KR20140100173A - 기상정보를 이용한 범죄예측 서비스 제공 방법 - Google Patents

기상정보를 이용한 범죄예측 서비스 제공 방법 Download PDF

Info

Publication number
KR20140100173A
KR20140100173A KR1020130013122A KR20130013122A KR20140100173A KR 20140100173 A KR20140100173 A KR 20140100173A KR 1020130013122 A KR1020130013122 A KR 1020130013122A KR 20130013122 A KR20130013122 A KR 20130013122A KR 20140100173 A KR20140100173 A KR 20140100173A
Authority
KR
South Korea
Prior art keywords
information
crime
humidity
temperature
occurrence
Prior art date
Application number
KR1020130013122A
Other languages
English (en)
Inventor
김민수
김종민
강민규
이동휘
Original Assignee
인터로젠 (주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인터로젠 (주) filed Critical 인터로젠 (주)
Priority to KR1020130013122A priority Critical patent/KR20140100173A/ko
Publication of KR20140100173A publication Critical patent/KR20140100173A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Abstract

기상정보를 이용한 범죄예측 서비스 제공 방법이 개시된다. 상기 기상정보를 이용한 범죄예측 서비스 제공 방법은, 지역별로 과거 기상정보 및 상기 기상정보의 기상구간 별 발생된 범죄횟수를 이용하여 상기 기상구간 별 범죄발생가능성을 산출하는 단계, 상기 산출된 기상구간 별 범죄발생가능성을 지역별로 데이터베이스에 저장하는 단계, 상기 지역별로 현재의 기상정보 또는 예보된 기상정보와 상기 데이터베이스에 저장된 정보를 이용하여 현재, 미래 특정시간 또는 미래 특정기간의 범죄예측정보를 생성하는 단계 및 상기 생성된 범죄예측정보를 유무선 통신을 이용하여 사용자에게 전달하는 단계를 구비할 수 있다.

