KR20160105151A - A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same - Google Patents

A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same Download PDF

Info

Publication number
KR20160105151A
KR20160105151A KR1020150028471A KR20150028471A KR20160105151A KR 20160105151 A KR20160105151 A KR 20160105151A KR 1020150028471 A KR1020150028471 A KR 1020150028471A KR 20150028471 A KR20150028471 A KR 20150028471A KR 20160105151 A KR20160105151 A KR 20160105151A
Authority
KR
South Korea
Prior art keywords
value
cell
item
target cell
crime
Prior art date
Application number
KR1020150028471A
Other languages
Korean (ko)
Other versions
KR101738745B1 (en
Inventor
차경현
황유민
김경호
송유찬
김진영
Original Assignee
광운대학교 산학협력단
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 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020150028471A priority Critical patent/KR101738745B1/en
Publication of KR20160105151A publication Critical patent/KR20160105151A/en
Application granted granted Critical
Publication of KR101738745B1 publication Critical patent/KR101738745B1/en

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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Abstract

The present relates to a method and a system for predicting crime by using a cell value estimation, and more specifically, is to improve accuracy of a system for predicting crime based on big data by using a cell value estimation. To this end, according to the present invention, the method for predicting crime by using a target cell value estimation comprises the steps of: forming a target cell indicating a target region for performing a crime prediction; acquiring crime rate information on the target cell based on the number of crime occurrences in the target cell; collecting an item value for each cell of total cells, according to at least one preset statistics item; acquiring an indicator value of each statistics item in the target cell by using a maximum item value and a minimum item value of the total cells and an item value of the target cell with respect to each statistics item; calculating a weighted value with respect to the indicator value of each statistics item in the target cell, wherein the weighted value is determined based on a relative proportion of an indicator value of a corresponding item to a total value of indicator values of items in the target cell; estimating a value of the target cell based on a weighted value sum obtained by using the indicator value of each statistics item in the target cell and the weighted value; and generating a crime risk of the target cell by combining the estimated value of the target cell and the crime rate information of the target cell.

Description

셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템{A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same}TECHNICAL FIELD [0001] The present invention relates to a method for predicting a crime and a method for predicting a crime using a cell value estimation method,

본 발명은 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템에 관한 것으로, 더욱 상세하게는 셀 가치 추산을 이용하여 빅데이터 기반 범죄 예측 시스템의 정확성을 높이기 위한 것이다.The present invention relates to a method for predicting a crime using a cell value estimation method and a crime prediction system, and more particularly, to improve the accuracy of a big data-based crime prediction system using cell value estimation.

빅데이터란 디지털 환경에서 생성되는 데이터로 그 규모가 방대하고, 생성 주기가 짧으며, 수치 데이터뿐 아니라 문자와 영상 데이터 등 다양한 형태를 포함하는 대규모의 데이터를 말한다. 빅데이터는 각종 센서와 인터넷의 발달로 데이터가 늘어나면서 등장하게 되었다. 컴퓨터 및 처리기술이 발달함에 따라 디지털 환경에서 생성되는 빅데이터를 기반으로 분석을 수행하게 되면 질병이나 사회현상의 변화 등에 관한 새로운 시각이나 법칙을 발견할 가능성이 커지게 되었다. 따라서, 빅데이터는 사회적인 문제를 해결하는데 사용될 수 있는데, 특히 범죄 예방과 수사에 적극적으로 활용될 수 있다.Big data refers to large-scale data that is generated in a digital environment, has a large size, has a short generation cycle, and includes not only numerical data but also various forms such as text and image data. Big Data has emerged with increasing data due to the development of various sensors and the Internet. As computers and processing technologies develop, analysis based on big data generated in the digital environment has increased the possibility of discovering new perspectives and laws about changes in diseases and social phenomena. Therefore, Big Data can be used to solve social problems, especially in crime prevention and investigation.

예를 들어, 빅데이터 기술을 이용하면 과거 범죄 데이터들을 분석하고 패턴을 파악함으로써 범죄발생 위험이 높은 장소와 시간을 예측할 수 있다. 또한, 범죄 위치와 유형 등을 주소지 주변으로 상세하게 제공하여, 구체적인 범죄에 대한 정보를 파악하고 예방하거나 범죄 발생률이 높은 지역에 경찰 인력을 우선 배치하여 범죄를 예방할 수 있다.For example, using Big Data technology can analyze historical crime data and identify patterns that can predict places and times of high crime risk. In addition, crime location and type can be provided in detail around the address, to identify and prevent specific crimes, and to prevent crime by prioritizing police personnel in areas of high crime incidence.

빅데이터를 이용하여 정확한 범죄 예측을 수행하기 위해서는 각 데이터에 대한 적절한 가중치를 부여하는 것이 바람직하다. 특히, 지역마다 면적, 인구수, 문화, 발달 정도가 다르기 때문에, 각 지역에서 수집된 데이터의 신뢰도는 서로 다를 수 있다. 따라서 이러한 지역간 데이터 신뢰도의 편차를 해소하고 정확도가 높은 범죄 예측을 수행하기 위한 방법이 필요하다.In order to perform accurate crime prediction using big data, it is desirable to give appropriate weight to each data. Particularly, since the area, population, culture, and degree of development vary from region to region, the reliability of data collected in each region may be different. Therefore, there is a need for a method to eliminate the deviation of data reliability between regions and to perform crime prediction with high accuracy.

본 발명은 범죄 관련 데이터가 수집되는 각 지역에 해당하는 통계 항목 정보를 이용하여 해당 지역의 특성을 고려하고, 이를 통해 해당 지역에 대한 범죄 위험도 측정의 정확도를 높이기 위한 목적을 가지고 있다.The present invention aims to improve the accuracy of the measurement of the risk of crime in a given area by taking into consideration the characteristics of the area using statistical item information corresponding to each region where the crime related data is collected.

상기와 같은 과제를 해결하기 위해, 본 발명의 실시예에 따른 셀 가치 추산을 이용한 범죄 예측 방법은, 상기 범죄 예측을 수행하기 위한 대상 영역을 나타내는 셀을 형성하는 단계; 타겟 셀에서의 범죄 발생 횟수에 기초한 상기 타겟 셀의 범죄율 정보를 획득하는 단계; 적어도 하나의 기 설정된 통계 항목 별로 전체 셀의 각 셀 별 항목 값을 수집하는 단계; 상기 각 통계 항목에 대하여, 전체 셀에서의 최대 항목 값, 최소 항목 값 및 상기 타겟 셀의 항목 값을 이용하여 상기 타겟 셀의 상기 각 통계 항목에 대한 지표 값을 획득하는 단계; 상기 타겟 셀에서의 각 통계 항목 별 지표 값에 대한 가중치를 산출하는 단계, 상기 가중치는 상기 타겟 셀의 각 항목별 지표 값의 합산 값에 대한 해당 항목의 지표 값의 상대적인 비율에 기초하여 결정됨; 상기 타겟 셀의 각 통계 항목 별 지표 값 및 가중치를 이용한 가중치 합에 기초하여 상기 타겟 셀의 가치를 추산하는 단계; 및 상기 추산된 타겟 셀의 가치와 상기 타겟 셀의 범죄율 정보를 조합하여 상기 타겟 셀의 범죄 위험도를 생성하는 단계; 를 포함하는 것을 특징으로 한다.According to another aspect of the present invention, there is provided a method for predicting a crime using a cell value estimate, the method comprising: forming a cell indicating a target region for performing the crime prediction; Obtaining the crime rate information of the target cell based on the number of crime occurrences in the target cell; Collecting an item value for each cell of all cells by at least one predetermined statistical item; Obtaining an index value for each statistical item of the target cell by using a maximum item value, a minimum item value, and an item value of the target cell in each of the statistical items; Calculating a weight for an indicator value for each statistical item in the target cell, the weight being determined based on a relative ratio of the indicator value of the item to the sum of the indicator values for each item of the target cell; Estimating a value of the target cell based on a sum of weights using an indicator value and a weight of each statistical item of the target cell; Generating a crime risk of the target cell by combining the estimated value of the target cell and the crime rate information of the target cell; And a control unit.

