범죄예측모형 (Crime Forecasting Model)
쉽게 풀면
범죄예측모형은 일기예보처럼 과거 데이터를 바탕으로 앞으로 범죄가 어디서, 언제 일어날 가능성이 높은지를 미리 계산하는 도구입니다. 날씨 예보가 과거 기상 패턴을 바탕으로 내일 비 올 확률을 계산하듯, 범죄예측모형도 과거 범죄 발생 패턴을 학습해 특정 구역의 위험도를 수치로 보여줍니다. 이 결과는 경찰 순찰 계획을 세우는 데 참고 자료로 활용됩니다. 다만 예측은 확률적 추정일 뿐 확정된 사실이 아니라는 점이 중요합니다.
왜 중요한가
한정된 치안 자원을 효율적으로 배분하기 위해서는 범죄가 발생할 가능성이 높은 시간과 장소를 사전에 파악하는 것이 중요합니다. 범죄예측모형은 이러한 사전 대응형 치안(predictive policing) 전략의 이론적 토대를 제공합니다.
논문에서는 이렇게 쓰입니다
과거 자료를 바탕으로 특정 기간 동안의 범죄 발생 가능 지역을 계산했다는 의미입니다.
모형의 예측 성능이 지역마다 다를 수 있음을 지적한 문장입니다.
조금 더 깊게 보면
범죄예측모형은 회귀분석 기반 모형부터 기계학습을 활용한 모형까지 다양하게 발전해 왔으며, 대표적으로 반복 범죄(near-repeat) 이론에 기반한 근접반복모형이 널리 알려져 있습니다. 모형의 성능은 대체로 예측 지역 적중률이나 오차율 등으로 평가됩니다. 근접반복모형은 한 지점에서 범죄가 발생하면 그 주변 일정 거리 내에서 일정 기간 동안 유사 범죄가 재발할 확률이 통계적으로 높아진다는 경험적 규칙성에 착안해, 최근 사건 발생 위치를 중심으로 위험 지역을 동적으로 갱신하는 방식으로 작동합니다. 근접반복 현상은 특히 주거침입절도에서 뚜렷해, 피해 가옥 반경 수백 미터 이내에서 수 주 동안 위험이 높아지는 것으로 보고됩니다. 이 원리를 지진 여진 모형(ETAS)에 적용한 예측 치안 소프트웨어가 미국 로스앤젤레스 등에서 사용되었지만, 과거 단속 자료의 편향이 특정 지역에 대한 과잉 순찰로 이어진다는 비판을 받아 여러 경찰청이 사용을 중단했습니다.
주의할 점
예측 결과가 과거 신고 편향을 그대로 반영해 특정 지역에 대한 과잉 순찰로 이어질 수 있다는 비판이 있으며, 예측을 실제 유죄 판단의 근거로 사용해서는 안 됩니다.