城市新区犯罪数量与犯罪危害程度空间分异规律研究

李琛，吴映梅*，高彬嫔，郑可君，2，武燕

（1.云南师范大学地理学部，云南 昆明 650500；2.云南省社会科学院，云南 昆明 650000）

平安是国家繁荣富强的基本前提，是人民幸福安康的基本要求。平安中国建设是实现中华民族伟大复兴“中国梦”的重要保障。近年来，我国正不断提高平安中国建设的能力和水平，严重刑事案件、重大公共安全事故、重大群体性事件得到有效控制，犯罪活动的减少成为其中一项重要内容［1］。建设更高水平的平安中国，需要依法严厉打击各类违法犯罪活动，深入开展扫黑除恶专项斗争［2］。目前，我国正处于社会经济矛盾激化的转型期，社会矛盾多发高发态势短期内难以改变［3］，如何防控犯罪活动成为社会公共安全和平安中国建设亟待解决的问题。

由犯罪活动引起的社会公共安全问题一直是社会关注的重点问题［4］。地理环境是影响犯罪活动的重要因素，犯罪地理学正是一门研究犯罪现象的空间分布、演变及其分异规律，并进行防控的科学［5］。20 世纪20～30 年代，芝加哥学派最早提出了社会解组理论［6］，与1979 年COHEN［7］提出的日常活动理论成为对犯罪地理学研究影响深远的两大理论。随着遥感技术和空间分析方法在犯罪地理研究中的广泛应用，犯罪活动的空间分析得到迅速发展，研究视角逐渐转向不同尺度下建立模型，并分析犯罪数量的空间分异及其影响因素［8-9］，并将在城市环境、社会经济要素及城市公共设施、路灯灯光等要素下犯罪活动空间分布的形成机制［10-12］、犯罪活动空间预测［13］以及犯罪危害的空间分布［14］作为研究重点。

国内犯罪地理学研究起步较晚，可分为3 个阶段。20 世纪80 年代，处于理论探讨阶段，主要介绍了国外理论，总结和提出了犯罪地理学的概念，指出了犯罪活动的地域性、综合性、技术性［15-16］；90 年代，处于实证研究初探阶段，由于犯罪数据获取难度较大，对城市内部犯罪事件的实证研究较少［17］，进展缓慢；21 世纪后，随着国家对社会公共安全领域与平安中国建设的关注，以及犯罪地理学在打击和预防犯罪行为中发挥的重要作用，学者们开始从多渠道获取空间属性的犯罪数据，且多以城市中心区域为研究区探究城市犯罪问题。在犯罪活动空间上，从时间尺度［18］、空间尺度［19］、犯罪类型［20］、犯罪场所［21］以及涉事主体［22-23］等方面开展研究，取得了相当的研究成果。在数据与方法上，选择多源数据如调查问卷、土地利用数据、POI 数据等，采用因子分析［24］、似不相关回归［25］、负二项回归［26］等方法探究犯罪活动空间分布的影响因素，预测犯罪活动空间分布［27］，并对犯罪危害程度空间分布［28］进行了初步探索。总体上，已有研究主要存在2 点不足：一是主要关注发达城市中心区域犯罪空间静态问题，缺乏对快速发展下城市新区犯罪活动空间演变的动态分析；二是对犯罪危害程度空间分布的研究尚处于探索阶段。鉴于此，研究犯罪数量和犯罪危害程度的空间分异格局在一定程度上对犯罪地理学的理论研究具有借鉴意义，同时也是防控犯罪和建设社会公共安全的迫切需求。

云南省昆明市呈贡区是我国城市新区中城镇化速度最快的区域之一，兼具昆明市行政中心、教育中心、信息产业中心、花卉市场中心、物流中心等多种功能，以及城市功能复杂性、发展快速性等多重属性。急速和复杂的城市变化极易引发社会公平缺失、犯罪活动滋生、社会信任缺失等一系列社会公共安全问题。本文以呈贡区为代表，基于2015、2017、2019 年3 期犯罪活动空间数据，采用多种GIS 空间分析方法，分析犯罪数量与犯罪危害程度的空间分异特征，试图揭示城市新区犯罪活动的空间演变规律，明确犯罪数量与犯罪危害程度在空间格局演化中的差异，提出防控犯罪的空间优化方案，以期为城市新区的犯罪防控与城市治理提供借鉴。

