KR101628938B1 - 주거침입절도범죄 예측 시스템 및 방법 - Google Patents

Abstract

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템은 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 분석부; 및 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계하고, 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측하는 예측부를 포함한다.

Description

주거침입절도범죄 예측 시스템 및 방법{SYSTEM AND METHOD FOR RESIDENTIAL BURGLARY PREDICTION}

본 발명의 실시예들은 주거침입절도범죄 예측 기술에 관한 것으로서, 더욱 상세하게는 BIM(Building Information Modeling)과 가상지능형 활동객체를 이용한 주거침입절도범죄 예측 시스템 및 방법에 관한 것이다.

범죄예측을 위한 기존의 연구들은 범죄 대상지의 환경과 범죄자 행동특성 사이의 상관성분석을 기반으로 하고 있다. 가상지능형 활동객체의 활용은 실제 범죄자와 유사한 행동특성을 가상지능형 활동객체에 이식함으로써 범죄예측에 있어 실제 범죄자를 대신할 수 있다는 장점이 있다.

그러나, 기존 연구들의 범죄환경 분석은 도시 전체를 대상으로 한 거시적인 관점에서 이루어짐에 따라 개별 건물의 물리적 공간특성과 같은 미시적 환경을 범죄 예측에 반영하는데 어려움이 있다. 또한, 2차원 공간정보로 구성된 지리정보시스템(GIS)을 기반으로 예측이 이루어지고 있어 3차원 정보로 구성된 공간특성을 반영하지 못하는 한계가 있다.

따라서, 본 발명의 일 실시예에서는 미시적 관점에서의 범죄예측을 위하여 범죄발생에 영향을 미치는 3차원 공간특성 분석을 통하여 범죄 예측 알고리즘을 구축하고, BIM과 가상활동객체를 활용한 범죄예측 기법을 제안하고자 한다.

관련 선행기술로는 한국등록특허 제10-1369764호(발명의 명칭: 유-시티의 변화 예측 시스템, 등록일자: 2014년 2월 26일)가 있다.

본 발명의 일 실시예는 주거침입절도범죄가 발생되는 국소적인 환경에 대한 3차원적 공간(Micro-Environment) 분석을 기반으로 범죄발생을 예측할 수 있는 주거침입절도범죄 예측 시스템 및 방법을 제공한다.

본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템은 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 분석부; 및 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계하고, 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측하는 예측부를 포함한다.

상기 분석부는 상기 3차원 공간특성 및 상기 범죄자 행동특성에 기초하여 주거침입절도에 영향을 미치는 변수를 독립변수 및 통제변수로 구분하고, 상기 통제변수를 제외한 상기 독립변수를 이용하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석할 수 있다.

상기 분석부는 상기 3차원 공간특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하고, 상기 3차원 공간특성에 관한 독립변수 및 상기 범죄자 행동특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하여, 상기 범죄자 행동특성에 관련한 상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석할 수 있다.

상기 분석부는 상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하고, 상기 대상지의 3차원 공간특성을 상기 독립변수로 설정한 후, 상기 종속변수 및 상기 독립변수를 회귀 분석(Regression analysis)하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석할 수 있다.

상기 분석부는 상기 회귀 분석을 통해, 상기 3차원 공간특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하고, 상기 가중치에 기초하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하며, 상기 가중치는 상기 3차원 공간특성 각각에 따라 서로 다르게 도출될 수 있다.

상기 분석부는 상기 회귀 분석을 할 때, 각각의 변수들이 서로 독립적인 관계를 형성하도록 하기 위해, 상기 회귀 분석 전에 상기 변수들 사이의 상관 분석(Correlation analysis)을 하여 서로 간에 상관성이 일정 기준 이상으로 높게 나온 변수를 제거할 수 있다.

상기 분석부는 요인 분석(Factor analysis)을 통해 상기 침입절도 발생률에 영향을 미치는 공간특성 및 범죄자 행동특성의 상관성을 분석하여, 상기 독립변수인 공간특성이 상기 범죄자 행동특성의 3가지 범주 중 적어도 하나에 속하도록 그룹화하고, 요인 분석을 이용한 회귀분석(Regression analysis using factor analysis)를 하여 상기 범죄자 행동특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하고, 상기 가중치에 기초하여 상기 범죄자 행동특성과 상기 침입절도 발생률의 상관성을 분석하며, 상기 가중치는 상기 범죄자 행동특성의 3가지 범주에 따라 서로 다르게 도출될 수 있다.

상기 3차원 공간특성에 관한 독립변수는 상기 대상지의 물리적 환경 및 경제적 환경 중 적어도 하나를 포함하고, 상기 범죄자 행동특성에 관한 독립변수는 이성적 측면의 범죄자 행동특성을 포함할 수 있다.

상기 대상지의 물리적 환경은 범행 대상지와 주변지역의 물리적 연결 정도를 나타내는 연결성, 물리적 환경에 의한 시야확보의 정도를 나타내는 가시성, 대상지에 접근할 때 영향을 주는 물리적 환경을 나타내는 접근성, 및 물리적 환경으로 표현되는 경제력을 나타내는 유인성 중 적어도 하나를 포함할 수 있다.

상기 이성적 측면의 범죄자 행동특성은 범죄 행위가 타인에게 노출될 수 있는 가능성을 나타내는 위험성, 범죄 행위가 얼마나 쉽게 이루어질 수 있는지를 나타내는 용이성, 및 범죄 행위를 통해 얻을 수 있는 재물의 량을 나타내는 보상성 중 적어도 하나를 포함할 수 있다.

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템은 상기 3차원 공간특성을 반영한 가상의 3차원 환경을 모델링하고, 상기 예측 알고리즘을 이식한 가상지능형 활동객체를 생성하는 객체 생성부를 더 포함하고, 상기 예측부는 상기 가상지능형 활동객체가 상기 가상의 3차원 환경에서 자유롭게 활동을 하는 과정에서 물리적 환경이 제공하는 자극에 노출되면, 상기 대상지의 3차원 공간특성을 인지하도록 하는 공간특성 인지부; 상기 가상지능형 활동객체가 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여하고, 상기 각각의 공간특성이 상기 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용하도록 하는 가중치 할당부; 및 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이상이면, 상기 가상지능형 활동객체가 상기 대상지를 침입절도 대상으로 지목하고, 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이하이면, 다시 자극에 노출될 때까지 자유롭게 활동하도록 하는 비교 예측부를 포함할 수 있다.

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템은 상기 가상의 3차원 환경에서 상기 가상지능형 활동객체를 시뮬레이션하여 상기 예측 알고리즘의 타당성을 검증하는 알고리즘 검증부를 더 포함할 수 있다.

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 방법은 주거침입절도범죄 예측 시스템의 분석부에서, 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 단계; 상기 주거침입절도범죄 예측 시스템의 예측부에서, 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계하는 단계; 및 상기 주거침입절도범죄 예측 시스템의 예측부에서, 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측하는 단계를 포함한다.

상기 상관관계를 분석하는 단계는 상기 3차원 공간특성 및 상기 범죄자 행동특성에 기초하여 주거침입절도에 영향을 미치는 변수를 독립변수 및 통제변수로 구분하는 단계; 및 상기 통제변수를 제외한 상기 독립변수를 이용하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 단계를 포함할 수 있다.

상기 상관관계를 분석하는 단계는 상기 3차원 공간특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계; 및 상기 3차원 공간특성에 관한 독립변수 및 상기 범죄자 행동특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하여, 상기 범죄자 행동특성에 관련한 상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석하는 단계를 포함할 수 있다.

상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계는 상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하는 단계; 상기 대상지의 3차원 공간특성을 상기 독립변수로 설정하는 단계; 및 상기 종속변수 및 상기 독립변수를 회귀 분석(Regression analysis)하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계를 포함할 수 있다.

상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계는 상기 회귀 분석을 통해, 상기 3차원 공간특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하는 단계; 및 상기 가중치에 기초하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계를 더 포함하고, 상기 가중치는 상기 3차원 공간특성 각각에 따라 서로 다르게 도출될 수 있다.

