범죄 데이터 활용 경찰서 위치 선정 번역

범죄 데이터 활용 경찰서 위치 선정 번역(한국어 원본)

포인트로 이루어져 있는 LIDAR Data는 대상물을 구분하기 어렵습니다. 하지만 LIDAR Analyst를 사용하면 건물과 수목을 쉽게 추출 할수 있습니다. 이렇게 추출한 건물과 수목을 일반 사용자들도 쉽게 사용할 수 있도록 하는 것이 목적입니다.
이 슬라이드는 오픈 소프트웨어와 상용 소프트웨어를 나타냅니다. 표를 봐주세요. 오픈 소프트웨어는 PDAL, LASTools, Felis가 있고, 상용 소프트웨어는 TerraScan, LIDAR Analyst가 있습니다. 이번 연구는 상용 소프트웨어중 LIDAR Analyst를 사용합니다. 왜냐하면 LIDAR Analyst는 지면, 비지면을 추출하고 또한 비지면에서 건물과 나무를 추출합니다. 그리고 추출 한 것들의 속성값을 넣어 사용자에게 보여줍니다.
이 슬라이드는 LIDAR Analyst의 자료처리 과정을 흐름도로 간단하게 나타낸 것입니다. 첫 번째로 포인트로 이루어진 LIDAR 파일이고, 연구 지역입니다. 두 번째는 LIDAR Analyst의 Bare Earth 기능을 사용하여 비지면 데이터를 분류합니다. 세 번째로 LIDAR Analyst의 Building 기능을 사용하고, 분류한 비지면 데이터를 이용하여 건물을 추출합니다. 네 번째로 LIDAR Analyst의 Tree 기능을 사용하고, 비지면 데이터와 건물을 이용하여 나무를 추출합니다.
이 슬라이드는 연구 대상지역입니다. 대상지역은 인천지역의 일부분입니다. 왼쪽은 대상지역의 정사영상입니다. 그리고 오른쪽은 LIDAR 데이터입니다. LAS데이터의 점사이의 거리는 000, 점사이의 평균거리는 000, 총 점의 개수는 000입니다.
LIDAR Analyst의 첫 번째 단계인 Bare Earth입니다. 이 단계는 LAS데이터를 비지면으로 분류하는 단계입니다. 이때 중요한 매개변수로는 최대 경사가 있습니다. 최대 경사는 45°로 설정하였습니다. 이유는 연구 대상지역의 가장 높은 건물과 지면과의 높이 차를 구하면 포인트 간의 거리를 알고 있기 때문에 경사를 구할 수 있습니다. 오른쪽 위는 비지면 분류 전이고, 아래는 분류 후의 그림입니다.
이 슬라이드는 LIDAR Analyst의 두 번째 단계인 Building입니다. Building은 건물을 추출하는 단계로 Bare Earth 데이터가 있어야 사용이 가능합니다. 이 단계의 중요한 매개변수는 건물의 최소 높이입니다. 최소높이는 1층 건물의 평균 높이인 000으로 설정하였습니다.
왼쪽은 LIDAR Analyst의 Building기능을 통해 생성한 건물의 속성입니다. 오른쪽은 연구지역의 건물을 추출한 것입니다.
이 슬라이드는 LIDAR Analyst의 세 번째 단계인 Tree입니다. 이 단계는 수목을 추출하는 단계로 Bare Earth와 Building의 데이터가 있어야 사용할수 있습니다. 매개변수로 수목의 유형을 활엽수, 낙엽수, 혼합 등으로 설정할수 있습니다. 매개변수로는 나무의 높이를 지정할수 있습니다.
왼쪽에 보이는 그림은 LIDAR Analyst의 Tree기능을 통해 생성한 수목의 속성입니다. 오른쪽의 그림은 연구지역의 수목을 추출한 것입니다.
이 슬라이드는 추출한 LIDAR 데이터를 KML로 변환하여 웹서비스 하도록 활용하는 방안을 설명하는 것입니다. KML이란 Google Earth등 주로 위치 정보를 기록하는데 사용하는 파일 포맷입니다. 이러한 KML로 데이터를 변환하여 Google Earth등으로 웹 서비스 할수 있습니다. 일반 사용자들도 쉽게 연구지역의 건물과 수목의 위치를 확인하고 또한 그 속성 값도 확인 할수 있다는 장점이 있습니다.

서론입니다. 범죄의 예방과 방어는 경찰과 범 국가적 문제이기 때문에 양질의 치안 서비스를 제공하기 위하여 효과적인 지점에 경찰서가 위치하여야 합니다. 따라서, 현행 경찰서의 위치 선정과정에 대한 문제점을 분석하고 개선방안과 합리적인 기준을 제시 하려고 합니다. 그 방법으로는 경찰서 범죄 신고접수 및 사건 내용을 파악하고 DataBase를 구축하여 Hot Spot 분석 기법을 사용했습니다.

다음은 경찰서 위치 선정입니다.

다음은 위치 선정 기준항목 입니다. 위에 그림을 보면 경찰서 위치 선정 시 고려해야 할 요소를 지형적 요소, 교통사고 요소, 범죄발생 요소로 정리 할 수 있습니다. 그리고 범죄 발생 요소는 112신고 건수와 5대 범죄 발생 요소로 나누어 져있습니다.

다음은 주요 요소의 경중률입니다. 오른쪽의 그림을 보면 주요 요소에 경중률을 부여함으로써 경찰서 위치 대한 종합적인 선정 인자를 획득 할 수 있습니다. 그 중 5대 범죄에 대한 경중률은 40%로 가장 높게 산출 하였습니다. 또한 그것을 살인, 강도, 강간, 절도, 폭력의 발생건수의 경중률을 세분화 하였습니다.

다음은 범죄지수 산출 방법입니다. 각 항목에 대하여 요소의 총합으로 나눈 후 각 항목의 경중률을 곱하여 점수를 산출하였습니다. 그리고 각 항목별로 산출된 점수를 합하여 범죄 지수를 산출 하였습니다.

다음은 GIS를 이용한 경찰서 위치 분석 탐색입니다.

연구 대상지역입니다. 연구대상지역은 대전 광역시로 충정남도 동남부에 위치 하고 있으며 면적으로는 약 540km2입니다. 그리고 왼쪽 그림을 보시면 각 구별로 색을 구분해 놓았습니다. 또한 빨간색 점들은 경찰서의 위치가 되겠습니다.

다음은 DataBase 구축입니다. 각각의 48개의 경찰서을 조사하였습니다. 위에 보이는 표는 경찰서의 이름, 주소, 인구, 5대 범죄, 교통사고, 112신고건수, 각 요소별 점수와 범죄지수가 들어 있습니다.

다음은 Hot Spot 분석 기법입니다. 위에 그림을 보시는 것처럼 Hotspot 분석 기법은 총 3가지의 매개 변수를 가지고 있습니다. 1번째인 범죄지수는 위에서 계속 설명해 오던 내용이기 때문에 자세히 설명 드리지는 않겠습니다. 2번째인 거리측정방법은 두 지점간의 직선 거리를 산출하는 방법을 사용하였고 3번째 위치관계는 한지점에서 지정된 임계거리 내에 있는 자료에는 거리에 따라 많은 영향을 맏고 일정거리이외의 자료에는 아무런 영향을 받지 않는방벙을 사용하여 Hotsop분석을 실시하였는데 분석을 실시하면 이렇한 분석이 나타나게 됩니다.

이 슬라이드는 사례연구결과입니다. HotSpot분석 기법은 3개의 매개변수를 Getis-OrdGi* 통계를 사용하여 통계적으로 의미가 있는 Zscore 값을 산출합니다. 그 값으로 Hot Spot과 Cold Spots을 식별한 결과로 왼쪽에 보이는 그림과 같습니다. 서쪽에 위치한 유성구와 서구에서 Hot Spots 지점을 찾아 볼 수 있습니다. 따라서 북서쪽에 있는 경찰서에 인력을 보충하거나 시설을 보강하여 지역적 균형을 맞추는 작업이 필요합니다.

