基于法院判决书的中国人口拐卖犯罪空间特征及变化分析

陈兵阳，熊 立，谭永滨，王 瑛，胡 涛

(东华理工大学测绘工程学院，330013，南昌)

0 引言

据2021年联合国发布的《全球人口贩卖报告》显示，2004—2018年间，全球已侦测到的人口拐卖犯罪受害者约5万名，而实际的受害人数应该远远超过这个数字。人口拐卖犯罪不仅严重侵犯了公民人身权利，还造成受害者家庭支离破碎以及社会的不稳定。有研究表明，经济贫困是人口贩卖犯罪的重要驱动因素之一[1-3]，而留守儿童较多且较贫困的农村地区一直是人口拐卖犯罪的高发区[4]。如何有效打击和预防人口拐卖犯罪已成为全社会重点关注的问题，也是乡村振兴中社会建设的重要组成部分。

目前针对人口拐卖犯罪的研究有集中在法律、政策等方面[5-6]，通过研究犯罪人及其行为模式，分析犯罪原因并提出预防建议[7-9]，探讨具体的犯罪过程[10]及活动模式[11-12]。在地理学领域，研究人员利用犯罪地理学方法，分别从拐入侧和拐出侧分析人口拐卖犯罪的空间分布特征[13]，提取人口拐卖犯罪的时空变化规律[14-15]，深入分析产生犯罪的区域影响因素[16-19]。空间相关性分析能够有效地找出单变量在空间上所存在的潜在的相互依赖性[20-21]，探究拐卖人口犯罪在空间上的集聚性和异质性。除了分析犯罪的空间分布特征外，针对犯罪路径的空间特征的分析有助于更精准地打击人口拐卖犯罪，并能够更直接地帮助被拐家庭寻找家人。研究人员还利用拐入点与拐出点的信息，绘制了省域及市域的犯罪网络，分析并定位网络中的关键区域与区域间关联[22-23]。综上，目前关于拐卖路径的分析研究主要针对拐出地与拐入地的，几乎没有涉及中转地的分析。这主要是因为，目前研究中所使用的人口拐卖数据主要来源于新浪微博或宝贝回家网站(https://www.baobeihuijia.com/)里的受害者的回忆，而在这些回忆几乎不存在中转地的信息。然而，通过分析完整拐卖路径的空间特征，对于精准防控拐卖案件的发生具有重要的意义。

人口拐卖判决书是承载诉讼案件具有法律效力的文件，其内容相对准确地还原了拐卖犯罪的过程。因此本文基于近年来的人口拐卖判决书，提取拐卖犯罪过程中涉及的所有位置信息，并以此作为数据源，分析我国人口拐卖犯罪案件发生地(包括拐出地、中转地与拐入地)的时空变化特征，以及发生地之间的关联关系，重点关注拐卖路径的空间分布与聚集特征，分析拐卖网络中的重点区域(特别是中转地)，为准确预防人口拐卖犯罪提供支持。

1 实验数据

本文从中国裁判文书网(https://wenshu.court.gov.cn/)抓取了2014—2020年间共2 215份人口拐卖判决书，经过初步筛选后得到，用于分析的有效判决书共2 191份，涉及的人口拐卖案件2 285起，涉及案件发生年份为1974—2020年；结合地名自动识别算法、人工检验等方式，抽取出判决书内涉及的案件发生地4 130个，拐卖路线2 285条，并提取每个发生地的空间坐标。由于中国裁判文书网中不包含香港、澳门、台湾地区的判决书文件，因此本文在分析空间分布特征时并不包含上述3个地区。

2 研究方法

2.1 社会网络分析

社会网络分析法(Social Network Analysis, SNA)[24]是用于分析社会网络中各节点之间关联关系特征的方法。本文将网络节点定义为拐卖案件发生地，通过计算发生地的中心势强度分析拐卖事件的聚集特征；利用网络密度分析发生地之间的关联性；最后基于核心-边缘结构抽取事件高发区。

2.1.1 中心性分析 点度中心性是指人口拐卖网络中发生地与其他发生地连接的边数的总和。点度中心势(C)[25]是用来刻画人口拐卖网络的整体中心性，衡量拐卖网络中心化程度的指标。点度中心势的值域范围为[0,1]，值越接近1，表明当前网络中案件发生地越集中。计算公式如下：

