Deep Learning-Based Urban Crime Factor Analysis Using Street View Data: Focusing on CPTED Strategies

현대 도시에서 범죄는 시민의 안전과 삶의 질을 저해하는 중요한 사회 문제이며, 이를 해결하기 위해 물리적 환경 요인에 관한 연구는 필수적이다. 기존 연구들은 이러한 요인을 객관적이고 정량적으로 분석하는 데 한계가 있었다. 이에 본 연구는 거리뷰와 딥러닝 기술을 활용하여 도시의 물리적 환경이 범죄 발생에 미치는 영향을 분석하고자 한다. 특히, 물리적 환경 설계를 통한 범죄 예방 전략인 CPTED(범죄예방 환경설계)에 기반하여, 범죄와 관련 있는 환경 요인을 변수로 선정하고 이를 정량적으로 평가하였다. 딥러닝 모델인 DeepLabV3+를 적용해 보스턴 지역의 거리뷰 이미지에서 물리적 환경 요인을 추출하고, 이들의 공간적 분포를 분석하였다. 또한, 실제 범죄 데이터와의 스피어만 상관분석을 통해 각 요인이 범죄 발생에 미치는 영향을 파악하였다. 연구 결과, CPTED 실천 원리 중 '영역성'과 '활동 지원' 관련 요인들이 범죄 발생과 유의미한 상관성을 보였으며, 특히 녹지율 등이 범죄 발생에 중요한 역할을 한다는 점을 확인하였다. 본 연구는 이러한 결과를 통해 범죄에 영향을 미치는 주요 요인들을 밝혀내어, 안전하고 지속 가능한 도시 환경 조성 및 범죄 예방 정책 수립에 기여할 수 있을 것으로 기대된다.