범죄 데이터 활용 경찰서 위치 선정 번역(영어 번역본)

It is hard to distinguish the target with LIDAR Data that is composed of points. However, buildings and trees can be easily extracted using LIDAR Analyst. The goal is to make it easy for the general users to easily use such sampled buildings and trees.
This slide indicates the open software and commercial software. Please look at the table. The open software has PDAL, LASTools, and Felis while the commercial software has TerraScan and LIDAR Analyst. This research uses the LIDAR Analyst among the commercial software. This is because LIDAR Analyst samples the ground and non-ground, then again samples buildings and trees from non-ground, and finally enters the attribute values of the sampled models to show to the users.
This slide simply shows the data processing of LIDAR Analyst through a flow chart. The first, the target area, is a LIDAR file composed of points. Second, uses the Bare Earth function of the LIDAR Analyst to classify non-ground data. Third, uses the building function of the LIDAR Analyst, and then samples a building using the classified non-ground data. Fourth, the tree function of the LIDAR Analyst is used and the tree is sampled using the non-ground data and building.
This slide is the target research area. The target area is part of Incheon. The left is the orth image of the target area and the right side is the LIDAR data. The distance between the LAS data and point is 000, average distance between points is 000, and the total number of points is 000.
The first step of the LIDAR Analyst is Bare Earth. This step is where the LAS data is categorized as non-ground. An important parameter here is the maximum angle. The maximum angle was set as 45°. This is because since the distance between points is known, by calculating the height difference between the highest building of the target area and the ground, the angle can be derived. The upper right is before the non-ground categorization and the lower part is after the categorization.
This slide is the second step of the LIDAR Analyst, building. The building is the step sampling a building. The bare earth data is needed here. The important parameter at this step is the minimum height of the building. The minimum height was set as 000, the average height of a single floor building.
The left hand side is the properties of the building created through the building function of LIDAR Analyst. The right hand side is the sampled results of a building in the target area.
This slide is the third step of LIDAR Analyst, tree where trees are sampled. Bare earth and building data is needed here. The type of trees like broad-leaved trees, deciduous trees, combinations, etc. can be set as parameters. The height of the tree may be set as the parameter.
The left hand side figure is the properties of the tree created through the tree function of LIDAR Analyst. The right hand side figure is the sampled results of a tree in the target area.
This slide explains how to transfer the sampled LIDAR data to KML and provide web service. KML is the file format used to record location information like in Google Earth. By transferring data into KML, it can be web serviced through Google Earth etc. It has its advantages in that general users can easily check the locations and attribute values of buildings and trees of the target area.

Introduction. Since the prevention and defense against crimes are problems of the police and the whole country, the police station must be located at an effective point in order to provide a high-quality police system. Therefore, we attempt to analyze the problems of the current police station location choosing process and suggest improvements and reasonable standard for this. In order to do this, the contents of police department crime reports were comprehended, a database built, and the hot spot analysis technique was used.

Next is the police department location selection.

Next is a criteria of location selection. Looking at the above figure, the factors to be considered in selecting the police station location can be classified as geographical, traffic accident, and crime occurrence factors. The crime occurrence factor is divided into the reported number of crimes to 112 and the five crime occurrence factors.

Next is the severity rate of major factors. Looking at the right hand figure. By assigning severity rates to major factors, the overall selection factor for police stations can be achieved. The severity rate of the five crimes was calculates as the greatest, 40%. Further, the severity rate of the number of murder, robbery, rape, theft, and violence were subdivided.

Next is the method of deriving the crime index. The points were calculated by dividing each category with the total value of factors. Then, multiplying the severity rate of each category. In addition, the derived points of each category were added and calculated as the crime index.

Next is the analysis investigation of the police department locations using GIS.

This is the target research area. The target research area is Daejeon, an area located in the southeast of Chungcheongnam-do. Its size is approximately 540km2. In addition, the left hand figure separates each Gu with different colors. The red points indicate police department locations.

Next is building a database. Each 48 police stations were researched. The above table includes the name, address, population, five crimes, traffic accidents, number of crime reported to 112, points for each category, and the crime index.

Next is the hot spot analysis technique. As in the above picture, the hotspot analysis technique has a total of three parameters. The first is crime index. Since this has been already discussed in detail I will not elaborate more. The second is calculating the distance between two points and the method of using the straight-line distance was applied. The third is the relationship between locations. The method in which the data within a critical distance from one point is affected greatly depending on the distance, while there is no effect on data further away from a certain distance, was used. A hotspot analysis was conducted and such results were obtained.

This slide is the case study results. The hotspot analysis technique uses the Getis-OrdGi* statistics to derive the Zscore value of three parameters, that is statistically significant. The result of distinguishing the hot spots and cold spots using the value is as the left hand figure. There are hot spots in Yuseong-gu and Seo-gu that are located in the west. Therefore, there must be a process to geographically balance this by reinforcing the police forces or facilities of the police departments in the northwest.