| 1 |
1
빅 데이터를 이용한 예측 대상 지역의 범죄 발생 예측 방법에 있어서,(a) 상기 예측 대상 지역에 대한 복수의 데이터 도메인으로부터 범죄 예측용 데이터가 범죄 발생 예측 시스템에 입력되는 단계와,(b) 상기 예측 대상 지역에서 기 설정된 기간 동안 발생한 범죄에 대한 범죄 발생 데이터가 범죄 발생 기록 도메인으로부터 상기 범죄 발생 예측 시스템에 입력되는 단계와,(c) 각각의 데이터 도메인의 상기 범죄 예측용 데이터와 상기 범죄 발생 데이터가 상기 범죄 발생 예측 시스템에 기 등록된 통계적 기법에 따라 분석되어, 상기 데이터 도메인별로 상기 범죄 예측용 데이터 중 유의미한 데이터가 유효 데이터로 추출되는 단계와,(d) 상기 범죄 발생 예측 시스템에 기 등록된 딥 러닝 알고리즘에 상기 유효 데이터가 적용되어 범죄 발생이 예측되는 단계를 포함하고;상기 유효 데이터는 데이터의 유형에 따라 복수의 데이터 그룹으로 분류되고;상기 딥 러닝 알고리즘은각각의 상기 데이터 그룹에 대응하여 마련되고, 해당 데이터 그룹의 상기 유효 데이터가 입력되어 특성 표상 학습이 수행되는 복수의 특성 표상 층으로 구성된 제1 심층 신경망과,각각의 상기 특성 표상 층의 출력을 입력받아 특성 레벨에서 데이터를 융합하는 조인트 특성 표상 층을 갖는 제2 심층 신경망과,상기 조인트 특성 표상 층의 출력에 기초하여 범죄 발생 확률을 산출하는 출력 함수를 포함하고;상기 데이터 도메인은 상기 예측 대상 지역의 인구 도메인, 경제 도메인, 교육 도메인, 주택 도메인, 날씨 도메인, 이미지 도메인 중 적어도 2 이상을 포함하고;상기 범죄 예측용 데이터는상기 인구 도메인으로부터 수집되는 인구 데이터와,상기 경제 도메인으로부터 수집되는 경제 데이터와,상기 교육 도메인으로부터 수집되는 교육 데이터와,상기 주택 도메인으로부터 수집되는 주택 데이터와,상기 날씨 도메인으로부터 수집되는 날씨 데이터와,상기 이미지 도메인으로부터 수집되는 이미지 데이터를 포함하고;상기 (c) 단계는(c1) 상기 데이터 도메인 중 적어도 하나에 속하는 상기 범죄 예측용 데이터가 피어슨 상관 계수 분석(Pearson correlation coefficient analysis) 기법에 적용되어 유효 데이터가 추출되는 단계와,(c2) 상기 데이터 도메인 중 나머지에 속하는 상기 범죄 예측용 데이터가 Kruskal-Wallis H 검정 기법에 적용되어 유효 데이터가 추출되는 단계를 포함하며;상기 (c1) 단계에서는 상기 인구 데이터, 상기 경제 데이터, 상기 교육 데이터, 상기 주택 데이터 및 상기 날씨 데이터가 상기 피어슨 상관 계수 분석 기법에 적용되며;상기 (c2) 단계에서는 상기 이미지 데이터가 상기 Kruskal-Wallis H 검정 기법에 적용되는 것을 특징으로 하는 빅 데이터를 이용한 예측 대상 지역의 범죄 발생 예측 방법
|
