案事件时空格局演变分析*

叶 玲 ，陈 楠

（1.福州大学 福建省空间信息工程研究中心，福建 福州 350002；2.福州大学 空间数据挖掘与信息共享教育部重点实验室，福建 福州 350002）

0 引言

自古以来，不论是在经济方面还是在人身安全方面，犯罪问题都直接影响着人民群众的生活质量，同时对国家经济发展与社会和谐也有极大的影响。尤其是财产犯罪。21世纪，犯罪研究趋于多样化，如犯罪时空格局[1-2]、犯罪相关因素[3-4]、犯罪预测[5]及防控[6-7]。国内关于犯罪的研究主要集中在犯罪时空布局研究，但更多地是停留在理论层面，少有结合具体相关数据对某一地区进行实证研究。综合上述背景，本文以福州市为例，结合公安厅2008年～2010年数据，研究财产犯罪空间分布模式，引入Gini指数分析时间上的聚集程度，从不同时间尺度开展研究，较为完整地获得福州市财产犯罪的时空分布规律，为犯罪防控提供一定依据。

1 研究方法

1.1 财产犯罪人口重心

重心一词最初被引入社会经济学，用来评价事物或现象在地理空间上的均衡性状态，随后被应用于各个方面。本文利用犯罪人口重心模型分析2008～2010年的财产犯罪人口空间分布均衡性与演变特征。财产犯罪人口重心模型与人口重心模型一样：

式中，xb，yb分别为财产犯罪人口重心的横坐标与纵坐标，n为研究区域内空间单元数量，pi为i单元财产犯罪人口总数，xi，yi分别为i单元的横坐标与纵坐标。若将pi换为该位置的区域面积大小，可算出整个区域的几何重心。当财产犯罪重心与区域几何重心有明显差异时，该空间呈现不均衡分布，偏离方向表示其密集区位，偏离距离显示其不均衡程度[8]。

1.2 Gini指数

Gini指数主要是反映数据的集中程度，Brown利用Gini指数描述分析犯罪事件在空间上的聚集情况[9]。而本文通过Gini指数研究案事件在时间上的聚集状况。假设一个时间序列为 x1，x2，…，xn，则定义两序列间的 Gini指数为：

Gini集中指数 Ig取值区间为[0，1]，Ig值越接近 0说明数据分布越均匀，反之Ig值越靠近1则数据分布越集中。

2 案事件时空演变特征

2.1 空间特征

2.1.1 财产犯罪人口重心演变特征

利用重心模型与ArcGIS软件计算福州市2008～2010年的财产犯罪人口重心与总人口重心（表1），并将其移动轨迹可视化，如图1所示。

图1 福州市财产犯罪人口重心与总人口重心演变图

表1 福州市财产犯罪人口与总人口重心坐标

结果显示，2008～2010年的财产犯罪人口重心与总人口重心虽然都处在仓山区，但均偏离福州市几何重心（119°11′29″，26°2′20″）一定距离。 2008 年财产犯罪人口重心偏离几何重心1.57 km，2009年偏离距离减少为1.54 km，2010年继续减少至1.51 km，因此财产犯罪人口的分布处于不平衡状态，区域之间存在一定差异，但在这三年内，这种差异逐渐减少。整体上而言，总人口重心与财产犯罪人口重心都向北方偏移，不同的是财产犯罪人口重心的移动幅度更大，是总人口移动幅度的3倍左右，说明财产犯罪人口的空间结构更不稳定。另外两者的重心距离不断扩大，空间协调性持续弱化，表明影响财产犯罪的其他因素不断增强。

2.1.2 空间聚类分析

（1）热点识别

最邻近距离统计通过比较统计点间最近距离均值与随机分布模式最邻近点对的平均距离，判断统计点是否聚集。利用CrimesTat判断2010年四类财产犯罪是否聚集。结果如表2所示。

表2 福州市2010年四类财产犯罪邻近统计

福州市2010年盗窃等四类财产犯罪的最邻近R值都明显小于1，说明四类犯罪均呈现聚集情况。由统计检验值可以看出α=0.05时，案件 Z值均小于-1.96，此时P值为0.000 1，均小于0.05，表明其聚集呈高度显著。

（2）热点可视化

证明福州市四类犯罪热点的存在后，需将犯罪热点可视化。分级聚类能够直观反映犯罪热点区域，使各级相关部门明确相应级别的热点。本文使用CrimeStat与ArcGIS生成分级聚类图，如图2所示。

图2 福州市2010年四类财产犯罪层次聚类图

通过层次聚类分析得到热点区域的特点，如表3所示。一级聚类分布在较大的空间内，主要覆盖福州市区，热点集中在仓山区、鼓楼区与台江区，个数较多，面积较小，适用于民警、街道相关人员以及区级派出所管理；二级聚类热点主要集中在福州市区，个数较少，面积较大，主要为市级派出所提供参考；一级聚类盗窃最大热点面积偏小，聚类个数较多，说明盗窃在小范围内作案更集中，形成多个据点；诈骗最大热点面积最大，说明在市级范围内诈骗据点分布比较分散。

表3 福州市2010年四类财产犯罪层次聚类

2.2 时间特征

一般而言，一年中的每个月甚至是每一个小时，温度、湿度等因素都不相同。研究发现即使是一天内每小时的犯罪数量也都有很大的变化，不同时间段的犯罪活动次数并不相同[10]。

2.2.1 案事件月演变特征

分析福州市2008～2010年36个月的财产犯罪数据，了解其在时间上的演变特征，如图3所示。虽然犯罪数量存在波动，但整体上在不断上升。由于在春节期间，罪犯也进入“休假期”，2月份波动幅度最大，因此可以认为2月份是一年犯罪活动的最佳起始时间。

图3 福州市2008～2010年财产犯罪演变图

盗窃等四类案件在一年内存在不同的分布特征，计算3年内1～12月各类犯罪活动的平均发生率，结合Gini指数考察不同犯罪类型在时间上的聚集情况 （表4、图4）。结果表明盗窃案在12月至次年2月份呈低谷状态，随后在平稳中逐渐上升，秋季达到最高点，聚集程度偏高；抢劫案与抢夺案在4月份与5月份的犯罪率最高，抢夺案比抢劫案更为聚集。由此可见季节对不同类型财产犯罪存在一定的影响，并且影响程度并不相同。

表4 一年内盗窃等4类犯罪活动Gini指数

图4 各类财产犯罪活动各月犯罪率分布图

2.2.2 案事件日演变特征

整理福州市2010年全年6万余条财产犯罪数据，分析从 00∶00点～23∶59点的犯罪数量分布情况，绘制 24小时财产犯罪数量分布图（图5）。

财产犯罪数量在凌晨5点处于最低值，下午6点处于最高值，因此可以认为凌晨5点是一天犯罪活动的最佳起始时间；财产犯罪主要在 08∶00～20∶00点间活跃。

图5 福州市2010年财产犯罪一天分布图

由于作案方法、手段等性质不同，不同类型的财产犯罪即使在一天内也具有不同的时间分布。从05∶00开始至第二天 04∶59的 24小时分布情况（图6），了解到凌晨5点是犯罪事件低发期，因为该时段出行量最低；不同的是盗窃、抢夺在傍晚7点左右犯罪率比较高，抢劫在夜晚10点较多；相反地，诈骗则在上午10点左右比较常见。从Gini指数了解到四类犯罪聚集程度都比较高（表5），相对而言盗窃则显得分布比较均匀，诈骗从8∶00～15∶00 7个小时犯案率占据全天总数 70%，同样地抢劫从20∶00～02∶00点 6个小时犯案率达 53%。总体而言，诈骗活动以白天为作案时间，抢夺与抢劫以夜晚为主，盗窃则大部分时段都会较频繁发生。

图6 福州市2010年四类犯罪一天各时段犯罪率

表5 福州市2010年四类犯罪一天各时段Gini指数

3 案事件时空格局形成因素

3.1 空间影响因素

财产犯罪要素主要包括吸引物与犯罪机会，罪犯通常会选择吸引物价值高，犯罪机会大而被捕风险小的地方下手。福州市这三年中人均GDP上升一万多元，各种商业区、娱乐区不断发展，人口成分复杂；同时流动人口增多，至 2010年达到 2 500人/km2，但是人与人之间的监护能力下降，导致福州市各类犯罪事件呈上升趋势。其中福州市区GDP就占到全市50%，具有高度犯罪诱惑力；人口密度达到2 800人/km2，人流、物流、信息流流动强烈；城市高层建筑集中，容易形成“空间死角”；再者公共场所多是陌生人，彼此之间关系度不高，根据社会解组理论[11]，人与人之间的隔离会使更多人产生犯罪的动机。可见经济发达、人口密集及监护能力是案事件发生的几个重要原因。

3.2 时间影响因素

Cohen提出的日常活动理论最初用于财产犯罪[12]，现在主要用于解释犯罪在时间上的分布差异。日常活动理论犯罪的发生主要有三个因素：合适的目标、有动机的罪犯以及监护能力的缺失。

不同季节，气温、降雨量等不同，通过人的神经感受器、下脑与内分泌腺等对人体产生一定的影响，使人出现相应的生理变化，从而影响某一类犯罪的涨跌[13]。福州市冬季受极地大陆气团影响，气温偏低，居民出行率降低，盗窃案减少；秋季暮夜深暗，隐蔽度高，刺激行为人犯罪动机，盗窃作案容易得手。另外福州为河口盆地地形，在夏季易出现热岛效应，人的感知度升高，“两抢”事件呈下降趋势。春秋季节气温舒适，城市出行率增高，良好的作案环境与机会使犯罪增多，诈骗案件数量上升。可见季节对犯罪的类型影响主要是通过影响人的生理状况来影响人的情绪，从而影响人的行为，所以各类型犯罪基本上都会在一年中形成不同程度的聚集状态。同样的，一天24小时之内也存在温度、感知度、可见度以及出行量等因素的差异，故而聚集成不同的热点时段。

4 结论

本文选取福州市为研究区域，研究不同类型犯罪事件的空间分布特征，并从不同时间尺度分析盗窃等四类犯罪事件在时间上的演变规律，研究结果表明：（1）基于区域中心模型发现，犯罪人口重心与人口重心都偏向区域几何重心的东南方向，但是犯罪人口逐年趋向于均衡分布。（2）盗窃等四类财产犯罪均呈聚集分布模式，并且热点都处在福州市区。（3）近年来财产犯罪呈不断上升趋势，由于受到气候、警力部署、出行量等因素以及犯罪类型自身性质的影响，不同类型财产犯罪在不同的时间尺度上存在不同的聚集状态与分布规律。

[1]王行汉，陈永康，扶卿华.基于GIS的抢劫盗窃犯罪时空变化特征分析——以广州市为例[J].测绘与空间地理信息，2012，35（9）：148-150，155.

[2]GUO D，WU J.Understanding spatiotemporal patterns of multiple crime types with a geovisual analytics approach[M].In Crime Modeling and Mapping Using Geospatial Techologies： Springer，2013： 367-385.

[3]PENG C，XUEMING S，HONGYONG Y，et al.Assessing temporal and weather influences on property crime in Beijing，China[J].Crime，Law and Social Change，2011，55（1）：1-13.

[4]COHN E G，ROTTON J.Even criminals take a holiday：Instrumental and expressive crimes on major and minor holidays[J].Journal of Criminal Justice，2003，31（4）：351-360.

[5]陈鹏，疏学明，袁宏永，等.时空犯罪热点预测模型研究[J].系统仿真学报，2011，23（9）：1782-1786.

[6]王发曾.城市犯罪空间盲区的综合治理研究[J].地理研究，2010，29（1）：57-67.

[7]王发曾.我国城市犯罪空间防控研究二十年[J].人文地理，2010，25（4）：25-30.

[8]李秀彬.地区发展均衡性的可视化测度[J].地理科学，1999，19（3）：254-257.

[9]LIU H，BROWN D E.Criminal incident prediction using a point-pattern-based density model[J].International Journal of Forecasting，2003，19（4）： 603-622.

[10]陈鹏，疏学明，颜峻，等.犯罪活动在一天内的发生时间规律 [J].清华大学学报 （自然科学版），2009，49（12）：2032-2035.

[11]SHAW C R.Delinquency areas[M].Chicago：University of Chicago Press，1929.

[12]COHEN L E，FELSON M.Social change and crime rate trends：A routine activity approach[J].American sociological review，1979，44（4）： 588-608.

[13]杨再明，秦扬.犯罪学[M].四川：四川大学出版社，2004：149.