KR101738745B1 - 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 - Google Patents
셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 Download PDFInfo
- Publication number
- KR101738745B1 KR101738745B1 KR1020150028471A KR20150028471A KR101738745B1 KR 101738745 B1 KR101738745 B1 KR 101738745B1 KR 1020150028471 A KR1020150028471 A KR 1020150028471A KR 20150028471 A KR20150028471 A KR 20150028471A KR 101738745 B1 KR101738745 B1 KR 101738745B1
- Authority
- KR
- South Korea
- Prior art keywords
- cell
- value
- item
- crime
- target cell
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004891 communication Methods 0.000 claims description 13
- 238000011161 development Methods 0.000 claims description 10
- 238000007667 floating Methods 0.000 claims description 5
- 230000018109 developmental process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
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.
이를 위해 본 발명은, 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 및 이를 이용한 범죄 예측 시스템을 제공한다.
이를 위해 본 발명은, 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 및 이를 이용한 범죄 예측 시스템을 제공한다.
Description
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
또한, 상기 기 설정된 통계 항목은 해당 셀의 면적, 인구수, 정보화 지수, 지역발전 지수, 유동 인구 및 인구 구조를 포함하는 것을 특징으로 한다.
본 발명의 실시예에 따르면, 사용자의 위치를 셀 단위로 구분하고 해당 셀의 가치를 산정하여 범죄 위험도를 생성함으로 정확한 범죄 예측을 수행할 수 있다.
또한, 본 발명의 실시예에 따르면 다양한 통계 항목을 이용하여 각 셀의 특성을 반영하여 범죄 위험도를 제공함으로 범죄 예측 시스템의 신뢰도를 높일 수 있다.
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.
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.
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.
도 1은 본 발명의 실시예에 따른 셀 형성 방법 및 범죄 예측 방법을 나타내고 있다.
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.
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.
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.
도 2는 본 발명의 실시예에 따른 범죄 예측 시스템의 전체적인 구성을 개략적으로 나타내고 있다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
여기서, n은 기 설정된 전체 통계 항목의 개수이다.
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.
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.
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.
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.
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.
도 4는 셀 반경에 따른 셀 가치 산출 값의 일 예를 나타내는 그래프이다..
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
100 : 서버 110 : 통신부
120 : 셀 형성부 130 : 셀 가치 추산부
140 : 빅데이터 DB 200 : 공유 네트워크
120 : 셀 형성부 130 : 셀 가치 추산부
140 : 빅데이터 DB 200 : 공유 네트워크
Claims (6)
- 셀 가치 추산을 이용한 서버의 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;
상기 타겟 셀의 지역적 특성을 나타내는 통계 항목을 이용하여 상기 타겟 셀의 가치를 추산하는 단계, 상기 셀의 가치는 해당 셀에서 수집된 범죄율 정보의 신뢰도를 나타냄; 및
상기 추산된 타겟 셀의 가치와 상기 타겟 셀의 범죄율 정보를 조합하여 상기 타겟 셀의 범죄 위험도를 생성하는 단계를 포함하되,
상기 타겟 셀의 가치를 추산하는 단계는,
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 값 Fij에 대한 가중치 Wij를 수학식 를 이용하여 산출하는 단계, i는 상기 통계 항목에 대한 인덱스, j는 셀의 인덱스, n은 기 설정된 전체 통계 항목의 개수를 나타냄;
상기 타겟 셀의 각 통계 항목 별 지표 값 Fij 및 가중치 Wij를 이용한 가중치 합에 기초하여 상기 타겟 셀의 가치를 추산하는 단계;
를 포함하는 것을 특징으로 하는 셀 가치 추산을 이용한 범죄 예측 방법.
- 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.
- 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.
- 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.
- 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.
