존재하지 않으며, 설치 사업과 관련된 소수의 행정공무원(경찰, 도시 관리 공무원, 각 동사무소 직원 등)을 통해 위치 를 결정한다.

    환경범죄학자들은 범죄는 공간의 환경적·물리적 레이아웃과 연관되어 범죄패턴이 발생한다고 보고 그 범죄를 발생시키는 공간에 초점을 두고 있다. 범죄와 공간을 연계시키는 접근방법은 범죄발생이 본질적으로 지리적인 속성을 내포하고 있으며, 불특정한 공간에서 무작위로 발생하지 않으며 특정 지역에 집중되어 나 타난다 라고 밝히고 있다(Block and Block, 1995; Bernasco and Elffers, 2010). 이러한 현상이 발생하는 이유는 범죄가 인구 및 사회·경제적 특성과 같은 해당 지역의 환경요인에 영향을 받기 때문이다. 본 연구는 현재 설 치되고 있는 CPTED 모니터링 장비 위치선정에 대해 경찰의 범죄데이터를 중심으로 공간통계기법을 활용하 여 5대 범죄에 대한 공간분석과 모델링과정을 통해 장비설치타당성과 위치에 대한 대안을 제시하고자 한다. 연구방법으로는 중첩분석을 통해 CCTV의 설치지역을 결정하고 위의 모든 과정을 CCTV 입지선정에 대한 GIS모델링을 하고자 한다. 본 연구에서 사용한 소프트웨어로는 GIS의 공간분석기능과 지도제작을 위하여 ArcGIS 10.1, 국토교통부 V world, Google earth, AuotCad 2004를 사용하였다. 공간분석을 위해서는 Arc GIS 10.1에서 지원하는 Spatial Analyst Tools 및 Spatial Statistics Tools를 사용하였다. 범죄현상의 공간분석은 Crime Stat3.3와 4(A Spatial Statistic Program for the Analysis of Crime Incident Locations) 특히 공간종속분석에 는 Geoda(2011,2012,2013;by Luc Anselin)를 고급통계와 회귀분석을 위해서는 SPSS 21를 활용하였다.

    Ⅱ. 선행연구

    Kim(2013)는 방범용 CCTV입지선정에 관한 연구에서 부산시 북구를 중심으로 기존에 설치되어있는 CCTV 가 입지선정에 대한 세부기준이 없어 담당자의 주관성을 따를 수 밖에 없는 현실과 또한 입지에 따른 의사 결정이 관료중심으로 인해 효과가 반감되고 있다고 지적하고, 대안으로 경찰서 주도로 입지를 선정할 것을 주장하였다. Lee(2014)은 안산시에 설치된 CCTV설치위치의 특성을 진단한 결과, CCTV는 주로 다세대주택 에 설치되어 있으며, 인구밀도가 낮을수록, 월세가구수가 많을수록, 거주외국인 수가 많을수록, 공시지가가 낮을수록, CCTV의 설치 수가 많은 것으로 나타났고, 향후 설치되는 CCTV의 입지결정은 시설입지결정론에 입각하여 효용성에 초점을 둔 최대커버링입지문제(MCLP: Maximal Covering Location Problem)를 적용, 상주 인구밀도와 유동 인구수를 중심으로 설치위치에 대한 대안을 제시하였다.

    Yoon(2007)은 범죄를 예방하기 위해 공간설계분야에 CPTED기법을 제안하고, 서울시 관악구, 금천구, 성동 구, 동작구의 범죄현황에 대한 분석을 시행한 결과 토지이용 행태에 따른 범죄발생 경향을 분석하였다. 주로 상업용도에서 그리고 개발밀도가 높을수록 범죄발생이 증가함을 나타내고 있었다. 특히 폭력과 강간은 유흥 가와 숙박업소밀집지역에 집중해서 발생함을 알 수 있었다. 본 연구는 범죄사고 자료를 중심으로 공간통계 기법을 활용하여 범죄종류별로 각 지역의 위험지점(Hotspot)을 정한다.

    Ⅲ. 공간통계 분석

    1. GIS 기반 범죄분석 방법론

    공간통계분석은 전통통계학에서 사용하던 다변량 통계분석기법이 공간적 자료의 특성을 반영하지 못하는 데에서 출발을 하였다. 범죄현상에 관한 많은 연구 결과들은 범죄가 특정지역에서 집중적으로 발생한다고 밝히고 있다. 지리적으로 인접할수록 비슷한 범죄 발생패턴을 보이고 있다. 그래서 공간통계분석은 공간자료 가 가지는 속성정보와 위치정보를 더해 공간적인 분석을 주안점으로 한다. 즉, 공간자료의 분포가 공간적인 특성, 특히 지리적 인접성에 의해 어떤 영향을 주고 받고 있으며, 또한 얼마나 많은 영향을 미치고 받는지 그 공간적 효과를 파악하는 분석 기법이다. 이렇게 공간통계분석은 자료의 상호공간적 연관성 및 관련성을 고찰하고, 공간적 군집에 의한 군집화와 공간적 회귀분석에 의한 모형을 구축할 수 있다. 또한, 지리적 분포 나 현상을 더 명확하게 설명할 수 있고, 현실감 있는 결과를 도출할 수 있다는 장점이 있다.

