형사정책연구 Korean Criminological Review 제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 * 노성훈 ** 국 문 요 약 최근들어미국에서는 예측적경찰활동 이새로운예방경찰의패러다임으로등장하여커다란관심을끌고있다. 범죄예측분야의발전은방대한범죄데이터, GIS 기반의범죄분석기법및관련프로그램의획기적발전, 그리고컴퓨터기술의급속한발전이뒷받침되어가능하였다. 본연구에서는 인근반복모형 (near-repeat model) 과 위험영역모형 (risk terrain model) 등시공간분석기법을활용하여한국적환경에서의범죄예측력을검증하고자하였다. 이를위해 2012 년과 2013 년에서울시강서경찰서관할지역에서발생한가중폭행과성폭력범죄통계자료및 112 신고통계자료, 그리고다양한공개자료를분석하였다. 위험영역모형의경우가중폭행은무질서밀집, 주류판매업소밀집, 숙박업소밀집, 저소득, 버스정류소근접등의위험요인을예측모형에투입하였고성폭력은무질서밀집, 주류판매업소밀집, 숙박업소밀집의위험요인만으로범죄발생위험성을예측하였다. 두가지유형의범죄모두위험지수가높은지역에집중해서발생하는경향을나타냈다. 인근반복모형은가중폭행보다성폭력의발생을예측하는데더적합한것으로분석되었다. 전년도에촉발범죄가발생한지역에서동종의범죄가재차발생할위험성이성폭력의경우더컸다. 전년도인근범죄발생지역에가중폭행이반복해서발생할위험성이다른지역과비교해서통계적으로유의한차이를보이지않았다. 반면성폭력의경우인근범죄발생지역에서다음해에성폭력이다시발생할위험성이매우높은것으로나타났다. 마지막으로위험영역모형과인근반복모형을모두고려한예측모형의예측력이가장높은것으로분석되었다. 주제어 : 범죄예측, 예측적경찰활동, 범죄지도, 위험영역모형, 인근반복모형, 빅데이터, 범죄분석 ** 이논문은 2014년정부 ( 교육부 ) 의재원으로한국연구재단의지원을받아수행된연구임 (NRF- 2014S1A5A8018900) ** 경찰대학행정학과부교수
240 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) Ⅰ. 서론 전통적방식에의한경찰의범죄예방활동이내포한문제점과한계를극복하고자그동안미국과영국등선진국에서는핫스팟경찰활동, 문제지향적경찰활동, 증거기반경찰활동등다양한시도가지속되어왔다. 최근에는테크놀로지의발전으로방대한양의데이터를저장하고분석하는것이용이해지면서다양한범죄예측기법들이학계와실무에서시도되고있다. 이러한변화속에서도한국의예방경찰활동은여전히전통적방식의순찰활동을벗어나지못하고있는실정이다. 한국의예방경찰중심에는파출소 지구대를주축으로 4만 2천명의정복경찰관이실시하고있는순찰활동이있다. 그런데현재의범죄예방활동은주먹구구식의순찰활동에의존하고있으며신고출동위주의사후적이고수동적인성격을탈피하지못하고있다. 순찰을통해범죄발생을사전에방지한다는본연의예방적기능보다는 112긴급배치시스템을활용하여이미발생한범죄에대한신속한대응만이주로강조되고있다. 이런현상의가장주된원인은순찰인력의절대적부족에서찾을수있다. 미국의경우전국적으로체포권한을가진경찰관 76만명중순찰경찰관이약 50만명가량이며이는순찰경찰관한명이담당하는인구가약 600명정도에해당하는수치이다. 이에반해한국의전체순찰인력은 4만 2천명에불과하여순찰경찰관 1 명의담당인구가 1,200명으로미국의약두배가된다. 우리나라에서예방경찰의기능이약화된저변에는일선경찰관들사이에범죄예방활동의효과에대한회의적인인식이확산되어있는점과무관하지않다. 어차피효과없는예방활동보다는차라리신고사건이나잘대응하자는게지역경찰관들의보편적인식이된지오래이다. 이러한상황속에서가장본연의경찰기능인범죄예방을포기할수도없고, 그렇다고가시적성과가나타나지않는예방활동을고집할수도없는딜레마에빠져있는것이한국예방경찰의현주소라고할수있다. 최근들어미국등선진국에서는데이터분석기반의 예측적경찰활동 (predictive policing) 이새로운경찰활동의패러다임으로등장하여이에대한정부와학계의관심이집중되고있다. 범죄예측시스템의발전은방대한범죄관련데이터베이스의구축, GIS 기반의범죄분석기법및관련프로그램의획기적발전, 그리고하
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 241 드웨어기술의급속한발전에기인한다. 더욱이 빅데이터시대 가본격화되는상황속에서많은국가들이데이터의가치와중요성에대한인식을가지고데이터의활용을통해다양한사회문제를해결하고자하는노력을아끼지않고있다. 한국에서도현정부들어창조경제를구현하기위한주요전략으로 정부3.0 을채택하고공공부문에있어서데이터의공개를확대하고다양한분야에서의데이터활용을강조하고있다. 급격하게변화하는치안환경속에서범죄로부터국민의안전을확보하기위해서는경찰의예방기능이강화되어야할필요성에는재론의여지가없다. 다만제한적인경찰리소스를보다효율적으로활용하면서범죄예방효과를높이기위해서는데이터에기반을둔예측적경찰활동으로의전환가능성을검토할필요성이있다. 이를위해서는우선적으로한국적범죄환경에부합하는예측력높은범죄예측모델을개발하는것이중요하다고하겠다. 본연구의목적은미국과영국에서개발된범죄발생예측분석기법을한국범죄통계자료에대입하여예측력을검증하고한국의범죄환경적특성에적합한범죄예측분석모형을개발하는것이다. 보다구체적으로는 2012년부터 2013년동안서울시강서구에서발생한범죄발생통계자료와다양한소스를통해수집된범죄위험요인자료를바탕으로 인근반복분석 (near-repeat analysis) 등의시공간분석과범죄위험요인을고려한 위험영역모형 (risk terrain modeling) 등의기법을활용하여범죄예측모형을만들고예측력을검증하고자하였다 (Caplan et al., 2013). 아울러연구결과를바탕으로빅데이터시대의도래에따라강조되고있는데이터기반의예측적경찰활동의도입가능성을점검하고자하였다. Ⅱ. 배경이론및선행연구 1. 배경이론 범죄는시간적 공간적으로집중해서발생하며이러한현상을 핫타임 (hot time), 핫스팟 (hot spot) 이라는명칭으로표현하고있다. 범죄는도시전체에골고루퍼져