상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계는 상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하는 단계 이전에, 상기 회귀 분석을 할 때, 각각의 변수들이 서로 독립적인 관계를 형성하도록 하기 위해, 상기 회귀 분석 전에 상기 변수들 사이의 상관 분석(Correlation analysis)을 하여 서로 간에 상관성이 일정 기준 이상으로 높게 나온 변수를 제거하는 단계를 더 포함할 수 있다.

상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석하는 단계는 요인 분석(Factor analysis)을 통해 상기 침입절도 발생률에 영향을 미치는 공간특성 및 범죄자 행동특성의 상관성을 분석하여, 상기 독립변수인 공간특성이 상기 범죄자 행동특성의 3가지 범주 중 적어도 하나에 속하도록 그룹화하는 단계; 요인 분석을 이용한 회귀분석(Regression analysis using factor analysis)를 하여 상기 범죄자 행동특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하는 단계; 및 상기 가중치에 기초하여 상기 범죄자 행동특성과 상기 침입절도 발생률의 상관성을 분석하는 단계를 포함하고, 상기 가중치는 상기 범죄자 행동특성의 3가지 범주에 따라 서로 다르게 도출될 수 있다.

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템은 상기 주거침입절도범죄 예측 시스템의 객체 생성부에서, 상기 3차원 공간특성을 반영한 가상의 3차원 환경을 모델링하고, 상기 예측 알고리즘을 이식한 가상지능형 활동객체를 생성하는 단계를 더 포함하고, 상기 대상지의 침입절도범죄를 예측하는 단계는 상기 예측부의 공간특성 인지부에서, 상기 가상지능형 활동객체가 상기 가상의 3차원 환경에서 자유롭게 활동을 하는 과정에서 물리적 환경이 제공하는 자극에 노출되면, 상기 대상지의 3차원 공간특성을 인지하도록 하는 단계; 상기 예측부의 가중치 할당부에서, 상기 가상지능형 활동객체가 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여하고, 상기 각각의 공간특성이 상기 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용하도록 하는 단계; 및 상기 예측부의 비교 예측부에서, 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이상이면, 상기 가상지능형 활동객체가 상기 대상지를 침입절도 대상으로 지목하고, 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이하이면, 다시 자극에 노출될 때까지 자유롭게 활동하도록 하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 따른 주거침입절도범죄 예측 방법은 상기 주거침입절도범죄 예측 시스템의 알고리즘 검증부에서, 상기 가상의 3차원 환경에서 상기 가상지능형 활동객체를 시뮬레이션하여 상기 예측 알고리즘의 타당성을 검증하는 단계를 더 포함할 수 있다.

기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.

본 발명의 일 실시예에 따르면, 주거침입절도범죄가 발생되는 국소적인 환경에 대한 3차원적 공간(Micro-Environment) 분석을 기반으로 범죄발생을 예측할 수 있다.

본 발명의 일 실시예에 따르면, 기존의 거시적인 환경의 범죄발생 예측기법과, 이와는 상호 보완적인 성격을 지니는 국소적인 환경의 주거침입절도범죄 예측 알고리즘을 종합하여 빅 데이터(big data)로서 활용함으로써 거시적 환경 및 미시적 환경에서의 범죄발생 예측을 종합적으로 분석하여 보다 정확하고 다양한 예측이 가능하다.

본 발명의 일 실시예에 따르면, 3차원 공간의 물리적 특성과 범죄자 행동특성을 반영한 주거침입절도범죄 예측 알고리즘을 가상지능형 활동객체에 이식함으로써 실제 범죄자를 대신하여 실제 범죄 대상지와 유사한 3차원 가상공간을 분석하고 평가할 수 있다.

본 발명의 일 실시예에 따르면, 가상지능형 활동객체를 BIM 모델링 환경에 주입하여 설계요소들이 범죄발생에 미치는 영향을 사전에 분석하고 건축 설계 과정에 반영할 수 있다.

도 1은 본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템을 설명하기 위해 도시한 블록도이다.
도 2는 도 1의 예측부의 상세 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 주거침입절도범죄 예측 방법을 설명하기 위해 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따라 대상지의 3차원 공간특성과 범죄자 행동특성 간의 상관관계를 분석하는 과정을 상세히 설명하기 위해 도시한 흐름도이다.
도 5는 본 발명의 일 실시예에 따라 예측 알고리즘을 이용하여 대상지의 침입절도범죄를 예측하는 과정을 상세히 설명하기 위해 도시한 흐름도이다.
도 6은 본 발명의 다른 실시예에 따른 주거침입절도범죄 예측 방법을 설명하기 위해 도시한 흐름도이다.
도 7은 본 발명의 일 실시예에 따라 대상지의 공간특성과 범죄자 행동특성의 다각적인 분석을 통해 도출한 각 요소들 사이의 영향관계를 보여주기 위해 도시한 도면이다.
도 8 내지 도 10은 Virtools를 활용한 침입절도 예측 시뮬레이션의 실시예들을 설명하기 위해 도시한 도면이다.

본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.

이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템을 설명하기 위해 도시한 블록도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템(100)은 분석부(110), 예측부(120), 객체 생성부(130), 알고리즘 검증부(140), 및 제어부(150)를 포함할 수 있다.

상기 분석부(110)는 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석한다.

이를 위해, 상기 분석부(110)는 상기 3차원 공간특성 및 상기 범죄자 행동특성에 기초하여 주거침입절도에 영향을 미치는 변수를 독립변수 및 통제변수로 구분하고, 상기 통제변수를 제외한 상기 독립변수를 이용하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석할 수 있다.

구체적으로, 상기 분석부(110)는 상기 3차원 공간특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석할 수 있다. 즉, 상기 분석부(110)는 상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하고, 상기 대상지의 3차원 공간특성을 상기 독립변수로 설정한 후, 상기 종속변수 및 상기 독립변수를 회귀 분석(Regression analysis)하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석할 수 있다.

그리고, 상기 분석부(110)는 상기 3차원 공간특성에 관한 독립변수 및 상기 범죄자 행동특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하여, 상기 범죄자 행동특성에 관련한 상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석할 수 있다.

즉, 상기 분석부(110)는 상기 회귀 분석을 통해, 상기 3차원 공간특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하고, 상기 가중치에 기초하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석할 수 있다. 여기서, 상기 가중치는 상기 3차원 공간특성 각각에 따라 서로 다르게 도출될 수 있다.

상기 회귀 분석을 할 때, 상기 분석부(110)는 각각의 변수들이 서로 독립적인 관계를 형성하도록 하기 위해, 상기 회귀 분석 전에 상기 변수들 사이의 상관 분석(Correlation analysis)을 하여 서로 간에 상관성이 일정 기준 이상으로 높게 나온 변수를 제거할 수 있다.

상기 분석부(110)는 요인 분석(Factor analysis)을 통해 상기 침입절도 발생률에 영향을 미치는 공간특성 및 범죄자 행동특성의 상관성을 분석하여, 상기 독립변수인 공간특성이 상기 범죄자 행동특성의 3가지 범주(위험성, 용이성, 보상성) 중 적어도 하나에 속하도록 그룹화할 수 있다.

그런 다음, 상기 분석부(110)는 요인 분석을 이용한 회귀분석(Regression analysis using factor analysis)를 하여 상기 범죄자 행동특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하고, 상기 가중치에 기초하여 상기 범죄자 행동특성과 상기 침입절도 발생률의 상관성을 분석할 수 있다. 여기서, 상기 가중치는 상기 범죄자 행동특성의 3가지 범주에 따라 서로 다르게 도출될 수 있다.

상기 3차원 공간특성에 관한 독립변수는 상기 대상지의 물리적 환경 및 경제적 환경 등을 포함할 수 있으며, 상기 범죄자 행동특성에 관한 독립변수는 이성적 측면의 범죄자 행동특성을 포함할 수 있다.

상기 대상지의 물리적 환경은 범행 대상지와 주변지역의 물리적 연결 정도를 나타내는 연결성, 물리적 환경에 의한 시야확보의 정도를 나타내는 가시성, 대상지에 접근할 때 영향을 주는 물리적 환경을 나타내는 접근성, 및 물리적 환경으로 표현되는 경제력을 나타내는 유인성 등을 포함할 수 있다.