또한, 본 발명의 실시예에 따른 셀 가치 추산을 이용한 범죄 예측 시스템은, 외부 단말 또는 네트워크와 데이터를 송/수신하는 통신부; 상기 범죄 예측을 수행하기 위한 대상 영역을 나타내는 셀을 형성하는 셀 형성부; 상기 형성된 각 셀의 가치를 추산하는 셀 가치 추산부; 및 상기 시스템이 수신한 데이터 및 프로세싱 된 데이터를 저장하는 빅데이터 DB를 포함하되, 상기 시스템은, 상기 통신부를 통하여 타겟 셀에서의 범죄 발생 횟수에 기초한 상기 타겟 셀의 범죄율 정보를 획득하고, 적어도 하나의 기 설정된 통계 항목 별로 전체 셀의 각 셀 별 항목 값을 수집하며, 상기 셀 가치 추산부는, 상기 각 통계 항목에 대하여, 전체 셀에서의 최대 항목 값, 최소 항목 값 및 상기 타겟 셀의 항목 값을 이용하여 상기 타겟 셀의 상기 각 통계 항목에 대한 지표 값을 획득하고, 상기 타겟 셀에서의 각 통계 항목 별 지표 값에 대한 가중치를 산출하되, 상기 가중치는 상기 타겟 셀의 각 항목별 지표 값의 합산 값에 대한 해당 항목의 지표 값의 상대적인 비율에 기초하여 결정되며, 상기 타겟 셀의 각 통계 항목 별 지표 값 및 가중치를 이용한 가중치 합에 기초하여 상기 타겟 셀의 가치를 추산하고, 상기 시스템은, 상기 추산된 타겟 셀의 가치와 상기 타겟 셀의 범죄율 정보를 조합하여 상기 타겟 셀의 범죄 위험도를 생성하는 것을 특징으로 한다.Also, the crime prediction system using the cell value estimation according to an embodiment of the present invention includes a communication unit for transmitting / receiving data to / from an external terminal or a network; A cell forming unit for forming a cell representing a target area for performing the crime prediction; A cell value estimating unit for estimating a value of each cell formed; And a big data DB storing data and processed data received by the system, wherein the system obtains the crime rate information of the target cell based on the number of crimes occurring in the target cell through the communication unit, Wherein the cell value estimating unit calculates a maximum value of an item, a minimum item value, and an item value of the target cell in all the cells, for each statistical item, And a weight value for an index value of each statistical item in the target cell is calculated, and the weight is calculated by adding the index value of each item of the target cell Value of the target cell and the relative value of the index value of the corresponding item to the value of the target cell, On the basis of the weighted sum it estimates the value of the target cell, and wherein the system is characterized in that a combination of values and crime information of the target cell of said estimated target cell generates a crime risk of the target cell.

또한, 본 발명의 실시예에 따르면, 상기 셀의 크기 변화에 따른 해당 셀의 가치를 추산하는 단계; 및 상기 셀의 크기에 따른 셀의 가치 값을 저장하는 단계를 더 포함하며, 상기 타겟 셀의 크기는 사용자의 타겟 셀 크기 설정 정보 및 상기 셀의 크기에 따른 셀의 가치 값 정보에 기초하여 결정되는 것을 특징으로 한다.According to an embodiment of the present invention, there is provided a method of estimating a value of a corresponding cell according to a size change of the cell; And storing a value of a cell according to a size of the cell, wherein the size of the target cell is determined based on a target cell size setting information of a user and a value value of a cell according to the size of the cell .

또한, 상기 셀은 기 설정된 길이의 반경을 갖는 원형으로 형성되며, 상기 셀이 지역간 경계를 포함할 경우, 하나의 지역만을 포함하도록 상기 셀의 범위를 조정하는 것을 특징으로 한다.The cell is formed in a circular shape having a radius of a predetermined length, and when the cell includes an interregional boundary, the range of the cell is adjusted to include only one region.

여기서, 상기 지표 값은 해당 통계 항목의 상기 최대 항목 값과 최소 항목 값 간의 차이에 대한 상기 타겟 셀의 항목 값의 비율에 기초하여 획득되는 것을 특징으로 한다.Here, the indicator value is obtained based on a ratio of an item value of the target cell to a difference between the maximum item value and the minimum item value of the statistical item.

또한, 상기 기 설정된 통계 항목은 해당 셀의 면적, 인구수, 정보화 지수, 지역발전 지수, 유동 인구 및 인구 구조를 포함하는 것을 특징으로 한다.In addition, the predetermined statistical item includes an area of the corresponding cell, a population number, an information index, a regional development index, a floating population, and a population structure.

본 발명의 실시예에 따르면, 사용자의 위치를 셀 단위로 구분하고 해당 셀의 가치를 산정하여 범죄 위험도를 생성함으로 정확한 범죄 예측을 수행할 수 있다.According to the embodiment of the present invention, accurate crime prediction can be performed by dividing the location of the user into cells and calculating the value of the corresponding cell to generate the risk of crime.

또한, 본 발명의 실시예에 따르면 다양한 통계 항목을 이용하여 각 셀의 특성을 반영하여 범죄 위험도를 제공함으로 범죄 예측 시스템의 신뢰도를 높일 수 있다.In addition, according to the embodiment of the present invention, the reliability of the crime prediction system can be improved by reflecting the characteristics of each cell using various statistical items to provide a crime risk.

도 1은 본 발명의 실시예에 따른 셀 형성 방법 및 범죄 예측 방법을 나타내고 있다.
도 2는 본 발명의 실시예에 따른 범죄 예측 시스템의 전체적인 구성을 나타낸 개략도.
도 3은 본 발명의 실시예에 따른 범죄 예측 시스템의 서버의 각 구성을 나타낸 블록도.
도 4는 셀 반경에 따른 셀 가치 산출 값의 일 예를 나타내는 그래프.
도 5는 본 발명의 실시예에 따른 셀 가치 추산을 이용한 범죄 예측 방법을 나타낸 순서도.1 shows a method of forming a cell and a method of predicting a crime according to an embodiment of the present invention.
FIG. 2 is a schematic view showing the overall configuration of a crime prediction system according to an embodiment of the present invention; FIG.
3 is a block diagram showing each configuration of a server of a crime prediction system according to an embodiment of the present invention;
4 is a graph showing an example of a cell value calculation value according to a cell radius.
5 is a flowchart illustrating a method of predicting a crime using a cell value estimation according to an embodiment of the present invention.

