KICS 데이터와 빅데이터 분석 기법을 활용한 과학적 범죄 수사 및 범죄 예측 시스템의 기능과 발전 방향 doc_id PCY_201509210500089561_27

KICS에 있는 범죄사실, 대상자, 사건개요, 서식정보의 내용을 분석하여 사건의 유사성을 수치화하여 특정사건과 같은 사건이거나 가장 유사한 사건을 찾아주는 기능이다. 범인을 검거한 이후 추가적인 여죄를 밝히거나, 전국에서 발생한 유사사건을 확인하여 거기에 등장하는 수사단서들을 연계하는데 주로 활용된다. 과거에는 특정사건이 발생하면 경찰서에서 경찰청의 담당부서에 범행수법의 특징을 설명하여 관련정보 추출을 요청하였고, 경찰청에서는 키워드를 중심으로 실시한 검색결과를 통보해 주었을 뿐이다. 그래서 많은 시간이 소요되었고, 정확성 또한 떨어졌다. 하지만 유사사건 검색 알고리즘을 이용할 경우 대상사건의 정보와 기존의 사건 정보를 비교･분석하여 유사한 사건을 검색할 수 있게 된다. 예를 들어, 강도사건이 발생한 경우 해당사건의 사건정보와 범죄사실의 이용하여 이전에 KICS에 저장된 사건과 비교해 유사도가 높은 사건을 순서대로 보여주게 된다. 과거에는 정형화된 데이터 속에서 키워드 검색으로 데이터를 추출하였다면 이제는 빅 데이터의 기법 중의 하나인 텍스트 마이닝(Text Mining) 기법을 활용하여 비정형 데이터인 본문과 본문을 비교하는 방식으로 유사도를 측정하게 된 것이다. 용의자 검색은 사건이 발생하였는데 범인을 알 수 없을 때 이미 발생한 사건정보를 분석하여 용의자일 가능성이 높은 인물들을 보여주는 기능이다. 유사도는 사건개요, 범죄사실, 대상자정보, 서식정보를 활용하여 분석하고, 점수화하여 순위를 나타낸다. 이는 사기, 절도, 강도 등 수법범죄의 경우, 범죄자가 동일한 유형의 범죄를 또 다시 저지르는 경향이 있다는데 기초하여 개발된 것이다. 과거에 발생했던 유사사건을 찾은 후 그중 검거된 범인이 있으면 유사도가 높은 순서대로 사용자에게 보여 준다. 이 알고리즘은 유사사건 검색 기능의 알고리즘과 동일하다. 공범관계 분석은 보험사기, 조직범죄 등에서 공범들을 추출하여 KICS에 저장된 사건 대상자들과의 관계를 표시해 주는 기능이다. 계획범죄의 경우 상당수의 사건이 역할분담에 따른 공범들이 존재한다는데 착안하여 개발된 기능이다. 범죄자의 과거사건을 추적해서 공범관계에 있었던 사람이 누구인지 신속하게 알 수 있어 숨어있는 공범을 추적하고 검거하는데 활용될 것으로 보인다. 각 대상자는 본인과 같은 사건에 연관된 대상자를 연결선으로 표시하고 해당 대상자를 클릭하면 선택한 대상자와 연결된 대상자를 다시 보여주는 방식이다. 또한, ｢형사사법절차 전자화 촉진법｣상의 KICS의 개념은 가장 작은 범위의 개념이었지만, 시스템 통합과 연계 사업 등을 거치면서 KICS의 개념이 확장되었다. 따라서 ｢형사사법절차 전자화 촉진법｣이 적용되는 시스템의 범위가 어디까지 인지에 대해서도 논란이 되고 있다. 만약 경찰 시스템인 22개의 시스템이 모두 해당 한다면 역설적이게도 시스템 통합 전략은 데이터의 활용도를 갈수록 떨어뜨리는 결과를 초래하게 된다. 경찰의 시스템은 점차 체계화･고도화되고 데이터의 종류와 양도 계속 증가하고 있다. 법무부와 검찰에서 보유하고 있는 정보도 조회의 방식으로 연계가 가능하다. 정부의 공공 데이터 개방전략에 따라 외부 공공기관의 데이터도 하나둘씩 공개되면서 다양한 데이터를 연결할 수 있게 됨에 따라 범죄예측을 수행할 수 있는 여건이 급속도로 성숙해지고 있다. 국민들의 생명, 신체, 재산에 대한 안전 욕구도 폭발적으로 증가하고 있다. 따라서 프라이버시 침해를 최소화하면서 범죄예방 등에 활용할 수 있는 묘수를 연구할 필요가 커져가고 있다. 