1 研究区概况与数据来源

1.1 研究区概况

呈贡区（24°42′01″N～24°59′36″N，102°45′13″E～102°59′58″E）隶属于云南省昆明市（图1），是昆明“两核一极”城市格局中的一核和通往滇东、滇南的重要枢纽。2011 年，呈贡区作为建设“现代新昆明”的先行区和主战场实现撤县设区，成为昆明市人民政府所在地，下辖龙城、斗南、吴家营、雨花、洛龙、乌龙、马金铺、大渔、洛羊和七甸10 个街道。2013 年，呈贡区先后被英国《金融时报》和美国《外交政策》称为“鬼城”。2014 年，昆明市地铁1 号、2 号全线贯通，将主城区与呈贡区串联起来。2016 年12 月，云南省第1 个高铁站——昆明南站（位于呈贡区）正式通车。云南大学等多所高校先后迁至呈贡区，基础设施不断完善，截至2019 年，呈贡区完成地区生产总值476.79 亿元，同比增长10.8%，增速位列全市第一。自此，呈贡区彻底摆脱“鬼城”称号，成为中国城市化速度最快的城市之一。与此同时，呈贡区犯罪活动频发，给居民的财产和安全及呈贡区平安中国建设带来了极大挑战。

图1 研究区区位示意Fig.1 Location map of the study area

1.2 数据来源

犯罪案例数据来源于中国裁判文书网（https：//wenshu.court.gov.cn）。基于2014 年1 月—2020 年10 月公开的3 894 份一审刑事判决书，通过剔除案情重复、案发地点不明、与地理空间无关的案件，整理筛选出2015、2017、2019 年的刑事案件共900 起，通过高德地图、百度地图地理编码识别与人工识别结合，获取案发地的经纬度、作案时间、罪名、处罚结果等，并将地图坐标系校正为世界大地测量系统（WGS84 坐标系）。

2 研究方法

2.1 犯罪危害程度界定

不同的犯罪活动其危害程度也不同，法院对每起案件的刑罚轻重可较客观地反映其社会危害。然而，在裁判文书中，一起案件并不表示只在一地发生犯罪活动，通常存在多地作案、团伙作案、团伙多地作案等情况。刑罚轻重是基于所有犯罪危害程度而判定的，存在偏差。为进一步真实反映犯罪危害程度的空间分布情况，本文参照文献［28-29］的研究成果，并进行修正。以主刑刑期和附加刑罚金为依据，对二者加权、折算、求和，得到月数，将其作为衡量犯罪危害程度的单位。在主刑刑期中，管制的权重为0.3，拘役的权重为0.5，无期徒刑和死刑分别赋值400 和1 000 个月。在附加刑罚金中，按当年呈贡区最低工资标准折合为月数，因罚金的刑罚轻于有期徒刑，将该值乘以0.5。对于多地作案，根据刑罚程度按地点做平均处理，一旦发生犯罪，无论大小都会产生危害，故将当年同类型个案刑罚程度的最小值和平均值的和作为多地作案中某地的危害程度。对于团伙作案，将刑罚程度相加，可能导致罪犯多而危害小的案件危害程度估值偏高，故以刑罚程度最高的罪犯的危害程度为基准，每增加一人，危害程度增加10%。对于团伙多地作案，基于团伙作案危害程度，对多地作案情况进行修正。

2.2 空间分异格局研究方法

核密度估计（kernel density estimation，KDE）法被广泛用于点位数据的空间集聚分析，充分体现了地理现象中空间扩散的距离衰减规律，是犯罪地理研究中最常用的方法之一［18］。采用ArcGIS10.8 软件中空间分析模块的KDE 法，将犯罪数量和基于犯罪危害程度加权的犯罪活动点位空间分布信息以连续图示表达，为方便对比，将核密度带宽设为1 000 m，探究犯罪数量与犯罪危害程度在演变过程中的空间结构变化特征。

犯罪集中度是基于WEISBURD［30］提出的犯罪集中定律（law of crime concentration，LCC）的衡量指标，即大部分犯罪活动集中在城市的特定小区域内。通常，用城市累积25%和50%的犯罪数量所在的微观地理单元的百分比（网络比重）衡量，所占比重越小，犯罪越集中。统计累积25%和累积50%的犯罪数量与犯罪危害网格在总网格中的占比，用以判断昆明市呈贡区犯罪数量和危害空间分布的集中程度。