其中：CD(max)代表整个拐卖网络中最大度数中心性值，CD(i)代表网络中任意发生地的中心性值，n为拐卖网络发生地总数，所以分子是指图中最大中心度的数值与其他任意点中心度差的总和，分母是指理论上各个差值总和的最大可能值。

2.1.2 网络密度 网络密度(D)主要用于刻画人口拐卖网络中发生地之间相互连接的密集程度，是网络实际存在的连接数与网络中最大可连接数的比值。值域范围为[0, 1]，值越接近1，表明网络中案件发生地关系越强。计算公式如下：

其中n为拐卖网络的发生地总数，L为拐卖网络的实际连边数。

2.1.3 核心-边缘结构分析 核心-边缘模型[13]是用来划分发生地在人口拐卖网络中地位的模型。该模型能够对网络中的“位置”结构进行量化分析，区分出网络的核心和边缘发生地。其中连接度反映发生地之间联系的紧密程度。

3 结果与分析

3.1 拐卖案件总体时空特征分析

3.1.1 拐卖案件年际变化分析 本文依据案件发生的时间，分析拐卖案件发生的年际变化情况(图1)。从图1中可以看出，总体上拐卖案件的发生频次呈现出平缓变化、急剧增多与快速下降3个阶段。1974—2006年间案件发生频次呈现平缓变化，仅在1989年、1998年等少数年份出现波动；2006—2014年间案件发生频次急剧增多，并于2014年达到最多(309例)，这与国家在2004—2014年间进行的3次“严打”行动有关，很大程度上打击了人口拐卖的犯罪活动；2014—2020年间，人口拐卖犯罪总体上呈现快速下降的趋势，这与多次严打行动后人口拐卖犯罪案件大幅减少相关，法院判决时间相对延迟也是数量下降的另一原因。总体上看，国家多次的严打行动较好地遏制了人口拐卖犯罪行为的发生。

图1 拐卖案件年际变化

3.1.2 拐卖案件空间分布特征 根据全国范围内人口拐卖的统计数据在省域和市域尺度的分布，分别将省域和市域的拐入与拐出人口频次划分为5个等级(图 2、图 3)。从图2、图3中可以看出，拐出频次等级最高的省份是云南省(483次)，拐入等级最高的省份是河南省(246次)、山东省(238次)和云南省(351次)。在市域尺度上，拐出等级较高的城市主要来自云南省，包括文山州(259次)、红河州(85次)、昆明市(34次)等，拐入等级较高的城市除了文山州(200次)、红河州(56次)等云南省内城市外，还包括临沂市(83次，山东省)、泉州市(51次，福建省)等城市。结合省域和市域的情况发现，我国人口拐卖呈现“一源三汇”的空间分布特征，其中拐出源头主要是集中在云南及其相邻的西南地区，拐入地主要有3个片区：以云南为主的西南地区，围绕河南、山东省的华北地区、以广东、福建为中心的东南地区。

图2 省域案例拐出、拐入分布图

图3 市域案例拐出、拐入分布图

3.2 案件发生地空间聚集分析

3.2.1 拐卖路线空间聚集特征分析 分析拐卖路线的聚集特征是实现准确打击拐卖犯罪的重要基础，基于“觅食理论”中犯罪人会形成相对固定的犯罪地点及模式的特点，公安机关在打击拐卖时可重点关注出现频次较高的拐卖路线。

本文利用中转地将完整的拐卖路线分割成多条路段，并以路段作为最小单元统计拐卖路线的频次，分析拐卖路线的空间聚集特征(图4)。由于“市内流转”数量较多，无法在地图中清晰地进行可视化，因此图中仅保留“市外流转”的路线统计情况。图中的箭头表示指示拐卖路线的方向，即由拐出地指向中转地或由中转地指向拐入地2种情况；路段出现的频次用粗细及颜色区分，即线条越粗、颜色越深的路段为发生拐卖案件最为频繁的路段，也正是需要重点关注和打击的犯罪路段。

