서울시 범죄유형별 범죄발생에 영향을 미치는 도시환경 특성 분석

Abstract

도시에서 발생하는 범죄는 삶의 질에 부정적인 영향을 미치는 요인 중 하나로, 안전한 도시에 대한 도시민들의 인식이 중요해지고 있다. 특히, 도시가 발전함에 따라 범죄가 발생하는 원인도 다양해지고 있다. 이러한 배경에서 도시에서 발생하는 범죄를 저감하기 위해 정부와 지자체가 많은 노력을 기울이고 있다. 최근 범죄에 대한 경각심이 증가함에 따라 도시환경과 범죄를 살펴보는 다양한 이론들과 연구들이 진행되고 있다. 이중 범죄예방환경설계(Crime Prevention Through Environmental Design:CPTED)는 도시환경에서 범죄를 예방하기 위한 기법으로 국내외 다수의 범죄관련 연구에서 CPTED를 적용해 범죄를 예방할 수 있음이 언급되었다. 그동안 진행된 연구들은 도시와 범죄발생을 전역적(global)으로 접근하거나 설문조사를 통한 국지적(local)인 단위로 접근하였다. 우리나라의 경우 범죄 데이터의 한계로 국지적인 접근보다는 전역적으로 접근한 연구들이 다수 존재하였다. 이와 같은 연구의 한계점으로는 시군구, 행정동 단위로 분석하여 미시적인 단위에서 발생하는 범죄의 경우 일반화할 수 없다는 것이다. 이와 달리 설문조사로 진행한 범죄연구는 표본의 수에 대한 한계가 존재하였다. 또한, 대부분의 선행연구는 선형적인 가정을 바탕으로 접근하였으며, 비선형적인 요소에 대한 고려가 부족하였다. 따라서 범죄연구를 살펴볼 때, 비선형적인 요소를 고려해서 살펴봐야 할 필요성이 있다. 본 연구는 서울시 전체 세그먼트를 대상으로 도시환경과 범죄발생에 대한 관계를 살펴보고자 하였다. 구체적으로 범죄가 발생하는 장소를 확인하기 위해 생활안전지도의 범죄주의 구간을 활용하였으며, 전체, 폭력, 절도범죄 발생 등급 데이터를 구득하였다. 도시환경의 경우 물리적 환경과 비물리적 환경에 대한 데이터를 구득하여 CPTED의 5가지 요소인 접근통제, 자연적 감시, 영역성, 유지 관리, 활용성 증대로 구분하였다. 또한, 관심시설(Point-of-interst:POI), 민원, 가로 이미지, 인구 데이터 등 다양한 빅데이터를 활용하여 범죄발생과 물리적 환경의 관계를 살펴보았다. 비물리적 환경의 경우 시각적인 이미지를 통해 변수를 구축하여 활용하였으며, 이미지의 경우 네이버 스트리트뷰(Naver Street View:NSV)를 구득하여 분석에 활용하였다. 범죄발생과 도시환경을 분석하기 위해서 다중회귀분석과 기계학습을 진행하여 범죄발생과 관련이 높은 환경을 파악한다. 기계학습의 경우 블랙박스(black box)의 형태를 가지고 있어 Shapley Additive exPlanations(SHAP)를 통해 해석하였다. 분석 결과는 다음과 같다. 미시적인 단위인 도로 세그먼트로 범죄발생과 물리적 환경의 관계를 살펴본 결과 음식점 밀도, 녹지, 지하철까지 거리, 유흥시설 밀도가 높을수록 전체, 폭력, 절도범죄 발생등급에 영향을 미치는 변수로 나타났다. 또한 CPTED 요소로 구분하여 살펴본 결과 범죄를 예방하기 위해서는 CPTED의 5가지 구성요소를 고려한 도시설계가 필요한 것으로 나타났다. 한편, 폭력범죄 발생등급과 절도범죄 발생등급을 비교해본 결과 폭력과 절도에 영향을 미치는 변수가 다른 것으로 나타났다. 특히, 지하철까지의 거리는 절도범죄에서 가장 높은 영향력을 보여주는 변수로 나타났다. 이러한 분석 결과를 통해 범죄발생에 취약한 지역을 도출할 수 있으며, 범죄예방을 위한 정책적 시사점을 제공할 수 있다.