Description

기상정보를 이용한 범죄예측 서비스 제공 방법{Method for providing crime forecast service using weather}
본 발명은 기상정보를 이용한 범죄예측 서비스 제공 방법에 관한 것으로, 특히 기상정보에 따른 범죄발생 가능성을 데이터베이스화 하여 현재의 기상정보 또는 예보된 기상정보에 따른 범죄예측정보를 사용자에게 제공하는 기상정보를 이용한 범죄예측 서비스 제공 방법에 관한 것이다.
사회가 발전하면서 풍요로운 삶을 영위하는 사람들이 늘어남에도 불구하고 살인, 강간, 강도, 폭력, 절도 등과 같은 범죄의 발생율은 매년 꾸준히 증가하고 있다. 이러한 범죄의 예방을 위하여 범죄발생 원인에 대한 다양한 연구가 이루어져 왔으나, 지금까지는 대부분 인구사회학적 변수를 중심으로 연구가 이루어져 왔다. 그러나, 날씨, 기온, 강수량 등과 같은 물리적 환경이 인간의 심리적인 면에 영향을 미칠 수 있다는 가능성이 제기되면서, 기상정보와 범죄발생의 상관관계에 대한 분석의 필요성이 대두되었다.
본 발명이 해결하고자 하는 과제는 기상정보에 따른 범죄발생 가능성을 데이터베이스화 하여 현재의 기상정보 또는 예보된 기상정보에 따른 범죄예측정보를 사용자에게 제공하는 기상정보를 이용한 범죄예측 서비스 제공 방법을 제공하는데 있다.
상기 과제를 달성하기 위한 본 발명의 일 실시예에 따른 기상정보를 이용한 범죄예측 서비스 제공 방법은, 지역별로 과거 기상정보 및 상기 기상정보의 기상구간 별 발생된 범죄횟수를 이용하여 상기 기상구간 별 범죄발생가능성을 산출하는 단계, 상기 산출된 기상구간 별 범죄발생가능성을 지역별로 데이터베이스에 저장하는 단계, 상기 지역별로 현재의 기상정보 또는 예보된 기상정보와 상기 데이터베이스에 저장된 정보를 이용하여 현재, 미래 특정시간 또는 미래 특정기간의 범죄예측정보를 생성하는 단계 및 상기 생성된 범죄예측정보를 유무선 통신을 이용하여 사용자에게 전달하는 단계를 포함할 수 있다.
상기 기상정보는 기온정보, 습도정보, 날씨정보, 강수량정보 및 풍속정보 중 적어도 하나를 포함하고, 상기 범죄횟수는 강간횟수, 절도횟수, 폭력횟수, 살인횟수 및 강도횟수 중 적어도 하나를 포함할 수 있다.
상기 기상정보를 이용한 범죄예보 서비스 제공 방법은, 일정 주기로 상기 현재의 기상정보 또는 상기 예보된 기상정보를 수신하는 단계를 더 포함할 수 있다.
상기 산출하는 단계는, 복수의 습도구간들 및 복수의 온도구간들을 설정하는 단계, 상기 지역별로 상기 습도구간들 및 과거 상기 습도구간들 각각에서 발생된 범죄횟수를 이용하여 상기 습도구간 별 범죄 발생 가능성을 산출하는 단계 및 상기 지역별로 상기 온도구간들 및 과거 상기 온도구간들 각각에서 발생된 범죄횟수를 이용하여 상기 온도구간 별 범죄 발생 가능성을 산출하는 단계를 포함할 수 있다.
상기 범죄횟수는 강간횟수, 절도횟수 및 폭력횟수 중 적어도 하나를 포함할 수 있다.
상기 사용자에게 전달하는 단계는, 상기 생성된 범죄예측정보를 웹, 문자메시지, SNS 또는 어플리케이션을 통하여 일반인 또는 보안관계자의 단말기로 전송하는 단계를 포함할 수 있다.
본 발명의 기술적 사상에 의한 일 실시예에 따른 기상정보를 이용한 범죄예측 서비스 제공 방법은 경험적인 데이터를 이용하여 현재의 기상상태 또는 예보된 기상상태로부터 특정 범죄의 발생 가능성을 예측하여 사용자에게 제공할 수 있으므로, 이와 같은 정보를 이용하여 평소보다 주의를 기울이거나 순찰활동 등을 강화함으로써 범죄를 보다 효과적으로 예방할 수 있는 장점이 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 기술적 사상에 의한 일 실시예에 따른 기상정보를 이용한 범죄예측 서비스 제공 방법의 흐름도이다.
도 2는 도 1의 기상정보를 이용한 범죄예측 서비스 제공 방법을 수행할 수 있는 범죄예측 서비스 시스템의 블록도이다.
도 3은 온도구간들 및 습도구간들을 도시한 도면이다.
도 4a는 도 3의 온도구간들 및 습도구간들 각각의 강간횟수 및 비율을 도시한 도면이다.
도 4b는 도 4a의 정보를 합하여 온도 및 습도와 관련된 강간발생비율을 도시한 도면이다.
도 5a는 도 3의 온도구간들 및 습도구간들 각각의 절도횟수 및 비율을 도시한 도면이다.
도 5b는 도 5a의 정보를 합하여 온도 및 습도와 관련된 절도발생비율을 도시한 도면이다.
도 6a는 도 3의 온도구간들 및 습도구간들 각각의 폭력횟수 및 비율을 도시한 도면이다.
도 6b는 도 6a의 정보를 합하여 온도 및 습도와 관련된 폭력발생비율을 도시한 도면이다.
도 7은 도 4a 내지 도 6b의 값들을 이용하여 하나의 표에서 습도구간 및 온도구간과 관련된 강간발생가능성, 절도발생가능성 및 폭력발생가능성을 퍼센트로 도시한 도면이다.
도 8은 범죄발생가능성의 퍼센트을 이용하여 범죄예측정보를 산정하는 기준이되는 도면이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 기술적 사상에 의한 일 실시예에 따른 기상정보를 이용한 범죄예측 서비스 제공 방법의 흐름도이고, 도 2는 도 1의 기상정보를 이용한 범죄예측 서비스 제공 방법을 수행할 수 있는 범죄예측 서비스 시스템(200)의 블록도이다.