242 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 서발생하는것이아니라범죄를유발시키는사회적 물리적환경을가진특정한시간대와지리적공간에집중되는패턴을보인다. 범죄학적측면에서범죄의지리적집중현상은서로구별되는두진영의이론들에의해설명된다. 첫번째진영은지역사회나근린거주지역의사회적, 문화적구조속에서범죄취약적특성을확인하고자한다. 20세기초반미국의시카고학파가제시한 사회해체이론 (social disorganization theory) 은당시시카고도심의특정지역사회에범죄, 무질서등사회적문제가집중되는현상을이론적으로설명하기위한노력에서출발했다 (Shaw & McKay, 1942). 시카고대학의범죄학자들은사회생태학적이론을접목하여높은범죄율의원인을지속적인이민자의유입과이로인한이질적민족간의문화적갈등, 그리고궁극적으로는이로인한개인의행위에대한지역사회차원의영향력약화속에서찾았다. 그들은지역의사회해체정도를빈곤, 민족적이질성, 주거불안정성등의구조적특징을통해확인할수있다고설명하였다 (Bursik & Grasmick, 1993; Shaw & McKay, 1942). 이후사회해체이론은지역사회통제라는관점을중심으로발전하게되는데단순히지역사회의구조적특징이높은범죄율로이어진다기보다는사회통제메커니즘의약화가둘사이의인과관계를매개한다고이해하게되었다. 사회통제메커니즘의약화와관련해서 사회적자본 (social capital) 과 집합적효능성 (collective efficacy) 등의개념들은지역사회내의인적네트워크와지역문제해결에대한구성원들의의지또는역량에초점을맞추고있다 (Sampson & Groves, 1989; Sampson & Wilson, 1995). 범죄를유발하는지역사회의또다른특징으로논의되어온것이무질서이다. 깨어진유리창이론 (broken window theory) 에의하면지역사회가방치하고있는물리적무질서 ( 예를들어, 버려진쓰레기, 빈집등 ) 나사회적무질서 ( 예를들어, 주취자소란행위, 불량청소년등 ) 는궁극적으로해당지역의범죄율증가로이어지게된다. 질서유지기능이작동되지않는지역을방문한외부인들은그곳에서는 아무도자신들의행동에상관하지않는다 는인식을갖게되고이러한인식으로인해위법행위를보다쉽게저지르게된다 (Wilson & Kelling, 1984). 두번째진영은특정공간의범죄취약성에초점을맞추고적절한범행기회및이에대한접근성등의요인들과연관지어범죄의시공간적집중화를설명한다. 여
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 243 기에는 합리적선택이론 (rational choice theory) 이나 일상활동이론 (routine activity theory), 기회이론 (opportunity theory), 범죄패턴이론 (crime pattern theory) 등이속한다. 합리적선택이론에의하면잠재적범죄자는범죄의작심부터최종적인실행단계까지일련의결정과정을거쳐야하며이때가능한범행의성공가능성은높이고검거 처벌과같은위험은최대한낮추려는원리에따라모든결정이이루어진다고한다 (Cornish & Clarke, 1986). 범행장소와대상도동일한원리에따라선정되는데이때합리적범죄자의결정은범행지역의특성에영향을받게된다. 일상활동이론에따르면범죄가발생하려면잠재적범죄자, 적절한범행대상, 그리고능력있는보호자의부재가필요하다. 만일세요소가동일한장소와시간에존재하게되면범죄발생가능성이높아지게되는데이러한조건이공간적으로는핫스팟을, 시간적으로는핫타임을형성하게되는것이다 (Cohen & Felson, 1979). 나중에기회이론이제시되면서적절한범행대상의의미가잠재적범죄자에대한노출의정도, 범죄자의관심을유발하는정도, 범죄자와의근접성등으로구체화되었다 (Cohen, Kuegel, & Land, 1980). 마지막으로, 범죄패턴이론은범죄가공간적으로패턴화되어있음에주목하면서범죄자들이평범한일생생활속에서범행기회와조우하는과정을설명한다. 범죄자들은일상적생활공간속에서피해자들과시간적 공간적으로교차하기때문에범행기회가범죄자들의활동공간, 이동경로, 교점등을중심으로분포하는경향을보인다 (Brantingham & Brantingham, 1993). 2. 선행연구 다수의연구들을통해범죄가시공간적으로집중되는현상이검증되어왔다. 미국의저명한범죄학자로렌스셔먼 (Lawrence Sherman) 은전체경찰신고의 50% 이상이미네아폴리스시전체면적의 3.3% 에해당하는주소지에서발생했다는사실을밝혀낸후이를근거로향후범죄예방에있어서누가범죄를저지르는지를아는것보다어디에서범죄가발생하는지를아는것이훨씬중요하다고주장하였다 (Sherman, 1990). 이와비슷하게시애틀시에서수행된연구에서도지난 14년간발생한전체범죄의약절반가량이불과전체도로의 4.5% 에해당하는지점에서집중
244 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 적으로발생했다는사실이밝혀졌다 (Braga, Hureau, & Papachristos, 2011). 또한범죄는공간적으로집중화되는경향을보이며특히주거침입절도나차량절도에있어서인근지역에반복적으로발생하는경향이나타났다. 예를들어, 주거침입절도를분석한한연구에서최초의범죄발생일로부터 2주안에범죄가발생한지점으로부터 100미터이내에서재차범죄가발생할확률이통계적으로유의미하게높았으며 2주의기간이지난이후점차위험도가감소하는것으로나타났다 (Johnson, 2007). 또다른연구에서도한번침입절도를당한주거지가재차피해를당할가능성이 4 배에서 12배까지높은것으로나타났다 (Farrell & Pease, 1993). 주거침입절도범을면접조사한연구에서도조사대상자중 76% 가한번범행에성공한적이있는집을 2번에서 5번까지재차찾아간적이있다고답변하였다 (Johnson, 2007:204). 이러한결과들은한지점에서범죄가발생하면일정기간내에인근지역에서동일한유형의범죄가반복적으로발생할가능성이크다는 인근반복분석 모형의기본적가정을뒷받침한다고할수있다. 다른연구들은범죄가공간적으로집중하게되는원인을그공간이내포한범죄위험요인에의해설명하고자하였다. 이러한범죄위험요인은앞에서설명한기회이론이나지역사회통제이론으로부터도출되는데범죄의유형에따라위험요인이다르게나타난다. 예를들어, 주거침입절도의경우과거주거침입절도피해여부, 주거침입절도전과자의주거지, 주요도로인접여부, 16세에서 24세사이남성의공간적집중도, 아파트와숙박업소의위치등이주거침입절도발생위험성에영향을미치는것으로분석되었다 (Paul & Joiner, 2011:7). 뉴저지주의총기사건발생예측에위험영역모형을적용한연구에서는조직폭력배, 버스정류소, 학교, 술집이나클럽등이총기사건발생의위험성을높이는요인으로나타났다. 연구결과에의하면한해동안발생한모든총기사건의 42% 가위험요인에의해측정된위험정도를기준으로최상위 10퍼센트에해당하는공간에서발생했다. 또한개별적위험요인이분석모형에추가될때마다총기사건발생위험성은 143% 증가하는것으로나타났다 (Caplan, 2011:69-70). 가중폭행, 살인, 강도, 무기소지등폭력범죄에대한위험영역모형의범죄발생예측력을분석한다른연구에서도버스정류소, 학교, 유흥업소등의위험요인으로위험값 (risk value) 를측정하였다. 분석결과위험값이한단위
