수도권(서울ㆍ경기ㆍ인천)지역의 범죄발생 패턴

Spatial pattern analysis of urban crime in Seoul Metropolitan Area

본 논문은 도시범죄의 사회적 심각성을 인식하고 서울ㆍ인천ㆍ경기 지역을 대상으로 5대범죄(살인, 강간ㆍ추행, 강도, 절도, 폭행)의 공간적 분포 특성을 분석하는 것을 목적으로 한다. 범죄가 지역사회의 구조적 특색에 따라 공간적으로 상이하게 발생하는지 알아보기 위해 2005년부터 2011년까지의 7년간의 범죄 자료를 활용하여 공간자기상관성분석을 실시하였다. 분석결과, 매년 5대 범죄의 모든 유형에서 범죄의 공간자기상관성이 매우 높은 수준으로 통계적으로 유의미하게 나타났다. 특히 성범죄와 폭행에 대해 그러한 현상이 뚜렷하게 나타났다. 아울러 핫스팟(국지적 모란)분석 결과, 모든 유형의 범죄에 관하여 경기도 남양주시, 일산 덕양구, 과천시가 범죄로부터 안전한 콜드스팟지역으로 확인되었고, 대부분의 범죄취약지역은 서울시의 일부지역에 한정되어 있었다. 살인과 폭행사건은 서울의 동부와 서부를 연결하는 축을 중심으로 범죄다발지역이 형성되어 있었고, 강간ㆍ추행의 경우 서울 전역에 걸쳐 범죄의 핫스팟 지역이 확인되었다. 분석결과를 토대로 범죄 취약지역에 대한 범죄 예방을 위한 특별방범활동, 방범용 CCTV 설치 등의 집중 치안활동이 필요하다는 정책적 교훈을 얻었다. 또한 범죄에 대한 영향 요인을 파악하기 위한 일반회귀분석 시에 공간에 대한 방법론적 고려가 필요하다는 결론을 얻었다.

This article presents an explanatory analysis of the spatial patterns of violent crime(Murder, Rape, Assault, Larceny, Robbery) in Seoul Metropolitan Area(City of Seoul, Gyeonggi, Incheon). It also investigates spatial autocorrelation of violent crime using global and local moran's I. The analysis draws on the urban crime statistics of National Police Agency from 2005 to 2011. Spatial pattern of urban crime in South Korea has rarely been studied using panel data. Hot spot analysis helps rapidly identify high crime areas, types of crime being committed. The finding from spatial autocorrelation analysis shows significant spatial autocorrelation in all types of violent crime, suggesting that violent crime in Seoul Metropolitan Area are not randomly distributed. Rape and assault specifically recorded significant spatial autocorrelation. Moreover, Local Moran's I analysis indicates that there are statistically significant geographical clusters of high and low crime densities in Seoul Metropolitan Area. The coldspots include Namyangju-si, Gwacheon-si, Goyang-si Deogyang-gu in Gyeonggi province. Most parts of the city of Seoul identify rape crime hot spots. The findings suggest that policy makers can prevent violent crime to allocate more police resources effectively to the focused area. The lack of data on crime, however, has been an issue in the study of hot spot policing. Crime information achieved from the time-varying spatial pattern of crime helps policy makers map out the crime prevention strategies, such as staffing and patrolling. Furthermore, researchers should consider spatial patterns in crime regression modeling because OLS regression results could lead to biased and inconsistent estimates of important variables.