본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도, 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한 특정 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는, 단순한 용어의 명칭이 아닌 그 용어가 가진 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 함을 밝혀두고자 한다.As used herein, terms used in the present invention are selected from general terms that are widely used in the present invention while taking into account the functions of the present invention. However, these terms may vary depending on the intention of a person skilled in the art, custom or the emergence of new technology. Also, in certain cases, there may be a term arbitrarily selected by the applicant, and in this case, the meaning thereof will be described in the description of the corresponding invention. Therefore, it is intended that the terminology used herein should be interpreted relative to the actual meaning of the term, rather than the nomenclature, and its content throughout the specification.

도 1은 본 발명의 실시예에 따른 셀 형성 방법 및 범죄 예측 방법을 나타내고 있다.1 shows a method of forming a cell and a method of predicting a crime according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 실시예에 따른 범죄 예측 시스템은 범죄 예측을 수행하기 위해 각 지역별로 셀을 형성하고, 각 셀 단위로 범죄 위험도를 예측할 수 있다. 이를 위해, 본 발명의 범죄 예측 시스템은 각 셀의 크기를 설정하고, 해당 셀의 가치를 추산한다. 각 셀의 특성에 따라 해당 셀에서 수집된 범죄율 정보의 신뢰도가 다르므로, 본 발명에서는 각 셀의 가치 값을 이용하여 범죄율의 신뢰도를 반영할 수 있다. 이를 위해, 본 발명의 범죄 예측 시스템은 후술하는 바와 같이 각 셀에 위치한 사용자 지역의 여러 가지 통계 항목을 이용하여 해당 셀의 가치를 추산할 수 있다.Referring to FIG. 1, a crime prediction system according to an exemplary embodiment of the present invention may form a cell for each region in order to perform a crime prediction, and may predict a crime risk level for each cell. To this end, the crime prediction system of the present invention sets the size of each cell and estimates the value of the corresponding cell. Since the reliability of the crime rate information collected in the corresponding cell varies depending on the characteristics of each cell, in the present invention, the reliability of the crime rate can be reflected using the value of each cell. To this end, the crime prediction system of the present invention can estimate the value of a corresponding cell using various statistical items of a user area located in each cell as described later.

본 발명의 실시예에 따르면, 각 셀은 기본적으로는 기 설정된 길이의 반경을 갖는 원형으로 형성될 수 있다. 각 셀의 반경은 이를 테면, 100~200m, 200~500m, 500~1km의 3가지 크기로 분류될 수 있는데, 본 발명은 이에 한정하지 않는다. 본 발명의 실시예에서 각 셀의 반경은 범죄 예측 시스템의 사용자 설정에 따라 결정될 수 있다. 셀 반경이 작아질수록 해당 지역과 장소의 특성이 잘 반영 되어 사용자에게 범죄 데이터와 셀의 가치를 조밀하게 제공 할 수 있다. 그리고 반경이 작을수록 사용자의 위치를 짧은 주기로 전송 받아 범죄 관련 데이터의 제공 주기도 짧아지게 된다.According to the embodiment of the present invention, each cell may basically be formed in a circle having a radius of a predetermined length. The radius of each cell may be classified into three sizes, for example, 100 to 200 m, 200 to 500 m, and 500 to 1 km, but the present invention is not limited thereto. In an embodiment of the present invention, the radius of each cell may be determined according to user settings of the crime prediction system. As the cell radius decreases, the characteristics of the area and the place are well reflected, and the user can provide the crime data and the cell value more densely. And, as the radius is smaller, the frequency of providing crime related data is shortened because the location of the user is transmitted in a short cycle.

셀이 분류되면 셀 반경에 따라 기지국에 시스템을 할당한다. 여기서 기지국은 현재 사용 중인 3세대, 또는 4세대의 주요 기지국으로 할당될 수 있지만, Wifi, Zigbee 방식도 사용 가능하다. 이와 같이 셀이 형성되면, 각 셀에 포함된 기지국을 통해 해당 셀의 데이터 및 사용자 데이터가 빅데이터 DB로 수집되며, 본 발명의 범죄 예측 시스템은 빅데이터 DB의 데이터를 이용하여 범죄 위험도를 예측한다.If the cell is classified, the system is allocated to the base station according to the cell radius. Here, the base station can be allocated to the third or fourth generation base station currently in use, but Wifi and Zigbee methods can also be used. When the cell is formed as described above, data and user data of the corresponding cell are collected in the big data DB through the base station included in each cell, and the crime prediction system of the present invention predicts the crime risk using the data of the big data DB .

도 2는 본 발명의 실시예에 따른 범죄 예측 시스템의 전체적인 구성을 개략적으로 나타내고 있다.FIG. 2 schematically shows the overall configuration of a crime prediction system according to an embodiment of the present invention.

도 2를 참조하면, 범죄 예측 시스템은 서버(100), 공유 네트워크(200) 및 적어도 하나의 개별 네트워크(네트워크 A, B, C)를 포함할 수 있다. 개별 네트워크는 셀 반경에 기초하여 결정될 수 있는데, 이를 테면 셀 반경이 100~200m (RA)일 때 제어 시스템 A가 할당 되고, 200~500m (RB)일 때 제어 시스템 B, 500~1km (RC)일 때에는 제어 시스템 C가 할당되어 셀을 관리한다. 개별 네트워크(네트워크 A, B, C)는 이와 같이 결정된 제어 시스템 및 적어도 하나의 기지국(25)을 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면 이와 같이 결정된 개별 네트워크 단위로 셀의 가치가 추산되고 해당 셀의 범죄 위험도가 제공될 수 있다.Referring to FIG. 2, the crime prediction system may include a server 100, a shared network 200, and at least one individual network (networks A, B, C). The individual networks may be determined based on the cell radius, such as control system A when the cell radius is 100 to 200 m (RA), control system B, 500 to 1 km (RC) when 200 to 500 m (RB) The control system C is allocated to manage the cell. The individual networks (networks A, B, C) can be configured including the control system thus determined and at least one base station 25. According to an embodiment of the present invention, the value of a cell is estimated on the basis of the determined individual network unit, and the risk of crime of the corresponding cell can be provided.

한편, 현재의 범죄 데이터는 지역, 장소 등의 분류에 따라 데이터를 제공하고 있다. 따라서 범죄 예측 시스템에서 범죄 데이터를 활용할 경우, 지역 가장자리에서 셀을 형성할 때에는 지역 간의 경계선을 고려하여 셀을 형성할 필요가 있다. 본 발명의 실시예에 따르면, 기 설정된 셀이 지역간 경계를 포함할 경우, 해당 셀이 하나의 지역만을 포함하도록 해당 셀의 범위를 조정할 수 있다. 이와 같이 각 셀의 범위를 유동적으로 형성함으로, 셀 단위의 범죄 예측 시스템의 정확성을 높일 수 있다.On the other hand, current criminal data provides data according to classification of area, place, and the like. Therefore, when using criminal data in the crime prediction system, it is necessary to form the cell by considering the boundary between the regions when forming the cell at the edge of the region. According to an embodiment of the present invention, when a preset cell includes an interregional boundary, the range of the corresponding cell may be adjusted so that the corresponding cell includes only one region. By forming the range of each cell in this way, the accuracy of the cell-based crime prediction system can be improved.

