Journal Archive

안전한 도시환경을 조성하기 위하여 다양한 정책이 집행되고있으나, 여전히 도시치안 측면에서 문제가 제기되고 있다(김명수, 2017). 특히 도시에서 발생되는 범죄로 인해 사람들은 자신도 피해자가 될 수 있다는 불안감과 두려움을 상시 느끼고 있는 것으로 보고된다(구지연·김기호, 2011; 형사정책연구원, 2017). 통계청 사회조사에 따르면, 국민의 57.4%가 사회적 불안요인으로 범죄발생을 지목하였으며(통계청, 2020), 행정안전부에서 시민의 안전체감도를 조사한 결과 5점 만점에 2.74점이 도출되어 범죄 불안감이 상존하는 것으로 나타났다(행정안전부, 2019). 한편, 우리나라의 범죄 발생건수는 1990년 기준 114만건에서 2016년 184만건으로 꾸준히 증가하고 있는 것으로 보고된다(장진희, 2018).

범죄의 발생은 사회의 모든 수준에 걸쳐 영향을 미친다. 거시적으로는 사회적 비용을 야기하여 경제 성장을 더디게 할 수 있으며, 미시적으로는 도시민의 이탈을 촉진함으로써 도시의 쇠퇴를 야기한다(김성언, 2018; Detotto and Vannini, 2010; Cullen and Levitt, 1999). 나아가 도시민에게 심리적인 두려움을 유발하여, 삶의 질을 저하시키는 원인이 될 수 있다(김선재 외, 2022). 이처럼 도시민의 불안감은 도시공간의 질과 만족도를 저해하는 요소가 되므로, 안전한 도시환경을 조성하기 위한 정책의 추진이 필요하다(유광흠·진현영, 2012). 특히 범죄발생은 범죄자의 개인적 특성에서만 기인하는 것이 아니라, 도시 환경 및 특성에 의한 결과이기도 하므로, 범죄가 발생하는 공간의 특성에 대한 이해가 면밀히 이루어질 필요가 있다(황선영·황철수, 2003).

따라서 범죄가 발생하는 도시의 공간적 특성을 파악하는 것은 범죄를 예방하는 데 도움이 되며, 효과적인 방범 방안을 제시할 수 있고, 이를 통해 안전한 도시를 조성하는 데 기여할 수 있다(김선재 외, 2022). 본 연구에서는 이러한 필요성을 바탕으로 전체범죄 및 성폭력 위험도에 영향을 미치는 도시환경 특성을 파악하고자 한다.

기존의 범죄 발생과 관련된 연구들은 대부분 전역적(Global) 모형을 사용한 관계로, 개별 도시의 환경에 따른 방범방안을 파악하는 데 미흡한 측면이 있었다(장현석 외, 2021). 도시의 안전성 확보를 위한 방안은 환경과 기능에 따라 다르기 때문에, 각 도시 환경에 맞는 적합한 방범방안이 필요하다. 이러한 맥락에서 본 연구는 행정안전부의 생활안전지도 자료를 토대로 서울시 범죄 위험도의 공간적 분포를 파악하고자 한다. 또한 전역적·국지적 공간모형을 활용하여 범죄 위험도에 영향을 미치는 도시 특성을 파악하여 도시환경 특성에 적합한 방범방안의 적용을 위한 정책적 시사점을 제시하고자 한다.

본 연구의 공간적 범위는 서울시이다. 서울은 개인주의와 익명성 등의 도시 특성으로 인해 범죄에 있어서 취약성이 높은 곳이다(신상영·조권중, 2014). 또한 우리나라에서 인구가 가장 많이 밀집된 지역으로, 범죄 발생률이 높다는 점에서 실효성 있는 방범방안이 우선적으로 제시되어야 한다는 판단하에 대상지로 설정하였다. 분석단위는 행정구역의 최소단위인 행정동으로 설정하여 도시 위험도의 영향관계를 미시적으로 파악하고자 하였다. 시간적 범위는 생활안전지도에서 안전등급의 파악이 가능한 기간인 2018년 7월부터 2021년 6월로 설정하였다. 본 연구에서는 여성을 대상으로 한 성폭력이 증가하고 있다는 인식에서 전체 범죄와 성폭력을 분석대상으로 다루고자 한다(김현승, 2022).

서울시 범죄 위험도의 공간적 분포 및 영향관계를 파악하기 위한 본 연구의 분석방법은 다음과 같다. 첫째, 범죄의 전체적인 공간적 분포을 파악하기 위하여 범죄 위험도를 자치구별로 시각화한다. 둘째, 범죄 위험도의 공간적 자기상관성을 확인하고, 공간시차모형과 공간오차모형을 활용하여 범죄 위험도에 영향을 미치는 요인을 전역적으로 도출한다. 셋째, 지리가중회귀모형을 활용하여 범죄 위험도의 공간적 영향관계를 국지적으로 파악한다.

1961년 제인 제이콥스(Jane Jacobs)는 저서 “The Death and Life of Great American Cities”에서 도시 환경과 범죄의 상관관계에 대해 논하였다. 제이콥스가 제기한 ‘거리의 눈(Eyes on the Street)’은 거리의 활동이 증가하면 자연적 감시체계가 생성되고, 범죄 통제에 대한 책임 범위가 확대된다는 개념이다. 제이콥스는 사람들이 다양한 목적에서 가로공간을 이용할 때, ‘거리의 눈’이 작동하며, 범죄 발생의 가능성을 낮춘다고 설명하였다(류허·홍관선, 2020).

이후 1970년대, 레이 제프리(C. Ray Jeffery)는 저서 “Crime Prevention through Environmental Design”에서 적절한 건축설계 및 도시계획 등을 통해 범죄 발생의 기회를 줄이는 방어적인 디자인 개념을 제시하였다(주일엽·조광래, 2009). 또한 오스카 뉴먼(Oscar Newman)은 “Defensible Space”에서 방어공간의 개념을 제시하였다. 방어공간은 건축물의 구성이나 배치 등을 계획하여 거주자의 공간을 마련함으로써 쾌적한 환경이 조성되도록 계획하는 것을 의미한다(윤영일·이경선, 2021). 뉴먼은 방어공간을 강화하면 도시민에게 그 지역이 관리되고 있다는 것을 암묵적으로 보여주어 범죄를 예방할 수 있게 된다고 주장하였다(류허·홍관선, 2020; 박광현, 2017).

미국에서는 이상의 논의를 토대로 CPTED의 개념이 태동하였고, 이후 범죄예방을 위한 환경설계정책이 추진되었다(김병석·박진아, 2013). CPTED는 자연적 감시, 자연적 접근 통제, 영역감, 활용성 증대, 유지관리의 다섯 가지 원리로 구성된다. 먼저 자연적 감시는 보행자가 주변을 감시할 수 있도록 건물이나 시설물의 환경을 설계하는 것이다(경찰청, 2005). 자연적 접근 통제란 허가받지 않은 사람들의 진출입을 차단하여 잠재적 피해자에 대한 접근을 어렵게 만드는 것을 말한다(경찰청, 2005).

영역감이란 특정 공간을 주민이 자유롭게 이용하거나 점유하여 권리를 주장할 수 있는 영역을 의미한다(경찰청, 2005). 활용성 증대는 공공장소에 대한 사용을 유도하여 자연적 감시를 강화하고, 인근 지역의 범죄 위험을 감소시키는 것을 말한다. 마지막으로 유지관리는 시설물이나 장소가 설계된 의도대로 사용될 수 있도록 관리하는 것을 의미한다(경찰청, 2005; 김학범, 2017).

1979년 Cohen과 Felson은 일상활동이론을 발표하였다. 일상활동이론은 범죄자 중심의 담론에서 벗어나 범죄가 발생할 수 있는 상황과 범죄가 발생하는 조건을 분석하는 것에 초점을 둔다. 따라서 범죄자, 범죄 목표물, 보호자 부재의 결합으로 범죄의 발생 조건이 설명된다. 범죄자는 범죄동기를 가진 자이고, 범죄를 실행에 옮길 수 있는 존재를 의미하며, 범죄 목표물은 범죄자의 목표물이 되는 사람이나 사물을 의미한다. 마지막으로 보호자의 부재는 범죄를 저지할 수 있는 방어기제가 부재한 상태를 의미한다(홍명기 외, 2020).

일상활동이론에서 공간과 생활양식은 중요한 의미를 지니는데, 생활양식에 따라 특정 공간에서 범죄자가 범죄 목표물을 만날 수 있는 기회가 달라지기 때문이다. 일상활동이 생활양식의 변화와 결합하는 방식은 두 가지로 구분된다. 첫째는 거시적인 접근으로 Cohen과 Felson은 삶의 질에 영향을 미치는 활동인 노동과 여가활동, 1인 가구의 증가 등이 범죄요인에 영향을 미치는 것으로 설명한다(이현희, 1994; 최현아, 2003).

둘째, 미시적인 접근은 개인의 특성이나 생활양식의 차이에 따라 위험한 시간과 장소에 위치할 가능성이 높아진다는 관점이다. 따라서 생활양식에 따라 범죄의 위험 또한 달라지는 것으로 설명된다. 결과적으로 두 가지 접근방식은 생활양식에 따라 범죄가 발생하는 장소 및 양 등이 결정된다는 점에서 일치하는 가정을 보인다(이현희, 1994). 이상의 논의를 토대로 일상활동이론은 도시분야 연구에 도입되어 범죄발생의 영향요인을 규명하는 데 활용되고 있다(최현아, 2003).

도시범죄 및 치안 관련 선행연구를 고찰한 결과 주로 범죄의 공간적 패턴을 파악하거나, 범죄 발생에 영향을 미치는 요인을 분석하였음을 확인하였다.

이건학 외(2016)는 전국 시군구를 대상으로 성범죄 발생 건수를 시각화하고, 성범죄와 지역 환경요인 간의 상관성을 규명하기 위하여 다변량 회귀분석을 실시하였다. 이미숙·여관현(2021)은 전국 시군구를 대상으로 행정안전부 지역안전지수(교통사고, 화재, 범죄, 생활안전, 자살, 감염병)의 공간적 패턴을 파악하기 위하여 Moran’s I 및 LISA 분석을 실시하였다. 장현석 외(2021)는 서울시의 범죄수준을 행정동별로 시각화하기 위하여 행정안전부에서 제공하는 생활안전지도를 활용하였다. 살인, 강도, 방화, 성폭력, 폭력, 절도, 마약, 도박 범죄를 1부터 5등급으로 시각화하였으며, 공간적 자기상관성을 확인하기 위하여 Moran’s I 지수를 활용하였다.

그 외에 도시환경이 범죄 불안감에 미치는 영향을 설문조사를 통해 파악하거나(장세린·홍성조, 2021), 지리가중회귀분석을 실시하여 폭력범죄와 사회 구조적 변수 간의 관계를 규명한 연구와(염윤호, 2018) 성폭행 범죄발생에 미치는 사회 구조적인 영향을 검증하기 위하여 음이항회귀분석을 활용한 연구가 수행되었다(한민경, 2019).

그러나 선행연구들은 대부분 전역적 모형을 사용하여 범죄발생에 영향을 미치는 요인을 규명하였다. 국지적 모형을 활용한 일부 연구에서는 주로 사회구조적 측면의 변수를 대상으로 분석을 실행하여, 도시환경적인 측면에서 범죄에 영향을 미치는 요인을 파악하는 데 한계를 보였다. 본 연구에서 종속변수로 활용되는 치안등급을 활용한 선행연구는 공간적 자기상관성이 확인되었음에도 불구하고, 공간모형을 활용한 실증분석은 거의 이루어지지 않았다(장현석 외, 2021).

따라서 본 연구에서는 국지적 모형인 지리가중회귀모형을 활용하여 범죄 위험도에 영향을 미치는 사회구조 및 도시환경요인을 종합적으로 파악하고자 한다.

공간 데이터를 선형회귀모델의 변수로서 활용할 때 종속변수 또는 오차의 공간적 자기상관성이 발생할 수 있다. 종속변수의 공간적 자기상관성이 발생될 경우 선형회귀모델의 모수추정량이 편향되는 오류가 발생하는데, 공간회귀모형을 활용함으로써 이러한 오류를 보완할 수 있다(변필성, 2007).

본 연구에서 활용되는 공간회귀모형은 공간시차모형과 공간오차모형이다. 먼저 공간시차모형은 종속변수의 공간적 자기상관성이 발생할 경우에 사용되는데, 특정 현상으로 인해 나타나는 지역 간의 상호작용을 고려할 수 있다는 점에서 장점을 지닌다(변필성, 2007). 공간시차모형의 기본 식은 다음과 같이 표현된다.

(1)

여기서 y는 종속변수이며, W는 공간가중행렬, ρ는 공간가중치 행렬의 계수를 의미한다. 또한 X는 y에 영향을 주는 설명변수로 표현된다(이우정, 2015). 공간오차모형은 오차의 공간적 자기상관성이 발생할 경우 사용된다. 오차의 공간적 자기상관성은 현상이 발생하는 권역과 그 현상에 관한 데이터를 집계하는 구역이 불일치하거나, 공간적 자기상관이 발생하는 변수를 파악할 수 없어 회귀모델에 설명변수를 투입하지 못함으로 인해 나타날 수 있다(변필성, 2007). 공간오차모형의 식은 다음과 같다.

(2)

여기서 W는 공간가중행렬이며, λ는 공간자기회귀계수, λWϵ는 오차의 공분산이 반영되어 변화된 오차항을 의미한다. μ는 변수가 독립적이고, 동일한 분포를 가져야 한다는 가정에 대한 오차이다(이재송, 2014).

공간적 자기상관성을 검증할 때 가장 중요한 문제는 공간적 인접성을 정의하는 것이다. 공간적 인접성은 공간가중행렬을 통해 표현되며, 산출방식에는 Rook, Bishop, Queen 방식 등이 있다. 이 중 Anselin(2003)은 공간단위에서 수집된 데이터를 분석할 때 Rook 방식의 행렬이 보편적으로 사용된다고 하였으며, 이성우 외(2006)는 공간시차변수를 생성하는 데 필요한 공간가중행렬로서 주로 행표준화된 Rook 방식의 행렬이 사용된다고 언급하였다(이경아, 2016). 이에 본 연구는 선행연구를 고려하여 Rook 방식의 공간가중행렬을 적용한 공간분석을 실시하였다.

전역적 모델은 독립변수가 각 지역에 동일한 결과를 유발한다고 가정하며, 독립변수와 종속변수의 평균적인 관계를 제시한다(최성현·박선일, 2019). 그러나 지리가중회귀모형은 지역마다 회귀계수가 다르다고 가정하여, 군집으로 발생하는 현상을 규명하는 데 주로 사용된다(최성현·박선일, 2019).

일반적인 회귀분석과 비교할 때 지리가중회귀모형은 잔차가 작고, 공간적 의존성도 낮은 반면에, 위치정보와 결합되어 있기 때문에 GIS를 활용한 시각화가 가능하다는 장점이 있다. 반면에 독립변수가 종속변수에 미치는 영향이 지역마다 다르다고 가정하기 때문에, 결과의 해석이 어렵다는 단점이 있다. 본 연구에서는 이러한 문제를 해결하기 위하여 지리가중회귀모형에서 90% 수준으로 유의하게 도출된 결과를 제시하였다.

본 연구의 분석에 활용된 변수의 개념과 단위는 <Table 1>과 같다. 먼저 종속변수로 2018년 7월부터 2021년 6월까지의 생활안전지도 치안등급을 활용하였다. 치안등급은 “치안사고의 발생 건수를 토대로 산정된 1부터 5까지의 등급”을 의미하며, 등급이 높아질수록 치안사고가 상대적으로 많이 발생했음을 의미한다. 치안등급 자료는 지구대 및 파출소별로 등급이 설정되므로 종속변수로의 활용을 위해 본 연구의 공간적 범위인 행정동으로 가공하였다.

장현석 외(2021)에서는 다음과 같은 과정을 통해 지구대 및 파출소별 치안등급 자료를 행정동 단위로 변환하였다. 첫째, 지구대 및 파출소의 위치와 관할구역을 “서울특별시지방경찰청 경찰서의 조직 및 사무분장규칙”을 통해 파악하였다. 둘째, 관할구역에 따라 치안등급을 기입할 수 있는 양식을 설계하였다. 셋째, 행정동과 파출소의 관할구역을 매칭하고, 범죄발생등급을 입력하였다. 마지막으로 하나의 행정동을 관할하는 파출소가 복수일 경우 아래의 예시처럼 행정동의 치안등급을 산출하였다.

(3)

위의 산식은 단순한 가중치를 활용한 산술평균으로, 각 지구대 및 파출소의 관할구역의 수가 상이하기 때문에 원자료의 특성을 반영한 공식을 활용하였다(장현석 외, 2021). 본 연구는 선행연구에 근거하여 지구대 및 파출소별 치안등급 자료를 행정동 단위로 산출하였으며, 이를 ‘범죄 위험도’로 조작적으로 정의하였다. 종속변수인 범죄 위험도의 산출과정은 다음과 같다. 첫째, 지구대 및 파출소의 관할구역에 해당되는 행정동을 정리하였다. 둘째, 행정동별 지구대 및 파출소의 개수와 치안등급을 작성하였으며, 행정동별 범죄 위험도를 아래 공식을 통해 산출하였다.

(4)

본 연구는 각 행정동의 인구수와 면적을 고려하여 관할구역이 산출되었을 것이라는 판단하에 가중산술평균이 아닌 일반산술평균을 이용하였다. 지구대·파출소별 치안등급에서 행정동별 범죄 위험도로 가공된 자료는 치안등급이 합산된 결과이기에, 소수점이 발생하게 된다. 따라서 1부터 5까지의 범주형 자료였던 치안등급은 연속형 변수로 변환되었다. 본 연구에서는 종속변수로 전체 위험도와 성폭력 위험도를 고려하였다. 먼저 전체 범죄 위험도는 9대 범죄인 마약, 살인, 도박, 강도, 성폭력, 절도, 약취 및 유인, 폭력, 방화의 사고유형을 포함하므로, 도시의 전체적인 위험도를 파악할 수 있다는 점에서 종속변수로 설정하였다. 성폭력은 해마다 발생건수가 증가하고 있으며 사회적으로 많은 관심을 불러일으키고 있다는 점에서 본 연구의 또 다른 종속변수로서 고려하였다(이건학 외, 2016).

독립변수는 인구특성, 안전특성, 도시환경 특성으로 분류하였다. 인구특성으로는 유동인구의 개념인 생활인구, 청소년인구(정경석 외, 2009; 신상영·조권중, 2014; 박현수, 2018), 노인인구(김형준·최열, 2016; 한민경, 2019), 외국인인구(박종훈 외, 2017), 성비(신상영·조권중, 2014), 소득수준(조일형·권기헌, 2011), 1인 가구(한민경, 2019)를 고려하였다. 안전특성으로는 경찰서, 지구대, 파출소가 포함된 치안시설, 방범용 CCTV를 고려하였다(박종훈 외, 2017; 이건학 외, 2016). 마지막으로 도시환경 특성은 재개발·재건축(김연수·김종길, 2015), 버스정류장, 지하철역(김이슬·곽대훈, 2015; 김선재 외, 2022), 유흥시설(염윤호, 2018), 토지이용혼합도(김현중·이성우, 2011), 건물 층수(허선영 외, 2017), 건물용도(구지연·김기호, 2011; 김동근 외, 2007)를 고려하였다. 건물용도는 정규성 가정에 대한 충족을 통해 예측력을 높이기 위하여 로그 변환 값을 사용하였다(이영섭 외, 2006).

본 연구는 생활안전지도의 치안등급 자료를 이용하여 서울시 자치구의 범죄 위험도를 파악하였다. 범죄 위험도는 1부터 5까지의 등급으로, 숫자가 높아질수록 위험도가 높아짐을 의미한다.

먼저 전체 범죄 위험도에 있어서는 도봉구와 노원구가 1-2등급으로 상대적으로 안전한 자치구로 파악되었으며, 2-3등급으로 파악된 자치구는 총 16개로 과반수를 차지하였다. 3-4등급으로 확인된 곳은 성북구, 은평구, 서대문구, 성동구, 양천구, 관악구이며, 금천구는 4-5등급으로 전체 범죄에 있어 가장 위험한 자치구로 파악되었다. 성폭력 범죄에 있어서는 강북구, 도봉구, 노원구, 동대문구, 중랑구, 용산구, 동작구의 총 7개 자치구가 가장 안전한 1-2등급으로 파악되었다(<Figure 1> 참조).

Figure 1. 
Spatial patterns of crime risk

본 연구는 전역적 공간모형을 비교·분석함에 앞서, 다중공선성과 공간적 자기상관성 유무를 확인하였으며, 사용된 변수의 기초통계량 및 VIF 값을 파악하였다(<Table 2> 참조). 공간적 자기상관성의 검토를 위한 LISA 분석의 결과는 <Figure 2> 및 <Figure 3>과 같다. 먼저 종속변수인 전체 범죄 위험도와 성폭력의 Moran’s I는 각각 0.320, 0.285로 범죄를 활용한 선행연구에서 Moran’s I가 0.272~0.449를 나타낸 것과 유사한 값을 보였다(이연수 외, 2012; 장현석 외, 2021; 황종아·강지연, 2021). 국지적인 공간적 자기상관성을 나타내는 LISA 지도를 확인한 결과, HH 유형이 39개, LL 유형이 37개로 나타났으며, 서로 다른 방향성을 띠는 HL 유형과 LH 유형은 각각 6개와 4개로 확인되었다. 성폭력 위험도의 LISA는 HH 유형이 36개, LL 유형이 총 36개로 나타났는데, 안암동, 종암동 일대와 역삼동(1·2), 서림동, 서원동 일대가 HH 유형에 해당하고, 그 밖에 HL 유형은 9개, LH 유형은 4개로 나타났다.

Figure 2. 
Moran's I and LISA maps of overall crime risk

Figure 3. 
Moran's I and LISA maps of sexual violence