상기 이성적 측면의 범죄자 행동특성은 범죄 행위가 타인에게 노출될 수 있는 가능성을 나타내는 위험성, 범죄 행위가 얼마나 쉽게 이루어질 수 있는지를 나타내는 용이성, 및 범죄 행위를 통해 얻을 수 있는 재물의 량을 나타내는 보상성 등을 포함할 수 있다.

상기 예측부(120)는 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계하고, 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측한다. 이러한 침입절도범죄의 예측은 가상지능형 활동객체를 이용하여 수행될 수 있다.

상기 가상지능형 활동객체는 상기 객체 생성부(130)에 의해 생성될 수 있다. 즉, 상기 객체 생성부(130)는 상기 3차원 공간특성을 반영한 가상의 3차원 환경을 모델링하고, 상기 예측 알고리즘을 이식한 가상지능형 활동객체를 생성할 수 있다.

이에 따라, 상기 예측부(120)는 상기 생성된 가상지능형 활동객체 및 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측할 수 있다. 이를 위해, 상기 예측부(120)는 도 2에 도시된 바와 같이 공간특성 인지부(210), 가중치 할당부(220), 및 비교 예측부(230)를 포함할 수 있다. 참고로, 도 2는 도 1의 예측부(120)의 상세 구성을 도시한 블록도이다.

상기 공간특성 인지부(210)는 상기 가상지능형 활동객체가 상기 가상의 3차원 환경에서 자유롭게 활동을 하는 과정에서 물리적 환경이 제공하는 자극에 노출되면, 상기 대상지의 3차원 공간특성을 인지하도록 할 수 있다.

상기 가중치 할당부(220)는 상기 가상지능형 활동객체가 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여하고, 상기 각각의 공간특성이 상기 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용하도록 할 수 있다.

상기 비교 예측부(230)는 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이상이면, 상기 가상지능형 활동객체가 상기 대상지를 침입절도 대상으로 지목할 수 있다. 반면에, 상기 비교 예측부(230)는 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이하이면, 다시 자극에 노출될 때까지 자유롭게 활동하도록 할 수 있다.

상기 알고리즘 검증부(140)는 상기 가상의 3차원 환경에서 상기 가상지능형 활동객체를 시뮬레이션하여 상기 예측 알고리즘의 타당성을 검증할 수 있다. 즉, 상기 알고리즘 검증부(140)는 상기 가상지능형 활동객체가 시뮬레이션 한 결과를 토대로 하여 상기 예측 알고리즘의 타당성을 검증할 수 있게 된다.

상기 제어부(150)는 본 발명의 일 실시예에 따른 주거침입절도범죄 예측 시스템(100), 즉 상기 분석부(110), 상기 예측부(120), 상기 객체 생성부(130), 상기 알고리즘 검증부(140) 등의 동작을 전반적으로 제어할 수 있다.

도 3은 본 발명의 일 실시예에 따른 주거침입절도범죄 예측 방법을 설명하기 위해 도시한 흐름도이다.

도 1 및 도 3을 참조하면, 단계(310)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석한다. 상기 단계(310)에 대해서 도 4를 참조하여 자세히 설명하면 다음과 같다.

도 1 및 도 4를 참조하면, 단계(410)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 각각의 변수들이 서로 독립적인 관계를 형성하도록 하기 위해, 상기 회귀 분석 전에 상기 변수들 사이의 상관 분석(Correlation analysis)을 하여 서로 간에 상관성이 일정 기준 이상으로 높게 나온 변수를 제거한다.

이후, 단계(420)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정한다.

이후, 단계(430)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 상기 대상지의 3차원 공간특성을 상기 독립변수로 설정한다.

이후, 단계(440)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 상기 종속변수 및 상기 독립변수를 회귀 분석(Regression analysis)하여 상기 3차원 공간특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출한다.

이후, 단계(450)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 상기 가중치에 기초하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석한다.

이후, 단계(460)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 요인 분석(Factor analysis)을 통해 상기 침입절도 발생률에 영향을 미치는 공간특성 및 범죄자 행동특성의 상관성을 분석한다.

이후, 단계(470)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 상기 독립변수인 공간특성이 상기 범죄자 행동특성의 3가지 범주 중 적어도 하나에 속하도록 그룹화한다.

이후, 단계(480)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 요인 분석을 이용한 회귀분석(Regression analysis using factor analysis)를 하여 상기 범죄자 행동특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출한다.

이후, 이후, 단계(490)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 상기 가중치에 기초하여 상기 범죄자 행동특성과 상기 침입절도 발생률의 상관성을 분석한다.

다시 도 1 및 도 3을 참조하면, 단계(320)에서 상기 주거침입절도범죄 예측 시스템(100)의 예측부(120)는 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계한다.

다음으로, 단계(330)에서 상기 주거침입절도범죄 예측 시스템(100)의 객체 생성부(130)는 상기 3차원 공간특성을 반영한 가상의 3차원 환경을 모델링한다.

다음으로, 단계(340)에서 상기 주거침입절도범죄 예측 시스템(100)의 객체 생성부(130)는 상기 예측 알고리즘을 이식한 가상지능형 활동객체를 생성한다.

이때, 상기 주거침입절도범죄 예측 시스템(100)의 객체 생성부(130)는 상기 모델링된 가상의 3차원 환경을 기반으로 하여 상기 가상지능형 활동객체를 생성할 수 있다. 이에 따라, 상기 가상지능형 활동객체는 상기 가상의 3차원 환경에서 상기 예측 알고리즘에 따라 상기 대상지에 관한 침입절도범죄의 예측을 수행할 수 있게 된다.

다음으로, 단계(350)에서 상기 주거침입절도범죄 예측 시스템(110)의 예측부(120)는 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측한다. 상기 단계(350)에 대해서 도 5를 참조하여 자세히 설명하면 다음과 같다.

도 2 및 도 5를 참조하면, 단계(510)에서 상기 예측부(120)의 공간특성 인지부(210)는 상기 가상지능형 활동객체가 상기 가상의 3차원 환경에서 자유롭게 활동을 하는 과정에서 물리적 환경이 제공하는 자극에 노출되면, 상기 대상지의 3차원 공간특성을 인지하도록 한다.

이후, 단계(520)에서 상기 예측부(120)의 가중치 할당부(220)는 상기 가상지능형 활동객체가 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여하도록 한다.

이후, 단계(530)에서 상기 예측부(120)의 가중치 할당부(220)는 상기 각각의 공간특성이 상기 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용하도록 한다.

이후, 단계(540)에서 상기 예측부(120)의 비교 예측부(230)는 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이상이면, 상기 가상지능형 활동객체가 상기 대상지를 침입절도 대상으로 지목하도록 한다.

반면, 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이하이면, 단계(550)에서 상기 예측부(120)의 비교 예측부(230)는 상기 가상지능형 활동객체가 다시 자극에 노출될 때까지 자유롭게 활동하도록 한다.

도 6은 본 발명의 다른 실시예에 따른 주거침입절도범죄 예측 방법을 설명하기 위해 도시한 흐름도이다.

도 1 및 도 6을 참조하면, 단계(610)에서 상기 주거침입절도범죄 예측 시스템(100)의 분석부(110)는 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석한다.

다음으로, 단계(620)에서 상기 주거침입절도범죄 예측 시스템(100)의 예측부(120)는 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계한다.

다음으로, 단계(630)에서 상기 주거침입절도범죄 예측 시스템(100)의 객체 생성부(130)는 상기 3차원 공간특성을 반영한 가상의 3차원 환경을 모델링한다.

다음으로, 단계(640)에서 상기 주거침입절도범죄 예측 시스템(100)의 객체 생성부(130)는 상기 예측 알고리즘을 이식한 가상지능형 활동객체를 생성한다.

다음으로, 단계(650)에서 상기 주거침입절도범죄 예측 시스템(110)의 예측부(120)는 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측한다.