도 1 및 도 2를 참조하면, 범죄예측 서비스 시스템(200)은 서버(210) 및 데이터베이스(220)를 구비할 수 있고, 서버(210)는 DB관리부(211), 범죄예측정보생성부(215) 및 전송부(217)를 구비할 수 있다.
서버(210)는 지역별로 과거 일정 기간동안의 기상정보 및 상기 기상정보에 대응하는 시점에 발생된 범죄정보를 수신할 수 있다. 상기 범죄정보는 유관기관(예를 들어, 검찰, 경찰, 법원 등)으로부터 확보하거나 뉴스, 신문, 인터넷 등을 통하여 확보할 수 있다. 그리고, 이와 같이 확보한 범죄정보 중 범죄발생 날짜, 범죄발생 시각(또는 추정시각) 등을 이용하여 유관기관(예를 들어, 기상청 등)으로부터 과거 특정일자, 과거 특정시간 또는 과거 특정기간의 기상정보를 확보하거나 인터넷 날씨정보 등을 이용하여 과거 특정일자, 과거 특정시간 또는 과거 특정기간의 기상정보를 확보할 수 있다.
DB관리부(211)는 상기 수신된 과거 기상정보 및 상기 기상정보의 기상구간 별 발생된 범죄횟수를 상기 기상구간 별 범죄발생가능성을 산출할 수 있다(S110). 상기 기상정보는 온도(기온)정보, 습도정보, 날씨정보, 강수량정보 및 풍속정보 중 적어도 하나를 포함할 수 있고, 상기 범죄횟수는 강간횟수, 절도횟수, 폭력횟수, 살인횟수 및 강도횟수 중 적어도 하나를 포함할 수 있다. 상기 지역은 시(市), 도(道), 구(區), 군(郡), 읍(邑), 면(面), 동(洞) 등일 수 있다. 다만, 본 발명에서 상기 기상정보, 상기 범죄횟수 또는 상기 지역이 이와 같이 구분되는 경우로 한정되는 것은 아니며, 다른 다양한 방법으로 구분될 수 있다. 상기 기상구간별 범죄발생가능성을 산출하는 실시예에 대하여는 도 3 내지 도 8의 실시예와 관련하여 보다 상세하게 설명한다.
DB관리부(211)는 상기 산출된 기상구간별 범죄발생가능성을 지역별로 데이터베이스(220)에 저장할 수 있다(S120).
범죄예측정보생성부(215)는 상기 지역별로 현재의 기상정보 또는 예보된 기상정보와 데이터베이스(220)에 저장된 정보를 이용하여 현재, 미래 특정시간 또는 미래 특정기간의 범죄예측정보를 생성할 수 있다(S130). 범죄예측정보생성부(215)는 일정 주기(예를 들어, 1시간 단위, 3시간 단위, 6시간 단위 등)로 상기 현재의 기상정보 또는 상기 예보된 기상정보를 수신할 수 있다. 예를 들어, 상기 현재의 기상정보를 이용하는 경우 범죄예측정보생성부(215)는 현재의 범죄예측정보를 생성할 수 있고, 상기 예보된 기상정보를 이용하는 경우 범죄예측정보생성부(215)는 미래 특정시간 또는 미래 특정기간의 범죄예측정보를 생성할 수 있다. 범죄예측정보생성부(215)의 동작과 관련하여서는 도 7 및 도 8의 실시예와 관련하여 보다 상세하게 설명한다.
전송부(217)는 상기 생성된 범죄예측정보를 유무선 통신을 이용하여 사용자단말기로 전달할 수 있다(S140). 예를 들어, 전송부(217)는 웹(web)을 통하여 일반인 또는 보안관계자의 단말기에 상기 생성된 범죄예측정보를 제공하거나, 문자메시지(SMS(Short Message Service), MMS(Multi-media Message Service) 등), SNS(Social Networking Service), 어플리케이션 등을 통하여 일반인 또는 보안관계자의 단말기에 상기 생성된 범죄예측정보를 제공할 수도 있다. 다만, 본 발명이 이 경우들에 한정되는 것은 아니며 사용자에게 상기 생성된 범죄예측정보를 전달할 수 있다면 다른 다양한 방법을 이용할 수 있다. 상기 보안관계자는 경찰, 경비업체 관계자, CCTV 관계자, 방범대원, 보안업체 관계자 등일 수 있으며, 다만 본 발명의 상기 보안관계자가 이 경우에 한정되는 것은 아니며 다른 다양한 관련 활동을 하는 사람을 의미할 수 있다. 또한, 상기 단말기는 이동 가능한 스마트폰, 휴대폰, 태블릿피씨, 노트북, PDA 등 뿐 아니라 이동가능하지 않은 컴퓨터, 스마트티비 등의 모든 유무선 통신이 가능한 기기를 포함할 수 있다.
이하에서는 기상정보 중 온도정보 및 습도정보와 범죄 중 강간, 절도 및 폭력에 대하여 본 발명을 적용하여 범죄예측 서비스를 제공하는 방법에 대하여 설명한다. 다만, 본 발명이 이 경우에 한정되는 것은 아니며 이하에서 설명하는 것과 같은 방법을 다른 기상정보 및 다른 범죄에 적용함으로써 상기 범죄예측정보를 생성하여 제공할 수도 있다.
도 3은 온도구간들 및 습도구간들을 도시한 도면이고, 도 4a는 도 3의 온도구간들 및 습도구간들 각각의 강간횟수 및 비율을 도시한 도면이며, 도 4b는 도 4a의 정보를 합하여 온도 및 습도와 관련된 강간발생비율을 도시한 도면이다. 이하에서는 도 1 내지 도 4b를 참조하여, 온도 및 습도 조건에 따른 강간발생가능성을 산출하는 방법에 대하여 설명한다.
