거리영상과 딥러닝을 활용한 가로수준의 범죄불안감 측정 및 시각화 (Measurement and Visualization of Perceived Fear of Crime by Street Level using Street View Images and Deep Learning Technology)

서지정보

· 발행기관 : 한국지도학회
· 수록지 정보 : 한국지도학회지 / 24권 / 1호 / 71 ~ 84페이지
· 저자명 : 김소망, 최재연, 강영옥

초록

거주민의 도시 건조환경(Urban Built Environment)에 대한 인식은 도시연구, 도시계획 및 도시설계에 중요한 요소이다. 범죄불안감이란 특정 장소와 특정 범죄에 대해서 느끼는 범죄 발생 가능성에 대한 불안감의 심리량을 의미하는데, 이는 개개인의 주관적인 평가이다. 범죄불안감은 실제 범죄율보다 빠르게 증가하고 있어, 사람들이 범죄불안감을 느끼는 지역을 찾는 것은 범죄예방에 효과적이며 중요한 과정이다. 하지만 기존 연구에서 도시 건조환경에 대한 불안감 측정은 소수의 사람과 제한된 범위를 대상으로 설문조사나 현장조사에 의존하여 제한적이었다. 본 연구의 목적은 거리영상과 딥러닝 기술을 활용하여 시민들이 느끼는 범죄 불안감을 측정하고 시각화하는 것이며 연구대상지역은 서울시 영등포구이다. 거리영상을 활용하여 범죄불안감을 측정하기 위해서는 거리 영상에 대한 사람들의 범죄불안감을 측정하고, 이를 딥러닝 모델을 활용하여 평가점수를 예측하는 모델을 구축해야 한다. 이를 위해 본 연구에서는 카카오맵 API를 활용하여 거리영상을 수집하였다. 수집한 영상 중 20,886장의 거리영상을 활용하여 상대적으로 불안감을 느끼는 거리가 어느 쪽인지를 응답하도록 하는 171,942개의 훈련데이터 셋을 구축하였다. 구축된 쌍별비교 데이터 셋으로 Global-Patch-RSS-CNN모델을 훈련 후, 훈련된 모델을 연구대상 지역 전체에 적용하여 범죄불안감 예측점수를 도출하고 시각화였다. 본 연구는 거리영상과 딥러닝 기술을 활용하여 도시의 범죄불안감을 측정하는 첫 사례를 제시하였다는 점, 그리고 범죄불안감이 높게 평가되는 지역의 환경 특성을 분석하여, 효과적인 도시 계획 및 범죄 예방 전략 수립에 기여할 수 있다는 점에 의의가 있다.

영어초록

Residents’ perception of the urban built environment is an important factor in urban studies, urban planning, and urban design. Perceived fear of crime is a psychological measure of fear about the likelihood of a crime occurring in a particular place and for a particular crime, which is a subjective assessment by the individual. Fear of Crime is increasing faster than the actual crime rate, so identifying areas where people feel fear of crime is an effective and important process for crime prevention. However, previous studies have been limited by relying on surveys or fieldwork with a small number of people and a limited scope. The purpose of this study is to measure and visualize the fear of crime felt by citizens using street view images and deep learning technology, and the study area is Yeongdeungpo-gu, Seoul. In order to measure fear of crime using street view images, it is necessary to measure people’s fear of crime on street images and build a model to predict the evaluation score using a deep learning model. For this study, we collected street view images using Kakao Map API. Using 20,886 street view images from the collected images, we built a training data set of 171,942 images that ask users to respond to which street they feel relatively unsafe. After training the Global-Patch-RSS-CNN model with the constructed pairwise comparison data set, the trained model was applied to the entire study area to derive and visualize the prediction score of fear of crime. This study is significant in that it presents the first case of measuring urban fear of crime using street view images and deep learning technology, and it can contribute to effective urban planning and crime prevention strategies by analyzing the environmental characteristics of areas with high fear of crime.

참고자료

· 없음