- 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 지역적 특성을 나타내는 통계 항목을 이용하여 해당 셀의 가치를 추산하되, 상기 셀의 가치는 해당 셀에서 수집된 범죄율 정보의 신뢰도를 나타내는 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 값 Fij에 대한 가중치 Wij를 수학식 를 이용하여 산출하되, i는 상기 통계 항목에 대한 인덱스, j는 셀의 인덱스, n은 기 설정된 전체 통계 항목의 개수를 나타내고,
상기 타겟 셀의 각 통계 항목 별 지표 값 Fij 및 가중치 Wij를 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.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150028471A KR101738745B1 (ko) | 2015-02-27 | 2015-02-27 | 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150028471A KR101738745B1 (ko) | 2015-02-27 | 2015-02-27 | 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160105151A KR20160105151A (ko) | 2016-09-06 |
KR101738745B1 true KR101738745B1 (ko) | 2017-05-23 |
Family
ID=56946039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020150028471A KR101738745B1 (ko) | 2015-02-27 | 2015-02-27 | 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101738745B1 (ko) |
Families Citing this family (5)
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 |
WO2019103205A1 (ko) * | 2017-11-24 | 2019-05-31 | 주식회사 웬즈데이에잇피엠 | 범죄 관련 빅데이터를 활용한 머신러닝 알고리즘 기반 위치별 범죄 발생 확률 예측 시스템 |
KR101975969B1 (ko) * | 2017-12-05 | 2019-05-07 | 주식회사 이엠따블유 | 범죄 위험 평가 시스템 및 방법 |
KR102010948B1 (ko) * | 2018-05-16 | 2019-08-14 | 주식회사 이엠따블유 | 통합 범죄 위험도 예측 방법 및 시스템 |
CN110309935A (zh) * | 2019-03-26 | 2019-10-08 | 浙江工业大学 | 一种基于改进starma模型的犯罪预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101441664B1 (ko) * | 2012-11-16 | 2014-09-29 | 목원대학교 산학협력단 | 능동적 데이터 수집을 이용한 범죄지도 서버 및 위험지역 알림 서비스 방법 |
-
2015
- 2015-02-27 KR KR1020150028471A patent/KR101738745B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101441664B1 (ko) * | 2012-11-16 | 2014-09-29 | 목원대학교 산학협력단 | 능동적 데이터 수집을 이용한 범죄지도 서버 및 위험지역 알림 서비스 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20160105151A (ko) | 2016-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101738745B1 (ko) | 셀 가치 추산을 이용한 범죄 예측 방법 및 범죄 예측 시스템 | |
EP3777253B1 (en) | Wireless network service assessment | |
KR20130052014A (ko) | 단말기 수 추계 장치 및 단말기 수 추계 방법 | |
KR20160104223A (ko) | 빅데이터 기반의 범죄 패턴 분석을 이용한 범죄 예측 방법 및 범죄 예측 시스템 | |
US20150195806A1 (en) | Method and apparatus for predicting mobility based on relative mobile characteristics | |
CN105636088B (zh) | 一种处理小区间干扰的方法、设备、控制装置及基站 | |
CN103581982B (zh) | 一种业务热点的检测方法、确定方法、定位方法及装置 | |
KR20160104940A (ko) | 빅데이터를 이용한 이벤트 발생 정보 제공 방법 및 이벤트 발생 정보 제공 시스템 | |
KR101660160B1 (ko) | 빅데이터를 이용한 범죄 위험도 추산 방법 및 이를 이용한 범죄 위험도 알림 시스템 | |
WO2018233593A1 (zh) | 一种网络态势感知方法、装置、***及机器可读介质 | |
JP6025692B2 (ja) | エリア品質劣化推定装置及び方法 | |
CN106528559B (zh) | 一种位置信息的提供方法和设备 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
US20160337205A1 (en) | Monitoring device and memory medium for monitoring communication between terminal devices in a group | |
JP6249739B2 (ja) | 移動体端末、装置、制御方法、及びプログラム | |
KR101384133B1 (ko) | 센서 네트워크 환경에서의 오류 데이터 식별방법 및 이를 이용한 센서 네트워크 시스템 | |
KR101831959B1 (ko) | 빅데이터 분석 클라우드 서비스 시스템 | |
CN116227929B (zh) | 通信数据的分析方法、装置、设备及存储介质 | |
JP2020513101A (ja) | 降雪確率分布を予測するためのシステムおよび方法 | |
US10555149B2 (en) | Determining a probability of a relationship between layers of geographic information system data | |
WO2019103205A1 (ko) | 범죄 관련 빅데이터를 활용한 머신러닝 알고리즘 기반 위치별 범죄 발생 확률 예측 시스템 | |
JP2016048529A (ja) | 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法 | |
CN112996011B (zh) | 小区价值评估方法、装置、计算机设备和可读存储介质 | |
JP6325429B2 (ja) | 環境変化検出システム、環境変化検出装置及び環境変化検出方法 | |
JP6433059B2 (ja) | 通信レコードに基づき移動端末を測位する装置、プログラム及び方法 |
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 |