    2. 자료의 구성 및 연구방법

    ㄱ시는 현재 전 도시 시가화 지역의 약 48%를 커버할 정도의 방범CCTV를 구축운영 중이다. 그 중 연구 의 공간적 범위는 ㄱ시 ㄷ구를 대상으로 한다. 분석자료는 ㄱ시에서 제 5차 CCTV구축 용역을 수행하던 중 본 연구와 관련하여 ‘ㄱ시 방범CCTV 설치지점의 타당성 및 계량화계획보고서’에 수록되어 있는 ㄷ경찰서의 2011년과 2012년에 발생한 5대 범죄(5,509건)와 112신고접수(10,863건) 자료를 기본으로 연구를 진행하였다. 분석의 단위는 행정동 단위로 구성하였으며, 본 연구에서 사용하는 자료는 크게 점(點)사상이 표현된 자료와 면(面)사상이 표현된 자료로 구성이 되어 있다. 자료는 분석년도에 발생한 모든 5대 범죄, 사회· 경제적 요소 로는 인구밀도, 연령별 인구 중 15-29세(남자), 기존에 설치된 CCTV수, 풍속업체수, 외국인거주인구(명), 다 문화가정(명), 생활보호대상자(명), 사업체종사자 수(명), 세대 당 자동차등록대수(대), 5대 범죄(건), 112신고 (건), CCTV설치민원(건), 폭력(건), 절도(건), 살인(건), 강도(건), 성범죄건수이다. 분석할 사회경제변수로는 각 동별 인구현황, 사회적 약자현황(사회적 약자라 함은 각 동별 만 12세 이하 인구와 60세 이상 인구, 여자 인구를 포함), 인구세대, 외국인 거주현황자료이다. 또한 다문화가정거주 번지, 생활보호대상자거주 번지 등 의 점(點)자료를 각각 별도의 shp자료로 구축한다. 또한 도시공간변수로는 교육시설(유치원, 초, 중, 고등학 교, 대학교, 아동센터, 청소년 공부방을 포함)과 풍속업체위치(여관, 유흥주점, 숙박업소, 노래방, 단란주점 등)를 각각 별도의 shp자료로 구성한다. 범죄방어기제시설물로는 ㄷ구의 관내 경찰서와 파출소, 지구대의 위 치를 통합하여 police의 한 파일로 관리하고, 가로등 및 보안등의 설치위치, 또한 기존 구축한 방범 CCTV위 치를 DB화하여 반경 80m기준으로 별도 구축하였다. 범죄발생지표를 구체적으로 표현하면 ㄷ구 경찰서에 발 생한 5,502건의 5대 범죄와 ㄷ구112신고로 접수된 10,863건의 범죄신고의 번지와 지점들을 DB화하여 공간적 으로 점(點)사상으로 표현하여, 이를 범죄유형(폭행, 절도, 성범죄, 강도 등)자료와 년도 별로 분류한다. 역시 112로 신고한 내용들도 각각 분류하여 분석하였다.

    <Fig. 1>과 같이 연구방법론을 정리하여 보면 우선적으로 GIS로 원활한 분석이 이루어질 수 있도록 모든 자료를 지리부호화(geo-coding)한 후 기본 변수에 대한 검증을 기본통계를 추출하여 분석한다. 분석된 자료들 을 중심으로 각 변수간의 관계를 정립하고 시간대별, 공간별로 범죄발생현황 자료를 재검토한다. 위험 공간 (Hotspot)으로 지정되는 변인을 찾고자 모형에 타당한 각 종속변수와 설명변수를 선정을 통해 고전적인 회귀 모형식을 적용한다. 이 때 적용하고자 하는 회귀모형은 최소자승법(Ordinary Least Square), 공간시차모델 (Spatial Lag Model), 공간오차모델(Spatial Error Model)이다. 이 모형을 통해 위험공간(Hotspot)을 선정한다. 선 정된 위험지점과 위험공간은 서로 단일 및 중첩분석을 통해 최종적인 지역을 선정한다.