상기 온도구간들 및 상기 습도구간들을 도 3에 도시된 것과 같이 5단계로 구분할 수 있다. 예를 들어, 도 3과 같이 습도가 0% 이상 20% 미만인 구간을 제 1 습도구간, 20% 이상 40% 미만인 구간을 제 2 습도구간, 습도가 40% 이상 60% 미만인 구간을 제 3 습도구간, 습도가 60% 이상 80% 미만인 구간을 제 4 습도구간, 습도가 80% 이상인 구간을 제 5 습도구간으로 구분할 수 있다. 또한, 도 3과 같이 온도가 0℃ 미만인 구간을 제 1 온도구간, 온도가 0℃ 이상 6℃ 미만인 구간을 제 2 온도구간, 온도가 6℃ 이상 15℃ 미만인 구간을 제 3 온도구간, 온도가 15 ℃이상 24℃ 미만인 구간을 제 4 온도구간, 온도가 24 ℃이상인 구간을 제 5 온도구간으로 구분할 수 있다. 다만, 도 3의 예는 본 발명의 일 실시예를 설명하기 위한 하나의 예에 불과하며 본 발명의 온도구간들 및 습도구간들이 도 3과 같이 구분되는 경우만으로 본 발명이 한정되는 것은 아니다.
온도구간과 습도구간을 도 3과 같이 구분한 경우, DB 관리부(211)는 지역별 과거 습도정보 및 상기 습도구간 별 발생된 강간횟수를 이용하여 상기 습도구간 별 강간발생가능성을 도 4a와 같이 산출할 수 있다. 예를 들어, 과거 2년 동안 서울시 강남구에서 발생한 강간횟수와 강간이 발생한 시점(단, 정확한 강간발생시점일 수도 있고, 강간발생추정시점일 수도 있으며, 강간발생시점 이전 또는 이후의 일정기간일 수 도 있다)의 습도가 도 4a와 같다고 가정하자. 즉, 과거 2년 동안 서울시 강남구에서 습도구간과 강간발생횟수의 상관관계에 대하여 살펴보면, 제 1 습도구간(0%이상 20%미만)에서 13번 강간이 발생하였고, 제 2 습도구간(20%이상 40%미만)에서 17번 강간이 발생하였고, 제 3 습도구간(40%이상 60%미만)에서 53번 강간이 발생하였고, 제 4 습도구간(60%이상 80%미만)에서 77번 강간이 발생하였으며, 제 5 습도구간(80%이상)에서 54번 강간이 발생하음을 알 수 있다. 이와 같은 강간횟수를 이용하여 각각의 습도구간별 비율을 산출할 수 있는데, 상기 비율은 전체 강간횟수(13+17+53+77+54=214)에 대한 각각의 습도구간의 강간횟수의 비율을 의미할 수 있다. 즉, 제 1 습도구간의 강간비율은 13을 214로 나눈 값이고, 제 2 습도구간의 강간비율은 17을 214로 나눈 값일 수 있으며, 나머지 습도구간들의 강간비율도 동일한 방법으로 산출할 수 있다.
마찬가지로, DB 관리부(211)는 지역별 과거 온도정보 및 상기 온도구간 별 발생된 강간횟수를 이용하여 상기 온도구간 별 강간발생가능성을 도 4a와 같이 산출할 수 있다. 예를 들어, 과거 2년 동안 서울시 강남구에서 발생한 강간횟수와 강간이 발생한 시점(단, 정확한 강간발생시점일 수도 있고, 강간발생추정시점일 수도 있으며, 강간발생시점 이전 또는 이후의 일정기간일 수 도 있다)의 온도가 도 4a와 같다고 가정하자. 즉, 과거 2년 동안 서울시 강남구에서 온도구간과 강간발생횟수의 상관관계에 대하여 살펴보면, 제 1 온도구간(0℃미만)에서 23번 강간이 발생하였고, 제 2 온도구간(0℃이상 6℃미만)에서 25번 강간이 발생하였고, 제 3 온도구간(6℃이상 15℃미만)에서 44번 강간이 발생하였고, 제 4 온도구간(15℃이상 24℃미만)에서 73번 강간이 발생하였으며, 제 5 온도구간(24℃이상)에서 49번 강간이 발생하음을 알 수 있다. 이와 같은 강간횟수를 이용하여 각각의 온도구간별 비율을 산출할 수 있는데, 상기 비율은 전체 강간횟수(23+25+44+73+49=214)에 대한 각각의 온도구간의 강간횟수의 비율을 의미할 수 있다. 즉, 제 1 온도구간의 강간비율은 23을 214로 나눈 값이고, 제 2 온도구간의 강간비율은 25를 214로 나눈 값일 수 있으며, 나머지 온도구간들의 강간비율도 동일한 방법으로 산출할 수 있다.
이상과 같이 습도구간들 각각의 강간비율과 온도구간들 각각의 강간비율이 산출되면, 이를 통합하여 도 4b와 같이 행렬(matrix)형식으로 정리할 수 있다. 도 4b에서는 '행'에는 습도를 배치하고 '열'에는 온도를 배치하였으며, 각각의 행과 열에 대응하는 부분에는 대응하는 습도구간의 강간비율과 대응하는 온도구간의 강간비율을 합하여 기재하였다. 예를 들어, 제 1 온도구간 및 제 2 습도구간의 강간비율은 제 1 온도구간의 강간비율(0.11)과 제 2 습도구간(0.08)의 강간비율을 합한 0.19가 되고, 제 3 온도구간 및 제 4 습도구간의 강간비율은 제 3 온도구간의 강간비율(0.21)과 제 4 습도구간의 강간비율(0.36)을 합한 0.57이 된다.
기상정보 중 습도정보 및 온도정보를 기초로 강간발생가능성을 산정한 것이 도 4b와 같이 되는 것이고, 만약 습도정보만을 기초로 강간발생가능성을 산정한다면 도 4a의 표 중 좌측부분을 이용하면 될 것이고, 만약 온도정보만을 기초로 강간발생가능성을 산정한다면 도 4a의 표 중 우측부분을 이용하면 될 것이다. 만약, 습도정보와 온도정보 뿐 아니라 다른 기상정보들도 추가적으로 이용한다면 이용되는 정보들을 이용하여 도 4b와 관련하여 설명한 것과 같은 방법으로 강간발생가능성을 정리할 수 있다.
도 5a는 도 3의 온도구간들 및 습도구간들 각각의 절도횟수 및 비율을 도시한 도면이며, 도 5b는 도 5a의 정보를 합하여 온도 및 습도와 관련된 절도발생비율을 도시한 도면이다. 이하에서는 도 1 내지 도 5b를 참조하여, 온도 및 습도 조건에 따른 절도발생가능성을 산출하는 방법에 대하여 설명한다.
온도구간과 습도구간을 도 3과 같이 구분한 경우, DB 관리부(211)는 지역별 과거 습도정보 및 상기 습도구간 별 발생된 절도횟수를 이용하여 상기 습도구간 별 절도발생가능성을 도 5a와 같이 산출할 수 있다. 예를 들어, 과거 3년 동안 경기도 수원시에서 발생한 절도횟수와 절도가 발생한 시점(단, 정확한 절도발생시점일 수도 있고, 절도발생추정시점일 수도 있으며, 절도발생시점 이전 또는 이후의 일정기간일 수 도 있다)의 습도가 도 5a와 같다고 가정하자. 즉, 과거 3년 동안 경기도 수원시에서 습도구간과 강간발생횟수의 상관관계에 대하여 살펴보면, 제 1 습도구간(0%이상 20%미만)에서 36번 절도가 발생하였고, 제 2 습도구간(20%이상 40%미만)에서 195번 절도가 발생하였고, 제 3 습도구간(40%이상 60%미만)에서 740번 절도가 발생하였고, 제 4 습도구간(60%이상 80%미만)에서 1066번 절도가 발생하였으며, 제 5 습도구간(80%이상)에서 588번 절도가 발생하음을 알 수 있다. 이와 같은 절도횟수를 이용하여 각각의 습도구간별 비율을 산출할 수 있는데, 상기 비율은 전체 절도횟수(36+195+740+1066+588=2625)에 대한 각각의 습도구간의 절도횟수의 비율을 의미할 수 있다. 즉, 제 1 습도구간의 절도비율은 36을 2625로 나눈 값이고, 제 2 습도구간의 절도비율은 195를 2625로 나눈 값일 수 있으며, 나머지 습도구간들의 절도비율도 동일한 방법으로 산출할 수 있다.
마찬가지로, DB 관리부(211)는 지역별 과거 온도정보 및 상기 온도구간 별 발생된 절도횟수를 이용하여 상기 온도구간 별 절도발생가능성을 도 5a와 같이 산출할 수 있다. 예를 들어, 과거 3년 동안 경기도 수원시에서 발생한 절도횟수와 절도가 발생한 시점(단, 정확한 절도발생시점일 수도 있고, 절도발생추정시점일 수도 있으며, 절도발생시점 이전 또는 이후의 일정기간일 수 도 있다)의 온도가 도 5a와 같다고 가정하자. 즉, 과거 3년 동안 경기도 수원시에서 온도구간과 절도발생횟수의 상관관계에 대하여 살펴보면, 제 1 온도구간(0℃미만)에서 152번 절도가 발생하였고, 제 2 온도구간(0℃이상 6℃미만)에서 306번 절도가 발생하였고, 제 3 온도구간(6℃이상 15℃미만)에서 745번 절도가 발생하였고, 제 4 온도구간(15℃이상 24℃미만)에서 870번 절도가 발생하였으며, 제 5 온도구간(24℃이상)에서 552번 절도가 발생하음을 알 수 있다. 이와 같은 절도횟수를 이용하여 각각의 온도구간별 비율을 산출할 수 있는데, 상기 비율은 전체 절도횟수(152+306+745+870+552=2625)에 대한 각각의 온도구간의 절도횟수의 비율을 의미할 수 있다. 즉, 제 1 온도구간의 절도비율은 152을 2625로 나눈 값이고, 제 2 온도구간의 절도비율은 306을 2625로 나눈 값일 수 있으며, 나머지 온도구간들의 절도비율도 동일한 방법으로 산출할 수 있다.
이상과 같이 습도구간들 각각의 절도비율과 온도구간들 각각의 절도비율이 산출되면, 이를 통합하여 도 5b와 같이 행렬(matrix)형식으로 정리할 수 있다. 도 5b에서는 '행'에는 습도를 배치하고 '열'에는 온도를 배치하였으며, 각각의 행과 열에 대응하는 부분에는 대응하는 습도구간의 절도비율과 대응하는 온도구간의 절도비율을 합하여 기재하였다. 도 5a에 산출된 값들을 이용하여 도 5b와 같이 행열형식으로 정리하는 것은 도 4b와 관련하여 상세하게 설명하였으므로, 도 5b와 관련하여서는 도 4b의 설명으로 대체한다.
도 6a는 도 3의 온도구간들 및 습도구간들 각각의 폭력횟수 및 비율을 도시한 도면이며, 도 6b는 도 6a의 정보를 합하여 온도 및 습도와 관련된 폭력발생비율을 도시한 도면이다. 이하에서는 도 1 내지 도 6b를 참조하여, 온도 및 습도 조건에 따른 폭력발생가능성을 산출하는 방법에 대하여 설명한다.
온도구간과 습도구간을 도 3과 같이 구분한 경우, DB 관리부(211)는 지역별 과거 습도정보 및 상기 습도구간 별 발생된 폭력횟수를 이용하여 상기 습도구간 별 폭력발생가능성을 도 6a와 같이 산출할 수 있다. 그리고, DB 관리부(211)는 지역별 과거 온도정보 및 상기 온도구간 별 발생된 폭력횟수를 이용하여 상기 온도구간 별 폭력발생가능성을 도 6a와 같이 산출할 수 있다. 도 6a와 같이 습도구간별 폭력발생가능성과 온도구간별 폭력발생가능성을 산출하는 방법은 도 4a 또는 도 5a와 관련하여 설명한 것과 유사하므로, 도 6a와 같이 폭력발생가능성을 산출하는 방법은 도 4a 및 도 5a의 설명으로 대체한다.