다음으로, 단계(660)에서 상기 주거침입절도범죄 예측 시스템(110)의 알고리즘 검증부(140)는 상기 가상의 3차원 환경에서 상기 가상지능형 활동객체를 시뮬레이션하여 상기 예측 알고리즘의 타당성을 검증한다.

실시예

1. 알고리즘 개발 과정 및 검증 방법

본 발명의 일 실시예에서는 미시적 측면의 주거침입절도 예측 알고리즘 제시를 목적으로 한다. 미시적 측면의 주거침입절도 예측을 위해 침입절도에 영향을 주는 개별 건물의 3차원 공간특성과 범죄자 행동특성을 분석하고, 두 요인 사이의 상관관계를 통해 예측 알고리즘을 설계한다. 다음으로 개별 건물의 3차원 공간특성을 반영한 가상의 3차원 환경을 모델링하고, 예측 알고리즘을 이식한 가상지능형 활동객체를 설계한다. 마지막으로 모델링된 가상의 3차원 환경에서 가상지능형 활동객체를 시뮬레이션 하여 예측 알고리즘의 타당성을 검증한다.

2. 알고리즘 개발을 위한 주거침입절도 영향요인

2.1. 주거침입절도 영향요인(3차원 공간 정보) 분석을 위한 대상지 선정

주거침입절도 영향요인으로는 대상지의 건물 유형, 지리적 위치, 침입절도 현황 등이 있다. 상기 건물 유형은 대상지의 일반적인 연립주택을 대표하고, 침입절도에 영향을 주는 공간특성(외부 배관, 창문 난간, 돌출 요소, 필로티, 노상주차, 담, 외부 조형물 등)을 지니고 있다. 대상지는 대한민국 서울시 송파구 내에서 사회적 환경이 유사한 6개의 지역이며, 이 지역의 침입절도 발생 건수는 총 622건이다. 이 지역을 조사 대상지로 선정한 이유는 아래와 같다.

(a) 대상지는 대한민국에서 대도시에 속하는 서울특별시에 포함되어 있다. 침입절도 발생 비율은 대도시에서 발생하는 경우가 그렇지 않은 경우보다 더 많은 비율을 차지하고 있다. 2012년을 기준으로 대한민국에서 발생한 침입절도는 대도시에서 발생하는 경우가 전체의 84%를 차지한다.

(b) 대상지는 주거용도의 비율이 그 외의 다른 용도의 비율보다 높게 나타나고, 주거 유형 중 연립주택의 비율이 높다. 침입절도는 아파트 및 연립주택지와 같은 주거지역에서 발생하는 경우가 가장 높은 비율을 차지한다. 주거유형 중 아파트의 경우 보안설비시스템 구축이 보편화되고 침입절도에 영향을 주는 공간특성 정비가 활발히 진행되고 있으나, 연립주택은 아직까지 절도범죄에 열악한 공간특성을 가지고 있다.

(c) 대상지의 사회적 환경이 동일하다. 이 지역은 타 지역과 비교하여 거주민의 이동비율이 상대적으로 적고 거주민이 일정기간 이상 머무르며 지역적 커뮤니티를 형성하고 있어 사회적으로 고립된 환경이 조성되지 않는다. 또한 거주민의 대다수가 중산층에 해당하고 소득수준의 차이가 적어 사회적 차별이 발생할 가능성이 낮다. 이와 더불어 지역 내 또는 인근 지역에 제조업관련 산업과 대학교가 위치하지 않아 외국인의 비율이 타 지역에 비해 낮고 단일 민족의 비율이 높게 나타난다.

2.2. 알고리즘 개발을 위한 분석변수 설정

주거침입절도에 영향을 미치는 변수들 중 본 발명의 일 실시예에 필요한 독립변수와 통제변수를 설명하고 있다. 독립변수에는 크게 범죄자 행동특성과 대상지의 환경이 있다. 범죄자 행동특성에서는 이성적 측면을 독립변수로 하고, 대상지의 환경에서는 물리적 환경과 경제적 환경을 독립변수로 한다. 이에 따라 생물학적 측면의 범죄자 행동특성과 대상지의 사회적 환경, 시간적 환경은 통제변수가 된다. 각각의 변수를 독립변수와 통제변수로 구분한 이유는 아래와 같다.

(a) 이성적 측면의 범죄자 행동특성은 독립변수로 한다. 침입절도는 우발적으로 발생하는 경우보다 계획적으로 발생하는 경우가 많고, 범죄의 목적이 뚜렷하다는 특징이 있다. 또한 합리적 선택이론 관점에서 본다면 범죄자는 이성적 판단을 통해 범죄 대상을 선정한다. 이에 따라 이성적 측면의 범죄자 행동특성은 범죄자의 의사결정에 중요한 영향을 미친다.

(b) 대상지의 물리적 환경은 독립변수로 한다. 범죄자가 개별 건물에 침입하기 위해서는 침입에 용이한 물리적 환경이 조성되어 있어야 하며, 침입이 용이할수록 침입절도가 발생할 확률이 높아진다. 또한 미시적 측면의 침입절도 예측을 위해서는 개별 건물의 물리적 요소들에 의해 형성된 공간특성을 파악하는 것이 중요하다.

(c) 대상지의 경제적 환경은 독립변수로 한다. 경제적 환경은 대상지가 가지고 있는 재물의 량을 의미하는 것으로서 범죄자의 범죄 목적과 직결되는 중요한 변수 중 하나이다. 이때 경제적 환경은 건물의 노후도와 같은 물리적 요소로 치환하여 측정 가능하다.

(d) 생물학적 측면의 범죄자 행동특성은 통제변수로 한다. 생물학적 측면의 범죄자 행동특성은 우발적으로 발생하는 범죄에서 주로 나타나며, 범죄 대상이 특정 개인인 경우가 많다. 본 실시예에서는 생물학적 측면의 범죄자 행동특성을 통제하기 위해, 월쉬(walsh)가 정의한 침입절도 유형 중 범죄자의 우발적 심리가 반영되는 도전적 침입절도(challenge burglary)와 만용적 침입절도(dare burglary)를 제외하고, 범죄자의 이성적 판단에 근거한 탈취적 침입절도(dispossessive burglary)를 대상으로 한다.

(e) 대상지의 사회적 환경은 통제변수로 한다. 지역의 커뮤니티 활성화 정도로 나타나는 사회적 요소도 침입절도에 중요한 원인으로 작용하지만, 본 실시예에서 추구하는 개별 건물의 공간특성이 침입절도에 미치는 영향을 명확히 규명하기 위해 통제한다. 이를 위해 대상지를 선정할 때, 대상지의 사회적 요소가 동일한 지역을 선정한다.

(f) 대상지의 시간적 환경은 통제변수로 한다. 시간의 변화에 따라 밝기의 변화가 생기게 되고, 이것은 범죄자가 개별 건물의 공간특성을 인지하는데 영향을 미치게 된다. 따라서 개별 건물의 공간특성이 침입절도에 미치는 영향을 명확히 파악하려면 시간적 요인은 통제가 필요하다. 이를 위해 시각적 가시성이 가장 잘 확보되고 침입절도가 많이 발생하는 정오에서 6시 사이로 시간 범위를 한정한다.

2.2.1. 기존 범죄예측에서 활용하는 공간 환경 변수

표 1에서는 각각의 물리적 환경 요소가 침입절도 범죄에 미치는 영향을 정의하고 있다. 연결성(connectivity)은 범행 대상지와 주변지역의 물리적 연결 정도를 의미하며, 연결성(connectivity)이 낮을수록 침입절도가 발생할 확률이 높다. 가시성(visibility)은 물리적 환경에 의한 시야확보의 정도를 의미하며, 가시성(visibility)이 낮을수록 침입절도가 발생할 확률이 높다. 접근성(accessibility)은 대상지에 접근할 때 영향을 주는 물리적 환경을 의미하며, 접근성(accessibility)이 높을수록 침입절도가 발생할 확률이 높다. 유인성(attractivity)은 물리적 환경으로 표현되는 경제력을 의미하며, 유인성(attractivity)이 높을수록 침입절도가 발생할 확률이 높다.