지리적 프로파일링 시스템(GeoPros)은 ‘다차원적 공간통계 분석기법을 각종 범죄수사 데이터에 접목하여 범죄위험지역 분석, 우선 수사대상 추출, 연쇄 범죄자 거주지 예측 및 주 활동영역 분석 등을 가능하게 하는 시스템’을 말한다. 이는 범죄자를 검거하는 방법에 대한 사고의 틀을 제공하고, 범집행기관이 가장 가능성이 높은 장소에 제한된 자원을 집중하도록 돕는 것을 목적으로 한다. 범죄자 및 피해자의 거주지 등 범죄와 관련된 정보를 계량화하고, 이를 지도에 표현하여 수사관이 수사 대상지역을 특정하거나 한정하고 용의자의 활동무대로 추정되는 지역을 탐문하는데 활용된다. 현재 GeoPros는 살인, 강도, 강간, 절도, 방화, 약취유인, 도박, 폭력, 마약, 침입절도, 침입 강도 등으로 세분화 하여 총 11개 범죄를 분석하고 있다. 범죄위험지역(Hot Spot) 분석은 지역에 따른 범죄위험도를 확률 밀도 함수를 통해 분석하는 기능으로 범죄가 이미 발생한 곳뿐만 아니라 아직 발생하지 않은 곳의 범죄위험 확률도 인근의 범죄 밀도를 통해 산출해 낼 수 있다. 분석결과는 범죄위험도별로 색상을 달리하여 등고선 형태로 표현되기 때문에 범죄가 발생하지 않은 곳의 위험도 확인이 가능하여 범죄수사 및 예방에 대한 의사결정을 지원 한다. 경찰서･지구대 등 지역별, 죄종별, 시간대별로 다양한 조건 분석이 가능하고, 범죄예방을 위한 효과적인 순찰선 지정, 형사들의 잠복 근무지 선정, 범행 최적지 추정 등에 활용된다. 과거에는 주･야간 등 시간대의 구분 없이 같은 순찰선을 중심으로 순찰을 하였다면, 이제는 범죄위험지역(Hot Spot)을 활용하여 범죄발생의 확률이 높은 곳부터 순찰하는 것도 가능하다. 실제로 다수의 경찰관서에서 범죄위험지역을 범죄수사 및 순찰활동에 활용하여 성과를 거두었다. 범죄위험지역(Hot Spot) 분석은 과거 발생 범죄를 기준으로 확률 밀도 분석을 한 결과이기에 범죄가 발생한 장소 인근의 위험도까지만 분석되는 반면 범죄위험 지수는 모든 지역을 계량화하여 범죄위험도를 산출할 수 있다. 따라서 범죄 이외의 유관변인들을 통해 범죄위험도를 분석한 것으로 예측의 개념에는 좀 더 가깝다. 범죄위험지역(Hot Spot) 분석과 범죄위험지수 결과를 동시에 사용한 경우에는 범죄예측의 정밀도를 더욱 높일 수 있게 된다. 경찰에서는 관서별, 행정동별로 치안전략을 수립할 경우에 해당 지역의 특성을 충분히 반영할 수 없다고 판단하고, 기본 단위를 지역특성, 주거형태 등 치안환경이 유사한 단위로 세분화하기 위해 치안블록의 개념을 도입하였다. 치안블럭은 기존의 관서별･행정구역별 단위보다 약 1/100 크기의 소지역 단위를 의미한다. 이러한 방법으로 전국을 약 36만 7천여개의 치안블록으로 세분화하였고, 치안블록 당 인구수는 평균 200명 안팎이 되었다. 2009년에 지리적 프로파일링 시스템을 구축한 이후 2014년에 범죄정보 및 유관 변인정보 총 42종을 연계하여 범죄예측 기반을 고도화하였다. 과거에는 기존에 발생한 범죄의 밀도를 중심으로 발생하지 않은 곳의 확률을 측정하였기 때문에 상관관계를 기반으로 한 범죄예측이라고 할 수 없었다. 하지만 ｢지리적 프로파일링 시스템 고도화 사업｣ 완료에 따라 다수의 범죄정보와 유관변인 정보가 연계됨에 따라 상관관계를 기반으로 한 범죄예측이라고 할 수 있게 되었다. 이러한 분석기법들은 범죄에 영향을 미칠 수 있는 다양한 데이터들의 관계를 분석하게 됨으로써 기존의 지시나 직감 등 비과학적 방법이 아닌 데이터를 기반으로 하는 범죄수사 및 순찰전략을 수립하는데 기여했다. 특히, 범죄위험지역 분석과 범죄위험지수는 지도와 결합하여 시각화됨으로써 시각화안전행정부의 생활안전 서비스(범죄지도)와 서울시의 범죄예방 환경설계(CPTED)에도 활용되는 등 범죄예방을 위한 대국민 서비스로 발전하고 있다.