범죄 예측 시스템의 사용자 단말(미도시)은 기지국(25)에 있는 개별 시스템과 연결되고, 연결된 사용자의 정보는 기지국(25)을 통해 개별 네트워크, 공유 네트워크(200)를 거쳐 서버(100)로 전달될 수 있다. 서버(100)는 수신된 사용자 정보를 이용하여 해당 사용자에 대한 셀을 형성하고, 셀 단위의 범죄 예측을 수행한다. 한편, 서버는 사용자로부터 셀 크기 설정 정보를 수신하고, 이를 이용하여 초기 셀 형성을 수행할 수 있다. 셀 크기의 상한선은 기지국(25)의 통신거리가 될 수 있으며, 네트워크 A에서 네트워크 B로 이동하거나 기지국을 이동할 경우 사용자 단말에서 액세스할 수 있는 기지국은 서로 핸드오버 가능하다.The user terminal (not shown) of the crime prediction system is connected to the individual system in the base station 25 and the information of the connected user is transmitted through the base station 25 to the individual network, the shared network 200, . The server 100 forms a cell for the user using the received user information, and performs a cell-based crime prediction. Meanwhile, the server receives the cell size setting information from the user, and can perform initial cell formation using the received cell size setting information. The upper limit of the cell size may be the communication distance of the base station 25. When the mobile station moves from the network A to the network B or moves from the base station to the network B,

도 3은 본 발명의 실시예에 따른 범죄 예측 시스템의 서버의 각 구성을 나타낸 블록도이다. 본 발명의 서버(100)는 범죄 예측을 수행하기 위한 셀을 형성하고, 형성된 셀 기반의 범죄 위험도 정보를 생성 및 제공한다. 일 실시예에 따르면, 서버(100)는 통신부(110), 셀 형성부(120), 셀 가치 추산부(130) 및 빅데이터 DB(140)를 포함할 수 있다.3 is a block diagram showing each configuration of a server of a crime prediction system according to an embodiment of the present invention. The server 100 of the present invention forms a cell for performing a crime prediction and generates and provides the generated cell-based crime risk information. According to an embodiment, the server 100 may include a communication unit 110, a cell forming unit 120, a cell value estimating unit 130, and a big data DB 140.

먼저, 통신부(110)는 외부 단말 또는 네트워크와 다양한 유선 또는 무선의 통신 방식을 사용하여 데이터를 송/수신할 수 있다. 이때, 사용 가능한 무선 통신 방식으로는 와이파이, LTE(Long Term Evolution), 블루투스, NFC(Near Field Communication), Zigbee, 적외선 통신 등이 있으며, 본 발명은 이에 한정하지 않는다.First, the communication unit 110 can transmit / receive data to / from an external terminal or a network using various wired or wireless communication systems. At this time, the available wireless communication methods include Wi-Fi, Long Term Evolution (LTE), Bluetooth, Near Field Communication (NFC), Zigbee, infrared communication, and the like.

본 발명의 실시예에 따르면, 통신부(110)는 공유 네트워크(200)를 통해 각 셀의 범죄율 정보를 획득한다. 여기서, 범죄율 정보는 외부 서버 또는 공공기관에서 집계된 범죄 데이터에 기초하여 생성될 수 있는데, 상기 범죄 데이터는 기 설정된 분류 별로 계수된 범죄 발생 횟수를 나타낸다. 이때, 범죄 데이터는 범죄 발생 지역, 또는 범죄 발생 장소에 따른 범죄 발생 횟수를 나타낼 수 있다.According to the embodiment of the present invention, the communication unit 110 acquires the crime rate information of each cell through the shared network 200. [ Herein, the crime rate information may be generated based on crime data collected from an external server or a public agency, and the crime data represents the number of crime occurrences counted by a predetermined category. At this time, the crime data may indicate the number of crimes according to the crime area or the crime scene.

또한, 통신부(110)는 적어도 하나의 기 설정된 통계 항목 별로 전체 셀의 각 셀 별 항목 값을 수신할 수 있다. 여기서, 기 설정된 통계 항목은 해당 셀의 면적, 인구수, 정보화 지수, 지역발전 지수, 유동 인구 및 인구 구조 등을 포함할 수 있으며, 외부 통계 기관 등의 서버를 통해 해당 통계 항목의 항목 값 정보를 획득할 수 있다.In addition, the communication unit 110 may receive item values for each cell of all cells by at least one predetermined statistical item. Here, the predetermined statistical items may include the area of the corresponding cell, the population index, the information index, the regional development index, the floating population, and the population structure, and obtain the item value information of the statistical item through a server can do.

셀 형성부(120)는 본 발명의 실시예에 따라 범죄 예측을 수행하기 위한 대상 영역을 나타내는 적어도 하나의 셀을 형성한다. 이때, 셀은 기본적으로 원형으로 형성될 수 있지만, 지역 간의 경계에 해당하는 지점 등의 예외적인 곳에서는 해당 셀이 하나의 지역만을 포함하도록 해당 지역의 지도 정보에 기초하여 형성될 수 있다.The cell forming unit 120 forms at least one cell representing a target area for performing a crime prediction according to an embodiment of the present invention. At this time, the cell may be basically formed in a circular shape, but it may be formed based on the map information of the corresponding area so that the cell includes only one area in an exceptional place such as a point corresponding to the boundary between the areas.

셀 가치 추산부(130)는 형성된 각 셀의 가치를 추산한다. 이때, 셀 가치 추산부(130)는 해당 셀의 장소나 지역에 해당하는 통계 항목 값을 이용하여 셀의 가치를 추산할 수 있다. 셀의 통계 항목으로는 전술한 바와 같이 해당 지역의 면적, 인구수, 정보화 지수, 지역발전 지수, 유동 인구 및 인구 구조 등이 활용될 수 있으나, 본 발명의 범죄 예측 시스템 관리자의 설정에 따라 이 중 일부의 통계 항목이 사용되거나 추가적인 통계 항목이 사용될 수 있다. 각 지역마다 면적, 인구수, 문화, 발달 정도가 모두 다르기 때문에 이와 같은 통계 항목을 이용함으로 해당 지역의 특성을 정확히 파악하여 셀의 가치를 추산할 수 있다.The cell value estimating unit 130 estimates the value of each formed cell. At this time, the cell value estimating unit 130 may estimate the value of the cell using the statistical value corresponding to the location or area of the corresponding cell. As a statistical item of the cell, the area, the population, the information index, the regional development index, the floating population, and the demographic structure of the area can be utilized as described above. However, according to the setting of the crime prediction system administrator of the present invention, Or additional statistical items may be used. Since the area, population, culture, and degree of development are different for each region, it is possible to accurately estimate the value of the cell by using the statistical items.

한편, 기 설정된 통계 항목들은 통계화된 단위들이 모두 다르므로 단위 통일을 통해 각 통계 항목에 대한 지표 값을 획득할 수 있다. 더욱 구체적으로 통계 항목 i에 대한 해당 셀 j의 지표 값 Fij는 다음 수식을 통해 획득될 수 있다.On the other hand, since the statistical units are different from the predetermined statistical units, it is possible to obtain the index values for each statistical unit through unit unification. More specifically, the index value F ij of the corresponding cell j for the statistical item i can be obtained by the following equation.