2.2.2. 3차원 공간정보 기반 변수

표 2에서는 대상지의 지역적 특성을 반영하여 도출한 물리적 환경 요소들을 보여준다. 도출된 요소들은 침입절도에 영향을 미치는 일반적인 물리적 환경을 기준으로 하고, 개별 건물의 공간특성에 초점을 뒀다. 또한 각각의 요소들은 범죄자 시점의 범죄 시나리오를 기반으로 대상지를 분석하여 도출되었다. 범죄자 시점의 범죄 시나리오를 기준으로 대상지를 분석하는 것은 본 실시예에서 제시하는 가상활동객체가 침입절도를 예측할 때, 실제 범죄자의 시점으로 대상지의 물리적 환경을 순차적으로 인지하고 판단하기 때문이다. 본 실시예에서 설정한 범죄자 시점의 범죄 시나리오는 다음과 같다.

"절도 범죄자는 개별 건물의 경제적 가치를 확인하고 비어있는 집을 범행 대상으로 잡는다. 먼저 주변에 감시하는 시선이 있는지 파악한 뒤 몸을 숨길 수 있는 장소가 있는지 확인한다. 다음으로 건물의 디자인과 건물 주변의 시설물을 파악하고 집으로 침입하기 용이한 위치와 방법을 선정한다. 마지막으로 파악한 주변 정보를 바탕으로 대상을 선정하고 행동한다."

상기 시나리오는 주출입구를 제외한 개구부를 통한 침입을 전제로 한다. 주출입구를 통한 침입절도는 개별 건물의 공간특성보다 보안설비의 유무, 주출입구의 잠금 상태의 영향 등이 더 크게 작용하므로, 범죄자의 행동에 영향을 주는 공간특성을 분석하는데 부적합하다.

2.2.3. 주거침입절도 범죄자 행동특성 변수

이성적 측면의 범죄자 행동특성이 침입절도에 미치는 영향을 파악하는 것은 중요하다. 이성적 측면의 범죄자 행동특성은 범죄자가 범죄 대상을 선정하는 의사결정 과정에서 중요한 기준으로 작용한다.

이를 위해, 기존의 범죄자 행동특성관련 연구들에서는 오랜 기간 범죄자들의 인터뷰를 통해 이성적 측면의 범죄자 행동특성을 분석했다. Bennett와 Wright는 300명 이상의 범죄자 인터뷰를 통해 이성적 측면의 범죄자 행동특성을 크게 3가지 범주로 구분하고 있으며, 표 3에서는 이러한 범죄자 행동특성을 설명하고 있다. 이성적 측면의 범죄자 행동특성에는 위험성(Risk), 용이성(Ease), 보상성(Reward)이 있다. 위험성(Risk)은 범죄 행위가 타인에게 노출 될 수 있는 가능성을 의미하며, 위험성(Risk)이 낮을수록 침입절도 발생률이 높아진다. 용이성(Ease)은 범죄 행위가 얼마나 쉽게 이루어질 수 있는지를 의미하며, 용이성(Ease)이 높을수록 침입절도 발생률이 높아진다. 보상성(Reward)은 범죄 행위를 통해 얻을 수 있는 재물의 량을 의미하며, 보상성(Reward)이 높을수록 침입절도 발생률이 높아진다.

3. 주거침입절도범죄 영향요인 분석 및 예측 알고리즘 개발

침입절도 예측을 위해서는, 앞서 도출한 범죄 대상지의 공간특성과 이성적 측면의 범죄자 행동특성을 다각적으로 분석해야 한다. 이를 위해 사용하는 분석기법의 정의와 분석 목적은 표 4와 같다.

3.1. 3차원 공간정보와 주거침입절도범죄 사이의 회귀분석

대상지의 공간특성과 침입절도 발생률 사이의 관계를 분석하기 위해, 대상지에서 발생한 침입절도의 비율을 종속변수로 설정하고 대상지의 공간특성을 독립변수로 설정한 다음 두 변수를 회귀분석 (Regression analysis) 한다.

회귀분석을 할 때 각각의 변수들이 서로 독립적인 관계를 형성하고 있어야 하므로, 회귀분석 전에 변수들 사이의 상관분석(Correlation analysis)을 통해 서로 상관성이 높게 나온 변수는 제거한다.

표 5는 변수들 사이의 상관관계를 수치화 한 것으로서, 출입구의 접근 방식(Ac10)과 건물 1층의 주차 형태(Vi2)는 99%의 신뢰구간에서 통계적으로 유의미하며 상관계수가 0.856으로 매우 강한 관련성이 있다고 분석되었다. 따라서 두 변수는 회귀분석을 함에 있어 변수의 독립성을 갖추지 못하였으므로 분석에서 제외한다.

회귀분석의 결과를 보여주는 표 6을 살펴보면, 대상지의 공간특성 중 일부(Red and blue colour cording)가 95%, 99%의 신뢰구간 내에서 침입절도 발생률에 유의미한 영향을 미치고 있음을 알 수 있다. 또한 B값을 통해 침입절도 발생률과 정(+)의 관계(표 6, Blue colour cording) 또는 부(-)의 관계(표 6, Red colour cording)를 가지고 있음을 알 수 있다. 예를 들어 정(+)의 관계를 가지는 개구부 주변 도시가스 배관 변수(Ac2)와 침입절도 발생률(D.V)을 살펴보면, 침입절도 발생률은 개구부 주변의 도시가스 배관이 있을 경우는 없는 경우보다 있을 경우에 0.235만큼 증가한다. 그리고 부(-)의 관계를 가지는 담장의 높이 변수(Vi3)과 침입절도 발생률(D.V)을 살펴보면, 침입절도 발생률은 담장의 높이가 1.5m 초과할 경우 1.5m 이하인 경우보다 0.375만큼 감소하는 것을 알 수 있다.

이러한 침입절도 발생률과 대상지의 공간특성 사이의 관계는 다음의 수학식 1의 회귀방정식으로 표현할 수 있다.

상기 수학식 1에서 B는 회귀분석에서 제시되는 가중치를 의미한다. B는 각각의 공간특성에 따라 서로 다르게 나타나며, 공식에서는 B_Co, B_Vi, B_Ac, B_At로 표현된다. Co_n, Vi_n, Ac_n, At1은 공간특성 중 침입절도 발생률에 영향을 미치는 변수들(표 6, Red and Blue colour cording)을 의미한다. B_Co, B_Vi, B_Ac, B_At와 Co_n, Vi_n, Ac_n, At1의 곱은 각각의 공간특성이 침입절도 발생률에 미치는 영향을 의미하며, 이들의 총 합은 대상지의 공간특성에 의해 침입절도가 발생할 가능성의 정도(PBS: Potential of burglary based on spatial feature)를 의미한다.

3.2. 범죄자 행동특성과 주거침입절도범죄 사이의 요인분석을 활용한 회귀분석

요인분석(Factor analysis)을 통해, 침입절도에 영향을 미치는 공간특성(표 6, Red and Blue colour cording)과 범죄자 행동특성(표 3)의 상관성을 분석한다.

요인분석의 결과를 보여주는 표 7을 살펴보면, 침입절도에 영향을 미치는 공간특성이 서로 상관성이 높게 나타나는 3개의 그룹으로 묶이는 것을 확인할 수 있고, 각각의 그룹은 범죄자의 행동특성에 해당하는 용이성(Ease), 보상성(Reward), 위험성(Risk)의 특성을 가진다.

범죄자 행동특성과 침입절도 발생률의 상관성을 분석하기 위해, 요인분석을 이용한 회귀분석(Regression analysis using factor analysis)을 한다. 이 분석을 통해, 범죄자 행동특성이 침입절도 발생률에 영향을 미치는 정도의 가중치를 도출한다.

표 8을 살펴보면, 이 분석은 P=0.000(P<0.05)으로 95%의 신뢰구간 내에서 통계적으로 유의하며, 용이성(Ease), 보상성(Reward), 위험성(Risk)가 모두 ‘P<0.05’이므로 95%의 신뢰구간에서 통계적으로 유의하다. B값을 살펴보면, 침범죄자 행동특성 중 용이성(Ease)과 보상성(Reward)은 침입절도와 정(+)의 관계를 가지고 있고, 위험성(Risk)은 부(-)의 관계를 가지고 있다. 이것은 범죄자 행동특성 중 용이성(Ease)이 증가하면 침입절도 발생률이 0.386만큼 증가하고, 보상성(Reward)이 증가하면 침입절도 발생률이 0.057만큼 증가하고, 위험성(Risk)이 증가하면 침입절도 발생률이 0.036만큼 감소함을 의미한다. 또한 B는 범죄자 행동특성이 침입절도 발생률에 미치는 가중치를 의미하며, 용이성이 가장 큰 영향을 미치고 있고 그 뒤로 보상성과 위험성이 영향을 미치고 있다.

이러한 침입절도 발생률과 범죄자 행동특성 사이의 관계를 표현하면 다음의 수학식 2의 회귀방정식과 같다.

상기 수학식 2에서 B는 요인분석을 이용한 회귀분석에서 제시되는 가중치를 의미한다. 이러한 B는 각각의 범죄자 행동특성에 따라 서로 다르게 나타나며, 공식에서는 B_Ea, B_Re, B_Ri로 표현된다. Ea, Re, Ri는 범죄자 행동특성을 의미한다. B_Ea, B_Re, B_Ri와 Ea, Re, Ri의 곱은 각각의 범죄자 행동특성이 침입절도 발생률에 미치는 영향을 의미하며, 이들의 총 합은 범죄자 행동특성에 의해 침입절도가 발생할 가능성의 정도(PBO: Potential of burglary based on offender behaviour)를 의미한다.

3.3. 예측 알고리즘

도 7은 다각적인 분석을 통해 도출한 각 요소들 사이의 영향관계를 보여주고 있다. 도 7을 참조하면, 침입절도는 크게 대상지의 공간특성과 범죄자 행동특성의 영향을 받는다. 대상지의 공간특성은 서로 다른 가중치로 침입절도에 영향을 미치며, 그 영향의 정도는 상기 수학식 1을 통해 표현된다. 그리고 범죄자 행동특성은 대상지의 공간특성을 기반으로 하고 위험성(Risk), 용이성(Ease), 보상성(Reward)에 따라 서로 다른 가중치로 침입절도에 영향을 미친다. 이러한 영향관계는 상기 수학식 2를 통해 표현된다.

도 7과 같은 영향요인들 사이의 관계를 통해 침입절도 예측을 위한 알고리즘을 구축할 수 있으며, 그 프로세스는 다음과 같다.

1) 가상활동객체는 가상의 공간에서 자유롭게 활동을 하며, 그 과정에서 물리적 환경이 제공하는 자극에 노출된다.

2) 만약 가상활동객체가 자극에 노출되면 건물의 공간특성을 인지하게 되고, 그렇지 않은 경우에는 자극에 노출될 때까지 계속 가상의 공간에서 자유롭게 활동한다.

3) 자극에 노출된 가상활동객체는 물리적 환경 자극이 내포하고 있는 공간특성을 인지한 뒤, 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여한다.

4) 각각의 공간특성이 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용한다.

5) 가중치의 합이 침입절도 발생 가능성 이상이면 해당 건물을 침입절도 대상으로 지목하고, 침입절도 발생 가능성 이하면 다시 자극에 노출될 때까지 자유롭게 활동한다.

4. 예측 알고리즘 시뮬레이션 및 검증

예측 알고리즘의 검증을 위해, 가상지능형 활동객체에 예측 알고리즘을 이식하고 가상의 3차원 공간을 모델링한다. 가상지능형 활동객체를 가상의 3차원 공간에서 시뮬레이션하여, 본 실시예에서 개발한 알고리즘이 실질적으로 침입절도범죄 발생 환경을 평가할 수 있는지를 검증한다. 알고리즘의 검증은 시뮬레이션 결과와 실제 범죄발생 데이터와의 비교를 통해 이루어진다.

4.1. Virtools 를 활용한 시뮬레이션 구축

virtools를 이용해 예측 알고리즘과 3차원 공간정보를 통합한 test-bed model을 제작한다. 우선 건물을 구성하고 있는 개별 디자인 요소의 Attribute value script를 작성한다. Attribute value script는 각각의 건물 디자인 요소를 가상지능형 활동객체가 인지할 수 있는 언어로 변환한 값을 의미한다. 다음으로 예측 알고리즘을 Virtools에서 사용하는 언어로 재구축 한 Offender decision making script를 작성한다.

두 개의 script를 통합하여 Virtools에서 residential burglary prediction simulation이 실행되면 먼저 attribute value 값은 각 건물을 구성하는 디자인 요소에 부여된다. 다음으로 가상지능형 활동객체가 가상의 3차원 공간에서 자유롭게 움직이면서 attribute Value를 인지한다. 그 과정에서 가상지능형 활동객체는 attribute value 인지를 통해 수집한 3차원 공간 정보를 기반으로 개별 건물의 주거침입절도범죄가 발생할 가능성을 판단한다. 그리고 가상지능형 활동객체는 주거침입절도범죄가 발생할 가능성이 높다고 판단되는 개별 건물에서 action을 취하게 된다.

4.2. 시뮬레이션 결과 및 검증

이 단계에서는 도 8 내지 도 10을 참조하여 침입절도 예측 시뮬레이션 결과와 실제 침입절도 자료를 비교하여 미시적 측면의 침입절도 예측 기법의 정확도와 가능성에 대해 논한다. 시뮬레이션의 결과는 침입절도 발생 가능성이 50%를 넘는 Level 1(Blue), 60%를 넘는 Level 2(Yellow), 70%를 넘는 Level 3(Orange), 80%를 넘는 Level 4(Red)로 구별된다. 도 8 내지 도 10에서 3개의 서로 다른 대상지의 공간특성, 침입절도 예측 시뮬레이션 과정, 시뮬레이션 결과를 보여준다. 시뮬레이션 결과를 해석하면 다음과 같다.

a) Area 1 simulation result

도 8을 참조하면, Area 1은 8개의 건물이 각각 한 면을 도로와 접하고 있고, 실제 침입절도 피해 자료에서는 피해가 없는 것으로 나타났다. 시뮬레이션 결과를 살펴보면, 6번 건물이 침입절도 발생 가능성이 59.8%로 가능성 단계에 속하고 있다. 이것은 실제로는 침입절도가 발생하지 않았지만 향후 침입절도가 발생할 확률이 있으며, 개별 건물의 공간특성을 개선할 필요가 있음을 의미한다. 7번 건물의 경우 6번 건물과 유사한 공간특성을 가지고 있음에도 불구하고 침입절도 발생 가능성이 48.2%로 나타난 것은, 6번 건물의 노후도가 7번 건물보다 적어 범죄자의 행동특성 중 보상성에 더 큰 영향을 미치고 있기 때문이다. 또한 4, 5번 건물도 각각 45.8%, 49.6%로 가능성 단계의 기준이 되는 50%를 넘지는 못하였지만 침입절도 발생 가능성에 근접한 결과 값을 보이고 있다. 4, 5번 건물은 6, 7번 건물과는 공간특성이 서로 다르지만 침입절도 발생 가능성이 높으므로 공간특성의 개선이 요구된다.