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 245 증가할때마다각공간단위 ( 폭 100피트의정사각형격자 ) 에서폭력범죄가발생할가능성은 92% 증가하는것으로나타났다 (Caplan et al., 2013). 이러한결과들은범죄의공간적군집화특성이해당공간에존재하는범죄유발요인에기인한다는사실을실증적으로확인시켜주고있으며동시에위험영역모형에의한범죄예측의타당성을지지하고있다. 국내에서도범죄의공간적집중화패턴을 GIS 분석기법을활용하여분석한다수의연구들이실시되었다. 정경석외 3명 (2009) 은 GIS와공간통계기법을활용하여마산시의범죄발생데이터를분석하였다. 모든유형의범죄에있어서공간적자기상관이발견되었으며특히강도의경우공간적군집화경향이가장뚜렷했다. 범죄발생영향요인으로서절도범죄의경우도소매업수, 숙박음식점수등이유의미한영향을미치는것으로분석되었다. 김걸과김병선 (2009) 의연구에서도핫스팟분석과공간분석을통해강도와절도의공간적군집화가높게나타났다. 또한, 토지용도별범죄의공간적분포패턴을조사한결과강간은유동인구가많고유흥업소밀집지역에서, 강도는상업지역에서, 그리고방화와절도는주거지역에서주로발생하는것으로나타났다. 또다른연구들은셉테드 (CPTED) 관점에서범죄다발지역의물리적환경을분석하였다. 최재필과이기완 (2002) 은아파트단지내절도범죄의공간적특성을분석한결과시각적으로폐쇄되어자연적감시기능이낮은공간에서범죄가빈번히발생한다고보고하였다. 이만형외 2명 (2007) 의연구에서는가로와의연결도가주거침입절도위험성에유의미한영향을미치며야간범죄에있어서는가로등으로부터의거리가영향요인임을밝혀냈다. 범죄의공간분포패턴을분석한국내의연구가다수존재하지만아직까지다년간의자료를활용하여범죄발생예측모델을개발하고예측력을검증한연구는없다. 일부연구들은시군구와같은행정단위를분석단위로하여범죄발생의공간적자기상관을분석하거나범죄에유의미한영향을미치는사회경제적지표를확인하는데중점을두고있다. 이러한면사상단위분석의연구는인위적으로구분한지리적단위를분석단위로하기때문에가변적공간단위문제 (MAUP) 가발생하는한계가있다 ( 정진성 김우중, 2012). 다른연구군은셉테드분야의연구들로서주로범행기회를제공하는물리적환경에초점을맞추고범죄발생영향요인을파악한다. 이러한
246 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 연구들역시유의미한범죄발생영향요인을파악하는게주된연구목적이며범죄예측모델을개발또는검증하는연구는아니다. 이에반해앞서검토했듯이근래들어미국과영국에서는예측적경찰활동과빅데이터에대한관심이높아지면서범죄예측관련연구들이활발히이루어지고있다. 하지만범죄예측분석의대표적두모형인인근분석모형과위험영역모형이소개된지얼마되지않았기때문에관련연구가양적으로, 질적으로부족한실정이다. 더욱이최근에들어서야기존의다양한범죄예측도구들을포괄적으로고려하여범죄발생예측력을높이려는시도도이루어지고있다 (Caplan et al., 2013). 이번연구는국내범죄예측분야연구에있어서의공백을해소하는동시에새로운분석기법을시도하여한국적상황에맞는범죄예측모형의개발가능성을타진해보는데목적을두었다. Ⅲ. 연구방법 1. 자료와변수 연구에활용된자료는크게범죄통계자료와범죄위험요인자료로구분할수있다. 먼저 2012년 1월 1일부터 2013년 11월 30일사이에강서경찰서관할지역에서발생한범죄통계자료를경찰청의협조를받아활용하였다. 분석대상이된범죄유형은 가중폭행 (aggravated assault) 과 성폭력 (sexual violence) 이다. 1) 가중폭행은범죄통계자료의접수죄명과종결죄명을종합적으로고려하여중상해, 폭력행위등처벌에관한법률위반행위 ( 집단, 흉기, 공동 ), 특수폭행에해당하는범죄사건을의미한다. 성폭력은강간, 강간미수, 준간강, 유사강간, 강제추행, 아동 청소년의성보호에관한법률위반행위 ( 강간, 강제추행등 ) 등을포함한다. 범죄통계자료중에서 2013 년 1월 1일부터동년 11월 30일사이에발생한가중폭행과성폭력이범죄예측의 1) 사전분석단계에서일반절도, 주거침입절도와같은도구적범죄도분석하였으나일반절도는대형마트, 목욕시설등에집중되는경향이나타나고주거침입절도의경우는유의미한범죄위험요인이확인되지않아서논문에는포함시키지않았다.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 247 대상이되는종속변수이다. 2) 나머지 2012년 1월 1일부터동년 11월 30일사이에발생한범죄는 2013년에발생한범죄의예측변수로활용하였다. 지리분석을위해범죄통계자료의발생주소지를인터넷지리분석툴인 X-Ray Map을활용하여강서경찰서관할지역수치지도위에지오코딩 (geocoding) 하였다. 그결과 2012년 11개월동안발생한 307건의가중폭행, 221건의성폭력그리고 2013년 11개월동안발생한 104건의가중폭행, 168건의성폭력이분석대상에포함되었다. 범죄위험요인자료는다양한경로를통해수집되었다. 주류판매업소와숙박업소위치정보는 서울시열린데이터광장 (data.seoul.go.kr) 에공개되어있는자료를통해확보하였다. 버스정류장위치는서울시교통정보과홈페이지 (bus.go.kr) 에서제공하는자료를통해입수하였다. 지역사회의무질서정도는경찰청의 112신고자료를분석하여측정하였다. 구체적으로 2013년 7월부터 11월사이에강서경찰서관할지역내에서행패소란, 청소년비행, 시비소음등무질서행위와관련하여신고된사건을분석하였다. 빌라의밀집정도와소득수준은 국가공간정보유통시스템 (nsic. go.kr) 의무료공개자료중공간정보분석전문업체인 BIZ-GIS 에서제공한자료를활용하여측정하였다. 수집된모든자료는범죄발생자료와마찬가지로지리분석을위해 X-Ray Map을통해지오코딩하여 XY좌표값을얻었다. 다음으로지리분석프로그램인아크맵 (ArcMap) 을활용하여강서경찰서관할지역을가로와세로가각각 100미터인격자로분할하였다. 그런다음격자레이어위에강서구지역건물레이어를오버레이시킨후중첩되는격자들만추출하였다. 이러한과정은분석대상에서거주인구가없는지역 ( 예를들어, 야산이나공원등 ) 을제외하기위해서이다. 최종적으로기본적인공간분석단위가되는 4,864개의격자가분석대상에포함되었다. 다음으로아크맵의 Spatial Join 기법을활용하여모든격자에각각의범죄발생정보와범죄위험요인정보의값을부여하였다. 모든변수들은더미코딩을하여사용하였다. 종속변수인 2013년도가중폭행과성폭력도발생 (=1) 과미발생 (=0) 의이변량변수로변환하였으며그결과모든격자에는발생한범죄사건의건수와상관없이 1 또는 0 의값이부여되었다. 2012년범죄통계자료는우선인근반복분석기법을사용하여가중폭행과성폭력의각각에 2) 2013 년 12 월의범죄통계를확보하지못하여 11 개월동안발생한범죄만분석대상으로하였다.
248 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 대한 촉발범죄 (instigator) 와 인근범죄 (near repeat) 발생지역을확인하였다. 이는동종의범죄가반복해서발생하는특성을가진지역을파악한후이를활용하여범죄예측력을높이기위해서이다. 가중폭행촉발범죄는 2012년 1월에서 11월사이에발생한가중폭행사건중사건발생후 30일이내에인근 500미터이내의거리에서 2건이상의동종범죄가발생한경우를말한다. 가중폭행인근범죄는해당사건의발생전 30일이내에인근 500미터이내에 2건이상의동종범죄가발생한경우를의미한다. 성폭력의촉발범죄와인근범죄도같은방법으로측정하였으나다만상대적으로적은발생건수를고려하여동종범죄발생건수기준을 1건으로하였다. 그런다음모든격자들에대해촉발범죄와인근범죄가존재하는지여부에따라발생 (=1) 과미발생 (=0) 의값을부여하였다. 빌라의밀집정도는빌라가구수분포의표준편차를기준으로표준편차 2.5이상지역을밀집 (=1), 나머지를기타 (=0) 으로구분하였다. 주류판매업소와숙박업소의밀집정도는표준편차 1.5을기준으로밀집지역과기타지역으로구분하였다. 소득수준은추정소득분위가 3분위이하인지역을저소득 (=1) 으로, 나머지는기타 (=0) 로구분하였다. 마지막으로버스정류장근접정도는가장가까운버스정류장이 50미터이내에위치하는지역을근접 (=1), 나머지지역은기타 (=0) 로분류하였다. 보다구체적인변수측정방법은 < 표 1> 에설명된바와같다. < 표 1> 변수측정방법과코딩 변수명측정방법코딩자료 가중폭행 가중폭행촉발범죄가중폭행인근범죄 성폭력 성폭력촉발범죄 성폭력인근범죄 2013년 1월 ~11월사이발생한중상해, 폭력행위등처벌에관한법률 ( 집단, 흉기, 공동 ), 특수폭행사건 2012 년 1 월 ~11 월사이발생한가중폭행사건중해당사건발생후 30 일이내에인근 500 미터이내에 2 건이상의동종범죄가발생한경우 2012 년 1 월 ~11 월사이발생한가중폭행사건중해당사건발생전 30 일이내에인근 500 미터이내에 2 건이상의동종범죄가발생한경우 2013 년 1 월 ~11 월사이발생한성폭력 ( 강간, 강제추행 ) 사건 2012 년 1 월 ~11 월사이발생한성폭력사건중해당사건발생후 30 일이내에인근 500 미터이내에 1 건이상의동종범죄가발생한경우 2012 년 1 월 ~11 월사이발생한가중폭행사건중해당사건발생전 30 일이내에인근 500 미터이내에 1 건이상의동종범죄가발생한경우 1: 발생 0: 미발생 1: 발생 0: 미발생 1: 발생 0: 미발생 1: 발생 0: 미발생 1: 발생 0: 미발생 1: 발생 0: 미발생 경찰청범죄통계자료 경찰청범죄통계자료 경찰청범죄통계자료 경찰청범죄통계자료 경찰청범죄통계자료 경찰청범죄통계자료
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 249 < 표 1> 의계속 변수명측정방법코딩자료 빌라 국토교통부정보기준 20세대미만의공동주택에거주하는가구수 1: 밀집 (SD>=2.5) 0: 기타 : 0 ( 빌라가구수분포표준편차 ) BIZ-GIS.com 제공공간자료 무질서 2013 년 7 월 ~11 월사이무질서행위 ( 행패소란, 청소년비행, 시비소음, 무전취식, 풍속영업, 노점상등 ) 로인해 112 신고된사건 1: 밀집 (SD>=1.5) 0: 기타 ( 무질서신고건수분포표준편차 ) 경찰청 112 신고자료 주류판매업소 숙박업소 소득수준 식품위생법상유흥주점, 단란주점, 일반음식점중 2013 년 1 월 1 일기준영업중인업소 ( 경양식, 분식, 김밥집, 뷔페등제외 ) 공중위생법상숙박업소중 2013년 1월 1일기준영업중인업소 공동주택과오피스텔의공시지가, 표준지공시지가를이용한토지가격및전월세비율등을기준으로추정된소득분위 (10 분위 ) 1: 밀집 (SD>=1.5) 0: 기타 ( 주류판매업소분포표준편차 ) 1: 밀집 (SD>=1.5) 0: 기타 ( 숙박업소분포표준편차 ) 1: 저소득 (3 분위이하 ) 0: 기타 서울시공개자료 서울시공개자료 BIZ-GIS.com 제공공간자료 버스정류장버스정류장위치 1: 근접 (50미터이내 ) 0: 기타 서울교통정보과제공자료 2. 분석방법 범죄발생을예측하기위한모형은크게두가지원리를따르고있다. 첫번째원리는과거에어떤한장소에범죄가발생했다면미래에도그인근에서범죄가발생할가능성이높아진다는것이다. 인근반복모형 (near repeat model) 은이러한반복적범죄발생의패턴을바탕으로범죄발생을예측한다. 그런데특정장소의반복적피해발생은두가지이유에의해서설명된다. 첫째, 특정장소는범죄취약적요소들을가지고있으며이러한취약성이겉으로잘드러나기때문에잠재적범죄자들에게매력적인범행대상이된다는것이다 (Brower & Johnson, 2004:12). 이러한설명에의하면범죄취약장소는여러다른범죄자들로부터반복적으로피해를입게된다. 둘째, 최초의범행으로범죄자는특정범행대상및주변지역에대해친숙해지며추가적범행에필요한정보를축적하기때문에동일지역에대해범행을반복하게된다는것이다 (Brower & Johnson, 2004:13). 따라서특정장소와인근에유사한범죄가반복적으로발생한다면동일범죄자에의한범죄일가능성이높다. 3) 아
250 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 울러인근반복모형의장점은범죄의장소적반복성외에시간적반복성을추가적으로고려할수있다는점이다. 최초의범죄가발생하고그인근에서재차범죄가발생할확률은시간의경과에따라변하게되는데이러한점을고려하여범죄핫스팟과핫타임을확인할수있다. 두번째범죄발생예측원리는특정공간에존재하는사회적, 물리적, 행동적요인들이복합적으로작용하여범죄가발생한다는점에주목한다. 단순히과거에범죄가발생했다는사실만으로미래의범죄발생을예측할수없으며범죄를발생시키는유발요인들을확인하고분석함으로써보다정확한범죄발생예측이가능하다고여긴다. 위험영역모형은범죄발생가능성을높이는위험요인들을지도위에레이어형태로중첩적으로표현한다. 각기다른레이어는위험요인의유무또는요인값의크기에대한정보를포함하고있으며다수의레이어를합산한값이위험지수가된다 (Caplan, 2011:68). 인근반복모형과비교할때위험영역모형은범죄발생의원인을분석하여미래범죄발생을예측하며범죄에영향을주는환경적변화를보다정확히반영할수있다는장점이있다. 본연구에서는인근반복모형과위험영역모형을모두고려하여다음과같은순서에의해분석을진행하였다. 1 가중폭행과성폭력각각에대하여통계적으로유의한영향을미치는위험요인을확인하였다. 카이제곱분석으로빌라, 무질서, 주류판매업소, 숙박업소, 소득수준, 버스정류장등총 6개의위험요인중가중폭행과성폭력과통계적으로유의한상관관계를보이는위험요인을판별하였다. 2 각유의한위험요인이존재하는격자에 1의값을부여한후위험요인개수를합산하여격자별로위험지수를산출하였다. 3 위험지수가가중폭행과성폭력의발생에통계적으로유의한영향을미치는지를확인하기위해로지스틱회귀분석을실시하였다. 4 로지스틱회귀분석모형에촉발범죄와인근범죄변수를투입하여위험지수와함께범죄발생에미치는영향의통계적유의성을검증하였다. 5 각위험요인이범죄발생에미치는영향에있어서의상대적인크기를고려한 3) 인근반복모형에서 인근 (near) 의의미는과거에이미범죄가발생한장소로부터가깝다는의미이다.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 251 위험지수를산출한다. 가중치가적용된위험지수를분석모형에투입하여설명력의변화를관찰하였다. Ⅳ. 연구결과 < 표 2> 는가중폭행및성폭력의발생과각위험요인과의상관관계를보여주고있다. 가중폭행의경우빌라의밀집정도를제외한모든위험요인이통계적으로유의한상관관계를나타냈다. 무질서, 주류판매업소, 숙박업소의밀집정도가높거나, 소득수준이낮거나, 버스정류장에근접한지역일수록가중폭행의발생가능성이높았다. 이와달리성폭력에있어서는무질서, 주류판매업소, 숙박업소의밀집정도만이범죄발생에유의한차이를나타내는위험요인으로확인되었다. 무질서수준이높고주류판매업소와숙박업소가밀집한지역일수록성폭력발생위험성이높았다. < 표 2> 위험요인에따른가중폭행과성폭력발생차이카이자승검정 가중폭행 성폭력 ( 단위 : 빈도 ( 백분율 )) 위험요인구분발생미발생계 χ2 발생미발생계 χ2 빌라 무질서 주류판매업소 밀집 기타 밀집 기타 밀집 기타 12 (5.7) 224 (4.8) 73 (29.9) 163 (3.7) 68 (21.1) 168 (3.7) 0.333 0.188 199 (94.3) 4429 (95.2) 211 4653 18 (8.5) 359 (7.7) 193 (91.5) 4294 (92.3) 349.619** 170.076** 171 (70.1) 4457 (96.3) 244 4620 72 (29.5) 305 (6.6) 172 (70.5) 4315 (93.4) 197.628** 67.315** 254 (78.9) 4374 (96.3) 322 4542 63 (19.6) 314 (6.9) 259 (80.4) 4228 (93.1) 211 453 244 4620 322 4542
252 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) < 표 2> 의계속 가중폭행 성폭력 위험요인구분발생미발생계 χ2 발생미발생계 χ2 숙박업소 소득수준 버스정류장 밀집 기타 저소득 기타 근접 기타 18 (24.3) 218 (4.6) 21 (8.8) 215 (4.6) 83 (6.0) 153 (4.4) 61.717** 142.662** 56 (75.5) 4572 (95.4) 74 4790 33 (44.6) 344 (7.2) 41 (55.4) 4446 (92.8) 8.429** 2.581 218 (91.2) 4410 (95.4) 239 4625 25 (10.5) 352 (7.6) 214 (89.5) 4273 (92.4) 5.246* 0.143 1308 (94.0) 3320 (95.6) 주 : *p<.05(two-tailed); **p<.01(two-tailed) 1391 3473 111 (8.0) 266 (7.7) 1280 (92.0) 3207 (92.3) 74 4790 239 4625 1391 3473 가중폭행과성폭력에통계적으로유의한영향을미치는위험요인들을합산하여범죄유형별로위험지수를산출하였다. 가중폭행의경우빌라를제외한나머지 5개의위험요인을합산하여 0점부터 5점까지의위험지수를, 성폭력의경우무질서, 주류판매업소, 숙박업소를합산하여최대 3점까지의위험지수를격자단위의지역에적용하였다. [ 그림 1] 과 [ 그림 2] 는각각가중폭행과성폭력의위험지수지도위에 2013년에발생한범죄사건을오버레이한결과를보여주고있다. 중상해폭력위험지수는 0점에서최대 4점까지분포하였고이중 2점에서 4점에해당하는지역에 2013 년에발생한중상해폭력이집중되어있음을확인할수있다. 위험지수 2점이상인지역이총 289개로서전체 4864개지역 ( 격자 ) 의 5.9% 에불과한반면총 104건의가중폭행사건중 58건이이지역에발생하여 55.8% 가집중되었다. 성폭력의경우에도성폭력위험요인 1개이상을가진 505개의지역 (10.4%) 에성폭력 65건 (38.7%) 가발생하여고위험지역에서의범죄발생집중현상이관찰되었다.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 253 [ 그림 1] 지역별위험지수와 2013 년가중폭행발생 [ 그림 2] 지역별위험지수와 2013 년성폭력발생
254 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) < 표 3> 로지스틱회귀분석 : 위험지수, 촉발범죄, 인근범죄가가중폭행발생에미치는영향 (n=4,864) b SE Exp(b) b SE Exp(b) 위험지수 1.139.081 3.123**.936.089 2.551** 촉발범죄 1.184.304 3.267** 인근범죄.350.330 1.419 ( 상수 ) -3.800.106.022** -3.746.104.024** -2로그우드 1699.951 1667.573 Cox & Snell R2.038.044 Nagelkerke R2.118.138 주 : *p<.05(two-tailed); **p<.01(two-tailed) < 표 4> 로지스틱회귀분석 : 위험지수, 촉발범죄, 인근범죄가성폭력발생에미치는영향 (n=4,864) b SE Exp(b) b SE Exp(b) 위험지수 1.068.083 2.911**.778.095 2.177** 촉발범죄 1.671.222 5.316** 인근범죄 1.834.219 6.257** ( 상수 ) -2.725.062.066** -2.899.066.055** -2로그우드 2508.249 2296.116 Cox & Snell R2.029.071 Nagelkerke R2.069.168 주 : *p<.05(two-tailed); **p<.01(two-tailed) 다음으로위험지수와 2012년범죄통계자료를통해확인된반복적인범죄발생경향을나타낸지역정보를 2013년범죄발생예측모형에투입하였다. < 표 3> 과 < 표 4> 는위험지수및 2012년촉발범죄발생과인근범죄발생이각각 2013년가중폭행과성폭력발생에미치는영향에대한로지스틱회귀분석결과를보여준다. 가중폭력예측모형에서위험지수만투입한경우위험지수 1점증가가범죄발생승산을 3.1배증가시키는것으로나타났다. 촉발범죄와인근범죄를모두투입한모형에서는위험지수와촉발범죄만범죄발생에유의한영향을나타냈다. 위험지수 1점증가로인해범죄발생승산이 2.5배이상증가하고촉발범죄발생지역은다른지역보다범죄발생승산이약 3.3배더높은것으로나타났다. 성폭력의경우위험지수가 1점
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 255 증가할때마다성폭력발생승산이 2.9배증가하였다. 촉발범죄와인근범죄를모두고려했을때에는모형의설명력이두드러지게증가하였다. 촉발범죄와인근범죄가발생한지역은그렇지않은지역에비해성폭력발생승산이각각 5.3배, 6.2배높았다. 이러한결과는가중폭행에비해성폭력이같은지역에서반복적으로발생하는경향이높다는점을보여준다고하겠다. < 표 5> 로지스틱회귀분석 : 위험요인이가중폭행발생에미치는영향 (n=4,864) b SE Exp(b) b β SE Exp(b) 무질서 1.944.184 6.989** 1.996.108.180 7.358** 주류판매업소 1.186.187 3.275** 1.244.077.182 3.468** 숙박업소.640.339 1.896 저소득.750.259 2.117**.767.041.258 2.154** 버스정류장.418.151 1.519**.412.046.151 1.509** ( 상수 ) -3.605.105.027** -3.600.105.027** -2로그우드 1651.226 1654.573 Cox & Snell R2.048.047 Nagelkerke R2.148.146 주 : *p <.05(two-tailed); **p <.01(two-tailed) < 표 6> 로지스틱회귀분석 : 위험요인이성폭력발생에미치는영향 (n=4,864) b β SE Exp(b) 무질서 1.405.053.175 4.076** 주류판매업소.482.021.183 1.620** 숙박업소 1.778.038.266 5.921** ( 상수 ) -2.717.061.066** -2로그우드 2491.179 Cox & Snell R2.033 Nagelkerke R2.077 주 : *p<.05(two-tailed); **p<.01(two-tailed) 그런데현재까지사용한위험지수는위험요인들이범죄발생에미치는영향의정도가동일하다고가정한 비가중 (unweighted) 위험지수 이다. 모형의범죄발생예측력을높이기위해위험요인별로영향력크기를반영하여가중치를부여한 가중
256 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) (weighted) 위험지수 를산출하였다. 이를위해범죄유형별로위험요인을투입하여로지스틱회귀분석을실시하였고그결과카이자승검정에서가중폭행발생에유의한영향을미치는것으로나타났던숙박업소밀집이유의하지않은것으로나타나서모형에서배제하였다. 위험요인들의상대적영향력을비교하기위해서각위험요인별로표준화계수 (β값) 를산출하였고기존의 1 대신에이수치를적용하였다. 4) 중상해폭력발생에유의한영향을미치는위험요인중무질서밀집의영향력이가장컸고그다음으로주류판매업소밀집, 저소득, 버스정류정근접의순서였다 < 표 5>. 성폭력의경우에는숙박업소밀집이가장영향을미쳤고그다음으로무질서밀집, 주류판매업소밀집의순서였다 < 표 6>. < 표 7> 로지스틱회귀분석 : 가중위험지수, 촉발범죄, 인근범죄가가중폭행과성폭력발생에미치는영향 (n=4,864) 가중폭행 성폭력 b SE Exp(b) b SE Exp(b) 가중위험지수a.603.050 1.828**.334.040 1.397** 촉발범죄 1.031.310 2.805** 1.653.225 5.224** 인근범죄.288.333 1.334 1.830.221 6.233** ( 상수 ) -3.315.081.036** -2.796.063.061** -2로그우드 1642.270 2292.646 Cox & Snell R2.049.071 Nagelkerke R2.153.170 주 : a) 해석의편의를위해가중위험지수의표준값 (z 값 ) 으로대체하여사용함. *p<.05(two-tailed); **p<.01(two-tailed) < 표 7> 은가중위험지수를예측모형에투입하여분석한결과를보여주고있다. 가중위험지수의표준편차가 1씩증가할때마다가중폭행과성폭력승산이각각 1.8 배, 1.4배증가하는것으로나타났다. 비가중위험지수를투입한 < 표 3>, < 표 4> 와비교할때가중폭행모형의설명력이향상된반면성폭력에있어서는큰변화가나타나지않았다. 다음으로가중위험지수의표준편차를반영한지도위에 2013년에 4) SPSS 통계패키지에서는로지스틱회귀분석결과에표준화계수를포함하지않고있다. 표준화계수산출은 Jason, E. King(2007), Standardized Coefficients in Logistic Regression 에서사용한공식을그대로따랐다.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 257 발생한가중폭행과성폭력을오버레이하였다 ( 그림3, 4). 가중위험지수표준편차가 1.5이상인지역에가중폭행과성폭력발생가능성이높은것을확인할수있었다. < 그림 3> 지역별가중위험지수와가중폭행 < 그림 4> 지역별가중위험지수와성폭력
258 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 다음으로위험영역모형과인근반복모형을고려한범죄발생의지리적분포를관찰하였다 ( 그림 5, 6). 가중위험지수의표준편차가 1.5 이상이지역을위험영역지역으로, 촉발범죄또는인근범죄 ( 가중폭행은촉발범죄만 ) 가발생한지역을인근반복지역으로구분하였다. 그림에서보듯이위험영역과인근반복특성을모두가진지역에가중폭행과성폭력이가장집중해서발생하고있음을알수있다. < 그림 5> 위험영역모형과인근반복모형에의한가중폭행분포 < 그림 6> 위험영역모형과인근반복모형에의한성폭력분포
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 259 마지막으로지역단위별로실제발생한범죄건수를고려하여위험영역모형과인근반복모형의범죄발생예측력을분석하였다. < 표 8> 은위험영역지역과인근반복지역의범죄발생관측빈도, 기대빈도, 그리고빈도비율을비가중모형과가중모형으로구분하여나타내고있다. 전체적으로위험영역과인근반복모두해당하는지역에서실제로발생한범죄건수와기대빈도간의차이가가장큰것으로나타났다. 가중폭행의경우에는인근반복지역에비해위험영역지역에서빈도비율 ( 기대빈도대비관측빈도 ) 이높게나타났다. 반면성폭력은위험영역지역보다인근반복지역에서빈도비율이높았다. 또한가중폭행에있어서는가중모형과비가중모형의범죄발생예측력이비슷하거나비가중모형이좀더높게나타났다. 이에반해성폭력에서는가중모형이비가중모형에비해모든영역에있어서훨씬예측력이높게나타났다. < 표 8> 위험영역모형과인근반복모형에의한범죄발생예측력 비가중모형 가중모형 가중폭행 성폭력 관측빈도 기대빈도 관측 / 기대 관측빈도 기대빈도 관측 / 기대 위험영역+인근반복 25 1.5 16.5 34 3.0 11.2 위험영역 33 4.7 7.1 31 14.4 2.1 인근반복 6 1.5 4.1 26 4.6 5.6 위험영역+인근반복 26 1.6 16.6 27 1.3 20.7 위험영역 31 5.8 5.3 24 4.9 4.9 인근반복 5 1.43 3.5 33 3.4 9.6 Ⅴ. 논의및결론 이번연구에서는아직까지국내의학계에서시도된적이없는범죄예측모형을서울시강서경찰서관할지역에발생한가중폭행과성폭력범죄에적용해보았다. 먼저위험영역모형의경우가중폭행은무질서밀집, 주류판매업소밀집, 숙박업소밀집, 저소득, 버스정류소근접등의위험요인을예측모형에투입하였고성폭력은무질서밀집, 주류판매업소밀집, 숙박업소밀집의위험요인만으로범죄발생위험성을예측
260 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 하였다. 두가지유형의범죄모두위험지수가높은지역에집중해서발생하는경향을나타냈다. 인근반복모형은가중폭행보다성폭력의발생을예측하는데더적합한것으로분석되었다. 전년도에촉발범죄가발생한지역에서동종의범죄가재차발생하는경향이두유형의범죄모두에서나타났는데성폭력의경우반복발생위험성이더컸다. 전년도인근범죄발생지역에가중폭행이반복해서발생할위험성이다른지역과비교해서통계적으로유의한차이를보이지않았다. 반면성폭력의경우인근범죄발생지역에서다음해에성폭력이다시발생할위험성이매우높은것으로나타났다. 마지막으로위험영역모형과인근반복모형을모두고려한예측모형의예측력이가장높은것으로분석되었다. 이번연구결과가담고있는몇가지중요한의미는다음과같다. 첫째, 범죄학과지리학분야의대부분의국내연구들이단순히범죄의공간적집중성과범죄발생영향요인의분석에만머물렀던데반해이번연구는기존의연구성과들을바탕으로범죄발생예측모형의개발과검증의영역으로까지연구의범위를확장했다는점에서중요한의의를찾을수있다. 현재전세계적으로확산되고있는빅데이터혁명과공공데이터공개확대라는급격한변화속에서앞으로의학문이단지현상을관찰하고설명하는수준을넘어사회가당면한문제를해결하는데적극적으로기여해야한다는시대적요청과부합된다고할수있다. 기존의범죄학분야가과학적방법을통해범죄의원인을밝혀내는데주력했다면앞으로의범죄학은그동안축적된연구결과를바탕으로범죄문제에대한해결책을제시하는방향으로변화하고있다. 미국의범죄학자들이경찰서와공조를통해범죄예측모델을개발하고데이터분석결과를기반으로하여순찰활동이이루어져획기적인범죄율감소로이어진사례들은범죄학분야의학문적발전이실질적인사회문제해결에성공적으로적용된좋은사례라고할수있다. 5) 둘째, 본연구의결과는앞으로보다효율적인경찰의범죄예방활동을위한전략을제시하고있다. 범죄가빈번히발생하는곳이공간적으로집중되어있는사실과그러한지역을과거의범죄발생기록및다양한위험요인을통해미리확인할수있다는사실은한정된경찰자원을효율적을사용하여사전적이고적극적인예방활동을전개할수있는전제가된다. 본연구에서는 2년동안 5) Sending the Police Before There s a Crime New York Times, 2011 년 8 월 15 일자.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 261 의자료만을사용해서분석했지만보다장기간에걸친범죄통계, 112신고통계등을활용한다면범죄예측의정확도가증가할뿐만아니라범죄현상이지역사회의위험요인변화에얼마나민감하게반응하는지를확인할수있도록할것이다. 이러한분석결과를활용하여경찰은지역경찰활동에있어서보다장기적관점의전략을마련할수있게된다. 셋째, 본연구에서범죄학이론을검증하는것이목적은아니었지만연구방법과결과는범죄학의발전에기여한바가있다. 기존의대부분의범죄학연구들에있어서 무질서 는설문조사를통해응답자들의지역사회에대한인식을바탕으로측정되어왔다. 하지만본연구에서는 112신고통계를활용하여무질서를측정하였고이는우리나라범죄학연구의방법론적으로새로운시도라고하겠다. 또한이번연구를통해무질서가범죄발생의주요위험요인으로확인되었는데이는깨어진유리창이론의주장을지지하는결과이다. 주류판매업소와숙박업소가밀집한지역및버스정류장에인접한지역에범죄가집중되는현상은기회이론의명제와일맥상통한다. 다만이번연구는분석자료의부족등의이유로인해분석의정확성에일정한한계가존재한다. 먼저추정소득분위자료와빌라밀집정도의자료는각각 2005년과 2010년도에수집된정보를바탕으로만들어졌기때문에범죄발생예측시점인 2013년과시간적으로거리가있다. 둘째, 무질서정도의측정을 2013년도 7월부터 11월까지 5개월동안의무질서관련신고사건자료에만의존한점도아쉬운점이될수있다. 셋째, 무질서관련신고규모가반드시해당지역의무질서정도를반영하는가에대해서이견이있을수있다. 예를들어, 지역문제에대해경찰에신고하는행위는그지역사회구성원들이지역문제에대해보다적극적으로대처하려는의지 ( 예를들어, 집합적효능성 ) 를반영한다고해석할여지도있기때문이다. 향후범죄예측모형연구에서는보다다양한유형의자료를활용하여예측력을높여가야한다. 예를들어순찰차의 GPS 데이터를활용한순찰정보, 유동인구자료등이유용한자료들이다. 이를위해서는정부와민간이보유하고있는다양한자료들이보다활발히공개되고공유되어야할것이다 ( 노성훈 탁종연, 2013).
262 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) 참고문헌 김걸 김병선 (2009). 토지용도별범죄의시공간적분포패턴사례연구, 한국도시지리학회지, 제12권제3호 : 83-96. 노성훈 탁종연 (2013). 자료공개와법제도덕개선을통한범죄통계활용활성화방안, 한국범죄학, 제7권제2호 : 127-174. 이만형 석혜준 김정섭 (2007). 공간분석기법에기초한주거지역공간특성, 대한건축학회논문집제23권제11호. 정경석 문태헌 정재희 허선영 (2009). GIS와공간통계기법을이용한시공간적도시범죄패턴및범죄발생영향요인분석, 한국지리정보학회지 12권 1호 : 12-25 정진성 김우중 (2012), 지역사회범죄연구와가변적공간단위의문제 (MAUP), 경찰학연구, 12권 2호 : 27-47. 최재필 이기완 (2002), 시각적접근과노출모델을이용한범죄취약공간해석에관한연구 : 아파트단지주호내절도사례를중심으로, 대한건축학회논문집, 제 18권제4호 : 63-70. Bowers, K.J. & Johnson, S.D.(2004). Who Commits Near Repeats? A Test of the Boost Explanation, Western Criminology Review, 5(3): 12-24. Braga, A.A., Hureau, D.M., & Papachristos, A.V. (2011). The Relevance of Micro Places to Citywide Robbery Trends: A Longitudinal Analysis of Robbery Incidents at Street Corners and Block Faces in Boston, Journal of Research in Crime & Delinquency, 48(1): 7-23. Brantingham, P., & Brantingham, P. (1993). Environment, Routine, and Situation: Toward a Pattern Theory of Crime. Advances in Criminological Theory, 5: 259-294. Bursik, R. J., & Grasmick, H. G. (1993). Neighborhood and Crime: The Dimensions of Effective Community Control. New York: Lexington Books.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 263 Caplan, J. (2011). Mapping the Spatial Influence of Crime Correlates: A Comparison of Operationalization Schemes and Implications for Crime Analysis and Criminal Justice Practice, Cityscape: A Journal of Policy Development and Research 13. Caplan, J.M., Kennedy, L.W., & Piza, E.L. (2013). Joint Utility of Event-Dependent and Environmental Crime Analysis Techniques for Violent Crime Forecasting, Crime & Delinquency, 59(2): 243-270. Cohen, L. E. & Felson, M. (1979). Social Change and Crime Rate Trends: A Routine Activity Approach, American Sociological Review, 44(4): 588-608. Cohen, L. E., Kluegel, J. R., & Land, K. C. (1980). Social Inequality and Predatory Criminal Victimization: A Macrodynamic Analysis, 1947-1977: With ex ante forecasts for the mid-1980s. American Journal of Sociology, 86: 90-118. Cornish, D.B. & Clarke, R.V. (1986). The Reasoning Criminal. New York: Springer-Verlag. Farrell, G. & Pease, K. (1993). Once Bitten, Twice Bitten: Repeat Victimization and Its Implication for Crime Prevention. Police Research Group, Crime Prevention Unit Paper 46. London: Home Office Police Department. Johnson, S.D. (2007). Space-Time Patterns of Risk: A Cross National Assessment of Residential Burglary Victimization, Journal of Quantitative Criminology, 23(3):201-219. King, J. E. (2007). Standardized Coefficients in Logistic Regression. Paper presented at the annual meeting of the Southwest Educational Research Association, San Antonio, TX. Paul, J.S., & Joiner, T.M. (2011). Integration of Centralized Intelligence with Geographic Information Systems: A Countrywide Initiative, Geography & Public Safety, 3(1): 5-7. Sampson, R. J., & Groves, B. W. (1989). Community Structure and Crime: Test-
264 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) ing Social Disorganization Theory. American Journal of Sociology, 94: 774-802. Sampson, R. J., & Wilson, W. J. (1995). Toward a Theory of Race, Crime and Urban Inequality. In J. Hagan & R. Peterson (Eds.), Crime and Inequality (pp.37-54). Stanford, CA: Stanford University Press. Shaw, C., & McKay, H. (1942). Juvenile Delinquency and Urban Areas. Chicago: University of Chicago Press. Sherman, L. (1990). Policing Crackdowns: Intitial and Residential Deterrence. In M. Tonry & N. Morris (Eds.), Crime and Justice: A Review of Research (vol.12, pp.1-48). Chicago: University of Chicago Press. Wilson, J.Q., & Kelling, G.L. 1982, The Police and Neighborhood Safety: Broken Windows, Atlantic Monthly (March): 29-38.
시공간분석과위험영역모델링을활용한범죄예측모형의예측력검증 265 Testing the Predictability of Crime Forecasting Models Using Spatio-Temporal Analysis and Risk Terrain Modeling Roh Sunghoon * Predictive policing has recently emerged and drawn much attention as a new paradigm for preventive policing in the United States. The advancement in crime prediction has been geared by a vast amount of crime data, GIS-based crime analysis techniques and software, and the rapid growth in computer technology. The current study attempted to examine the predictability of crime under Korean context utilizing the Risk Terrain Modeling method and the Near-Repeat Model. A variety of data were analyzed including the official crime statistics of aggravated assault and sexual assault between 2012 and 2013, call-for-service data, and open data from various resources. Applying the Risk Terrain Modeling, the risk of crime occurrence (risk index) was measured by massive community disorder, the geographic concentration of liquor stores and accommodations, poverty, and the proximity to bus stops for aggravated assault, and only massive community disorder, the geographic concentration of liquor stores and accommodations for sexual assault. Both aggravated assault and sexual assault were concentrated in the areas with higher risk index. The Near Repeat Model was found more adequate to predict sexual assault than aggravated assault. The likelihood that a similar kind of crime repeatedly occurred in the areas where instigators had been found in the previous year was greater for sexual assault than aggravated assault. Compared with other areas, the risk of aggravated assault was not significantly different in the areas where near-repeats had been found in the previous year. On the other hand, the risk of sexual assault was * Korean National Police University, Department of Public Administration, Associate Professor
266 형사정책연구제 26 권제 3 호 ( 통권제 103 호, 2015 가을 ) significantly greater in the subsequent year if near repeats were found in the previous year. Finally, the predictability of crime was greatest when both the Risk Terrain Modeling and the Near-Repeat Model were taken into consideration. Keyword: Crime prediction, Predictive policing, Crime Mapping, Risk Terrain Modeling, Near Repeat Model, Big data, Crime analysis 투고일 :8 월 23 일 / 심사일 :9 월 21 일 / 게재확정일 :9 월 21 일