空间自相关分析是对空间单元属性值集聚程度的一种度量，旨在空间上测度某点属性值是否与其邻近点存在相关性［31］，其包括全局空间自相关（Moran'sI）和局部空间自相关（G*i）。将研究区划分为1 978 个500 m×500 m 网格分析单元，采用Queen 邻接空间权重矩阵，通过Geoda 软件计算犯罪数量和犯罪危害程度的Moran'sI值，判断其空间分布的集聚程度。计算二者的G*i值，判断其热点区域及分布差异。

标准差椭圆（standard deviation ellipse，SDE）法是研究空间点位数据分布方向和特征的重要方法，能够精确揭示地理要素空间分布中心、离散和方向趋势。采用ArcGIS10.8 软件对犯罪数量和基于犯罪危害程度加权的犯罪活动点位进行SDE 分析，对比犯罪数量与犯罪危害程度的SDE 扩散方向，分析其扩散特征。

3 结果分析

3.1 犯罪数量与犯罪危害空间格局变化

从呈贡区犯罪数量的空间格局（图2）看，2015年，犯罪数量空间分布首先形成了一个高密度集聚区，即石龙路与兴呈路交会的龙城片区，该区位于呈贡老城区，商业活动频繁，服务类型多样，初等教育学校集中，老旧居住区多，道路系统复杂，是集商业-居住-公共服务于一体的城市功能混合区，这些因素为犯罪分子实施犯罪和逃逸提供了条件，加之该区设施老旧，人口集中，有许多餐厅、网吧等监管盲区，成为犯罪数量的高密度集聚区。此外，在高密度集聚区周围和昆明理工大学呈贡校区-雨花毓秀小区-云南师范大学呈贡校区-沐春园小区围合的片区形成2 个较高密度集聚区，在空间上形成“单核心”结构。

图2 2015—2019 年呈贡区犯罪数量核密度空间分布Fig.2 The spatial distribution of crimes and nuclear density in Chenggong，2015-2019

2017 年，伴随着城市的迅速发展及流动人口的日益增多，呈贡区犯罪数量有所上升，在空间上呈现不同程度扩散态势；雨花毓秀小区及周围片区上升为高密度集聚区，与龙城片区在空间上共同形成了“双核”结构。此外，斗南片区、七彩云南第壹城片区及云南民族大学、昆明医科大学附近的住宅片区均由中密度集聚区、较低密度集聚区上升为较高密度集聚区，整体呈现“圈层+轴带”近域扩张的发展态势，反映了作案目标的增加及有效防范的缺乏，进一步加剧了犯罪。斗南片区拥有亚洲最大的鲜切花交易市场，经济频繁，吸引了众多外来务工人员和游客，由于正值建设高峰期，该片区存在较多建筑工地，流动人口多，人员结构复杂，加之管控措施较为薄弱，成为犯罪高发区。七彩云南第壹城片区是呈贡区的中央商务区（CBD），城市交通网络和服务设施较发达。作为新兴商业中心，其安保设施虽较为完善，但由于大学生安全防范意识相对欠缺，学校附近的商业街区餐饮、娱乐场所众多，人员较混杂，易滋生犯罪，导致大学及其周边片区犯罪案件频发。

2018 年以来，昆明市按照中央和云南省委决策部署，全面掀起扫黑除恶专项斗争，有力查处了一批黑恶案件，有效净化了社会治安环境，至2019 年，除龙城片区高密度集聚区保持不变外，其他片区的高密度集聚区、较高密度集聚区均降为中密度集聚区，且集聚区空间范围明显收缩。