결과적으로 Area 1의 시뮬레이션을 통해 80%를 넘는 침입절도 발생 단계에 속하는 건물은 없는 것으로 도출되었고, 이것은 실제 침입절도 피해 자료에서 피해 건물이 없는 것과 같은 결과를 보여주고 있다.

b) Area 2 simulation result

도 9를 참조하면, Area 2는 8개의 건물 중 7, 8번 건물은 두 면이 도로와 접하고 있고, 나머지 건물들(1, 2, 3, 4, 5, 6번)은 한 면을 접하고 있다. 이 지역의 실제 침입절도 피해 자료에서는 총 2건(1, 7번 건물)의 침입절도가 발생한 것으로 나타났다. 시뮬레이션 결과를 살펴보면, 다수의 건물(1, 2, 3, 7번 건물)이 침입절도 발생 가능성이 80%를 넘는 발생 단계에 속하고 있다. 또한 지역 내의 모든 건물이 가능성 단계(6번 건물), 주의 단계(5, 8번 건물), 위험 단계(4번)에 속하는 것을 알 수 있다. 이것은 이 지역이 상대적으로 침입절도에 유리한 공간특성을 가지고 있다고 볼 수 있다. 실제로 침입절도가 발생한 1번과 7번 건물의 경우 시뮬레이션 결과가 각각 97.5%, 82.5%로 높게 나타났다. 이것은 시뮬레이션 결과에서 침입절도가 발생할 것이라고 판단한 것과 실제 침입절도 피해 자료가 일치함을 보여주고 있다. 반면, 실제 침입절도가 발생하지 않았지만 2번과 3번 건물은 87.8%로 발생 단계로 예측되었다. 그 이유는 실제 침입절도가 발생한 1번 건물과 2, 3번 건물은 지리적 위치와 건물의 공간특성이 유사하기 때문이다. 다만, 1번 건물의 경우 2, 3번 건물과 달리 건물이 접하고 있는 도로 방향으로 돌출된 발코니가 있어 범죄자의 행동특성 중 용이성에 더 많은 영향을 미치고 있다.

결과적으로 Area 2의 시뮬레이션을 통해 실제 침입절도가 발생한 건물(1, 7번 건물)을 97.5%, 82.5%의 높은 확률로 예측하였다. 반면, 침입절도가 발생하지 않은 건물 중 2, 3번 건물을 87.8%의 확률로 침입절도가 발생할 것이라고 예측하는 오류가 있었다. 이것은 2, 3번 건물이 1번 건물과 거의 유사한 공간특성을 지니고 있으므로 단순히 공간특성만을 통해 각 건물들 사이의 침입절도 발생 가능성의 차이를 분석하기에 한계가 있음을 보여준다. 그리고 Area 1의 시뮬레이션 결과와 비교하여 Area 2는 상대적으로 침입절도에 유리한 공간특성을 지니고 있으므로 공간특성의 개선이 필수적임을 알 수 있다.

c) Area 3 simulation result

도 10을 참조하면, Area 3은 8개의 건물 중 1, 2, 3번 건물은 두 면이 도로와 접하고 있고, 나머지 건물들(4, 5, 6, 7, 8번 건물)은 한 면을 접하고 있다. 이 지역이 가지고 있는 또 다른 특성은 5, 6, 8번 건물이 접하고 있는 도로가 막다른 길이라는 점이다. 이 지역의 실제 침입절도 피해 자료에서는 총 3건(5, 6, 8번 건물)의 침입절도가 발생한 것으로 나타났다. 시뮬레이션 결과를 살펴보면, 5번과 6번 건물은 각각 65.6%, 63.7%로 침입절도 발생 가능성이 주의 단계에 속한다. 그리고 8번 건물은 침입절도 발생 가능성이 58.4%로 가능성 단계에 속한다. 실제 침입절도 피해 자료를 살펴보면 5, 6, 8번 건물에서 실제 침입절도가 발생했지만, 시뮬레이션 결과에서는 발생 단계에 속하는 건물이 존재하지 않는 것으로 나타났다. 상대적으로 5, 6, 8번 건물이 지역 내의 다른 건물에 비해 높은 결과 값을 보이고는 있지만, 실제 침입절도 발생 건물을 예측하지 못하였다. 이것은 건물의 공간특성이 범죄자에게 미치는 영향이 침입절도를 발생시킬 만큼 크지 않지만, 그 이외의 요소가 범죄자의 행동에 영향을 미쳤다고 판단할 수 있다. 그 대표적인 요인은 침입절도가 발생한 건물이 막다른 길에 위치하고 있다는 점이다. 외국의 경우 막다른 길이 개별 건물의 사유지처럼 느껴지기 때문에 침입절도를 예방하는데 효과가 있는 것으로 나타나고 있다. 하지만 이 지역의 경우 막다른 길로 인해, 주변으로부터의 가시성이 낮아지고, 도로와의 연결성이 떨어진다. 그리고 지역 내에서 건물의 위치가 깊어 같은 시간대에 비해 공간이 어둡기 때문에 범죄자의 가시성에 미치는 영향이 크다.

결과적으로 Area 3의 시뮬레이션을 통해 실제 침입절도가 발생한 건물이 침입절도에 유리한 공간특성을 가지고 있음을 예측할 수 있었다. 다만, 공간특성 만으로 실제 침입절도가 발생한 건물을 정확히 예측하기에는 공간특성 이외의 요소가 범죄자의 행동에 미치는 영향으로 인해 한계가 있음을 알 수 있었다.

5. 결론

본 실시예에서는 개별 건물의 공간특성들이 침입절도에 큰 영향을 미치는 것으로 나타났다. 그리고 각각의 공간특성들은 범죄자 행동특성 중 위험성과 용이성에 해당하는 경우가 많았고, 상대적으로 보상성에 해당하는 경우는 적게 나타났다. 또한 범죄자 행동특성은 용이성(Ease), 보상성(Reward), 위험성(Risk) 순으로 침입절도에 미치는 영향이 큰 것으로 나타났다. 이러한 결과를 토대로 가상지능형 활동객체를 활용한 침입절도 예측 시뮬레이션은 침입절도 발생 가능 대상지를 예측해냈다. 서로 다른 침입절도 발생률을 보이는 3개의 대상지에서 각각 침입절도 가능성이 있는 개별 건물들을 예측해냈다. Area 1에서는 침입절도가 발생하지 않은 것을 예측함과 동시에 각 건물들의 침입절도 발생 가능성을 분석해냈다. 그리고 Area 2에서는 실제 침입절도가 발생한 건물은 높은 적중률로 예측하고, 실제 침입절도 피해 건물과 유사한 공간특성을 보이는 건물의 침입절도 발생 가능성을 높게 분석했다. Area 3에서는 각 건물의 침입절도 발생 가능성을 분석하고 실제 침입절도가 발생한 건물을 모두 예측했다.

본 발명의 실시예들은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

지금까지 본 발명에 따른 구체적인 실시예에 관하여 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능함은 물론이다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허 청구의 범위뿐 아니라 이 특허 청구의 범위와 균등한 것들에 의해 정해져야 한다.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.

110: 분석부
120: 예측부
130: 객체 생성부
140: 알고리즘 검증부
150: 제어부
210: 공간특성 인지부
220: 가중치 할당부
230: 비교 예측부

Claims (21)

1. 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 분석부; 및
   상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계하고, 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측하는 예측부
   를 포함하고,
   상기 예측 알고리즘은
   가상지능형 활동객체가 가상의 3차원 환경에서 자유롭게 활동을 하는 과정에서 물리적 환경이 제공하는 자극에 노출되면, 상기 대상지의 3차원 공간특성을 인지하도록 하는 단계;
   상기 가상지능형 활동객체가 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여하고, 상기 각각의 공간특성이 상기 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용하도록 하는 단계; 및
   상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이상이면, 상기 가상지능형 활동객체가 상기 대상지를 침입절도 대상으로 지목하고, 상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 미만이면, 다시 자극에 노출될 때까지 자유롭게 활동하도록 하는 단계로 구성되는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
2. 제1항에 있어서,
   상기 분석부는
   상기 3차원 공간특성 및 상기 범죄자 행동특성에 기초하여 주거침입절도에 영향을 미치는 변수를 독립변수 및 통제변수로 구분하고, 상기 통제변수를 제외한 상기 독립변수를 이용하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
3. 제2항에 있어서,
   상기 분석부는
   상기 3차원 공간특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하고, 상기 3차원 공간특성에 관한 독립변수 및 상기 범죄자 행동특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하여, 상기 범죄자 행동특성에 관련한 상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
4. 제3항에 있어서,
   상기 분석부는
   상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하고, 상기 대상지의 3차원 공간특성을 상기 독립변수로 설정한 후, 상기 종속변수 및 상기 독립변수를 회귀 분석(Regression analysis)하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
5. 제4항에 있어서,
   상기 분석부는
   상기 회귀 분석을 통해, 상기 3차원 공간특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하고, 상기 가중치에 기초하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하며,
   상기 가중치는
   상기 3차원 공간특성 각각에 따라 서로 다르게 도출되는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
6. 제4항에 있어서,
   상기 분석부는
   상기 회귀 분석을 할 때, 각각의 변수들이 서로 독립적인 관계를 형성하도록 하기 위해, 상기 회귀 분석 전에 상기 변수들 사이의 상관 분석(Correlation analysis)을 하여 서로 간에 상관성이 일정 기준 이상으로 높게 나온 변수를 제거하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
7. 제3항에 있어서,
   상기 분석부는
   요인 분석(Factor analysis)을 통해 상기 침입절도 발생률에 영향을 미치는 공간특성 및 범죄자 행동특성의 상관성을 분석하여, 상기 독립변수인 공간특성이 상기 범죄자 행동특성의 3가지 범주 중 적어도 하나에 속하도록 그룹화하고, 요인 분석을 이용한 회귀분석(Regression analysis using factor analysis)를 하여 상기 범죄자 행동특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하고, 상기 가중치에 기초하여 상기 범죄자 행동특성과 상기 침입절도 발생률의 상관성을 분석하며,
   상기 가중치는
   상기 범죄자 행동특성의 3가지 범주에 따라 서로 다르게 도출되는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
8. 제3항에 있어서,
   상기 3차원 공간특성에 관한 독립변수는
   상기 대상지의 물리적 환경 및 경제적 환경 중 적어도 하나를 포함하고,
   상기 범죄자 행동특성에 관한 독립변수는
   이성적 측면의 범죄자 행동특성을 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
9. 제8항에 있어서,
   상기 대상지의 물리적 환경은
   범행 대상지와 주변지역의 물리적 연결 정도를 나타내는 연결성, 물리적 환경에 의한 시야확보의 정도를 나타내는 가시성, 대상지에 접근할 때 영향을 주는 물리적 환경을 나타내는 접근성, 및 물리적 환경으로 표현되는 경제력을 나타내는 유인성 중 적어도 하나를 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
   
10. 제8항에 있어서,
    상기 이성적 측면의 범죄자 행동특성은
    범죄 행위가 타인에게 노출될 수 있는 가능성을 나타내는 위험성, 범죄 행위가 얼마나 쉽게 이루어질 수 있는지를 나타내는 용이성, 및 범죄 행위를 통해 얻을 수 있는 재물의 량을 나타내는 보상성 중 적어도 하나를 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
    
11. 제1항에 있어서,
    상기 3차원 공간특성을 반영하여 상기 가상의 3차원 환경을 모델링하고, 상기 예측 알고리즘을 이식하여 상기 가상지능형 활동객체를 생성하는 객체 생성부
    를 더 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
    
12. 제11항에 있어서,
    상기 가상의 3차원 환경에서 상기 가상지능형 활동객체를 시뮬레이션하여 상기 예측 알고리즘의 타당성을 검증하는 알고리즘 검증부
    를 더 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 시스템.
    
13. 주거침입절도범죄 예측 시스템의 분석부에서, 대상지의 3차원 공간특성 및 범죄자 행동특성에 기초하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 단계;
    상기 주거침입절도범죄 예측 시스템의 예측부에서, 상기 상관관계의 분석 결과에 기초하여 상기 대상지의 침입절도범죄에 관한 예측 알고리즘을 설계하는 단계; 및
    상기 주거침입절도범죄 예측 시스템의 예측부에서, 상기 예측 알고리즘을 이용하여 상기 대상지의 침입절도범죄를 예측하는 단계
    를 포함하고,
    상기 예측 알고리즘은
    가상지능형 활동객체가 가상의 3차원 환경에서 자유롭게 활동을 하는 과정에서 물리적 환경이 제공하는 자극에 노출되면, 상기 대상지의 3차원 공간특성을 인지하도록 하는 단계;
    상기 가상지능형 활동객체가 침입절도에 미치는 영향에 따라 서로 다른 가중치를 각각의 공간특성에 부여하고, 상기 각각의 공간특성이 상기 범죄자 행동특성에 미치는 영향에 따라 서로 다른 가중치를 적용하도록 하는 단계; 및
    상기 가중치의 합이 일정 수준 이상의 침입절도 발생 가능성 이상이면, 상기 가상지능형 활동객체가 상기 대상지를 침입절도 대상으로 지목하고, 상기 가중치의 합이 일정 수준 미만의 침입절도 발생 가능성 이하이면, 다시 자극에 노출될 때까지 자유롭게 활동하도록 하는 단계로 구성되는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
14. 제13항에 있어서,
    상기 상관관계를 분석하는 단계는
    상기 3차원 공간특성 및 상기 범죄자 행동특성에 기초하여 주거침입절도에 영향을 미치는 변수를 독립변수 및 통제변수로 구분하는 단계; 및
    상기 통제변수를 제외한 상기 독립변수를 이용하여 상기 대상지의 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하는 단계
    를 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
15. 제14항에 있어서,
    상기 상관관계를 분석하는 단계는
    상기 3차원 공간특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계; 및
    상기 3차원 공간특성에 관한 독립변수 및 상기 범죄자 행동특성에 관한 독립변수에 근거하여 상기 3차원 공간특성과 상기 범죄자 행동특성 간의 상관관계를 분석하여, 상기 범죄자 행동특성에 관련한 상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석하는 단계
    를 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
16. 제15항에 있어서,
    상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계는
    상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하는 단계;
    상기 대상지의 3차원 공간특성을 상기 독립변수로 설정하는 단계; 및
    상기 종속변수 및 상기 독립변수를 회귀 분석(Regression analysis)하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계
    를 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
17. 제16항에 있어서,
    상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계는
    상기 회귀 분석을 통해, 상기 3차원 공간특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하는 단계; 및
    상기 가중치에 기초하여 상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계
    를 더 포함하고,
    상기 가중치는
    상기 3차원 공간특성 각각에 따라 서로 다르게 도출되는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
18. 제16항에 있어서,
    상기 3차원 공간특성과 침입절도 발생률의 상관관계를 분석하는 단계는
    상기 대상지에서 발생한 침입절도 발생률을 종속변수로 설정하는 단계 이전에, 상기 회귀 분석을 할 때, 각각의 변수들이 서로 독립적인 관계를 형성하도록 하기 위해, 상기 회귀 분석 전에 상기 변수들 사이의 상관 분석(Correlation analysis)을 하여 서로 간에 상관성이 일정 기준 이상으로 높게 나온 변수를 제거하는 단계
    를 더 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
19. 제15항에 있어서,
    상기 3차원 공간특성과 상기 침입절도 발생률의 상관성을 분석하는 단계는
    요인 분석(Factor analysis)을 통해 상기 침입절도 발생률에 영향을 미치는 공간특성 및 범죄자 행동특성의 상관성을 분석하여, 상기 독립변수인 공간특성이 상기 범죄자 행동특성의 3가지 범주 중 적어도 하나에 속하도록 그룹화하는 단계;
    요인 분석을 이용한 회귀분석(Regression analysis using factor analysis)를 하여 상기 범죄자 행동특성이 상기 침입절도 발생률에 영향을 미치는 정도를 나타내는 가중치를 도출하는 단계; 및
    상기 가중치에 기초하여 상기 범죄자 행동특성과 상기 침입절도 발생률의 상관성을 분석하는 단계
    를 포함하고,
    상기 가중치는
    상기 범죄자 행동특성의 3가지 범주에 따라 서로 다르게 도출되는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
20. 제13항에 있어서,
    상기 주거침입절도범죄 예측 시스템의 객체 생성부에서, 상기 3차원 공간특성을 반영하여 상기 가상의 3차원 환경을 모델링하고, 상기 예측 알고리즘을 이식하여 상기 가상지능형 활동객체를 생성하는 단계
    를 더 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 방법.
    
21. 제20항에 있어서,
    상기 주거침입절도범죄 예측 시스템의 알고리즘 검증부에서, 상기 가상의 3차원 환경에서 상기 가상지능형 활동객체를 시뮬레이션하여 상기 예측 알고리즘의 타당성을 검증하는 단계
    를 더 포함하는 것을 특징으로 하는 주거침입절도범죄 예측 방법.

Images