-
2020-1학기 명지대학교 캡스톤 디자인 수업에서 진행하는 프로젝트입니다.
-
범죄예방 이론 및 정책 중에서도 CPTED의 뛰어난 범죄 예방 효과에 주목하여, 이를 기반으로 한 통계적 분석과 그 결과를 통한 안전지도의 구현을 최종 목표로 합니다.
CPTED란? 'Crime Prevention Through Environmental Design'의 약자로, '환경설계를 통한 범죄예방'을 의미합니다.
📎 분석2. CPTED의 5가지 물리적 요인과 치안 등급의 관계
📎 분석2-1. cctv 수는 치안 등급에 영향을 미치는가?
📎 분석2-2. 보안등 수는 치안 등급에 영향을 미치는가?
📎 분석2-3. 경비원 수는 치안 등급에 영향을 미치는가?
📎 분석2-4. 파출소 수는 치안 등급에 영향을 미치는가?
📎 분석2-5. 근린시설 수는 치안 등급에 영향을 미치는가?
👤contributor : 서유림
-
서울시내 모든 자치구에 대해 범죄등급을 조사하고 분석하는 데에는 무리가 있다고 판단하여 범죄율이 높은 자치구를 선별하여 분석을 진행하고자 한다.
- 이후 추가적으로 범죄율이 낮은 6개의 자치구에 대해서도 분석 진행
- 범죄율 상위 8개구 / 범죄율 하위 6개구 선별
-
이에 모든 분석과정에 앞서 서울시 내 자치구 범죄율 순위를 분석하는 과정을 거친다.
범죄율=(형법범죄 / 총인구) × 100,000
- 서울시 자치구별 발생한 5대범죄 건수를 파악하고 총 범죄 발생 건수를 구한다.
- 범죄율 구하는 공식에 따라 범죄 발생건수를 자치구 인구 수로 나누어 주고 100000을 곱한다.
- 인구 십만명 당 발생하는 범죄 건수를 구하여 sorting한다.
- 범죄율 순위 결과(table)
- 범죄율 시각화(plot)
-
중구 / 종로구 / 마포구 / 영등포구 / 용산구 / 금천구 / 강남구 / 구로구 순으로 범죄율이 높게 나타났다.
-
은평구 / 도봉구 / 성북구 / 노원구 / 양천구 / 강서구 순으로 범죄율이 낮게 나타났다.
- 각 구별로 데이터를 수집하고 전처리를 진행한다.
👤contributor
-
본격적인 분석에 들어가기 앞서 각 구역 별 치안안전등급 조사를 실시한다.
-
구역의 범위는 각 지구대 및 파출소의 관할구역으로 지정한다.- 경찰청에서 요청하여 제공받은 '서울특별시 지방경찰청과 경찰서의 조직 및 사무분장규칙(법령전문)' 자료 참고
-
생활안전지도
-
서울특별시 지방경찰청과 경찰서의 조직 및 사무분장규칙(법령전문)
-
생활안전지도의 치안안전 정보를 바탕으로 각 지역 별 5대범죄 및 전체 등급 수집
5대범죄 : 살인, 강도, 절도, 폭력, 성폭력
전체 등급 : 전체 범죄등급에 대한 평균
-
범죄 정보 관련하여 여러 부정적인 영향이 있기 때문에 경찰청에서 자세하고 직접적인 범죄 데이터를 제공해주지 않는다.
-
지도에서 하나하나 찾아가면서 엑셀에 정리
-
생활안전지도에서 제공하는 치안안전등급 정보는 다음과 같다.
-
- 생활안전지도에서 api형태가 아닌 png로 데이터를 제공해주기 때문에 직접 수집해야하는 어려움이 있었다.