Figure pat00001
Figure pat00001

여기서, i는 통계 항목에 대한 인덱스이며, j는 셀의 인덱스이다. 또한, val(i, j)는 셀 j의 통계 항목 i에 대한 항목 값이며, valmax(i)는 통계 항목 i에 대한 전체 셀에서의 최대 항목 값을, valmin(i)는 통계 항목 i에 대한 전체 셀에서의 최소 항목 값을 나타낸다.Here, i is an index for a statistical item, and j is an index of a cell. Val max (i) is the maximum item value in the entire cell for statistical item i, and val min (i) is the item value for statistical item i in cell j, Lt; RTI ID = 0.0 > cell < / RTI >

즉, 각 통계 항목에 대한 지표 값 Fij는 해당 통계 항목 i에 대한 최대 항목 값 valmax(i)와 최소 항목 값 valmin(i) 간의 차이에 대한 해당 셀의 항목 값 val(i, j)의 비율에 기초하여 산출될 수 있다.That is, the index value Fij for each statistical item is the value of the item value val (i, j) of the corresponding cell with respect to the difference between the maximum item value val max (i) and the minimum item value val min (i) Can be calculated based on the ratio.

초기에 수집된 각 통계 항목 값 val(i, j)는 해당 통계 항목에 따라 서로 다른 단위를 가질 수 있다. 예를 들어 통계 항목이 면적일 경우 항목 값은 '제곱 미터', 통계 항목이 인구수일 경우 항목 값은 '명' 등을 나타낼 수 있다. 그러나 상기 수학식 1을 통해 각 통계 항목의 항목 값 val(i, j)는 단위가 동일한 지표 값 Fij로 변환될 수 있다.Each statistic item value val (i, j) collected at the beginning can have different units according to the statistical item. For example, if the statistical item is an area, the item value may be 'square meter'; if the statistical item is a population number, the item value may indicate 'name'. However, the item value val (i, j) of each statistical item can be converted into the same index value F ij by the above equation (1).

한편, 본 발명의 추가적인 실시예에 따르면, 각 통계 항목 값은 여러 세부항목을 더 포함할 수 있다. 예를 들면 지역발전지수 안에는 지역경제력지수와 주민활력지수로 나눠질 수 있으며, 지역경제력지수는 소득수준, 혁신역량, 인력기반, 산업발전 정도 등 여러 항목으로 세분화 될 수 있다. 이때, 각 항목 별 지표 값은 수집된 각 통계 항목의 세부 항목 값에 기초하여 결정될 수 있다.Meanwhile, according to a further embodiment of the present invention, each statistical item value may further include several details. For example, the regional development index can be divided into regional economic power index and resident vitality index. Regional economic power index can be divided into various items such as income level, innovation capacity, manpower base, and industrial development level. At this time, the index value for each item can be determined based on the detailed item value of each collected statistical item.

본 발명의 실시예에서는 여러 개의 통계 항목을 이용함으로 셀 가치 판단의 정확도를 높일 수 있다. 예를 들어, 인구와 면적이 같다고 하더라도 셀의 가치가 같지 않을 수 있으며, 노령화 지수가 낮다고 하더라도 경제활동이 활발한 청장년층의 인구비중이 반드시 높은 것은 아니기 때문이다. 따라서, 셀의 가치를 종합적으로 판단하기 위하여 다양한 통계 항목을 조합하여 사용할 수 있다.In the embodiment of the present invention, the accuracy of cell value determination can be improved by using a plurality of statistical items. For example, even if the population and area are the same, the value of the cell may not be the same, and even if the aging index is low, the proportion of the youth with active economic activity is not necessarily high. Therefore, various statistical items can be used in combination in order to comprehensively determine the value of a cell.

다음으로, 셀 가치 추산부(130)는 각 셀에서의 통계 항목 별 지표 값에 대한 가중치를 산출한다. 각 지표 값들은 해당 셀의 특성을 반영하는 비중이 다르기 때문에 서로 다른 가중치를 부여할 수 있다. 본 발명의 실시예에 따르면, 지표 값 Fij의 가중치 Wij는 다음 수식을 통해 획득될 수 있다.Next, the cell value estimating unit 130 calculates weights for the index values of each statistical item in each cell. Since each index value has a different weight that reflects characteristics of the corresponding cell, different weighting values can be given. According to an embodiment of the invention, the weight W ij of the index value F ij may be obtained through the following formula:

Figure pat00002
Figure pat00002

여기서, n은 기 설정된 전체 통계 항목의 개수이다.Here, n is the number of all statistical items set in advance.

즉, 지표값 Fij에 대한 가중치 Wij는 해당 셀 j의 각 항목별 지표 값(Fkj)의 제곱 합산 값에 대한 해당 항목 i의 지표 값(Fij)의 제곱 값의 상대적인 비율에 기초하여 결정될 수 있다. 다만, 본 발명의 다른 실시예에 따르면, 상기 가중치 Wij는 해당 셀 j의 각 항목별 지표 값(Fkj)의 합산 값에 대한 해당 항목 i의 지표 값(Fij)의 상대적인 비율에 기초하여 결정될 수도 있다.That is, the index value of the weight W ij for F ij on the basis of the relative ratio of the square of the item i index values (F ij) of the square sum of each item index value (F kj) of the cell j Can be determined. However, according to another embodiment of the present invention, the weight W ij is calculated based on the relative ratio of the index value (F ij ) of the item i to the sum of the index values (F kj ) May be determined.

이와 같이 각 지표 값 Fij에 대한 가중치 Wij가 산출되면, 셀 가치 추산부(130)는 해당 셀의 각 통계 항목 별 지표 값 및 가중치를 이용한 가중치 합에 기초하여 해당 셀의 가치 Vcell(j)를 다음과 같이 추산할 수 있다.When the weight W ij for each indicator value F ij is calculated, the cell value estimator 130 calculates the value V cell (j) of the corresponding cell based on the sum of the weights using the indicator values and the weight values ) Can be estimated as follows.

Figure pat00003
Figure pat00003

즉, 셀 j의 가치 Vcell(j)는 각 항목별 가중치 Wij와 해당 지표 값 Fij를 곱한 값을 각 항목(i) 별로 합산하여 산출될 수 있다. 본 발명의 일 실시예에 따르면, 셀의 가치를 쉽게 비교하기 위해 셀의 가치를 백분율로 환산해 줄 수 있다. 또한, 본 발명의 서버(100)는 추산된 각 셀의 가치와 해당 셀의 범죄율 정보를 조합하여 해당 셀의 범죄 위험도를 생성하고 이를 사용자에게 제공할 수 있다.That is, the value V cell (j) of the cell j can be calculated by multiplying the weight W ij of each item by the corresponding index value F ij for each item (i). According to an embodiment of the present invention, the value of a cell can be converted into a percentage in order to easily compare the value of the cell. In addition, the server 100 of the present invention can generate the crime risk of the corresponding cell by combining the estimated value of each cell and the crime rate information of the corresponding cell, and provide the generated crime risk to the user.