    3. 기본 통계자료

    <Table 1>은 사회경제 지표로서 거주인구는 총 357,631명으로 나타났으며 gy1동(40,315명)이 가장 많고 hg2동(27,864명), bs1동(27,126명), bl동(26,670명), pa동(26,377명) 등의 순으로 분포되어 있다. 세대수는 gy1동, bl동, hg2동순으로 나타났다. 거주인구 대비 사회적 약자3) 인구비교 결과 ㄷ구는 bl동(62.9%), da동(62.5%), bh 동(62.0%), bg동(61.9%) 순으로 사회적 약자의 거주비율이 높은 것으로 분석되었다. 연구지역에는 방범 CCTV가 총 352대로 gy1동(90대), bs3동 (36대), bs1동(28대), hg1동(26대) 등의 순으로 많이 설치된 것으로 나 타났다. 그 중 밀집도를 분석해 본 결과 <Fig. 2>와 같이 gy동과 hg동, ki동 중심으로 밀집되어 운영 중이다. 연구지역의 2011년과 2012년도에 발생한 총 5,509건의 범죄사건을 분석해 본 결과 5대 범죄발생 현황 중 폭 력 3,337건(60.6%), 절도 2,011건(36.5%)이 총 5,348건 (97.1%)으로 집중 발생하고 있고, 강간 및 강체추행에 의한 성범죄는 140건이 발생하였다. 강도와 살인의 범죄는 범죄 심각도 측면에서는 중요하게 살펴보아야 하 나 범죄건수와 지역이 공간적으로 분석하기가 어려워 본 연구에서는 폭력, 절도, 성범죄 중심으로 분석해본 결과 <Fig. 3>과 같이 5대 범죄가 제일 많이 발생한 지역은 gy2동(IDW역), bl동(PC역), bg동(BK역), hg1동, gy1동(IDW역)순으로 나타났으며, hg1동을 제외한 나머지는 전철 4호선의 인구유출입이 많은 곳이었다.

    Ⅳ. 공간종속성 분석

    1. 모델 및 변수선정

    연구지역의 기본 자료와 각 개별 자료들을 통합(aggregate)하여 분석 자료로 활용한다. 기존 선행연구를 참조하여 범죄에 영향을 미치는 주요변수를 추출하였다. 그리고 각 자료의 속성 값 간에 이질성과 등락폭이 강하고, 종속변수와 설명변수간 완전한 선형관계가 형성되지 않을 때, 즉, 비선형관계가 존재할 때 종속변수 와 설명변수를 자연로그를 취함으로써 선형관계가 형성이 되기에 자연로그를 취하여 자료를 변환, 분석하였 다. <Table 2>는 분석하고자 하는 자료의 현황과 기본통계내용이다.

    연구모형은 다음과 같다.

    Ln ( r a t i o _ c r i m e ) = β 0 + β 1 ( Ln _ ∫ e ) + β 2 ( Ln   r a t i o _ y o u n g ) + β 3 ( R a t i o _ for e i )                 + β 4 ( r a t i o _ c a r ) + β 5 ( Ln   r a t i o _ s o c i a l w e a k ) + β 6 ( r a t i o _ m u l t )                 + β 7 ( Ln   d r i n k ) + β 8 ( Ln   e u c a t i o n ) + β 9 ( r a t i o _ c a l l c c t v )                 + β 10 ( r a t i o _ c c t v ) + β 11 ( h a v e _ c a r ) + β 12 ( Ln ∈ d u s t )                 + β 13 ( L i g h t _ d e n ) + ∈

    종속변수는 5대범죄율(Ln ratio_crime)과, 112신고비율(Ln ratio_112call), 폭력범죄율(Ln ratio_violence), 성폭 력범죄율(Ln ratio_sexoffen), 절도범죄율(Ln ratio_thief)로 설정하였다.

    1) 도시방어기제와 범죄율 상관관계

    현재 연구지역에서 운영하고 있는 CCTV운영과 설치요청, 가로등과 각 범죄간의 상관관계를 검토해 본 결 과 현재 운영중인 CCTV는 112신고에 유의수준 0.05수준에서 상관관계가 있는 것으로 나타나고 있다. 또한 가로등은 CCTV요청율과 음의 관계로 나타나 가로등이 있으면 CCTV 요청율이 떨어지는 것으로 나타났다. 가로등이 성범죄를 제외한 폭력, 절도에는 음의 관계가 형성되는 것으로 나타나고 있다. 5대 범죄는 112신고 와 거의 밀접하게 연관이 있으며, 폭력범죄는 절도범죄(0.94)와 성범죄(0.59)수준에서, 절도 또한 폭력과 성범 죄에서, 성범죄 또한 폭력과 절도범죄에 높은 상관관계를 나타나고 있다. 특히 폭력과 절도범죄는 아주 높은 수준에서 연관성이 강한 것으로 나타났다. 그러나 CCTV와 각각 범죄율간 상관관계가 낮은 것으로 나타나 현재의 민원에 대응한 밀집도 증가 정책에서 벗어나 각 범죄에 대한 분석을 통한 CCTV정책을 재수립하여야 한다, 특히 CCTV와 성범죄와의 관련성은 아주 낮은 것으로 나타나고 있다. <Table 3>

    2) 변수간 상관관계

    연구지역의 자료 중, 사회경제지표, 도시공간지표, 방어기제시설지표, 범죄발생특성지표 총 18개 지표간 상관계수를 분석 5대 범죄율은 표3과 같이 112신고건율 외에 풍속업체, 생활보호대상자, 다문화가정, 외국인 거주율이 (유의수준 0.01) 상관계수가 0.6수준이상으로 강한 상관관계가 있는 것으로 나타났다. 절도와 폭력 은 외국인 거주율과도 0.7 이상의 관계를 나타냈다. 현재 운영 중인 CCTV설치는 다문화 가정율과 CCTV요 청에 강한 상관관계(0.75)를 나타내고 있다. 즉, 주민들이 요청하는 주민민원을 우선시하여 방범 CCTV를 설 치함으로써, 주민의 민원에는 대응하고 있지만 실질적으로 범죄예방목적의 효율성은 감소하는 것으로 나타 났다. CCTV설치 요청은 인구밀도가 높은 곳과 젊은이들이 많이 거주하는 지역, 가로등 밀집도가 높은 지역 에서는 음의 상관관계를 보이고 있으며, 사업체종사자수와 다문화가정율과는 높은 상관관계를 가지고 있다. 생활보호대상자들은 현재 5대 범죄와 112신고건수와 밀접하게 연관되어 있는 것으로 볼 때 현재 범죄에 많 이 노출되고 있는 실정이다. 외국인 거주율은 주로 풍속업체와 강한 상관관계를 나타내 현재 거주하고 있는 지역이 상대적으로 열악한 것으로 나타나며, 또한 범죄발생지표인 폭력범죄, 절도범죄, 5대범죄율에 강하게 노출되어 있어 이들에 대한 범정부적인 범죄감소를 위한 별도의 정책이 필요하다

    전통적인 최소제곱법(OLS)을 통해 얻은 추정량이 최적선형불편추정량(best linear unbiased estimator, BLUE) 이 되기 위해서는 여러 가지 기본 가정들을 충족시켜야 한다. 최소제곱법은 관측개체나 오류항의 독립성을 가정하고 있지만, 공간을 준거로 하는 데이터들은 공간의존성을 갖고 있어, 전통적 선형분석을 통해 얻은 추 정량들은 최적선형불편 추정량이 되지 못한다. 특히 표준오차가 과소추정 되어 변수들의 유의성 검증을 신 뢰할 수 없게 된다.

    2. 공간종속 회귀모델링

    1) 이론적 모델

    앞에서 살펴본 탐색형 공간자료 분석(ESDA)을 통해 우리는 범죄가 지형적으로 어떻게 분포되며 군집되어 있는지를 주로 살펴 볼 수 있었다. 다음으로 제기될 질문은 과연 어떠한 이유로 범죄가 군집, 혹은 분산되는 지 하는 것이다. 기존 많은 문헌들은 범죄를 설명하기 위해 다양한 이론들을 제시하였고, 또 그 이론을 검증 하기 위한 많은 실증연구들이 행하여져왔다. 선형회귀모델의 통계적 분석이란 표본자료로부터 회귀계수를 산출하여 알려져 있지 않은 모집단간의 관계를 추론하는 것이다. 또한 이 모델은 종속변수와 독립변수들 간 의 관계를 결정짓는 가장 적합한 회귀식을 찾는데 기준이 되는 잔차를 최소화하는 최소자승법(OLS: ordinary least square)을 적용하여 잔차의 제곱의 합을 최소화하는 직선을 구하여야 한다. 이를 수식으로 표현하면

    min ∑ e i 2 = min ∑ ( Y i − Y ^ i ) 2
    (2-1)

    로 표현한다. 그러나 이 모델의 기본 가정인 정규성(normality), 독립성(independence), 등분산성(homoscedasticity), 공간적 자기상관성의 배제(no spatial autocorrelation), 공선성의 배제(no multicollinearity)에 대한 위배현상이 없어야 모델에 대한 적합성이 인정된다.

