지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 정성원
- 발행연도
- 2021
- 저작권
- 세종대학교 논문은 저작권에 의해 보호받습니다.
이용수43
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
범죄연구에 따르면 범죄가 발생할 경우 인접한 지역의 범죄 발생 위험도가 함께 증가하게 된다. 이를 반영하기 위해 기존 그리드 기반 범죄 예측 연구에서는 범죄에 대한 정보를 학습시키는 과정에서 예측하고자 하는 지점과 인접한 모든 셀을 통합하여 학습에 활용하고 있다. 그러나 실제의 대지는 GIS상에서 나눈 것처럼 독립적으로 구분되어있지 않고 연속적인 흐름을 갖고 있으며, 같은 유형의 범죄라도 세부적인 수법에 따라 영향을 받는 환경적 요인이 다르게 나타난다. 따라서 예측하고자 하는 지점과 인접한 지역 간의 공간적 특성 차이가 클 겨우 인접 지역의 범죄 정보가 예측 지점의 범죄에 대해 영향을 주기 어렵다. 이를 해결하기 위해 본 연구에서는 공간적으로 유사한 특성을 갖는 셀을 구분하고자 공간 클러스터링 기법인 Max-p region model을 적용한 범죄예측을 진행하였다.
모형들의 예측 성능을 비교한 결과 공간 클러스터링을 적용한 모형이 인접한 셀 전체를 학습에 활용하는 일반적인 모형에 비해 예측 성능이 높은 것으로 나타났다. 그 중 SMOTE방식과 랜덤 언더샘플링 방식 모두 p=6일 때 F1스코어가 각각 33.85%, 34.90%로 가장 높게 나타났으며, 인접 셀 전체를 학습한 모형에 비해 F1스코어가 약 2%정도 증가한 것으로 나타났다. 이는 범죄의 세부적인 수법에 따라 영향을 받는 물리적 환경 요인에 차이가 있으며, 범죄발생지역 주변에서 동일 범죄자가 연루된 범죄가 재차 발생할 가능성이 높다는 선행연구의 맥락에서, 범죄가 발생한 지역과 공간적인 특징이 유사한 지역에서 범죄가 재발할 가능성이 높은 것으로 나타났다.
모형들의 예측 성능을 비교한 결과 공간 클러스터링을 적용한 모형이 인접한 셀 전체를 학습에 활용하는 일반적인 모형에 비해 예측 성능이 높은 것으로 나타났다. 그 중 SMOTE방식과 랜덤 언더샘플링 방식 모두 p=6일 때 F1스코어가 각각 33.85%, 34.90%로 가장 높게 나타났으며, 인접 셀 전체를 학습한 모형에 비해 F1스코어가 약 2%정도 증가한 것으로 나타났다. 이는 범죄의 세부적인 수법에 따라 영향을 받는 물리적 환경 요인에 차이가 있으며, 범죄발생지역 주변에서 동일 범죄자가 연루된 범죄가 재차 발생할 가능성이 높다는 선행연구의 맥락에서, 범죄가 발생한 지역과 공간적인 특징이 유사한 지역에서 범죄가 재발할 가능성이 높은 것으로 나타났다.
목차
Ⅰ. 서 론 11. 연구의 배경 및 목적 1Ⅱ. 이론 및 선행연구 고찰 51. 이론적 고찰 52. 머신러닝을 활용한 범죄예측 연구 7Ⅲ. 연구의 방법 및 대상 91. 연구대상지 및 분석단위 92. 범죄 데이터 93. 물리적 환경 데이터 114. 공간 클러스터링 135. 리샘플링 156. 모형의 학습 및 평가 15Ⅳ. 연구결과 및 분석 191. 모형의 예측 결과 192. 특징 중요도 22Ⅴ. 결론 25REFERENCES 27Abstract 31
최근 본 자료
댓글(0)
0