MJU-Capstone-Design/FENCE_data_analysis

데이터 전처리부터 분석까지👩‍💻

FENCE Project 데이터 분석🚧

데이터 전처리부터 분석까지👩‍💻

👤contributor

• 최리안
• 배수혜
• 황희주
• 서유림

---

Fence Project?🚧

• 2020-1학기 명지대학교 캡스톤 디자인 수업에서 진행하는 프로젝트입니다.

• 범죄예방 이론 및 정책 중에서도 CPTED의 뛰어난 범죄 예방 효과에 주목하여, 이를 기반으로 한 통계적 분석과 그 결과를 통한 안전지도의 구현을 최종 목표로 합니다.

CPTED란?

'Crime Prevention Through Environmental Design'의 약자로, '환경설계를 통한 범죄예방'을 의미합니다.

분석문항

📎 분석1. 서울특별시 각 자치구 범죄율 순위

📎 분석2. CPTED의 5가지 물리적 요인과 치안 등급의 관계

📎 분석2-1. cctv 수는 치안 등급에 영향을 미치는가?

📎 분석2-2. 보안등 수는 치안 등급에 영향을 미치는가?

📎 분석2-3. 경비원 수는 치안 등급에 영향을 미치는가?

📎 분석2-4. 파출소 수는 치안 등급에 영향을 미치는가?

📎 분석2-5. 근린시설 수는 치안 등급에 영향을 미치는가?

---

분석1. 서울특별시 각 자치구 범죄율 순위

👤contributor : 서유림

• 서울시내 모든 자치구에 대해 범죄등급을 조사하고 분석하는 데에는 무리가 있다고 판단하여 범죄율이 높은 자치구를 선별하여 분석을 진행하고자 한다.

  • 이후 추가적으로 범죄율이 낮은 6개의 자치구에 대해서도 분석 진행
  • 범죄율 상위 8개구 / 범죄율 하위 6개구 선별

• 이에 모든 분석과정에 앞서 서울시 내 자치구 범죄율 순위를 분석하는 과정을 거친다.

📋활용한 데이터

• 서울시 관서별 5대범죄(2018년)

  • 출처 : 공공데이터 포털
  • 홈페이지

• 서울시 인구분포(2018년)

  • 출처 : 국가통계포털
  • 홈페이지

✏️분석 방법

범죄율=(형법범죄 / 총인구) × 100,000

• 서울시 자치구별 발생한 5대범죄 건수를 파악하고 총 범죄 발생 건수를 구한다.
• 범죄율 구하는 공식에 따라 범죄 발생건수를 자치구 인구 수로 나누어 주고 100000을 곱한다.
• 인구 십만명 당 발생하는 범죄 건수를 구하여 sorting한다.

1. 범죄율 순위 결과(table)

2. 범죄율 시각화(plot)

✏️분석 결과

• 중구 / 종로구 / 마포구 / 영등포구 / 용산구 / 금천구 / 강남구 / 구로구 순으로 범죄율이 높게 나타났다.

• 은평구 / 도봉구 / 성북구 / 노원구 / 양천구 / 강서구 순으로 범죄율이 낮게 나타났다.

이후 활동

• 각 구별로 데이터를 수집하고 전처리를 진행한다.

---

분석2. CPTED의 5가지 물리적 요인과 치안 등급의 관계

👤contributor

• 최리안

• 배수혜

• 황희주

• 서유림

• 본격적인 분석에 들어가기 앞서 각 구역 별 치안안전등급 조사를 실시한다.

• 구역의 범위는 각 지구대 및 파출소의 관할구역으로 지정한다.

  • 경찰청에서 요청하여 제공받은 '서울특별시 지방경찰청과 경찰서의 조직 및 사무분장규칙(법령전문)' 자료 참고

참고 자료 및 사이트

• 생활안전지도

  • 홈페이지

• 서울특별시 지방경찰청과 경찰서의 조직 및 사무분장규칙(법령전문)

📋데이터 수집

1. 생활안전지도의 치안안전 정보를 바탕으로 각 지역 별 5대범죄 및 전체 등급 수집

   5대범죄 : 살인, 강도, 절도, 폭력, 성폭력

   전체 등급 : 전체 범죄등급에 대한 평균

   • 범죄 정보 관련하여 여러 부정적인 영향이 있기 때문에 경찰청에서 자세하고 직접적인 범죄 데이터를 제공해주지 않는다.

   • 지도에서 하나하나 찾아가면서 엑셀에 정리

   • 생활안전지도에서 제공하는 치안안전등급 정보는 다음과 같다.

  - 생활안전지도에서 api형태가 아닌 png로 데이터를 제공해주기 때문에 직접 수집해야하는 어려움이 있었다.

2. 지구대 및 파출소 별 관할 구역 데이터 정리

   • 경찰청으로부터 제공받은 한글파일을 바탕으로 파출소 및 지구대 별 관할구역을 엑셀로 정리

3. 지구대 및 파출소 위도, 경도 데이터 추가

📋데이터 전처리

파출소 및 지구대 이름을 기준으로 직접 정리한 치안 안전 등급과 파출소 및 지구대 관할구역을 합쳐 하나의 파일로 생성

1. 서울시 각 자치구의 범죄율 순위를 바탕으로 상위 8개의 구 조사

   • 데이터보기
   • 중구
   • 종로구
   • 마포구
   • 영등포구
   • 용산구
   • 금천구
   • 강남구
   • 구로구

2. 서울시 각 자치구의 범죄율 순위를 바탕으로 하위 6개의 구 조사

   • 데이터보기
   • 강서구
   • 양천구
   • 노원구
   • 성북구
   • 도봉구
   • 은평구

활용계획

• 지구대 및 파출소의 관할구역을 기준으로 구역을 나누어 범죄예방에 관련이 있다고 생각하는 요인들과 치안등급 간의 상관관계 분석

---

분석2-1. cctv와 치안안전등급 간의 상관관계 분석

👤contributor

• 최리안

📋데이터

📋데이터 수집

**서울시 내 cctv 데이터

• 출처 : 공공데이터포털
  • 데이터링크
  • 서대문구 제외 24개구의 cctv 데이터를 받아옴
  • 서대문구의 경우, 직접 데이터 요청을 통해 수집 완료

📋데이터 전처리

• 공공데이터포털에서는 각 구별 cctv데이터 파일을 제공해주고 있어, 수집한 25개구의 데이터를 하나로 합침

• 결측치 제거

• 위도/경도 데이터 ➡️ 도로명주소 / 지번주소 데이터

• 도로명주소 / 지번주소 데이터 ➡️ 위도/경도 데이터

• 필요한 칼럼만 추출하여 저장 ([관리기관명, 카메라대수, 도로명주소, 지번주소, 위도, 경도])

상관관계 분석📊

• 범죄율 상위 8개구와 하위 6개 구에 대해서 분석 진행

• 각 파출소 및 지구대의 관할구역 데이터를 활용하여 각 구역 별 cctv의 수를 count

  • 파출소 및 지구대 관할구역 데이터 => 데이터

  • dictionary 형태로 만들어 관할구역의 cctv 수를 나타냄

• cctv 개수 데이터와 치안등급 데이터 합치기(merge)

• 각 구역별 cctv 수와 치안등급 간의 상관분석 진행(corr 함수 사용)

✏️분석결과

1. 범죄율 상위 8개 구

• 전체적으로 거의 상관관계가 없어보임

• 모든 범죄가 미약하지만 양의 상관관계를 갖는다.

2. 범죄율 하위 6개구

• 전체적으로 양의 상관관계가 있는 것으로 보임

• 특히 폭력과 성폭력의 경우 다른 범죄에 비해 확실한 양의 상관관계를 갖는다.

데이터 전처리 및 분석 코드 바로가기

---

분석2-2. 보안등과 치안안전등급 간의 상관관계 분석

👤contributor

• 최리안

📋데이터

📋데이터 수집

**서울시 내 보안등 데이터

• 출처 : 공공데이터포털 / 서울열린데이터광장
  • 데이터링크-공공데이터포털
  • 데이터링크-서울열린데이터광장

📋데이터 전처리

• 공공데이터포털 및 서울열린데이터광장에서는 각 구별 보안등 데이터 파일을 제공해주고 있어, 수집한 25개구의 데이터를 하나로 합침

• 결측치 제거

• 위도/경도 데이터 ➡️ 도로명주소 / 지번주소 데이터

• 도로명주소 / 지번주소 데이터 ➡️ 위도/경도 데이터

• 필요한 칼럼만 추출하여 저장 ([관리기관명, 카메라대수, 도로명주소, 지번주소, 위도, 경도])

상관관계 분석📊

• 범죄율 상위 8개구에 대해서 분석 진행

• 각 파출소 및 지구대의 관할구역 데이터를 활용하여 각 구역 별 보안등의 수를 count

  • 파출소 및 지구대 관할구역 데이터 => 데이터

  • dictionary 형태로 만들어 관할구역의 보안등 수를 나타냄

• 보안등 수 데이터와 치안등급 데이터 합치기(merge)

• 각 구역별 수와 치안등급 간의 상관분석 진행(corr 함수 사용)

✏️분석결과

1. 범죄율 상위 8개 구

• 거의 상관관계가 없는 것으로 보이는 결과가 나왔다.

• 하지만 상관관계의 부호가 – (마이너스)가 대부분으로 거의 상관관계는 없으나 미약한 음의 관계가 있다고 볼 수 있다.

• 다른 범죄에 비해서 절도의 경우에는 다른 범죄에 비해서 보안등과 더 음의 상관관계가 있다고 보여진다.

데이터 전처리 및 분석 코드 바로가기

---

분석2-3. 경비인원 수와 치안안전등급 간의 상관관계 분석

👤contributor

• 배수혜

📋데이터

📋데이터 수집

**1. 서울시 내 아파트 데이터

• 출처 : 서울열린데이터광장
  • [데이터링크](http://data.seoul.go.kr/dataList/OA-15465/S/1/datasetView.do;jsessionid=8 F09D36EF9800C38BB3B39971C36D2D0.new_portal-svr-11#AXexec)

📋데이터 전처리

• 결측치 제거

• 경비인원 칼럼의 값이 비어있는 경우, (아파트 동 수) * 2로 계산하여 데이터 보완

• 필요한 칼럼만 추출하여 저장 ([아파트명, 주소(시도), 주소(시군구), 주소(읍면동), 경비인원, 좌표 X, 좌표Y, 법정동주소, 단지분류, 도로명주소])

상관관계 분석📊

• 범죄율 상위 8개구와 하위 6개 구에 대해서 분석 진행

• 각 파출소 및 지구대의 관할구역 데이터를 활용하여 각 구역 별 경비인원 수를 count

  • 파출소 및 지구대 관할구역 데이터 => 데이터

  • dictionary 형태로 만들어 관할구역의 경비인원 수를 나타냄

• 경비인원 수 데이터와 치안등급 데이터 합치기(merge)

• 각 구역별 수와 치안등급 간의 상관분석 진행(corr 함수 사용)

✏️분석결과

1. 범죄율 상위 8개 구

• 전체적으로 약한 음의 상관관계를 가지고 있다.

• 특히 폭력에서 음의 상관관계가 나타난다.

• 상관관계를 히트맵으로 시각화

2. 범죄율 하위 6개구

• 전체적으로 양의 상관관계를 가지고 있다/

• 상관관계를 히트맵으로 시각화

데이터 전처리 및 분석 코드 바로가기

---

분석2-4. 파출소 수와 치안안전등급 간의 상관관계 분석

👤contributor

• 배수혜

📋데이터

📋데이터 수집

**1. 서울시 내 파출소, 지구대, 치안센터, 경찰서 데이터

• 출처 : 공공데이터포털
  • 데이터링크

📋데이터 전처리

상관관계 분석📊

• 범죄율 상위 8개구와 하위 6개 구에 대해서 분석 진행

• 각 파출소 및 지구대의 관할구역 데이터를 활용하여 각 구역 별 파출소 수를 count

  • 파출소 및 지구대 관할구역 데이터 => 데이터

  • dictionary 형태로 만들어 관할구역의 파출소 수를 나타냄

• 경비인원 수 데이터와 치안등급 데이터 합치기(merge)

• 각 구역별 파출소 수와 치안등급 간의 상관분석 진행(corr 함수 사용)

✏️분석결과

• 치안센터의 수와 치안 등급과의 관계는 대부분 상관관계가 미미했으나 살인과 폭력에서는 0.5이상으로 확실한 양의 상관관계를 보였다.

• 분석의 의도는 치안 등급과 치안센터의 수의 관계가 음의 상관관계로 치안센터 개수가 많으면 등급이 낮아질 것으로 예상했으나 그와 다르게 상관관계가 거의 없거나 양의 상관관계가 보였다

• 상관 관계 분석으로는 인과 관계를 알 수는 없으므로 이 결과가 살인, 폭력이 많이 일어나서 치안센터가 많이 생기게 된 것인지 치안센터가 많아서 살인, 폭력사건이 많이 생긴 것인지 알 수 없다.

데이터 전처리 및 분석 코드 바로가기

---

분석2-5. 근린시설과 치안안전등급 간의 상관관계 분석

👤contributor

• 서유림
• 황희주

근린시설의 정의

「건축법」에 의한 건축물의 용도 중의 하나로 슈퍼마켓 등 보통 일상생활에 필요한 시설이며, 제 1종 근린생활시설과 제 2종 근린생활시설로 구분

• 근린시설 종류
  • 우체국
  • 병원
  • 음식점
  • 보건소
  • 은행
  • 문화시설
  • 동사무소
  • 공원 등등....

🌀 근린시설의 종류들 중에서 일반음식점 휴게음식점 문화시설 공원의 데이터를 수집해 분석에 활용하기로 결정

📋데이터

👤유림 - 휴게음식점 문화시설 데이터 수집 및 전처리 👤희주 - 일반음식점 공원 데이터 수집 및 전처리

📋데이터 수집

1. 휴게음식점

• 출처 : 서울열린데이터광장

  • 데이터링크

• 위의 링크는 서대문구 휴게음식점 관련 데이터

• 이와 같이 각 구별 휴게음식점 데이터를 제공해주고 있어, 25개 구의 휴게음식점에 해당하는 데이터를 다운받아 전처리 진행

• 위도 / 경도 데이터가 없어 추가해야함

2. 일반음식점

• 출처 : 서울열린데이터광장

  • 데이터링크

• 위의 링크는 은평구 일반음식점 관련 데이터

• 이와 같이 각 구별 일반음식점 데이터를 제공해주고 있어, 25개 구의 일반음식점에 해당하는 데이터를 다운받아 전처리 진행

• 위도 / 경도 데이터가 없어 추가해야함

3. 문화시설

• 출처 : 서울열린데이터광장

  • 데이터링크

• 서울시 전체 문화시설 데이터 제공

• 주소 / 위도 / 경도 데이터 포함

4. 공원

• 출처 : 서울열린데이터광장

  • 데이터링크

  • 서울시 전체 공원 데이터 제공

  • 주소/위도/경도 데이터 포함

📋데이터 전처리

1. 휴게음식점 & 일반음식점

• 폐업한 음식점까지 데이터에 포함되어 있어 폐업한 음식점 데이터는 삭제

• 중복되는 음식점 데이터 삭제

• 필요한 열만 뽑아서 저장

• 주소를 바탕으로 위도/경도로 변환시켜 데이터 추가

• 구별로 데이터 전처리를 진행하였는데, 이후 하나의 csv 파일로 합침

  • 관련코드

2. 문화시설

• 주소데이터가 비어있는 경우가 있어, 구글맵에서 찾아 주소 및 위도/경도 데이터 추가

3. 공원

• 필요한 열만 추출하여

상관관계 분석📊

근린시설과 치안등급 간의 상관관계를 분석하는 것이므로 휴게음식점, 일반음식점, 문화시설, 공원 데이터를 하나의 요인으로 보아야 함

• 범죄율 상위 8개구와 하위 6개 구에 대해서 분석 진행

• 각 파출소 및 지구대의 관할구역 데이터를 활용하여 각 구역 별 근린시설의 수를 count

  • 파출소 및 지구대 관할구역 데이터 => 데이터

  • dictionary 형태로 만들어 관할구역의 근린시설 수를 나타냄

• 각 구역별 근린시설 수와 치안등급 간의 상관분석 진행

def correlation(green_num, rate):
    green_df = pd.DataFrame(green_num.items(), columns=['지구대', '근린시설'])
    merge_rate_green = pd.merge(green_df, rate, on='지구대')
    corr_df = merge_rate_green[['근린시설', '전체', '살인', '강도', '절도', '폭력', '성폭력']]
    # print('corr_df :', corr_df)
    print('sum: ', corr_df['근린시설'].sum())
    corr_df.to_csv("./corr_df.csv", header=True, index=False)

    corr = corr_df.corr(method='pearson')
    print('corr :', corr)
    corr.to_csv("./corr.csv", header=True, index=False)
    return corr

✏️분석결과

1. 범죄율 상위 8개 구

• 절도, 폭력에서 약한 음의 상관관계를 보임

• 하지만... 너무 약해서 문제

2. 범죄율 하위 6개구

• 전반적으로 양의 상관관계를 갖는다

데이터 전처리 및 분석 코드 바로가기1 데이터 전처리 및 분석 코드 바로가기1