도시환경 특성이 범죄유형별 발생밀도에 미치는 영향 분석

Abstract

Over the last few decades, the government is trying to create a safe city and reduce the fear of crime. In particular, urban crime is psychologically frightening to citizens and a degrading factor in the quality of life. Therefore, understanding the environment in which crime occurs in cities can preemptively respond to potential damage and improve the quality of life with a safe urban environment. A prior study explains that the cause of crime in environmental criminology theory is a crime in a situation in which an environment that causes crime is established. In addition, studies have been shown to identify the characteristics of urban environments to help prevent and demonstrate urban crime through environmental design (CPTED). Accordingly, to promote citizens' quality of life and form a sustainable city, it is necessary to preemptively prevent crimes by creating a safe urban environment. In the meantime, many studies have been conducted to analyze areas vulnerable to crime or to identify the environment of cities that feel afraid through surveys, but there is a lack of research exploring the characteristics of urban environments related to crime. Such research is necessary to identify the characteristics of the urban environment in which crime occurs in terms of preventing crime. In addition, most prior studies have limitations that make it difficult to simultaneously analyze large-scale destinations because they understand the relationship between urban environment and crime occurrence through surveys and field surveys on limited spatial ranges such as specific residential areas. In particular, in Korea, individual location data for crimes are not disclosed, and only the number of statistical crimes occurring at the autonomous level is provided spatially, so there is a lack of research on large-scale sites. Therefore, this study identifies urban environmental factors that affect the occurrence of crimes in the five administrative districts of Seoul. Specifically, data on the current status of crimes in Safety Map data are used to identify areas where crimes occur. Next, urban big data such as Street Network Structural Factors, Point-of-Interest (POI), Civil Complaints, Street View, Building Data, and De Facto Population are utilized to identify the characteristics of urban environment related to incidence density by crime type. Such urban big data uses all crimes, violence, theft, and sexual violence as subordinate variables that can be used in criminalistic section data on Safety Map. In addition, the street network structural factors among the independent variables build betweenness and diversion ratio as variables through network analysis. POI utilizes Kakao Map's API to build the density of facilities associated with crime as a variable. Civil complaints, which are made by reporting citizens, are used as variables to identify urban problems or disorders. In addition, to understand the landscape characteristics of urban environments, we collect data from Naver Street View(NSV), and utilize deep learning analysis methodology, semantic segmentation, to quantify and utilize street landscape factors for analysis. Meanwhile, urban crime incidence can be spatial autocorrelation, so spatial statistical techniques, spatial durbin model, are used to identify the characteristics of urban environments that affect crime incidence. The results of the analysis are as follows. Among the civil complaints data, which means urban disorder, trash, and noise reports have an impact on crime. Next, the street network structure factor was shown to have a positive relationship with the crime as the betweenness and diversion ratio was higher. Roads and signs of streetscape factors are associated with areas where crime occurs a lot, while green areas are associated with low-crime areas. POI is associated with crime as there are more entertainment facilities, restaurants, and neighborhood facilities. Meantime, when comparing and analyzing each type of crime, it was found that sexual violence crimes were not related to crimes as neighborhood facilities such as convenience stores were safeguarding. Such analysis results can be useful in deriving areas that require crime prevention by revealing urban environmental characteristics that are related to urban crime.|지난 수십 년 간 정부는 안전한 도시를 조성하고 범죄로부터 두려움을 감소시키기 위해서 노력하고 있다. 특히, 도시의 범죄는 도시민들에게 심리적으로 두려움을 줄 수 있을 뿐만 아니라 삶의 질을 저하시키는 요인으로 나타났다. 따라서 도시에서 범죄가 일어나는 환경을 이해하는 것은 잠재적인 피해에 선제적으로 대응할 수 있고 도시민의 삶의 질을 증진시킬 수 있다. 환경범죄학 이론에서 범죄가 발생하는 원인으로 도시의 환경이 범죄를 유발하는 역할을 할 수 있다고 설명하고 있다. 또한, 환경설계를 통한 범죄예방(Crime Prevention through Environment Design: CPTED)을 통해서 환경을 변화시켜서 도시의 범죄발생을 예방하고, 이와 같은 환경요인을 입증하고자하는 연구가 나타났다. 이를 통해 범죄로부터 안전한 도시환경 특성을 선제적으로 파악하는 것은 범죄발생을 예방할 뿐만 아니라 안전한 도시를 만들 수 있다. 그동안 범죄에 취약한 지역을 분석하거나 설문조사를 통해 두려움을 느끼는 도시의 환경을 확인하는 연구는 많이 진행되었으나, 범죄발생과 연관 있는 도시환경 특성을 탐구한 연구는 부족한 실정이다. 이 같은 연구는 범죄발생을 예방하는 관점에서 범죄가 발생하는 도시환경 특성을 확인하는 게 필요하다. 또한, 대부분의 선행연구는 특정 주거지역 같은 한정된 공간적 범위를 대상으로 설문조사 및 현장조사를 통해 도시환경과 범죄발생과의 관계를 파악하고 있기 때문에 대규모 대상지를 동시에 분석하기 어려운 한계가 있다. 특히, 우리나라의 경우 범죄의 개별 위치자료는 공개되어 있지 않고, 공간적으로도 자치구 수준에서 발생하는 통계적인 범죄 건수 정도만 제공되고 있어서 대규모 대상지를 본 연구가 매우 부족하다. 따라서 본 연구는 서울시 5개 자치구의 집계구를 대상으로 범죄발생에 영향을 미치는 도시환경 특성을 파악한다. 구체적으로 범죄가 발생하는 지역을 확인하기 위해서 생활안전지도 데이터의 범죄발생 현황을 밀도분석 한 데이터를 활용한다. 다음으로 가로망 구조요인, 관심시설(Point-of-Interest: POI), 불편신고 민원자료, 가로 이미지(Street View), 건축물데이터, 생활인구 등의 도시 빅데이터를 활용해서 범죄유형별 범죄발생과 관계를 가지는 도시환경 특성을 확인한다. 이 같은 도시 빅데이터는 생활안전지도의 범죄주의구간 자료에서 활용할 수 있는 전체범죄, 폭력, 절도, 성폭력 범죄발생 밀도를 종속변수로 사용한다. 그리고 독립변수 중 가로망 구조요인은 네트워크 분석을 통해서 통합도와 전환비를 변수로 구축한다. 관심지역(POI)은 카카오맵의 API를 활용해서 범죄와 연관 있는 시설의 밀도를 변수로 구축한다. 그리고 도시민의 신고로 만들어지는 생활불편 민원신고 자료는 도시의 문제나 무질서를 확인할 수 있는 변수로 사용한다. 추가로 도시환경의 경관적인 특성을 파악하기 위해서 네이버 스트리트 뷰(Naver Street View: NSV)에서 데이터를 수집하고, 딥러닝 분석 방법론인 의미론적 분할(semantic segmentation) 방법을 활용해서 가로경관 요인을 정량화하여 분석에 활용한다. 한편, 도시의 범죄발생은 공간적으로 자기상관성이 있을 수 있으므로 공간통계기법인 공간더빈모형을 사용해서 범죄발생에 영향을 미치는 도시환경 특성을 파악한다. 분석 결과는 다음과 같다. 도시의 무질서를 의미하는 생활불편 민원신고 자료 중 쓰레기, 소음신고가 범죄에 영향을 미치는 것으로 나타났다. 다음으로 가로망구조는 통과도, 전환비가 높을수록 범죄와 긍정적인 관계를 가지는 것으로 나타났다. 가로경관 요인의 도로, 간판은 범죄가 많이 발생하는 지역과 연관 있는 반면, 녹지는 범죄가 적은 지역과 연관 있는 것으로 나타났다. 관심지역(POI)는 유흥시설, 음식점, 근린생활시설이 많을수록 범죄발생과 관련 있었다. 한편, 범죄 유형별 비교분석을 했을 때, 성폭력 범죄는 편의점과 같은 안심지킴이 시설의 밀도가 높은 지역은 범죄와 연관이 없는 것으로 나타났다. 분석 결과는 도시 범죄와 연관성 있는 도시환경 특성을 밝혀 범죄 예방이 필요한 지역을 도출하는 데 유용하게 활용될 수 있다.