入室盗窃犯罪时段分布特征分析

陈 鹏 瞿 珂 胡啸峰 曾昭龙

（1 中国人民公安大学信息技术与网络安全学院 北京 102600；2 北京市公安局情报信息中心 北京 102300）

在犯罪活动的特征中，犯罪时间是一个非常重要的描述性条件，利用犯罪时间这一特性有利于人们从时间的角度研究犯罪活动的发生规律，并在此基础上开展案件分析和犯罪人行为分析，以及相关防控对策的研究[1-2]。近些年来，人们从犯罪学、统计学和公安学等领域对犯罪的时间性特征进行了一些研究，从分析的角度上看，关于犯罪的时间性研究大致可以分为长期、中期和短期三个层次，其中，长期层面上的犯罪时间研究侧重于从年、季度等来分析犯罪活动的规律[3-4]；中期层面犯罪时间研究则主要集中在月份和周的犯罪规律分析[5]；短期层面上的犯罪时间研究则主要是分析不同时段上的犯罪分布特点[6-7]。相比于犯罪的长期和中期分析，犯罪短期分析的实战意义和价值性更高，但同时存在的问题也较多，主要体现在小颗粒度下犯罪活动的准确时间难以确定。

在目前关于犯罪时段特征的研究中，人们主要是以受害人的报案时间作为分析依据，这种处理方式对于抢劫、扒窃等近身接触式犯罪类型影响较小，但对于某些案件（尤其是侵财类案件）来说，由于犯罪人的作案目标并非受害人本身，而是其相关的财物，因此，犯罪人的作案时机往往会选择受害人对其财物的监管缺失的时间区间内（时间盲区），这样一来，人们对于犯罪的准确发生时间便会难以把握，而仅能根据受害人对其财物失去监管的时间盲区间隔来进行模糊推断。这种情况在长期和中期的犯罪时间分析中不会受到太大的影响，因为大颗粒度的分析能够对小颗粒度下产生的时间偏差进行过滤，但是在时段分析这种小颗粒度一级的分析中，这种犯罪时间的模糊性特点往往会对分析结果产生很大的影响。然而在现有的关于犯罪的时段性特征分析中，这种小颗粒度下的犯罪时间模糊性对犯罪时段分布特征的影响还尚未受到更多的关注。对此，本文以某市入室盗窃这一典型的高发类侵财案件为样本，分别从时段概率分布和报案时间两个角度来研究犯罪的时间分布特征，并对两种时间分析的结果进行比较分析。

1 时段概率分析方法

时段概率分析方法是一种专门针对小颗粒度下犯罪时间模糊性的分析方法，由Jerry Ratcliffe于2002年提出[8]，其基本原理是根据报案数据中的两个时间——起始时间和终止时间来计算犯罪时间盲区的发案概率分布，如图1所示。所谓的起始时间是指受害人时间盲区间隔的起点，终止时间是受害人时间盲区间隔的终点。现设案件数量为n，每个案件的起始时间为si，终止时间为fi，i∈1…n，则犯罪时间分布具体的计算方法如下：

步骤1：对第i个案件，计算所有案件的起始时间和终止时间的时间间隔td，其中td＝fi－si；

步骤2：以起始时间所在时段si为区间起点，终止时间所在时段fi为区间终点，区间内每个时段赋以相应的概率值1/（fi－si）；

步骤3：对每个时段内n个案件所产生的概率值进行加和，最终得到犯罪活动的时段分布。

图1 时段概率分析方法原理示意图

从时段概率分析方法的原理可以看出，该方法将每个案件的时间盲区折合为各个时段相应的概率，进而计算出整个案件集合在各个时段的发案概率，有效地避免了细颗粒度下案发时间模糊性的影响。

2 数据来源

为比较不同犯罪时间分析方法的差别，本文收集了某市2017年1月至6月间入室盗窃案件记录共计1459条，通过分析案件记录的简要案情，可以获得每个案件的起始时间和终止时间，其中，仅对时间盲区间隔在24小时以内的案件进行分析。经过滤后最终得到有效分析数据为1282条。

对数据中的三种情况分别进行处理如下：

（1）起始时间和终止时间在同一时段，如起始时间为13时12分，终止时间为13时45分，则按照相同时段计算，时间间隔为0；

（2）起始时间和终止时间在同一天不同时段，如起始时间为7时32分，终止时间为14时19分，则直接计算时段的时间间隔，并将概率赋予各个时段；

（3）起始时间和终止时间不在同一天，但相隔时间小于24小时，如起始时间为17时13分，终止时间为次日4时49分，则计算时段的时间间隔，但将概率赋予起始时间至24时、0时至次日终止时间内的时段。

3 数据分析

首先，对所有案件计算其时间盲区的间隔，并统计其分布频率如图2所示。从图2可见，对入室盗窃案件，受害人从离开现场到回到现场发现失窃的时间盲区间隔大多较短，其中超过20%的案件其时间盲区间隔为1小时左右，12%的案件其时间盲区间隔为2小时左右，但随着时间盲区的间隔越长，发案的比例就会越低。这一现象表明入室盗窃案件的时间盲区间隔具有一定的集中性，其中，在受害人的短时外出行为期间发案频率较高。