从呈贡区犯罪危害程度的空间格局（图3）看，2015 年，犯罪危害程度的空间分布特征与犯罪数量相似，均呈以龙城片区为高密度集聚区的“单核心结构”，但较高密度集聚区明显不同，在沐春园小区-和谐家园小区-雨花毓秀小区围合的片区、七甸工业园区、兴呈路与三铝线交会片区形成了3 个较高密度集聚区。兴呈路与三铝线交会片区是呈贡区城市中心与郊区的交会区域，内有城中村下可乐村和许多物流仓储、批发市场，与七甸工业园区相似，该片区基础设施不够齐全，人员混杂、人口综合素质水平不高，尽管犯罪数量不多，但犯罪危害程度均较高。2017 年，高密度集聚区保持不变，随着政府对工业园区和城中村改造的加强，兴呈路与三铝线交会片区、七甸工业园区降为较低密度集聚区。与犯罪数量的空间分布特征相比，犯罪危害程度的空间分布特征更分散，共形成9 个较高密度集聚区，主要集中于商业街区、远离呈贡中心区域的新兴城镇及散落的建设工地。2019 年，犯罪危害程度仍以龙城片区为“中心格局”，但高密度集聚区、较高密度集聚区及中密度集聚区的空间分布明显收缩，较低密度集聚区的空间分布明显扩展，呈散点状分布。

图3 2015—2019 年呈贡区犯罪危害程度核密度空间分布Fig.3 Spatial distribution of nuclear density of crime harm in Chenggong，2015-2019

整体看，呈贡区犯罪数量高密度集聚区和较高密度集聚区大部分位于城市核心区域，空间格局仍以城市核心区集聚为主，犯罪危害程度高密度集聚区和较高密度集聚区除位于城市核心区外，还存在于城中村、郊区城镇。犯罪数量空间分布经历了单核心—双核心—单核心的演变，而犯罪危害程度并未打破“单核心”空间结构，但较低密度集聚区逐渐呈散点状分布。城市新区平安建设整体向好，扫黑除恶专项整治活动必要且有效。

3.2 犯罪数量与犯罪危害程度空间分异特征

3.2.1 空间集中与集聚特征

2015—2019 年，呈贡区犯罪数量及犯罪危害程度网格的集中程度和Moran'sI值如表1 所示。从集中程度看，昆明市呈贡区的犯罪数量和犯罪危害程度均十分集中，25% 的犯罪数量主要集中于0.28%～0.35%的网格，50%的犯罪数量主要集中于1.31%～1.37% 的网格。2015、2017、2019 年犯罪危害程度的集中程度均高于犯罪数量的集中程度，呈贡区50% 的犯罪危害程度集中于1.11%～1.31%的网格。从犯罪集中程度变化看，呈贡区犯罪数量的集中程度呈先上升后下降的态势，2017年犯罪数量的集中程度最高；呈贡区犯罪危害程度的集中程度明显提高，并逐渐集中于少部分网格。犯罪危害程度和犯罪数量的集中程度逐渐拉大，反映了犯罪危害程度日趋集中的态势比犯罪数量更强烈。

表1 呈贡区犯罪数量及犯罪危害程度网格的集中程度和Moran's I 值Table 1 The number of crimes in Chenggong and the concentration of crime harm grids and Moran's I

从Moran'sI值看，昆明市呈贡区犯罪数量及犯罪危害程度网格的Moran'sI值均大于0，且通过1%显著性检验，反映了犯罪数量和犯罪危害程度始终呈集聚分布。从Moran'sI值的变化看，犯罪数量和犯罪危害程度的Moran'sI值均先下降后上升，总体呈下降趋势，表明犯罪数量与犯罪危害程度的空间自相关程度有所减弱，空间趋同性逐渐降低，作案地点随城市发展逐渐扩散，空间分布由集聚向分散过渡。其中，2015 年和2017 年，空间集聚程度犯罪数量高于犯罪危害程度，表明犯罪危害程度的空间区位更分散。2019 年，Moran'sI值犯罪危害程度高于犯罪数量，反映了犯罪危害程度的空间区位更集聚，且高于犯罪数量。这是由于2019 年呈贡区公安局以扫黑除恶专项斗争为统领，开展“严打犯罪主动仗、社会防控整体仗、公共安全治理仗”行动，并逐渐重视公安大数据应用，加之城市基础设施不断完善，监控死角进一步减少，犯罪数量明显下降，零散犯罪有效减少，空间聚集程度得以提高。

呈贡区犯罪数量和犯罪危害程度均表现出明显的集中分布现象和较强的空间集聚程度。研究期内，犯罪危害程度的集中程度始终高于犯罪数量，集聚程度于2019 年后高于犯罪数量。这说明，造成较大危害的犯罪案件逐渐集中于较少的网格中，且这些网格的空间区位呈集聚态势。因此，在未来防控中不仅需要关注犯罪数量的热点识别，更需要针对犯罪危害程度集中区，通过防控措施和打击犯罪行动的有效实施，保障平安中国、平安呈贡建设。