-
지구대 및 파출소 별 관할 구역 데이터 정리
- 경찰청으로부터 제공받은 한글파일을 바탕으로 파출소 및 지구대 별 관할구역을 엑셀로 정리
-
지구대 및 파출소 위도, 경도 데이터 추가
파출소 및 지구대 이름을 기준으로 직접 정리한 치안 안전 등급과 파출소 및 지구대 관할구역을 합쳐 하나의 파일로 생성
-
서울시 각 자치구의 범죄율 순위를 바탕으로 상위 8개의 구 조사
- 데이터보기
- 중구
- 종로구
- 마포구
- 영등포구
- 용산구
- 금천구
- 강남구
- 구로구
-
서울시 각 자치구의 범죄율 순위를 바탕으로 하위 6개의 구 조사
- 데이터보기
- 강서구
- 양천구
- 노원구
- 성북구
- 도봉구
- 은평구
- 지구대 및 파출소의 관할구역을 기준으로 구역을 나누어 범죄예방에 관련이 있다고 생각하는 요인들과 치안등급 간의 상관관계 분석
👤contributor
「건축법」에 의한 건축물의 용도 중의 하나로 슈퍼마켓 등 보통 일상생활에 필요한 시설이며, 제 1종 근린생활시설과 제 2종 근린생활시설로 구분
- 근린시설 종류
- 우체국
- 병원
- 음식점
- 보건소
- 은행
- 문화시설
- 동사무소
- 공원 등등....
🌀 근린시설의 종류들 중에서 일반음식점 휴게음식점 문화시설 공원의 데이터를 수집해 분석에 활용하기로 결정
👤유림 - 휴게음식점 문화시설 데이터 수집 및 전처리
👤희주 - 일반음식점 공원 데이터 수집 및 전처리
1. 휴게음식점
-
출처 : 서울열린데이터광장
-
위의 링크는 서대문구 휴게음식점 관련 데이터
-
이와 같이 각 구별 휴게음식점 데이터를 제공해주고 있어, 25개 구의 휴게음식점에 해당하는 데이터를 다운받아 전처리 진행
-
위도 / 경도 데이터가 없어 추가해야함
2. 일반음식점
-
출처 : 서울열린데이터광장
-
위의 링크는 서대문구 휴게음식점 관련 데이터
-
이와 같이 각 구별 휴게음식점 데이터를 제공해주고 있어, 25개 구의 휴게음식점에 해당하는 데이터를 다운받아 전처리 진행
-
위도 / 경도 데이터가 없어 추가해야함
3. 문화시설
-
출처 : 서울열린데이터광장
-
서울시 전체 문화시설 데이터 제공
-
주소 / 위도 / 경도 데이터 포함
1. 휴게음식점 & 일반음식점
-
폐업한 음식점까지 데이터에 포함되어 있어 폐업한 음식점 데이터는 삭제
-
중복되는 음식점 데이터 삭제
-
필요한 열만 뽑아서 저장
-
주소를 바탕으로 위도/경도로 변환시켜 데이터 추가
-
구별로 데이터 전처리를 진행하였는데, 이후 하나의 csv 파일로 합침
2. 문화시설
- 주소데이터가 비어있는 경우가 있어, 구글맵에서 찾아 주소 및 위도/경도 데이터 추가
3. 공원
근린시설과 치안등급 간의 상관관계를 분석하는 것이므로 휴게음식점, 일반음식점, 문화시설, 공원 데이터를 하나의 요인으로 보아야 함
-
범죄율 상위 8개구와 하위 6개 구에 대해서 분석 진행
-
각 파출소 및 지구대의 관할구역 데이터를 활용하여 각 구역 별 근린시설의 수를 count
-
파출소 및 지구대 관할구역 데이터 => 데이터
-
dictionary 형태로 만들어 관할구역의 근린시설 수를 나타냄
-
-
각 구역별 근린시설 수와 치안등급 간의 상관분석 진행
def correlation(green_num, rate):
green_df = pd.DataFrame(green_num.items(), columns=['지구대', '근린시설'])
merge_rate_green = pd.merge(green_df, rate, on='지구대')
corr_df = merge_rate_green[['근린시설', '전체', '살인', '강도', '절도', '폭력', '성폭력']]
# print('corr_df :', corr_df)
print('sum: ', corr_df['근린시설'].sum())
corr_df.to_csv("./corr_df.csv", header=True, index=False)
corr = corr_df.corr(method='pearson')
print('corr :', corr)
corr.to_csv("./corr.csv", header=True, index=False)
return corr1. 범죄율 상위 8개 구
-
절도, 폭력에서 약한 음의 상관관계를 보임
-
하지만... 너무 약해서 문제
2. 범죄율 하위 6개구
- 전반적으로 양의 상관관계를 갖는다