图2 入室盗窃案件的时间间隔分布

运用时段概率分析和报案时间分析，对入室盗窃案件的犯罪时段规律进行研究，为方便比较，对犯罪活动在不同时段的发生次数进行归一化处理。设y1～y24分别为各时段的犯罪发生次数，则各时段的犯罪发生率为：

分析结果如图3所示。从图3可见，基于时段概率分析方法得到的犯罪时段分布与基于报案时间得到的犯罪时段分布存在有一定的相似度，通过利用相关系数检验法可以得到两个时段分布的相关性为0.627（p＜0.001）。但在某些时段的分布上两个数据序列存在有较大的差别，具体表现为两个主要特点：一是从整体来看，基于报案时间得到的犯罪时段分布波动性较大，存在有两个明显的犯罪高发区间，一个为7～12时，一个为14～20时，而基于时段概率分析得到的犯罪时段分布则相对稳定，仅有一个明显的犯罪高发区间，其范围为14～18时；二是在夜间发案上，基于报案时间得到的犯罪时段分布中，1～6时显示为低发案时段，这期间每个时段的发案总量占比不到1%。但在基于时段概率分析得到的犯罪时段分布中，从0～8时期间的发案量则维持在一个相对较高的水平上（每个时段发案总量占比约为3%左右）。

图3 基于时段概率和报案时间的入室盗窃犯罪时段分布

为从统计分布上分析两个犯罪时段分布的差异，对其按照发案比率进行累积加和，得到累积分布曲线，随后，利用K-S（Kolmogorov－Smirnov test）统计检验方法分析两个分布曲线的差异性。K-S检验是一种基于累积经验分布函数比较两个经验分布是否存在显著性差异的统计方法。假定两个样本的样本量分别为n1和n2，用f1(x)和f2(x)分别表示两个样本的累积经验分布函数，记Dj=f1(xj)-f2(xj)，检验（2）中的统计量是否为近似正态分布。

利用R语言工具包对数据进行分析，结果为：D=0.208，p=0.675。该结果表明，分别由基于报案时间和时段概率产生的犯罪时间数据序列之间没有明显区别，如图4所示，两个数据序列具有相同的数据分布特征，因此，可以在此基础上进一步开展比较分析。

图4 基于时段概率和报案时间的入室盗窃犯罪发案累积分布曲线

在犯罪时段分析中，数据序列的集中性程度是反映犯罪时段分布的一个重要特征。为了比较两种犯罪时段分布的聚集性特征，引入Gini集中指数对两个时段数据进行分析[9]。Gini集中指数是一个反映数据集中程度的指标。对一个时间序列，x1,x2…xN（N为序列长度），可以定义参数Fi与Qi如下：

对于最小集中，R=0，对最大集中，R=1。R一般为0和1之间的数值。

利用Gini集中指数，对两种犯罪时段分布数据进行分析，得到基于报案时间分析的犯罪时段分布Gini指数为0.168，而基于时段概率分析得到的Gini指数为0.087，即基于报案时间的犯罪时段分布比基于时段概率的犯罪时段分布具有更高的集中性。

4 结论

通过对某市入室盗窃案件数据运用报案时间和时段概率两种方法进行犯罪时间分布特征分析，可以发现两种方法生成的犯罪时段分布在统计上属于同一种统计分布，且相关度较高，但在集中性程度上存在有一定的差别，具体表现为基于报案时间的犯罪时段较基于时段概率的犯罪时段分布在7～12时具有较高的集中性，但在0～7时之间的分布水平较低。

实际上，对于入室盗窃这种犯罪类型来说，其发案时机一般集中在受害人对室内监管最为薄弱的时间，即不在现场。而从人们的日常活动规律来看，7～24时属于人们的日常活动频率较高的时间段，因此，在这一时间区间内发生入室盗窃的可能性总体上要高于夜间，这一点在两种方法上均得到了有效的体现，即7～24时的发案比重高于0～7时。但从人们的作息规律角度，由于0～7时属于人们的常规休息时间，在该时段内发生的入室盗窃行为一般难以及时发现，因此，容易导致7时后受害人集中报案的情况发生，所以从这一点来看，基于报案时间的犯罪时段分布对于0～7时间段的发案情况容易产生低估的效果，而相比之下，基于时段概率的犯罪时段分布则更为合理。

参考文献：

[1] 戴莉.城市“两抢一盗”犯罪的时间规律及打击防范对策研究[J].武汉公安干部学院学报,2007(4):21-25.

[2] 方颖,郭冯宇.城市入室盗窃的犯罪时间分析及对策探讨——以二线城市X市Y区为例[J].四川警察学院学报,2015(5):13-19.

[3] 王仲伸.未来五年崇文区犯罪增长趋势预测和行动对策[J].北京警察学院学报,2006(1):88-95.

[4] 朱德林.犯罪季节变动稳定性及其测定[J].江苏警官学院学报,2006(3):36-40.

[5] 陈谦信.犯罪的时间特性[J].理论与现代化,2009(4):113-117.

[6] 张宝义.城市农民工犯罪的时间规律及分析——以天津市为背景的研究[J].中国人民公安大学学报(社会科学版),2006(1):105-108.

[7] 王春林.农民工犯罪时间特征[J].河北公安警察职业学院学报,2010(4):43-45.

[8] Ratcliffe J H. Aoristic signatures and the spatio-temporal analysis of high volume crime patterns[J]. Journal of quantitative criminology,2002(1):23-43.

[9] 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(12):2032-2035.