이와 같이 셀의 가치를 추산하는 이유는 그 셀에 대한 정밀도와 신뢰성을 제공하여 범죄 예측 시스템의 신뢰도를 높이기 위해서다. 사용자는 특정 셀에 대한 범죄율 정보를 시스템으로부터 제공받고 해당 셀의 신뢰도도 함께 제공 받아 제공받은 범죄율에 대한 신뢰도를 확인 할 수 있다. 셀의 반경이 좁을수록 셀이 지역의 특성을 반영하는 반영률이 높아지고, 셀의 가치를 판단하는 지표 값이 커지면 그에 따라 셀의 가치도 올라간다.The reason for estimating the value of the cell is to improve the reliability of the crime prediction system by providing the accuracy and reliability of the cell. The user can receive the crime rate information for a specific cell from the system and also receive the reliability of the corresponding cell to confirm the reliability of the provided crime rate. As the radius of the cell becomes narrower, the reflectivity of the cell reflecting the characteristics of the region increases, and when the index value for determining the value of the cell increases, the value of the cell increases accordingly.

한편, 빅데이터 DB(140)는 다양한 디지털 데이터를 저장하며, 본 발명의 실시예에 따라 셀 형성 정보, 각 셀의 범죄율 정보, 각 셀 별로 추산된 가치 값 등을 저장할 수 있다. 빅데이터 DB(140)는 하드디스크 드라이브, 플래시 메모리, RAM(Random Access Memory), SSD(Solid State Drive) 등의 다양한 디지털 데이터 저장 매체를 통해 구현될 수 있다.Meanwhile, the big data DB 140 stores various digital data, and can store cell formation information, crime rate information of each cell, and value value estimated for each cell according to an embodiment of the present invention. The big data DB 140 can be implemented through various digital data storage media such as a hard disk drive, a flash memory, a random access memory (RAM), and a solid state drive (SSD).

도 4는 셀 반경에 따른 셀 가치 산출 값의 일 예를 나타내는 그래프이다..4 is a graph showing an example of a cell value calculation value according to a cell radius.

도 4에서 X축은 셀의 반경을 나타내며 Y축은 셀의 가치를 나타낸다. 그래프에서 사용자 해당 위치의 반경에 따라 셀의 가치가 연속적으로 추산되어 표현되었다. 그래프에서 볼 수 있듯이 셀의 반경이 변하여도 셀의 가치가 동일한 구간(점선 영역)이 나타날 수 있다. 이 구간에서는 사용자가 셀 크기 설정 정보를 다르게 하더라도 셀의 가치가 같아진다. 따라서 이 구간에서는 반경이 큰 셀은 서비스 하지 않고, 작은 반경으로 사용자에게 셀의 가치를 제공할 수 있다.In FIG. 4, the X axis represents the cell radius and the Y axis represents the cell value. In the graph, the value of the cell is continuously estimated according to the radius of the user's location. As can be seen from the graph, even if the radius of the cell changes, a section having the same cell value (dotted line region) may appear. In this section, even if the user sets the cell size setting information, the value of the cell becomes the same. Therefore, in this section, the cell having a large radius is not serviced, and the value of the cell can be provided to the user with a small radius.

도 5는 본 발명의 실시예에 따른 셀 가치 추산을 이용한 범죄 예측 방법을 나타낸 순서도이다. 도 5의 각 단계는 도 3에 도시된 서버(100) 또는 이를 포함하는 범죄 예측 시스템에 의해 수행될 수 있다.5 is a flowchart illustrating a method of predicting a crime using a cell value estimation according to an embodiment of the present invention. Each step of FIG. 5 may be performed by the server 100 shown in FIG. 3 or a crime prediction system including the same.

먼저, 서버는 범죄 예측을 수행하기 위한 대상 영역을 나타내는 셀을 형성한다(S110). 상기 셀은 기 설정된 길이의 반경을 갖는 원형으로 형성될 수 있으며, 만약 셀이 지역간 경계를 포함할 경우 하나의 지역만을 포함하도록 해당 셀의 범위를 조정할 수 있다. 셀의 크기는 사용자의 크기 설정 정보에 기초하여 결정될 수 있지만, 셀의 크기 별 가치가 추산된 기 저장된 데이터가 있을 경우, 사용자의 크기 설정 정보 및 셀의 크기에 따른 셀의 가치 값 정보를 함께 이용하여 결정될 수 있다.First, the server forms a cell indicating a target area for performing a crime prediction (S110). The cell may be formed in a circle having a radius of a predetermined length, and if the cell includes an interregional boundary, the range of the corresponding cell may be adjusted to include only one region. The size of the cell can be determined based on the size setting information of the user. However, if there is pre-stored data in which the value of each cell is estimated, the value information of the cell according to the size setting information of the user and the size of the cell are used together ≪ / RTI >

다음으로, 서버는 타겟 셀에서의 범죄 발생 횟수에 기초한 타겟 셀의 범죄율 정보를 획득한다(S120). 여기서, 범죄율 정보는 상기 타겟 셀에 대하여 집계된 범죄 데이터에 기초하여 생성될 수 있는데, 해당 셀에서의 범죄 발생 횟수에 기초하여 결정될 수 있다. 예를 들어, 범죄율 정보는 전체 범죄 발생 횟수에 대한 해당 셀의 범죄 발생 횟수의 비율에 기초하여 결정될 수 있다.Next, the server obtains the crime rate information of the target cell based on the number of crimes occurring in the target cell (S120). Here, the crime rate information may be generated based on the crime data counted for the target cell, and may be determined based on the number of crime incidents in the corresponding cell. For example, the crime rate information may be determined based on the ratio of the number of crime incidents of the corresponding cell to the total number of crime incidents.

다음으로, 서버는 적어도 하나의 기 설정된 통계 항목 별로 전체 셀의 각 셀 별 항목 값을 수집한다(S130). 여기서, 기 설정된 통계 항목은 해당 셀의 면적, 인구수, 정보화 지수, 지역발전 지수, 유동 인구 및 인구 구조 중 적어도 하나를 포함할 수 있다. 다만, 본 발명의 범죄 예측 시스템 관리자의 설정에 따라 이 중 일부의 통계 항목이 사용되거나 추가적인 통계 항목이 사용될 수 있다.Next, the server collects item values for each cell of all the cells according to at least one predetermined statistical item (S130). Here, the predetermined statistical items may include at least one of an area of the corresponding cell, a population number, an information index, a regional development index, a floating population and a population structure. However, some statistical items may be used or additional statistical items may be used according to the setting of the crime prediction system administrator of the present invention.

다음으로, 서버는 타겟 셀의 각 통계 항목에 대한 지표 값을 획득한다(S140). 이때, 지표 값은 전술한 바와 같이 해당 통계 항목에 대한 전체 셀에서의 최대 항목 값, 최소 항목 값 및 타겟 셀의 항목 값에 기초하여 획득될 수 있다. 더욱 구체적으로, 지표 값은 해당 통계 항목의 최대 항목 값과 최소 항목 값 간의 차이에 대한 타겟 셀의 항목 값의 비율에 기초하여 획득될 수 있다.Next, the server obtains an index value for each statistical item of the target cell (S140). At this time, the indicator value can be obtained based on the maximum item value, the minimum item value, and the item value of the target cell in the entire cell for the statistical item as described above. More specifically, the indicator value can be obtained based on the ratio of the item value of the target cell to the difference between the maximum item value and the minimum item value of the statistical item.

다음으로, 서버는 타겟 셀에서의 각 통계 항목 별 지표 값에 대한 가중치를 산출한다(S150). 이때, 가중치는 타겟 셀의 각 항목별 지표 값의 합산 값에 대한 해당 항목의 지표 값의 상대적인 비율에 기초하여 결정될 수 있다. 다른 실시예에 따르면, 가중치는 타겟 셀의 각 항목별 지표 값의 제곱 합산 값에 대한 해당 항목의 지표 값의 제곱 값의 상대적인 비율에 기초하여 결정될 수도 있다.Next, the server calculates weights for the index values of the respective statistical items in the target cell (S150). At this time, the weight can be determined based on the relative ratio of the index value of the item to the sum of the index values of each item of the target cell. According to another embodiment, the weights may be determined based on the relative ratio of the square of the indicator value of the item to the square sum of the indicator values of each item of the target cell.

다음으로, 서버는 타겟 셀의 각 통계 항목 별 지표 값 및 가중치를 이용한 가중치 합에 기초하여 타겟 셀의 가치를 추산한다(S160). 본 발명의 실시예에서는 다양한 통계 항목을 통해 산출된 지표 값을 함께 이용하여 셀 가치를 추산함으로 셀 가치 판단의 정확도를 높일 수 있다.Next, the server estimates the value of the target cell based on the sum of the weights using the index values and weights of the respective statistical items of the target cell (S160). In the embodiment of the present invention, it is possible to increase the accuracy of the cell value determination by estimating the cell value using the index values calculated through various statistical items.

다음으로, 서버는 추산된 타겟 셀의 가치와 타겟 셀의 범죄율 정보를 조합하여 타겟 셀의 범죄 위험도를 생성한다(S170). 예를 들어, 타겟 셀의 범죄 위험도는 타겟 셀의 가치와 타겟 셀의 범죄율을 곱한 값으로 결정될 수 있다. 서버는 이와 같이 결정된 범죄 위험도 정보를 사용자에게 제공한다.Next, the server generates the crime risk of the target cell by combining the estimated value of the target cell and the crime rate information of the target cell (S170). For example, the crime risk of the target cell may be determined by multiplying the value of the target cell by the crime rate of the target cell. The server provides the determined crime risk information to the user.

이상에서는 본 발명을 구체적인 실시예를 통하여 설명하였으나, 당업자라면 본 발명의 취지 및 범위를 벗어나지 않고 수정, 변경을 할 수 있다. 따라서 본 발명의 상세한 설명 및 실시예로부터 본 발명이 속하는 기술분야에 속한 사람이 용이하게 유추할 수 있는 것은 본 발명의 권리범위에 속하는 것으로 해석된다.While the present invention has been described with reference to the particular embodiments, those skilled in the art will appreciate that various modifications, additions and substitutions are possible, without departing from the spirit and scope of the invention. Therefore, it is to be understood that those skilled in the art can easily deduce from the detailed description and the embodiments of the present invention that they fall within the scope of the present invention.

100 : 서버 110 : 통신부
120 : 셀 형성부 130 : 셀 가치 추산부
140 : 빅데이터 DB 200 : 공유 네트워크100: server 110:
120: cell forming unit 130: cell value estimating unit
140: Big Data DB 200: Shared Network

Claims (6)

셀 가치 추산을 이용한 범죄 예측 방법에 있어서,
상기 범죄 예측을 수행하기 위한 대상 영역을 나타내는 셀을 형성하는 단계;
타겟 셀에서의 범죄 발생 횟수에 기초한 상기 타겟 셀의 범죄율 정보를 획득하는 단계;
적어도 하나의 기 설정된 통계 항목 별로 전체 셀의 각 셀 별 항목 값을 수집하는 단계;
상기 각 통계 항목에 대하여, 전체 셀에서의 최대 항목 값, 최소 항목 값 및 상기 타겟 셀의 항목 값을 이용하여 상기 타겟 셀의 상기 각 통계 항목에 대한 지표 값을 획득하는 단계;
상기 타겟 셀에서의 각 통계 항목 별 지표 값에 대한 가중치를 산출하는 단계, 상기 가중치는 상기 타겟 셀의 각 항목별 지표 값의 합산 값에 대한 해당 항목의 지표 값의 상대적인 비율에 기초하여 결정됨;
상기 타겟 셀의 각 통계 항목 별 지표 값 및 가중치를 이용한 가중치 합에 기초하여 상기 타겟 셀의 가치를 추산하는 단계; 및
상기 추산된 타겟 셀의 가치와 상기 타겟 셀의 범죄율 정보를 조합하여 상기 타겟 셀의 범죄 위험도를 생성하는 단계;
를 포함하는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 방법.
In a method for predicting a crime using a cell value estimate,
Forming a cell representing a target area for performing the crime prediction;
Obtaining the crime rate information of the target cell based on the number of crime occurrences in the target cell;
Collecting an item value for each cell of all cells by at least one predetermined statistical item;
Obtaining an index value for each statistical item of the target cell by using a maximum item value, a minimum item value, and an item value of the target cell in each of the statistical items;
Calculating a weight for an indicator value for each statistical item in the target cell, the weight being determined based on a relative ratio of the indicator value of the item to the sum of the indicator values for each item of the target cell;
Estimating a value of the target cell based on a sum of weights using an indicator value and a weight of each statistical item of the target cell; And
Generating a crime risk of the target cell by combining the estimated value of the target cell and the crime rate information of the target cell;
And estimating a cell value using the cell value estimate.
제1 항에 있어서,
상기 셀의 크기 변화에 따른 해당 셀의 가치를 추산하는 단계; 및
상기 셀의 크기에 따른 셀의 가치 값을 저장하는 단계를 더 포함하며,
상기 타겟 셀의 크기는 사용자의 타겟 셀 크기 설정 정보 및 상기 셀의 크기에 따른 셀의 가치 값 정보에 기초하여 결정되는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 방법.
The method according to claim 1,
Estimating a value of a corresponding cell according to a size change of the cell; And
Storing a value of a cell according to the size of the cell,
Wherein the size of the target cell is determined based on the target cell size setting information of the user and the value information of the cell according to the size of the cell.
제2 항에 있어서,
상기 셀은 기 설정된 길이의 반경을 갖는 원형으로 형성되며,
상기 셀이 지역간 경계를 포함할 경우, 하나의 지역만을 포함하도록 상기 셀의 범위를 조정하는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 방법.
3. The method of claim 2,
The cell is formed in a circular shape having a radius of a predetermined length,
And if the cell includes an interregional boundary, adjusting the range of the cell to include only one region.
제1 항에 있어서,
상기 지표 값은 해당 통계 항목의 상기 최대 항목 값과 최소 항목 값 간의 차이에 대한 상기 타겟 셀의 항목 값의 비율에 기초하여 획득되는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 방법.
The method according to claim 1,
Wherein the indicator value is obtained based on a ratio of an item value of the target cell to a difference between the maximum item value and the minimum item value of the statistical item.
제1 항에 있어서,
상기 기 설정된 통계 항목은 해당 셀의 면적, 인구수, 정보화 지수, 지역발전 지수, 유동 인구 및 인구 구조를 포함하는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 방법.
The method according to claim 1,
Wherein the predetermined statistical item includes an area of a corresponding cell, a population number, an information index, a regional development index, a floating population, and a population structure.
셀 가치 추산을 이용한 범죄 예측 시스템에 있어서,
외부 단말 또는 네트워크와 데이터를 송/수신하는 통신부;
상기 범죄 예측을 수행하기 위한 대상 영역을 나타내는 셀을 형성하는 셀 형성부;
상기 형성된 각 셀의 가치를 추산하는 셀 가치 추산부; 및
상기 시스템이 수신한 데이터 및 프로세싱 된 데이터를 저장하는 빅데이터 DB를 포함하되,
상기 시스템은,
상기 통신부를 통하여 타겟 셀에서의 범죄 발생 횟수에 기초한 상기 타겟 셀의 범죄율 정보를 획득하고, 적어도 하나의 기 설정된 통계 항목 별로 전체 셀의 각 셀 별 항목 값을 수집하며,
상기 셀 가치 추산부는,
상기 각 통계 항목에 대하여, 전체 셀에서의 최대 항목 값, 최소 항목 값 및 상기 타겟 셀의 항목 값을 이용하여 상기 타겟 셀의 상기 각 통계 항목에 대한 지표 값을 획득하고,
상기 타겟 셀에서의 각 통계 항목 별 지표 값에 대한 가중치를 산출하되, 상기 가중치는 상기 타겟 셀의 각 항목별 지표 값의 합산 값에 대한 해당 항목의 지표 값의 상대적인 비율에 기초하여 결정되며,
상기 타겟 셀의 각 통계 항목 별 지표 값 및 가중치를 이용한 가중치 합에 기초하여 상기 타겟 셀의 가치를 추산하고,
상기 시스템은,
상기 추산된 타겟 셀의 가치와 상기 타겟 셀의 범죄율 정보를 조합하여 상기 타겟 셀의 범죄 위험도를 생성하는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 시스템.
In a crime prediction system using cell value estimation,
A communication unit for transmitting / receiving data to / from an external terminal or a network;
A cell forming unit for forming a cell representing a target area for performing the crime prediction;
A cell value estimating unit for estimating a value of each cell formed; And
And a big data DB storing the data received by the system and the processed data,
The system comprises:
Acquiring the crime rate information of the target cell based on the number of occurrences of crime in the target cell through the communication unit, collecting the item value of each cell of all the cells by at least one predetermined statistical item,
The cell value estimating unit may include:
Acquiring an index value for each statistical item of the target cell using a maximum item value, a minimum item value, and an item value of the target cell in each of the statistical items;
The weights are calculated based on the relative ratios of the index values of the corresponding items to the sum of the index values of the respective items of the target cell,
Estimating a value of the target cell based on a sum of weights using index values and weights for each statistical item of the target cell,
The system comprises:
And generating a crime risk of the target cell by combining the estimated value of the target cell and the crime rate information of the target cell.
KR1020150028471A 2015-02-27 2015-02-27 A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same KR101738745B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150028471A KR101738745B1 (en) 2015-02-27 2015-02-27 A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150028471A KR101738745B1 (en) 2015-02-27 2015-02-27 A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same

