시 · 공간 데이터를 활용한 머신러닝 기반 범죄예측모형 비교

김동영; 정성원

추천

검색

질문

자료유형: 학술저널

저자정보: 김동영 (세종대) 정성원 (세종대)

저널정보: 대한건축학회 대한건축학회논문집 大韓建築學會論文集第37卷第1號(通卷第387號)

발행연도: 2021.1

수록면: 135 - 143 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2021

머신러닝을 활용한 그리드 기반 절도범죄 예측모형 : 시공간 분석 및 공간클러스터링을 중심으로

김동영 건축학과 2021.01 학위논문

시 · 공간 데이터를 활용한 머신러닝 기반 범죄예측모형 비교

김동영 , 정성원 대한건축학회논문집 2021.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

With the advancement in computer performance and data analysis techniques, research using big data and machine learning is actively underway in various fields. However, regarding the domestic crime prediction research using machine learning, the current related studies are insufficient because disclosure of crime data is restricted and most of these studies predicted crimes by using a wide range of analysis units or by focusing on a few variables. To effectively distribute police power through practical crime prediction, it is necessary to predict the time and place of the crime. Therefore, in this study, we train machine learning models with 9,413 instances of actual theft crime data having temporal-spatial elements such as crime time and date, buildings, land-use, and CCTV. Thereby, we intend to provide a basis for future research and assist crime prevention activities practically by comparing the results of the prediction models. In this study, we divided the target land into 100 m square grids by using GIS and then inserted crime and temporal-spatial related variables. Subsequently, we trained the typical machine learning models such as random forest, decision trees, SVC, and K-NN, conducted crime prediction, and compared the results of the models. In the case of crime data, generally, an excessive amount of unbalanced data is present for the places where crimes did not occur compared to places where crimes occurred. Unbalanced data can result in noise and cause inaccurate predictions-these issues must be addressed. Therefore, in this study, we proposed a resampling method as an alternative to solve data imbalances and provide crime prediction with improved accuracy. The results of the comparison of the prediction performance of the models showed that the F1 score of the random forest model using the SMOTE method was high. This could be because the data loss of the SMOTE method is less than that of the under-sampling method and the random forest as an ensemble type model has an advantage in predicting data with various variables. We compared the influence of each variable by employing the feature importance function. Overall, the temporal-related variables showed high influence-among them, "crimes occurred within one month" showed the highest influence. Among the physical environment-related variables, "first neighborhood living facility," "retail store," and "detached house" were found to have high influence.

#머신러닝 #범죄예측 #리샘플링 #절도범죄 #환경범죄학 #Machine Learning #Crime Forecasting #Resampling #Burglary #Environmental Criminology

참고문헌 (26)

참고문헌 신청

Arietta, S. M., Efros, A. A., Ramamoorthi, R., & Agrawala, M. (2014). City forensics: Using visual elements to predict non-visual city attributes. IEEE transactions on visualization and computer graphics, 20(12), 2624-2633.

Bachner, J. (2013). Predictive policing: preventing crime with data and analytic. Washington DC, IBM Center for the Business of Government, 26.

Bang, S.H., & Cho, H.B. (2016). Learning Method for Realtime Crime Prediction Model Utilizing CCTV. Journal of the Korea Society of Computer and Information, 21(5), 91-98.

Bekkar, M., Djemaa, H. K., & Alitouche, T. A. (2013). Evaluation measures for models assessment over imbalanced data sets. J Inf Eng Appl, 3(10).

Bernasco, W. (2008). Them Again? European Journal of Criminology, 5(4), 411-431.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김동영

소속기관 대구카톨릭대학교

주요연구분야 공학 > 건축공학 > 건축공학 일반 TOP 10% 사회과학 > 지리학 > 국제·지역개발학 TOP 10%

논문수 98 이용수 13,642

정성원

소속기관 세종대학교

주요연구분야 공학 > 건축공학 > 건축공학 일반 TOP 5% 공학 > 건축공학 > 토목공학

논문수 68 이용수 16,797

이 논문과 함께 이용한 논문

침입범죄에 영향을 미치는 건축 · 공간 특성에 대한 연구 - Space syntax 및 가시성 분석을 활용하여 -

손동필 , 현태환 , 박유나 대한건축학회논문집 2021 .10

SNS 데이터의 텍스트마이닝을 통한 범죄예측

이주원 , 정용욱 대한건축학회 학술발표대회 논문집 2020 .04

범죄자 프로파일링을 위한 성적살인 연구: 랜덤포레스트(Random Forest)를 활용하여

권혁준 , 서종한 형사정책연구 2022 .03

Naïve Bayes Classification을 이용한 COVID-19 사태에 따른 범죄양상 변화 분석 – 범죄 피해자 특성을 중심으로

모예진 , 이승영 대한인간공학회 학술대회논문집 2021 .11

침입범죄로부터 안전한 환경조성을 위한 장소프로파일 진단 도구 제안 연구

박유나 , 현태환 , 손동필 대한건축학회논문집 2021 .11

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (26)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)