도 6a와 같이 습도구간들 각각의 폭력비율과 온도구간들 각각의 폭력비율이 산출되면, 이를 통합하여 도 6b와 같이 행렬(matrix)형식으로 정리할 수 있다. 도 6b에서는 '행'에는 습도를 배치하고 '열'에는 온도를 배치하였으며, 각각의 행과 열에 대응하는 부분에는 대응하는 습도구간의 절도비율과 대응하는 온도구간의 폭력비율을 합하여 기재하였다. 도 6a에 산출된 값들을 이용하여 도 6b와 같이 행열형식으로 정리하는 것은 도 4b 및 도 5b와 관련하여 상세하게 설명하였으므로, 도 6b와 관련하여서는 도 4b 및 도 5b의 설명으로 대체한다.
도 7은 도 4a 내지 도 6b의 값들을 이용하여 하나의 표에서 습도구간 및 온도구간과 관련된 강간발생가능성, 절도발생가능성 및 폭력발생가능성을 퍼센트로 도시한 도면이고, 도 8은 범죄발생가능성의 퍼센트을 이용하여 범죄예측정보를 산정하는 기준이되는 도면이다.
도 1 내지 도 8을 참조하면, DB관리부(211)는 도 4b, 도 5b 및 도 6b의 값들을 이용하여 강간발생가능성, 절도발생가능성 및 폭력발생가능성을 퍼센트로 나타낼 수 있다. 도 7과 같이 퍼센트로 나타내는 것은 다양한 방법을 이용할 수 있으며, 도 7에서는 각 범죄별 최대비율이 100%로 환산되도록 일정값을 각각의 비율에 곱하여 퍼센트로 도시하였다. 예를 들어, 강간발생가능성의 최대비율은 0.70이므로, 0.70인 70%가 100%가 되도록 1.428 (≒100/70)을 각각의 비율에 곱하여 퍼센트로 변환하였다. 다만, 본 발명에서 퍼센트로 나타내기 위한 방법이 이 경우에 한정되는 것은 아니며 다른 다양한 방법을 이용하여 퍼센트로 나타낼 수도 있다. 또한, 도 7과 같이 범죄발생가능성을 퍼센트로 산출하는 것은 도 8과 같이 범죄발생가능성의 퍼센트를 이용하여 범죄예측정보를 생성하기 위함이며, 퍼센트가 아닌 다른 값을 이용하여 범죄예측정보를 생성한다면 도 4b, 도 5b 및 도 6b에서 산출된 범죄발생비율을 그대로 이용하거나 다른값으로 변환하여 이용할 수 있다.
도 7과 같이 산출된 퍼센트를 이용하여 범죄예측정보를 생성할 수 있다. 예를 들어, 도 8과 같이 범죄발생가능성이 0% 이상 30% 미만인 경우 범죄발생가능성이 매우 낮은 것으로 판단하고, 범죄발생가능성이 30% 이상 45% 미만인 경우 범죄발생가능성이 낮은 것으로 판단하고, 범죄발생가능성이 45% 이상 60% 미만인 경우 범죄발생가능성이 보통인 것으로 판단하고, 범죄발생가능성이 60% 이상 75% 미만인 경우 범죄발생가능성이 높은 것으로 판단하며, 범죄발생가능성이 75% 이상인 경우 범죄발생가능성이 매우 높은 것으로 판단할 수 있다. 이와 같은 기준으로 도 7의 경우를 살펴보면, 도 7에서 노란색으로 표식된 부분은 범죄발생가능성이 매우 낮은 구간들, 초록색으로 표시된 부분은 범죄발생가능성이 낮은 구간들, 옥색으로 표시된 부분은 범죄발생가능성이 보통인 구간들, 보라색으로 표시된 부분은 범죄발생가능성이 높은 구간들, 붉은색으로 표시된 부분은 범죄발생가능성이 매우 높은 구간들임을 알 수 있다.
이와 같이 범죄발생가능성의 산출이 완료되면, 범죄예측정보생성부(215)는 지역별 현재의 기상정보 또는 예보된 기상정보와 데이터베이스(220)에 저장된 상기 범죄발생가능성에 대한 정보를 이용하여 현재, 미래 특정시간 또는 미래 특정기간의 범죄예측정보를 생성할 수 있다. 예를 들어, 도 7의 데이터가 산출된 지역의 현재온도가 5℃이고 습도가 50%인 것으로 나타나는 경우, 제 3 습도구간과 제 2 온도구간에 해당하는 것을 알 수 있다. 그러므로, 도 7에서 행렬 3.2에 해당하는 부분을 찾으면 강간발생가능성은 52.836%로 보통, 절도발생가능성도 55.35%로 보통이고 폭력발생가능성은 42.50%로 낮은 것으로 범죄예측정보를 생성할 수 있으며, 이와 같이 생성된 범죄예측정보는 전송부(217)에서 사용자에게 전송할 수 있다. 다른 예로, 도 7의 데이터가 산출된 지역의 3시간 이후의 시점 또는 3시간 이후의 시점부터 2시간 동안 10℃이고 습도가 70%일 것으로 예보된 경우, 제 4 습도구간과 제 3 온도구간에 해당하므로 도 7에서 행렬 4.3에 해당하는 부분을 찾으면 강간발생가능성은 81.396%로 매우 높고, 절도발생가능성도 93.15%로 매우 높으며 폭력발생가능성은 70.00%로 높은 것으로 범죄예측정보를 생성할 수 있다. 그러므로, 전송부(217)는 사용자에게 현재부터 3시간 이후의 시점 또는 현재부터 3시간 이후의 시점부터 2시간 동안 강간 및 절도발생가능성이 매우 높고 폭력발생가능성이 높은 것으로 사용자에게 알려줄 수 있다. 따라서, 이와 같은 내용을 전달받은 일반인들은 3시간 이후의 시점에 현재보다 조금 더 주의를 기울일 수 있고 보안관계자는 3시간 이후의 시점에 순찰을 강화하는 등의 방법을 이용하여 범죄로 인한 피해를 최소화할 수 있다.
이상 도 4a 내지 도 7과 관련하여서는 습도 및 온도의 기상정보와 강간, 절도, 폭력의 범죄정보를 이용하여 범죄예측 서비스를 제공하는 방법에 대하여 설명하였으나, 본 발명이 이 경우에 한정되는 것은 아니며 다른 다양한 기상정보와 범죄정보를 이용하여 이상과 같은 방법을 통한 범죄예측 서비스를 제공할 수 있다.
이상에서와 같이 도면과 명세서에서 최적 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (6)

  1. 지역별로 과거 기상정보 및 상기 기상정보의 기상구간 별 발생된 범죄횟수를 이용하여 상기 기상구간 별 범죄발생가능성을 산출하는 단계;
    상기 산출된 기상구간 별 범죄발생가능성을 지역별로 데이터베이스에 저장하는 단계;
    상기 지역별로 현재의 기상정보 또는 예보된 기상정보와 상기 데이터베이스에 저장된 정보를 이용하여 현재, 미래 특정시간 또는 미래 특정기간의 범죄예측정보를 생성하는 단계; 및
    상기 생성된 범죄예측정보를 유무선 통신을 이용하여 사용자에게 전달하는 단계를 포함하는 것을 특징으로 하는 기상정보를 이용한 범죄예측 서비스 제공 방법.
  2. 제1항에 있어서, 상기 기상정보는,
    기온정보, 습도정보, 날씨정보, 강수량정보 및 풍속정보 중 적어도 하나를 포함하고,
    상기 범죄횟수는,
    강간횟수, 절도횟수, 폭력횟수, 살인횟수 및 강도횟수 중 적어도 하나를 포함하는 것을 특징으로 하는 기상정보를 이용한 범죄예측 서비스 제공 방법.
  3. 제1항에 있어서, 상기 기상정보를 이용한 범죄예보 서비스 제공 방법은,
    일정 주기로 상기 현재의 기상정보 또는 상기 예보된 기상정보를 수신하는 단계를 더 포함하는 것을 특징으로 하는 기상정보를 이용한 범죄예측 서비스 제공 방법.
  4. 제1항에 있어서, 상기 산출하는 단계는,
    복수의 습도구간들 및 복수의 온도구간들을 설정하는 단계;
    상기 지역별로 상기 습도구간들 및 과거 상기 습도구간들 각각에서 발생된 범죄횟수를 이용하여 상기 습도구간 별 범죄 발생 가능성을 산출하는 단계; 및
    상기 지역별로 상기 온도구간들 및 과거 상기 온도구간들 각각에서 발생된 범죄횟수를 이용하여 상기 온도구간 별 범죄 발생 가능성을 산출하는 단계를 포함하는 것을 특징으로 하는 기상정보를 이용한 범죄예측 서비스 제공 방법.
  5. 제4항에 있어서, 상기 범죄횟수는,
    강간횟수, 절도횟수 및 폭력횟수 중 적어도 하나를 포함하는 것을 특징으로 하는 기상정보를 이용한 범죄예측 서비스 제공 방법.
  6. 제1항에 있어서, 상기 사용자에게 전달하는 단계는,
    상기 생성된 범죄예측정보를 웹, 문자메시지, SNS 또는 어플리케이션을 통하여 일반인 또는 보안관계자의 단말기로 전송하는 단계를 포함하는 것을 특징으로 하는 기상정보를 이용한 범죄예측 서비스 제공 방법.
KR1020130013122A 2013-02-05 2013-02-05 기상정보를 이용한 범죄예측 서비스 제공 방법 KR20140100173A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130013122A KR20140100173A (ko) 2013-02-05 2013-02-05 기상정보를 이용한 범죄예측 서비스 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130013122A KR20140100173A (ko) 2013-02-05 2013-02-05 기상정보를 이용한 범죄예측 서비스 제공 방법

Publications (1)

Publication Number Publication Date
KR20140100173A true KR20140100173A (ko) 2014-08-14

Family

ID=51746137

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130013122A KR20140100173A (ko) 2013-02-05 2013-02-05 기상정보를 이용한 범죄예측 서비스 제공 방법

Country Status (1)

Country Link
KR (1) KR20140100173A (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016106417A1 (en) * 2014-12-24 2016-06-30 Locator IP, L.P. Crime forecasting system
US9554246B2 (en) 2000-07-24 2017-01-24 Locator Ip, Lp Interactive weather advisory system
US10021514B2 (en) 2007-02-23 2018-07-10 Locator IP, L.P. Interactive advisory system for prioritizing content
US10362435B2 (en) 2006-01-19 2019-07-23 Locator IP, L.P. Interactive advisory system
KR20190138350A (ko) 2018-06-05 2019-12-13 주식회사 웬즈데이에잇피엠 웨어러블 기기에서 수집한 생체 정보 및 행동 패턴을 활용한 개인별 범죄 피해 확률 예측 시스템
US11150378B2 (en) 2005-01-14 2021-10-19 Locator IP, L.P. Method of outputting weather/environmental information from weather/environmental sensors
KR20220021840A (ko) 2020-08-14 2022-02-22 고려대학교 산학협력단 치안 및 공공 데이터 기반 범죄 신고 수 예측 장치 및 방법
US11372132B2 (en) 2015-09-24 2022-06-28 Locator IP, L.P. Hyper-localized weather/environmental data

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10021525B2 (en) 2000-07-24 2018-07-10 Locator IP, L.P. Interactive weather advisory system
US9998295B2 (en) 2000-07-24 2018-06-12 Locator IP, L.P. Interactive advisory system
US11108582B2 (en) 2000-07-24 2021-08-31 Locator IP, L.P. Interactive weather advisory system
US9560480B2 (en) 2000-07-24 2017-01-31 Locator Ip, Lp Interactive advisory system
US9661457B2 (en) 2000-07-24 2017-05-23 Locator Ip, Lp Interactive advisory system
US9668091B2 (en) 2000-07-24 2017-05-30 Locator IP, L.P. Interactive weather advisory system
US10411908B2 (en) 2000-07-24 2019-09-10 Locator IP, L.P. Interactive advisory system
US9554246B2 (en) 2000-07-24 2017-01-24 Locator Ip, Lp Interactive weather advisory system
US11150378B2 (en) 2005-01-14 2021-10-19 Locator IP, L.P. Method of outputting weather/environmental information from weather/environmental sensors
US10362435B2 (en) 2006-01-19 2019-07-23 Locator IP, L.P. Interactive advisory system
US10021514B2 (en) 2007-02-23 2018-07-10 Locator IP, L.P. Interactive advisory system for prioritizing content
US10616708B2 (en) 2007-02-23 2020-04-07 Locator Ip, Lp Interactive advisory system for prioritizing content
US20160189043A1 (en) * 2014-12-24 2016-06-30 Locator IP, L.P. Crime forcasting system
RU2686022C2 (ru) * 2014-12-24 2019-04-23 ЛОКАТОР АйПи, Л.П. Система прогнозирования преступлений
CN107251058A (zh) * 2014-12-24 2017-10-13 定位器Ip公司 犯罪预报系统
WO2016106417A1 (en) * 2014-12-24 2016-06-30 Locator IP, L.P. Crime forecasting system
US11372132B2 (en) 2015-09-24 2022-06-28 Locator IP, L.P. Hyper-localized weather/environmental data
KR20190138350A (ko) 2018-06-05 2019-12-13 주식회사 웬즈데이에잇피엠 웨어러블 기기에서 수집한 생체 정보 및 행동 패턴을 활용한 개인별 범죄 피해 확률 예측 시스템
KR20220021840A (ko) 2020-08-14 2022-02-22 고려대학교 산학협력단 치안 및 공공 데이터 기반 범죄 신고 수 예측 장치 및 방법

Similar Documents

Publication Publication Date Title
KR20140100173A (ko) 기상정보를 이용한 범죄예측 서비스 제공 방법
CN109196386B (zh) 用于预测天气预报状况、环境预报状况和/或地质预报状况的影响的方法和系统
US8874071B2 (en) Method and apparatus for prioritizing and routing emergent activity reporting
Wheeler et al. Testing for similarity in area‐based spatial patterns: Alternative methods to Andresen's spatial point pattern test
Zhao et al. Exploring transfer learning for crime prediction
Salinas et al. Privacy-preserving energy theft detection in smart grids
Durage et al. Evacuation behaviour of households and drivers during a tornado: Analysis based on a stated preference survey in Calgary, Canada
US20160189043A1 (en) Crime forcasting system
US20180322756A1 (en) Position information prompting method, device and system
CN105260795A (zh) 一种基于条件随机场的重点人员位置时空预测方法
WO2016097998A1 (en) System for and method for detection of insider threats
Yazji et al. Efficient location aware intrusion detection to protect mobile devices
Zhou et al. Spatio-temporal analysis of urban crime leveraging multisource crowdsensed data
US9301126B2 (en) Determining multiple users of a network enabled device
CN206596012U (zh) 一种警务通信息推送系统
Tkachenko et al. Predicting the impact of urban flooding using open data
JP5253977B2 (ja) パトロール情報集計装置およびパトロール情報集計方法
Lock et al. Online social networking, order and disorder
Titko et al. Modeling Vulnerability of Critical Infrastructure of Transportation Network using Influence Diagrams
Theron et al. A street segment analysis of crime in a township: evidence from South Africa
Bell 10. Fighting Crime: Can the Police do more with less?
Sutton FBI reports increase in hate crimes nationwide for third consecutive year
Wu et al. An analysis of the relationship between crime incidents and 911 calls
Coaffee Building effective and acceptable security-driven urban resilience
Wolf Warning success rate: Increasing the convective warning’s role in protecting life and property

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination