▮ DATA & METHODOLOGY

데이터

이 서비스가 사용하는 데이터의 출처와 업데이트 일자, Safety Index 산식, 데이터 모델과 운영 원칙을 공개합니다.

▮ 01 · DATA SOURCES

데이터 출처

Active ProviderFIRESTOREFirebase Firestore에 적재된 테스트 데이터 · NEXT_PUBLIC_DATA_SOURCE=firestore

NOTICE현재 표시되는 모든 수치는 개발·시연용 테스트 데이터입니다. 규모와 추세는 공개 통계와 비슷하게 설계되었지만 실제 통계가 아니며, 아래 출처 목록은 실데이터 연동 시 사용할 원천을 나타냅니다.

LOADING SOURCES

▮ 02 · SAFETY INDEX METHODOLOGY

Safety Index 산식

Components & Weights

같은 레벨(시도끼리 / 시군구끼리)의 지역을 대상으로 계산

5대 범죄
MAJOR 5
살인·강도·성범죄·절도·폭력, 인구 10만 명당
30%
강력범죄
VIOLENT
살인·강도·성범죄, 인구 10만 명당
25%
최근 증가율
GROWTH
전체 범죄 전년 대비 증가율
20%
인구 대비
PER CAPITA
전체 범죄, 인구 10만 명당
15%
기타 범죄
OTHER
사이버·보이스피싱, 인구 10만 명당
10%

Formula

정규화와 합산

risk_k    = minmax(value_k) ∈ [0, 1]      // 같은 레벨 내, 높을수록 발생 통계 높음
RISK      = Σ_k  weight_k × risk_k
SAFETY    = 100 − RISK × 100              // 높을수록 통계상 안전
CRIME IDX = 100 − SAFETY

min-max 정규화는 비교 대상 지역 집합의 최소값을 0, 최대값을 1로 두는 상대 척도입니다. 모든 지역의 값이 같으면 0.5로 처리합니다.
최근 증가율은 전체 범죄 건수의 전년 대비 변화율이며, 전년도 데이터가 없는 2018년에는 지수를 계산하지 않습니다.
인구 대비 항목은 주민등록 인구를 분모로 합니다. 관광객·출퇴근 유동 인구가 많은 지역은 체류 인구 기준보다 발생률이 높게 계산될 수 있으므로, 지수는 절대 안전도가 아닌 통계상 상대 비교로 해석해야 합니다.

▮ 03 · DATA MODEL

데이터 모델

Common Schema

TypeScript 타입 · src/lib/data/types.ts

// 공통 정규화 스키마 (기획서 §20)
Region        { code, name, shortName, nameEng, level: 'sido' | 'sigungu', parentCode?, population, centroid: [lng, lat], areaKm2 }
CrimeStat     { regionCode, level, year, crimeType, count, ratePer100k }
TimeProfile   { regionCode, year, crimeType, byHour[24], byDay[7], byDayHour[7][8] }   // 8 = 3시간 구간, 값은 비중(합 = 1)
TrafficStat   { regionCode, level, year, accidents, deaths, injuries, byType: { carToCar, carToPerson, carAlone }, ratePer100k }
PoliceFacility{ id, name, type: 'station' | 'district' | 'substation', regionCode, lng, lat }
DataSource    { id, title, publisher, url, updatedAt, usedFor[] }

// 모든 통계 레코드의 공통 축
region  · year  · crimeType  · count  · ratePer100k  · source  · updated_at

Firestore Collections

읽기 전용 · 쓰기는 Admin SDK(시드/ETL)만 허용

regions
/{code}
시도(2자리)·시군구(5자리) 행정구역, 인구·중심점·면적
crime_series
/{code}
지역 1개의 전 연도 × 범죄 유형 [발생 건수, 10만 명당 발생률] 묶음
crime_time
/{code}_{year}
지역·연도별 7개 범죄 유형의 시간대·요일 프로필 (7×8 행렬은 56개로 평탄화)
traffic_series
/{code}
지역 1개의 전 연도 교통사고 건수·사망·부상·유형 묶음
police_facilities
/{sigunguCode}
시군구 1개의 경찰서·지구대·파출소 목록 (sidoCode 필드로 시도 단위 조회)
meta
/sources
데이터 출처 목록(items)과 생성 시각(generatedAt)

연도 범위 2018–2024 · 범죄 유형 murder, robbery, sexual, theft, violence, cyber, voicePhishing (+ 파생 total, major5, violent, property, financial) · 지역 코드는 통계청 행정구역 코드(시도 2자리, 시군구 5자리, parentCode = 앞 2자리).

▮ 04 · PRINCIPLES

운영 원칙

No Prediction

기획서 §29 · 예측이 아닌 통계 패턴 분석

서비스의 모든 수치·순위·지수는 과거 기록의 통계 패턴이며 미래의 사건 발생을 예측하지 않습니다.
표현 분류는 HISTORICAL RISK(과거 발생 통계)와 STATISTICAL PATTERN(시간·요일·유형 분포) 두 가지만 사용합니다.
“범죄가 일어날 것”, “위험이 예상됨”과 같은 예측 어휘를 사용하지 않고, “발생 통계가 높은 지역”, “증가세가 나타난 지역”처럼 기록에 근거한 표현만 사용합니다.
데이터 스토리와 지수 설명에는 항상 출처·기준 연도·산식을 함께 표기합니다.

Privacy & Fairness

기획서 §30 · 개인정보 없음, 지역 단위만

개인 식별이 가능한 정보(사건 당사자, 주소, 차량 등)는 어떤 형태로도 수집·표시하지 않습니다.
모든 통계는 시도·시군구 단위로만 집계·표시하며, 그보다 세밀한 위치 정보는 경찰시설의 공개 주소 외에 제공하지 않습니다.
특정 지역을 “위험 지역”으로 낙인찍는 라벨·색상·문구를 사용하지 않습니다. 순위와 지수는 통계상 상대 비교이며 거주·방문 판단의 근거로 제시되지 않습니다.
인구 대비 지표의 한계(유동 인구, 신고율 차이, 집계 기준 변경)를 명시합니다.

▮ 05 · UPDATE PIPELINE

데이터 갱신 파이프라인

Flow

기획서 §19–22 · 현재는 시드 스크립트로 적재, 자동 수집은 후속 단계

PLANNED

01
PUBLIC DATA
공공데이터
공공데이터포털 · TAAS
→
02
COLLECTOR
수집기
Cloud Run (예정)
→
03
NORMALIZE
정규화
공통 스키마 변환·지역 코드 매핑
→
04
FIRESTORE
저장소
읽기 전용 컬렉션
→
05
CDN
배포
Firebase Hosting · 정적 export
→
06
USER
사용자
브라우저에서 Repository 조회

수집기는 공공데이터포털 API와 TAAS 파일을 주기적으로 가져와 공통 스키마로 정규화한 뒤 Firestore에 적재하고, 정적 사이트는 CDN을 통해 배포됩니다. 갱신 일자는 meta/sources에 기록되어 모든 화면 하단의 SOURCE 푸터에 표시됩니다.