    2) 공간시차모델(Spatial Lag Model)

    이는 종속변수가 공간적 자기상관성을 갖고 있는 경우에 OLS 회귀모델의 대안적 모델로서 사용된다. 기 본개념은 인접한 지역의 관측치에 대한 영향력을 통제하기 위해서 주변지역들이 종속변수에 미치는 영향력 을 변수화하여 새로운 설명변수로 회귀모델에 추가적으로 투입하는 것이다. 즉, 인접 관측치와의 관계를 모 델에 추가하여 주변에 이웃하는 지역들에 대한 평균치를 공간가중행렬로 구축하는 것이다. 종속변수가 공간 적 종속성을 갖고 있는 경우 해당지역의 종속변수는 주변지역으로부터 파급효과(spillover effects)를 받게 되 는데 이를 공간시차변수(Wy)를 통해 반영하는 것이다.(2-2)(2-3)

    Y = ρ W 1 Y + X β + μ     ( μ = λ W 2 μ + ∈ ,     ∈ M N V ( 0 , σ 2 I n )
    (2-2)

    Y = ρ W Y + X β + ∈     ∈ ∼ M N V ( 0 , σ 2 I n ) Y = ( I − ρ W ) − 1 X β + ( I − ρ W ) − 1 ∈
    (2-3)

    ( I − ρ W ) − 1 = I + ρ W + ρ 2 W 2 + ....... ≈ 1 1 − ρ
    (2-4)

    기본 식은 (2-1)이며, (I - ρW)-1은 공간승수효과(Spatial multiplier) 또는 공간파급효과를 나타내는 것으로 Wij〈1이고 ∣ρ≺1∣ 일 때 식(2-4)과 같이 레온티에프확장(Leontief expansion)으로 나타낼 수 있다. 이러한 공간승수는 공간적 상호작용에 대한 간접효과 또는 전체 외부효과를 의미하며, 이는 하나의 시스템에서 모 든 지점이 서로 연관되어 있다는 것을 의미한다. 그러므로 공간 시차모델에서 회귀계수는 β가 아니라 β ⋅ ( I − ρ W ) − 1 이 되며 따라서 특정한 현상은 그 지역이 지닌 특성에 의해서 나타나는 것만 아니라 주변의 인 접한 다른 지역들의 특성에 따른 영향도 받고 있음을 말해준다.

    3) 공간오차모델(Spatial Error Model)

    오차에서 공간적 자기상관성이 존재하는 경우 OLS의 대안으로 공간오차모델(Spatial Error Model)을 활용 한다. 오차의 공간적 자기상관은 공간데이터를 구축하는 경우에 빈번하게 발생하는 문제이다. 공간적 자기상 관이 일어나는 변수를 관측할 수 없음으로 인해 발생될 수 있거나 공간데이터가 집계되는 관측상의 문제에 서 발생하는 오차의 공간적 자기상관성을 통제할 수 있다는 점에서 공간오차모델은 장점을 가지며, 이는 오 차에 공간가중행렬을 적용한다. 공간과정에서 내제되어 있는 오차의 공분산구조를 이용하기 때문에 OLS모 델에 비해 보다 효율적이다. 공간오차모델의 기본식은 (2-5)이며, 이를 변형하면 (2-6)이다.

    이 모델에서는 오차항에만 공간승수효과가 영향을 미치고 있다. ( I − ρ W ) − 1 은 공간승수효과(Spatial multiplier) 또는 공간파급효과를 나타내는 것으로 Wij<1일 경우에 나타난다.(2-7)

    Y = X β + μ     ( μ = λ W μ + ∈ ,     ∈ ∼ M N V ( 0 , σ 2 I n )
    (2-5)

    Y = X β + ( I − λ W ) − 1 ∈
    (2-6)

    ( I − λ W ) − 1 = I + λ W + λ 2 W 2 + ....... ≈ 1 1 − λ
    (2-7)

    4) 5대 범죄율

    5대범죄율을 종속변수로 하고, 11개의 설명변수간 F검정을 통해 모형유의성을 검정한 결과 유의확률이 0.0002이므로 귀무가설 H 0 : β 1 = β 2 = ⋯ = β 11 = 0 이 기각되어 고려한 설명변수 중 적어도 하나이상은 유의 하다. 설명변수 유의성 검정인 t-검정을 통해 각 변수의 유의 값을 검정(t값이 가장 작은 변수:ρ값이 가장 큰 것)한 결과 유의한 설명변수로 사회경제지표인 생활보호대상자(ratio_care)와 도시공간지표인 풍속업체 수 (LN_drink), 그리고 방어기제인 가로등 밀도(light_den)를 다항 회귀식을 구성하였다. OLS모델을 추정하여 본 결과 다양한 검정 통계량들 중에서 다중 공선성은 유의하게 나타났지만 오차항의 정규성분포를 진단하는 Jarque-Bera값과 오차의 이분산성을 측정하는 Breusch-Pegan, Koemker-Bassett, White 검정에서 위배가 된다. 그 래서 Lagrange Multiplier 진단을 참조하여 공간오차모델을 선정하여 분석한다.

    분석결과 <Table 4>와 같이 공간오차모델의 유의성검정에 타당하게 검증되었고, 모형을 설명하는 AIC, SC 가 상대적으로 낮게, 최우도비는 높게 나와 타 모형보다는 설명도가 높음을 알 수 있다. 결론적으로 5대 범 죄에 영향을 미치는 변수는 생활보호대상자율과 풍속업소 율은 양(+)의 부호로, 가로등 밀집도에는 음(-)의 부호가 유의적으로 나타났다. 따라서 생활보호대상자가 많을수록, 풍속업소가 많을수록, 가로등 밀집도가 낮 아질수록 5대 범죄율은 높아지는 것으로 정리할 수 있다.

    5) 절도범죄율

    설명변수로는 외국인 거주율(RAT_FOR)와 강한 상관관계를 가지고 있어 먼저 OLS 회귀분석결과를 통해 Lagrange Multiplier 진단한 결과 공간오차모델을 선정하여 분석하였다. 분석 결과 AIC와 SC가 타 모형보다 낮게 나타나고 있고, 최우도비와 설명계수는 높게 나타나 타 모형보다 설명도가 높은 것으로 나타났다. <Table 5>와 같이 영향을 미치는 변수인 외국인 거주율 값이 양(+)의 값으로 외국인이 많을수록 절도범죄와 상관관계가 많아지는 것으로 나타난다.

    6) 외국인 거주율

    외국인 거주율을 종속변수로 하고 11개의 변수를 설명변수로 하여, F검정과 t-검정을 통해 유의한 변수는 사업체종업원 수(ln indus), 다문화가정(ratio_mult), 풍속업체수(LN_drink), 가로등 밀집도(Light_den)로 모델로, <Table 6>과 같이 설명계수는 사업체 종업원 수, 다문화 가정율, 풍속업체 수에는 양(+)의 값으로, 가로등 밀 집도에는 음(-)의 값으로 도출되어 현재 외국인들은 사업체종업원수가 많은 곳에서, 다문화 가정율이 높은 곳에서, 풍속업체가 많은 곳에서, 그리고 가로등 밀집도가 낮은 곳에서 많이 거주하고 있는 것으로 통계적으 로 증명이 되었다.

    3. 위험도 예방자료를 활용한 위험공간(Hotspot) 선정

    1) 5대 범죄율 기준

    범죄자료를 분석하여 ㄷ구의 5대범죄율의 특징은 생활보호대상자가 많을수록, 풍속업소가 많을수록, 가로 등 밀집도가 낮을수록 범죄가 높아지는 것으로 나타났다. 이를 근거로 하여 생활보호대상자의 점 자료를 DB 화하여 NNH기법을 이용하여 5가구 이상, 100m 거리 안에 거주하고 있는 상황을 Hotspot으로 하여 접근을 해본 결과 5,984가구 중 5,740가구 즉, 95.9%를 포함한 군집을 얻을 수 있었다. 또한 풍속업체도 100m 거리내 에 3개 이상업소 군집을 한 결과 46개 지점 총 704개업소중 90.9% 군집을 얻었다. 또한, 각 행정동에 설치 운영중인 가로등 및 보안등이 평균이하인 지역7개 지역인 비산1동, 3동, 관양1동, 관양2동, 호계1,2,3동을 포 함하여 63개 지역의 군집을 얻을 수 있었다.

    2) 공간 5대 범죄율에 의한 위험지역 선정

    이상에서 연구지역의 사회경제지표와 도시공간지표, 방어기제시설지표, 범죄발생특성지표를 활용하여 범 죄가 발생하고 군집하여 나타나는 원인에 대해 분석해 보았다. 범죄는 공간에서 발생하지만 공간속에 존재 하는 사람들의 행태와 환경에 의해서 발생하기에 각 범죄에 영향을 끼치는 사회경제 환경에 대표적인 속성 을 중심으로 대안을 찾고자 하였다. 범죄 간에는 범죄내용이 서로 이질성이 강하더라도 많은 상관성(폭력, 절도, 성폭력)을 보이는 것으로 나타나고 있다. 또한 각 변수들의 상관관계를 살펴본 결과 범죄율에 영향을 미치는 요소는 풍속업체수와 외국인 거주율, 생활보호대상자율, 다문화 가정율이 높은 상관관계를 보이고 있 는 것으로 분석되었다. 이러한 변수들을 중심으로 범죄에 구체적으로 영향 및 원인을 파악하는 회귀식을 추 정할 때 회귀추정에 영향을 미치는 변수를 찾는 공간종속성 모델 중 지역적인 상관성 반영한 공간오차모델 에 5대 범죄율에 영향을 미치는 변수는 생활보호대상자율과 풍속업소율에는 양(+)의 부호로, 가로등 밀집도 에는 음(-)의 부호로 나타났다. 즉, 생활보호대상자가 많을수록, 풍속업소가 많을수록, 가로등 밀집도가 낮을 수록 5대 범죄율이 높은 것으로 나타났다. 절도범죄율도 공간오차모델이 적합하여 여러 변수 중 외국인 거 주율이 양(+)의 부호로, 즉, 외국인이 많을수록 절도 범죄가 많은 것으로 나타났다. 외국인 거주율은 공간시 차모델을 적용하여 사업체 종업원 수가 많고, 다문화가정율이 높고, 풍속업체가 많을수록, 가로등 밀집도가 낮은 지역에 거주하는 것으로 나타났다. 또한 다른 범죄율인 성범죄율은 변수간 다중공선상 문제가 제기되 어 분석할 수가 없었고, 폭력 범죄율은 절도 범죄율과, 112신고율은 5대 범죄율과 유사한 변수로 분석되어 본 연구에서는 5대범죄율과 절도범죄율을 대표적으로 사용하였다. 상황적 범죄 예방이론과 환경설계를 통한 범죄 예방이론에 맞추어 각 범죄율에 영향을 미치는 변수들을 이용하여 CCTV의 설치위치를 선정할 수 있 다. 그래서 여기서 도출된 변수들을 추론하여 5대 범죄에 영향을 미치는 요소, 절도범죄에 영향을 미치는 요 소들을 중심으로 군집하여 영향을 미치는 지점을 찾고, 이 지점들을 GIS를 이용하여 중첩분석을 통해 해당 위치를 찾았다. <Fig. 4>와 같이 생활보호대상자가 군집한 지역과 풍속업소 군집지역, 다문화가정이 많은 지 역, 사업체 종업원 수가 많은 지역, 가로등 밀집도가 낮은 지역을 중첩하여 예방기법에 의한 위험공간으로 선정하였다.

    4. 중첩분석을 통한 CCTV위치 선정

    5대 범죄는 풍속업체가 많은 지역, 생활보호대상자가 많이 거주하는 지역, 그리고 가로등 밀집도가 낮은 지역을 중첩하여 신설위치를 결정한 결과 70개소로 나타났지만 이력자료에 의한 지점을 우선순위로 결정하 여 재조정한 결과 신설지점은 <Fig. 4>처럼 26개로 나타났다. 그 중 3개소 이상 지점은 gy1동과 gy2동, bg동, hg2동, hg3동 순으로 나타났다. 현재 운영 중인 CCTV 영역은 기존 범죄들이 발생한 위험지점 면적의 46%를 담당하고 있다. 이에 신설될 위치를 포함하게 되면 <Fig. 5>처럼, CCTV 영역 커버러지는 Hotspot 대비 128% 를 담당하는 것으로 나타났다.

    Ⅴ. 결론 및 향후 연구과제

    본 논문에서 얻어진 연구결과를 요약하면 다음과 같다. 첫째, 범죄의 특성상 공간적 자기상관성을 가지고 있는 것으로 나타나, 본 연구기법을 활용하여 범죄 위험지점을 선정하고 적절한 행정력 대응을 함으로써 범 죄의 감소 및 영향을 최소화할 수 있다는 장점을 가지고 있다. 둘째, 한정된 예산과 자원을 가진 행정기관과 경찰력를 집중하고, 관심을 가져야 하는 지점 및 지역을 제시함으로써 인력 및 예산의 효율성을 기할 수 있 다. 셋째, 도시계획과 의사결정자들에게 위험지점과 위험공간을 제시하고, 범죄에 영향을 미치는 변수를 알 게 함으로써 향후 도시안전을 위한 정책입안에 방향을 설정할 수 있다. 끝으로 본 연구의 성과로는 연구의 적용을 통해 도시민들에게 범죄에 대한 안전성 및 행정에 대한 신뢰성을 제고하여 CPTED 장비에 대한 거부 감을 최소화할 수 있는 계기가 될 수 있을 것이라 예상한다. 본 연구의 한계는 다음과 같다. 첫째, 본 연구는 2년 자료를 기초로 범죄공간에 초점을 맞추어 진행하여 왔다. 그러나 공간의 변화는 도시 및 지역계획, 즉 시간에 따라 변화하기에 시공간별 분석을 통해 위험지점의 변화와 추이를 분석할 필요가 있다. 둘째, 본 연 구는 방범 CCTV설치위치 및 물량을 설정하는데 초점을 두었다. 그러나 시민의 안전을 도모하는 데는 여러 행정적 지원이 필요하다. 풍속업체의 관리, 생활보호대상자와 외국인들에 대한 행정적 대응, 가로등밀집도 향 등 다양한 정책적 요인 및 대안은 본 연구에서 논외로 하였다.

    ACKNOWLEDGEMENTS

    본 논문은 한성대학교 교내학술연구비 지원과제임.

    Figure

    KITS-17-124_F1.gif

    Research Methodology

    KITS-17-124_F2.gif

    CCTV Operation Density

    KITS-17-124_F3.gif

    Crime outbreak map

    KITS-17-124_F4.gif

    Location of new CCTV installation by preventive data

    KITS-17-124_F5.gif

    Area including existing CCTV location and new installation

    Table

    Local economic variables to be analyzed

    Basic analysis data and average and standard deviation

    Correlation coefficients between CCTV and crime using Pearson technique (** significance at 0.01 level, significance at * 0.05 level)

    Spatial regression analysis for the 5 major crimes

    Spatial regression analysis according to theft crime rate

    regression analysis according to foreign residence rate

    Reference

    1. AlbertoR. Gonzales Regina B. Schofield Sarah V. Hart. Mapping Crime : Understanding Hot Spots, Maps: mapping &analysis for public safety, National Institute of Justice www.ojp.usdoj.gov/nij.
    2. ArmitageR. , SmythG. , PeaseK. and Burnley(1999), “CCTV evaluation, Surveillance of public space : CCTV, street lighting and crime prevention,” vol. 225, no. 10, pp.225-249.
    3. BaikS. I. (2011), A Study on the Physical Characteristics of the Neighborhood Affecting Crime Occurrence, Yonsei Univ.
    4. BowersK. J. and JohnsonS. D. (2003), “ Measuring the Geographical Displacement and Diffusion of Benefit Effects of Crime Prevention Activity ,” Journal of Quantitative Criminology, vol. 19, no. 3, pp.275-301.
    5. BrownB. (1995), CCTV in town centres : three case studies, London : Home Office Police Research
    6. ChangS. W. (2010), A Study on the Crime Prevention Effectiveness of CCTV, Seoul National Univ.
    7. ChangS. W. (2010), A Study on the Crime Prevention Effectiveness of CCTV, Seoul National Univ.
    8. ChungS. Y. (2008), Analysis of spatial patterns and influencing factors of urban crime using GIS and spatial statistics, Seoul National Univ.
    9. FarringtonD. P. , BennettT. H. and WelshB. C. (2007), “ The Cambridge evaluation of the effects of CCTV on crime ”.
    10. In FarrelG. , BowersK. , JohnsonS. , TownsleyM. (2007), Imagination for crime prevention : Essays in honor of Ken Pease, Monsey, NY : Criminal Justice Press.
    11. JungK. S. (2009), “ Spatial Urban Crime Patterns and Crime Factors Analysis Using GIS and Spatial Statistical Techniques ,” Journal of the Korean Geographical Society, vol. 12, no. 1, PP12-25.
    12. JungK. S. (2010), Analysis of spatial and temporal distribution characteristics and influential factors of urban crime using integrated spatial crime analysis model, Gyeongsang Univ.
    13. KimH. K. (2013), A Study on CCTV Site Selection for Security - Busan Metropolitan City -, Pusan National Univ.
    14. KimJ. H. (2014), The Research on Location Monitoring of CCTV Device using Criminal Identification Spatial Data Analysis, Graduate school of Hansung Univ.
    15. LeeH. Y. and NoS. C. (2013), Advanced Statistical Analysis, Moon-U-Sa.
    16. LeeH. Y. and SimJ. (2011), GIS Geoinformatics, Bub-Moon-Sa.
    17. LeeM. J. (2014), Spatial analysis and location modeling of CCTV distribution for security crime in Ansan city, Graduate School of Korea Univ.
    18. LeeS. C. (2010), The Impact of CCTV Perception and Local Environmental Factors on Crime Fear, Dongguk Univ.
    19. LeeS. W. (2004), Urban Planning Implications of Crime in Seoul, Seoul municipal research institute.
    20. LeeS. W. (2009), “ A Study on the Development of a Diagnostic Program for CCTV Installation ,” Journal of the Korea Contents Association, vol. 9, no. 11, pp.326-334.
    21. LucA. (2005), Exploring Spatial Data with GeoDa : A Workbook , Spatial Analysis Laboratory, Department of Agricultural and Consumer Economics, University of Illinois, Urbana-Champaign Urbana, IL61801.
    22. NedL. and Associates(2013), CrimeStat IV, A Spatial Statistics Program for the Analysis of Crime Incident Locations, The National Institute of Justice Washington, DC : Houston, TX.
    23. ParkJ. S. (2011), A Study on Police and Residents' Perception of CCTV Operation, Dongguk Univ.
    24. ShinU. (2005), A study on the temporal and spatial patterns of crime using GIS, Kyung Hee Univ.
    25. YoonY. J. (2007), A Study on the Spatial Characteristic Analysis of Crime-stricken Area Using GIS, Seoul National Univ.

    저자소개

    Footnote

    • 사회적 약자 : 12세 이하 어린이와 60세 이상의 노약자, 그리고 여성을 포괄한 사회학적 보호 대상자를 말한다.