Publications (2)

Publication Number Publication Date
KR20160105151A true KR20160105151A (en) 2016-09-06
KR101738745B1 KR101738745B1 (en) 2017-05-23

Family

ID=56946039

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150028471A KR101738745B1 (en) 2015-02-27 2015-02-27 A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same

Country Status (1)

Country Link
KR (1) KR101738745B1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10244581B2 (en) 2017-05-19 2019-03-26 At&T Mobility Ii Llc Public safety analytics gateway
KR101975969B1 (en) * 2017-12-05 2019-05-07 주식회사 이엠따블유 System and method for assessing crime risk
WO2019103205A1 (en) * 2017-11-24 2019-05-31 주식회사 웬즈데이에잇피엠 System for predicting location-specific crime occurrence probability on basis of machine learning algorithm by using crime-related big data
KR102010948B1 (en) * 2018-05-16 2019-08-14 주식회사 이엠따블유 Method of estimating crime risk based on multiple factor and system using thereof
CN110309935A (en) * 2019-03-26 2019-10-08 浙江工业大学 A kind of method of crime prediction based on improvement STARMA model

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101441664B1 (en) * 2012-11-16 2014-09-29 목원대학교 산학협력단 Crime map server using active data collection and crime risk area notification service methodes

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10244581B2 (en) 2017-05-19 2019-03-26 At&T Mobility Ii Llc Public safety analytics gateway
US10660157B2 (en) 2017-05-19 2020-05-19 At&T Mobility Ii Llc Public safety analytics gateway
US10827561B2 (en) 2017-05-19 2020-11-03 At&T Mobility Ii Llc Public safety analytics gateway
US11382176B2 (en) 2017-05-19 2022-07-05 At&T Mobility Ii Llc Public safety analytics gateway
WO2019103205A1 (en) * 2017-11-24 2019-05-31 주식회사 웬즈데이에잇피엠 System for predicting location-specific crime occurrence probability on basis of machine learning algorithm by using crime-related big data
KR101975969B1 (en) * 2017-12-05 2019-05-07 주식회사 이엠따블유 System and method for assessing crime risk
KR102010948B1 (en) * 2018-05-16 2019-08-14 주식회사 이엠따블유 Method of estimating crime risk based on multiple factor and system using thereof
CN110309935A (en) * 2019-03-26 2019-10-08 浙江工业大学 A kind of method of crime prediction based on improvement STARMA model

Also Published As

Publication number Publication date
KR101738745B1 (en) 2017-05-23

Similar Documents

Publication Publication Date Title
KR101738745B1 (en) A Method for a Crime Prediction by Estimating a Cell Value and A System for the Same
US9277431B1 (en) System, method, and computer program for generating mobile subscriber network experience indicators based on geo-located events
CN109983798A (en) The prediction of performance indicator in cellular network
EP3777253B1 (en) Wireless network service assessment
KR20130052014A (en) Terminal quantity estimation device and terminal quantity estimation method
CN105636088B (en) A kind of method, equipment, control device and base station handling inter-cell interference
KR20160104940A (en) A Method for Providing Event Occurrence Information Using Big Data and A System for the Same
KR20160104223A (en) A Method for a Crime Prediction Using a Crime Pattern Analysis based on Big Data and A System for the Same
KR101660160B1 (en) A Method for Estimating a Crime Risk Using Big Data and A System for Reporting the Crime Risk Using thereof
US10932112B2 (en) Determining a probability of a relationship between layers of geographic information system data
WO2018233593A1 (en) Method, device and system for network situational awareness, and machine readable medium
JP6025692B2 (en) Area quality degradation estimation apparatus and method
US10419298B2 (en) Monitoring device and memory medium for monitoring communication between terminal devices in a group
CN111800807A (en) Method and device for alarming number of base station users
CN106528559B (en) Method and device for providing position information
JP6249739B2 (en) Mobile terminal, apparatus, control method, and program
KR101384133B1 (en) Method for Identifying failure data in sensor network and sensor network system using the same
JP6223302B2 (en) Apparatus, program, and method capable of determining stay of user having portable terminal
FI129839B (en) Method for determining a performance indicator of a wireless telecommunications network
CN116227929A (en) Communication data analysis method, device, equipment and storage medium
WO2019103205A1 (en) System for predicting location-specific crime occurrence probability on basis of machine learning algorithm by using crime-related big data
CN112996011B (en) Cell value evaluation method, device, computer equipment and readable storage medium
CN111818506B (en) Method and device for identifying hot spot cell
KR20180130806A (en) Crime-Occurrence Prediction System by Location Based on Crime-related Big Data
JP7134625B2 (en) Traffic prediction device, traffic prediction program, traffic prediction method, and traffic prediction system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant