All Issue

2025 Vol.25, Issue 1 Preview Page

Research Article

Typology of Crime Risk Distribution within Administrative Districts and Analysis of Influencing Factors by Distribution Type: A Case Study of Seoul

행정동 내 범죄위험 분포 유형화와 분포 유형별 영향요인 분석: 서울시를 중심으로

이지현1, 이재현2†

Ji Hyeon Lee1, Jae Hyun Lee2†

1경북대학교 지리학과 박사수료
2경북대학교 지리학과 부교수
1PhD Candidate, Department of Geography, Kyungpook National University
2Associate Professor, Department of Geography, Kyungpook National University
30 April 2025. pp. 69~83
PDF Citation
Abstract
This study categorizes the spatial distribution patterns of crime risk within administrative districts and analyzes factors that create crime opportunities by each type. Utilizing the average, standard deviation, and Gini coefficient of crime risk ratings within administrative districts, the study established classification criteria and identified eight distinct types of crime risk distribution. Logistic regression analysis was employed to identify factors that determine the types of crime risk distribution within administrative districts. Additionally, spatial regression analysis was conducted specifically for representative types such as ‘uniform low-risk (LLL)’ and ‘unequal high-risk (HHH)’ to compare the factors influencing their respective average crime risks. The results indicated that facilitating factors (e.g., entertainment facilities and residential buildings) and inhibiting factors (e.g., police stations and emergency bells) exhibited different effects depending on the type. Furthermore, even identical factors varied in the direction and intensity of their effects across different distribution types. The findings suggest that differential interpretation of influencing factors is required according to the type of crime risk distribution, highlighting the necessity of appropriately defining the analytical scope and targets depending on research objectives. Thus, this study can serve as a foundational resource for developing region-specific policies aimed at suppressing crime opportunities.
Keywords
Crime risk
Crime opportunity
Spatial heterogeneity
Logistic regression analysis
Spatial regression analysis
본 연구는 행정동 내 범죄위험의 분포양상을 유형화하고, 유형별로 범죄기회를 유발하는 영향요인을 분석하였다. 행정동별 범죄위험 등급의 평균, 표준편차, 지니계수를 활용하여 유형화 기준을 설정하고, 이를 바탕으로 8가지 유형을 도출하였다. 이후 로지스틱 회귀분석을 통해 행정동별 범죄위험 분포양상의 유형을 결정짓는 요인을 확인하였다. 또한 대표적 유형인 ‘균등 저위험(LLL)’과 ‘불균등 고위험(HHH)’ 지역을 대상으로 공간회귀분석을 수행하여, 각각의 범죄위험 평균에 영향을 미치는 요인을 비교하였다. 분석 결과, 유흥시설, 주거용 건물 등 촉진요인과 지구대·파출소, 비상벨 등 억제요인의 작용 방식은 유형별로 상이하게 나타났으며, 동일한 영향요인이라 하더라도 유형에 따라 효과의 방향과 강도가 달라짐을 확인할 수 있었다. 본 연구의 결과는 범죄위험 분포양상의 유형별로 영향요인에 대한 차별적 해석이 요구되고, 목적에 따라 분석 범위 및 대상을 적절히 설정할 필요가 있음을 시사한다. 이러한 점에서 본 연구는 범죄기회 억제를 위한 지역 맞춤형 정책 수립의 기초 연구로 활용될 수 있을 것이다.
키워드
범죄 위험
범죄 기회
공간적 이질성
로지스틱 회귀분석
공간회귀분석
References
  1. 경찰청, 2021, 「범죄통계」.
  2. 김동영·정성원, 2021, “시·공간 데이터를 활용한 머신러닝 기반 범죄예측모형 비교,” 대한건축학회논문집, 37(1), 135-143. https://doi.org/10.5659/JAIK.2021.37.1.135
  3. 김선재·조월·이수기, 2022, “도시환경 특성과 범죄발생의 연관성 분석-도시 빅데이터와 공간더빈 모형을 활용하여,” 한국도시설계학회지 도시설계, 23(3), 143-162. https://doi.org/10.38195/judik.2022.06.23.3.14310.38195/judik.2022.06.23.3.143
  4. 김의명·홍송표·박진이, 2019, “연속수치지도와 유동인구를 이용한 범죄취약 추정지역 추출,” 한국지도학회지, 19(1), 59-68. https://doi.org/10.16879/jkca.2019.19.1.05910.16879/jkca.2019.19.1.059
  5. 김형우·고태석·박노욱·이우주, 2014, “희귀 사건 로지스틱 회귀분석을 위한 편의 수정 방법 비교 연구,” 응용통계연구, 27(2), 277-290. https://doi.org/10.5351/KJAS.2014.27.2.27710.5351/KJAS.2014.27.2.277
  6. 권준성, 2022, “범죄 현상에 대한 사회구조요인의 영향 연구: 시도별 패널데이터를 활용한 패널회귀분석의 활용,” 한국공안행정학회보, 31(3), 1-26. https://doi.org/10.21181/KJPC.2022.31.3.110.21181/KJPC.2022.31.3.1
  7. 노기윤·이창배, 2018, “접합 분석(Conjunctive Analysis)을 적용한 폭력범죄발생의 지리적 프로파일링,” 한국공안행정학회보, 27(4), 227-248.
  8. 노성훈, 2015, “시공간 분석과 위험영역모델링을 활용한 범죄예측모형의 예측력 검증,” 형사정책연구, 26(3), 239-266.
  9. 박승훈, 2010, “도시설계 요인과 재산범죄와의 상관성에 관한 연구-미국 워싱턴 주 시애틀 도시를 사례로,” 도시설계, 11(3), 21-34.
  10. 박준호·장현석·김혜림·성민경·김나은, 2022, “서울지역의 CPTED 사업 실시 지역과 행정동 수준 범죄 유형별 발생등급 간 공간적 상관성에 대한 탐색적 연구,” 한국셉테드학회지, 13(3), 185-222. http://dx.doi.org/10.26470/JCSSED.2022.13.3.18510.26470/JCSSED.2022.13.3.185
  11. 서민진·서연아·강석진, 2019, “용도지역의 공간적 특성과 범죄발생 특성 분석 연구,” 한국셉테드학회, 10(3), 10-37. http://dx.doi.org/10.26470/JCSSED.2019.10.3.910.26470/JCSSED.2019.10.3.9
  12. 심재헌·진장익, 2024, “비시가화지역의 토지전용 실태와 촉진요인-포천시를 사례로,” 부동산 분석, 10(1), 137-156.10.30902/jrea.2024.10.1.137
  13. 염윤호, 2019, “빈집과 절도·폭력범죄의 관계에 대한 공간가중회귀모형의 적용,” 형사정책연구, 30(4), 139-173. https://doi.org/10.36889/KCR.2019.12.31.4.13910.36889/KCR.2019.12.31.4.139
  14. 염윤호, 2020, “공간패널모형을 활용한 절도 및 폭력범죄와 사회구조적 변인 간의 관계 분석,” 형사정책연구, 31(3), 201-232. https://doi.org/10.36889/KCR.2020.09.30.3.20110.36889/KCR.2020.09.30.3.201
  15. 염윤호·최재훈·윤상연, 2022, “잠재프로파일분석에 의한 도시와 농촌지역 분류 및 폭력범죄 영향요인의 차이,” 치안정책연구, 36(4), 141-181.
  16. 유무상·구형모, 2024, “서울시 아파트 매매가격 결정요인의 불연속적 공간적 이질성 탐색,” 한국지도학회지, 24(2), 43-57. https://doi.org/10.16879/jkca.2024.24.2.04310.16879/jkca.2024.24.2.043
  17. 유영우·백태경, 2017, “GWR을 이용한 센서스 기반 도시범죄 특성 분석 및 예측모델 구축,” 한국지리정보학회지, 20(4), 65-76. https://doi.org/10.11108/kagis.2017.20.4.065
  18. 이건학·진찬우·김지우·김완희, 2016, “성폭력 범죄의 공간적 분포 특성에 관한 연구: 환경범죄학에 기반한 공간 분석,” 대한지리학회지, 51(6), 853-871.
  19. 이다예, 2019, “빈집 발생 촉진요인과 근린환경 특성에 따른 대응방안 연구: 인천광역시 구도심을 사례로,” 한국도시지리학회지, 22(2), 127-142. http://dx.doi.org/10.21189/JKUGS.22.2.1010.21189/JKUGS.22.2.10
  20. 이서엘·이예은·황의갑, 2023, “빅데이터 분석을 활용한 서울시 CPTED 시행의 효과분석 및 범죄예측,” 한국셉테드학회지, 14(2), 89-11. http://dx.doi.org/10.26470/JCSSED.2023.14.2.8910.16879/jkca.2019.19.3.057
  21. 이석호·김감영, 2019, “공간통계기법을 이용한 암 발생률과 지리·환경적 특성과의 연관성 분석,” 한국지도학회지, 19(3), 57-74. https://doi.org/10.16879/jkca.2019.19.3.05710.26470/JCSSED.2023.14.2.89
  22. 이제연·박주현, 2019, “지역특성을 고려한 범죄위험지역 도출에 대한 연구,” 주택도시연구, 9(1), 49-65. https://doi.org/10.26700/shuri.2019.4.9.1.4910.26700/shuri.2019.4.9.1.49
  23. 이주원·정용욱·정성원, 2022, “Artificial-Neural-Network-based Night Crime Prediction Model Considering Environmental Factors,” Architectural Research, 24(1), 1-11. https://doi.org/10.5659/AIKAR.2022.24.1.1
  24. 이현정·최재훈, 2019, “재산범죄와 폭력범죄의 영향요인에 관한 실증적 연구: 사회해체이론과 생애과정이론을 중심으로,” 도시행정학보, 32(2), 67-86. https://doi.org/10.36700/KRUMA.2019.06.32.2.6710.36700/KRUMA.2019.06.32.2.67
  25. 이희연·노승철, 2013, 「고급통계분석론」, 고양: 문우사.
  26. 장현석·홍명기·이경아·조은비, 2021, “서울시 행정동 수준의 범죄분포에 대한 탐색적 연구,” 한국범죄학, 15(1), 69-94. https://doi.org/10.29095/JKCA.15.1.4 10.29095/JKCA.15.1.4
  27. 최재훈·장광호·신상화, 2021, “범죄학 연구에서 가변적 공간 단위 문제가 분셕결과에 미치는 영향: 성폭력 범죄를 중심으로,” 경찰학연구, 21(3), 209-228.
  28. 최재훈·박정선, 2024, “사회해체요인의 현대적 의미에 관한 연구: 서울의 폭력범죄를 중심으로,” 한국범죄학, 18(2), 3-23. https://doi.org/10.29095/JKCA.18.2.110.29095/JKCA.18.2.1
  29. 허선영·김주영·문태헌, 2017, “베이지안 확률 기반 범죄위험지역 예측 모델 개발,” 한국지리정보학회지, 20(4), 89-101. https://doi.org/10.11108/kagis.2017.20.4.089
  30. 허선영·김주영·문태헌, 2018, “머신러닝기반 범죄발생 위험지역 예측,” 한국지리정보학회지, 21(4), 64-80. https://doi.org/10.11108/kagis.2018.21.4.064
  31. 홍명기·장현석·신지희·김은혜·박준호·이다영, 2022, “환경범죄학적 접근을 통한 도시지역과 농촌지역의 절도범죄 발생 원인에 대한 탐색적 연구: 범죄패턴이론의 범죄 유발장소를 중심으로,” 치안정책연구, 36(2), 43-92.
  32. 황종아·강지연, 2021, “범죄발생 위험지역의 공간분포와 도시쇠퇴 특성과의 관계-GIS 기반 공간통계기법을 통한 범죄발생 위험지표를 중심으로,” KIEAE Journal, 21(6), 87-94. https://doi.org/10.12813/kieae.2021.21.6.08710.12813/kieae.2021.21.6.087
  33. Bernasco, W. and Steenbeek, W., 2017, More Places than Crimes: Implications for Evaluating the Law of Crime Concentration at Place, Journal of Quantitative Criminology, 33, 451-467. https://doi.org/10.1007/s10940-016-9324-710.1007/s10940-016-9324-7
  34. Brantingham, P. L. and Brantingham, P. J., 1981, Mobility, Notoriety, and Crime: A Study in the Crime Patterns of Urban Nodal Points, Journal of Environmental Systems, 11, 89-99. https://doi.org/10.2190/DTHJ-ERNN-HVCV-6K5T10.2190/DTHJ-ERNN-HVCV-6K5T
  35. Brantingham, P. and Brantingham, P., 1995, Criminality of place, Eur J Crim Policy, 3, 5-26. https://doi.org/10.1007/BF0224292510.1007/BF02242925
  36. Cornish, D. B. and Clarke, R. V., 1987, Understanding crime displacement: An application of rational choice theory, Criminology, 25(4), 933-948. https://doi.org/10.1111/j.1745-9125.1987.tb00826.x10.1111/j.1745-9125.1987.tb00826.x
  37. Cohen, L. E. and Felson, M., 1979, Social Change and Crime Rate Trends: A Routine Activity Approach, American Sociological Review, 44(4), 588-608. https://doi.org/10.2307/209458910.2307/2094589
  38. Devika, S., Jeyaseelan, L. and Sebastian, G., 2016, Analysis of sparse data in logistic regression in medical research: A newer approach, Journal of Postgraduate Medicine, 62(1), 26-31. https://doi.org/10.4103/0022-3859.17319310.4103/0022-3859.173193 26732193PMC4944325
  39. Eck, J., 2003, Police problems: The complexity of problem theory, research and evaluation, Crime prevention studies, 15, 79-114.
  40. Firth, D., 1993, Bias Reduction of Maximum Likelihood Estimates, Biometrika, 80(1), 27-38. https://doi.org/10.2307/233675510.2307/2336755
  41. Gim, T.-H. T. and Ko, j., 2016, Maximum Likelihood and Firth Logistic Regression of the Pedestrian Route Choice, International Regional Science Review, 40(6), 616-637. https://doi.org/10.1177/016001761562621410.1177/0160017615626214
  42. Hirschi, T. and Gottfredson, M., 1993, Commentary: Testing the General Theory of Crime, Journal of Research in Crime and Delinquency, 30(1), 47-54. https://doi-org.libproxy.knu.ac.kr/10.1177/002242789303000100410.1177/0022427893030001004
  43. Jacobs, J., 1961, The death and life of great American cities, New York: Random House.
  44. Johnson, S. D., 2016, Crime mapping and spatial analysis, in Worthley, R. and Townsley, M. eds., Environmental Criminology and Crime Analysis, 2nd ed., London: Routledge, 199-223.
  45. King, G. and Zeng, L., 2001, Logistic Regression in Rare Events Data, Political Analysis, 9(2), 137-163. https://doi.org/10.1093/oxfordjournals.pan.a00486810.1093/oxfordjournals.pan.a004868
  46. Moffitt, T. E., 1993, Adolescence-limited and life-course-persistent antisocial behavior: A developmental taxonomy, Psychological Review, 100(4), 674-701. 10.1037//0033-295X.100.4.6748255953
  47. OECD, 2012, 「OECD Urban Policy Reviews, Korea 2012」.
  48. Sampson, R. J. and Groves, W. B., 1989, Community Structure and Crime: Testing Social-Disorganization Theory, American Journal of Sociology, 94(4), 774-802. https://doi.org/10.1086/22906810.1086/229068
  49. Weisburd, D. and Green, L., 1995, Policing drug hot spots: The Jersey City drug market analysis experiment, Justice Quarterly, 12(4), 711-735.10.1080/07418829500096261
  50. Weisburd, D., 2015, The Law of Crime Concentration and The Criminology of Place, Criminology, 53(2), 133-157. https://doi-org.libproxy.knu.ac.kr/10.1111/1745-9125.1207010.1111/1745-9125.12070
  51. Wortley, R., 2008. Situational precipitators of crime, in Wortley, R. and Mazerolle, L. eds., Environmental criminology and crime analysis, Cullompton, UK: Willan, 48-69.
  52. 서울 열린데이터광장, https://data.seoul.go.kr
  53. 생활안전지도, https://www.safemap.go.kr
  54. 스마트치안빅데이터플랫폼, https://www.bigdata-policing.kr
  55. 지방행정인허가데이터개방, https://www.localdata.go.kr
  56. 통계청, 2024, 보도자료: 통계적 지역분류체계로 본 도시화 현황.
  57. 행정안전부 공공데이터포털, “서울특별시경찰청_5대범죄 발생 장소별 현황”, https://www.data.go.kr/data/15054737/fileData.do?recommendDataYn=Y#layer_data_infomation (2023.11. 검색)
  58. 행정안전부 공공데이터포털, “경찰청_5대 범죄 발생건수”, https://www.data.go.kr/data/15083810/fileData.do?recommendDataYn=Y (2024.10. 검색)
Information
  • Publisher :The Korean Cartographic Association
  • Publisher(Ko) :한국지도학회
  • Journal Title :Journal of the Korean Cartographic Association
  • Journal Title(Ko) :한국지도학회지
  • Volume : 25
  • No :1
  • Pages :69~83
  • DOI :https://doi.org/10.16879/jkca.2025.25.1.069
Journal Informaiton Journal of the Korean Cartographic Association Journal of the Korean Cartographic Association
Online Submission
  • NRF
  • KCI 문헌 유사도 검사
  • orcid
  • open access
  • ccl
Journal Informaiton Journal Informaiton - close