3.2.2 空间热点分异

利用Geoda 软件对2015、2017 和2019 年犯罪数量和犯罪危害程度网格进行热点分析，识别犯罪数量与犯罪危害程度的热点区，通过叠加对比，最终将热点区分为3 种类型：犯罪数量与犯罪危害程度热点重合区、犯罪数量热点区和犯罪危害程度热点区，如图4 所示。

由图4 可知，2015—2019 年，尽管犯罪数量与犯罪危害程度热点重合区有一定收缩，但总体结构无显著变化，重合范围最大的区域位于呈贡区中部，分布于城市主干道（彩云路）和地铁线路的两侧；中部偏北的重合区分布于主干道和地铁线路的西侧；中部偏南的重合区分布于主干道和地铁线路的东侧，该两侧均是呈贡区社会经济活动的空间主体。犯罪数量热点区由集中分布转为破碎分布，2015 年和2017 年主要分布于各学校及医院附近，2019 年，部分商业中心、酒店等区域由重合区及犯罪危害程度热点区变为犯罪数量热点区，尽管犯罪数量较多，但犯罪危害较小。犯罪危害程度热点区略有差异，但其地理环境较为相似，主要分布于城郊乡镇、城中村、工业园区、物流园区、施工工地等区域，且有明显向昆明南站附近区域集中的态势，这些区域尽管发生的犯罪数量不多，但造成的危害很大。

图4 2015—2019 年呈贡区犯罪数量和犯罪危害程度热点区空间分布Fig.4 Spatial distribution of the crime number and degree of harm in the hot spots in Chenggong，2015-2019

从整体看，随城市发展各犯罪热点区逐渐破碎化，且犯罪数量与犯罪危害程度热点有明显的不重合区，2015、2017 和2019 年犯罪数量热点区和犯罪危害程度热点区的和分别占总热点区的48.33%，44.32%和38.76%，尽管占比呈下降趋势，但仍达1/3 以上，表明犯罪数量与犯罪危害程度热点区的空间分布存在明显差异，在关注犯罪数量热点区的同时，更需关注犯罪危害程度热点区，特别是对犯罪数量较少而社会危害较大的热点区。

3.2.3 空间扩散分异

从标准差椭圆的扩散方向看（图5），犯罪数量与犯罪危害程度始终沿城市“西南—东北”这一主轴方向扩散，与呈贡区城市空间扩展方向大体保持一致。2015年，犯罪数量标准差椭圆的扩散角度为5.56°，而犯罪危害程度标准差椭圆的扩散角度为23.74°，二者存在较大偏差；2017 年和2019 年，犯罪数量与犯罪危害程度扩散方向逐渐趋近，其标准差椭圆的扩散角度分别为8.61°，15.45°和9.77°，16.28°。

图5 2015—2019 年呈贡区犯罪数量和犯罪危害程度的SDEFig.5 The SDE of the crime quantity and the degree of harm in Chenggong，2015-2019

从整体看，2015 年呈贡区犯罪数量和犯罪危害程度的空间扩散方向存在“错位”现象，犯罪危害程度的扩散更偏城市东北方向，这是由于2015 年是呈贡区实施“昆明呈贡新区突破崛起三年行动计划”的收官之年，呈贡区各街道处于快速转型期，位于呈贡区东北方向的洛羊街道、七甸街道以及西南方向的大鱼街道和马金铺街道大部分基础设施仍在建设中，监管盲区较多；尽管犯罪数量较中心城区少，但主要以故意伤害、抢劫等对社会造成较大危害的案件为主，犯罪危害程度在空间上的扩散更偏东北方向。2017 年后，随着大学城、斗南花卉市场的建成和使用，城市周边街道快速发展且城市扩展日趋成熟，犯罪主要集中于高密度道路网和频繁的街道活动中心城区及周边发展较快的街道，使得标准差椭圆的扩散角度减小，且犯罪数量和犯罪危害程度基本一致。可以看出，犯罪数量和犯罪危害程度的扩散方向与城市空间扩展方向密切相关，其中犯罪危害程度的扩散更明显，更易随城市空间结构的变化而改变。

4 结论与讨论

4.1 结 论

以昆明市呈贡区为例，综合运用多种GIS 计量模型，以犯罪数量和犯罪危害程度为研究对象，讨论了二者的空间演变及分布差异特征，主要得到以下结论：

（1）呈贡区犯罪数量以城市核心区集聚为主，空间分布经历了单核心—双核心—单核心的演变过程，高密度集聚区和较高密度集聚区主要分布于交通便捷、经济活动频繁、人员密集的老城区、商业中心和大学城及其周围居住区。犯罪危害程度在空间上形成龙城片区“单核心”的格局并未被打破，且其高密度集聚区与犯罪数量的高密度集聚区相似，较高密度集聚区相对分散，较低密度集聚区呈“散点状”分布。

（2）呈贡区犯罪数量和犯罪危害程度在空间上均表现出显著的集中和集聚特征。二者空间集中差异逐渐增大，犯罪危害程度的集中程度始终高于犯罪数量，且犯罪危害程度日趋集中的态势比犯罪数量更强烈；二者空间集聚差异变化明显，至2019 年，犯罪危害程度的集中程度高于犯罪数量，造成较大危害的犯罪案件逐渐集中于较少的网格，且这些网格的空间区位呈集聚态势。

（3）犯罪数量热点区和犯罪危害程度热点区存在明显的空间分布差异，随城市发展逐渐破碎化。犯罪数量与犯罪危害程度热点重合区主要分布于呈贡区中部，沿城市主干道（彩云路）和地铁线路分布；犯罪数量热点区主要分布于学校、医院及商业中心附近；犯罪危害程度热点区主要分布于城郊乡镇、城中村、工业园区、物流园区、施工工地等区域。

（4）犯罪数量和犯罪危害程度的扩散方向均与城市空间扩展方向较为一致。2015 年，犯罪数量扩散方向和犯罪危害程度扩散方向出现明显“错位”现象，随着城市的快速发展，犯罪数量与犯罪危害程度的扩散方向逐渐趋近，其中，犯罪危害程度扩散更明显，更易随城市空间结构变化而改变。

4.2 讨 论

整体而言，昆明市呈贡区犯罪数量与犯罪危害程度的空间分布存在明显差异，基于犯罪数量的空间分析，并不能有效地防控犯罪。保障社会公共安全和建设平安中国需在有效降低犯罪数量的同时，重视犯罪危害程度的防控和治理。可通过多种手段和措施，寻找更有效的犯罪防控策略，进一步完善社会治安防控体系建设，加强公安大数据建设，打造平安城市犯罪分析平台，通过识别犯罪数量和犯罪危害程度两者空间分布差异中的盲区，合理分配警力资源。针对呈贡区犯罪活动呈集聚态势、犯罪活动扩散方向与城市空间扩展方向密切相关，应基于犯罪活动的集聚趋势和城市扩展分析，及时调整警力布局，提高动态环境下社会治安的主动防控力。对于基础设施落后的老旧城区、城中村以及工业园区、物流园区、大型施工区域，需加强基层安保单位与公安部门的配合，建立健全跨边界的合作治理机制。对于犯罪危害程度和犯罪数量日趋增长的马金铺街道、七甸街道等城郊乡镇，亟须做好城镇规划，加强监控、路灯等基础设施建设，同时加强社会普法教育，降低和防御犯罪发生。

以呈贡区为例，基于2015、2017 和2019 年3 期犯罪活动空间数据，采用多种GIS 空间分析方法，探索城市新区犯罪活动的空间分布与演变规律，同时明确犯罪数量与犯罪危害程度两者空间分布格局中存在的差异，试图揭示转型时期城市新区犯罪活动的空间演变规律及存在的问题；但限于资料的不充分，并未对犯罪活动产生的机理和地理环境要素做进一步探讨。此外，研究对象为所有犯罪案件，未进一步深入分析不同类型犯罪活动在数量和危害程度上的差异。犯罪活动是个人在特定的时间和空间因素综合作用下产生的，其产生原因涉及心理、社会、地理、主观性等诸多因素，是社会生活中消极现象的集中反映，也是社会结构失衡的表现，考虑多种因素对不同类型犯罪活动的综合影响将成为未来研究的重要方向。