图4 拐卖路线的空间聚集特征

从图4中可以看出，拐卖路线主要集中在西南→东南和西南→华北2个方向上。云南省是路线上重要的起终点，路线较集中从云南至河南、广东、安徽、湖南、山东等省。拐卖路线主要表现为以下3种情况：省内路线(如红河州→文山州、白山市→长春市)、邻省路线(如百色市→文山州)、远距离路线(如凉山州→临沂市、滁州市→红河州)等情况，其中以省内路线与邻省路线的频次最多。此外，通过统计拐出城市与其它城市(中转地或拐入地)的关联频次发现，“市内流转”是被拐人员流转的主导模式，多数拐卖路线的第2站均为本城市内部。除了市内流转外，邻近城市、相邻省份间的被拐人员流转是另外两类主要模式，例如云南省文山州与红河州相互流转的频次最高，漳州市→赣州市是频次最高的相邻省份流转。

因此，当发现有人员疑似被拐的初期，可优先在市内或省内距离较近的城市查找，而后重点关注与所在城市关系密切(即路线频次较高)的其它城市或省份，有利于发现被拐人员。

3.2.2 案件发生地聚集中心转移分析 为了分析不同拐卖案件发生地聚集情况的变化特征，本文基于案件发生地频次，绘制案件发生地的犯罪空间分布的热力图(图5)，并分析各类案件发生地的聚集中心，在3个不同时期(即平缓变化期、急剧增多期与快速下降期)的转移情况。

图5 不同时期案件发生地聚集中心变化特征

总体上看，省份之间的交界地带、国界附近都是拐卖犯罪的高发区域，特别是以云贵川3省交界区为核心的西南地区一直都是案件高发区，这与该地区高山地形，不利于管理和追捕有一定的关系，同时管辖权灰色地带也可能是造成省份交界区成为高发区的原因之一。

1)拐出地的中心转移。由平缓变化期(图5(a))的贵州省内的云贵川交界区，转移到急剧增多期(图5(b))的云桂区域(主要集中在云南与广西交界、国界附近地区)，同时在华北地区(河南、山东、安徽3省的交界地区)也出现一定程度的聚集；最后进入快速下降期(图5(c))时，华北地区(主要集中在河南与河北的交界地区)的人口拐卖聚集情况得到缓解，此时的聚集中心仅有云南省。

2)中转地的中心转移。情况大体上与拐出地相同，在平缓变化期(图5(d))拐入地的聚集中心是贵州省；当进入急剧增多期(图5(e))时，聚集中心由贵州省转移到了云南省(主要集中在云南与广西交界、国界附近地区)；最后进入快速下降期(图5(f))时聚集中心无明显转移。

3)拐入地的中心转移。在平缓变化期(图5(g))拐入地的聚集中心是福建省和华北地区(以河南、河北和安徽的交界地区为主)；当进入急剧增多期(图5(h))时，聚集中心转移到了云南省(主要集中在云南与广西交界、国界附近地区)及原华北地区，并且2个聚集中心的案件数量也有了明显增加；最后进入快速下降期(图5(i))时，华北地区的聚集有所减缓，此时的聚集中心是云南省(主要集中在云南与广西交界、国界附近地区)。

3.3 案件发生地空间关联分析

利用拐卖路线整理出相关的案件发生地，其中省份31个、城市294个，构建了省域及市域的社会网络结构。网络的中心性特征如表1。省级网络密度为0.42，反映了各省份之间在人口拐卖犯罪上的关联较强，但由于省级网络的拐出与拐入的中心势均为0.465，表明拐卖案件涉及的省份较多，无明显中心省份聚集情况。市域人口拐卖社会网络的网络规模为294，网络密度为0.02。这是由于城市数量较多，拐出与拐入的程度中心势分别是0.271与0.212，表明由于涉及的城市较多，明显呈现强关联的城市不多，同时城市聚集情况不明显。

表1 网络的中心性特征

中心度的大小反映了网络节点与其它节点之间联系的紧密程度。各省市的点出与点入中心度排名情况(见表2、表3)表明，云贵川3省形成的西南片区、冀鲁豫3省形成的华北片区以及广东所在的东南片区都是中心度靠前的省份，表明这些省份与其它省份之间的关联最为紧密，也与聚集中心转移情况一致。在市级网络中，云南省文山州的拐出与拐入的中心度均在所有城市中排名第1，且明显高于其它城市，表明网络中有许多城市与文山州发生存在拐卖案件关联，可重点关注。在拐出中心度排名前10的城市中，西南片区的城市占据了其中的8位；拐入中心度排名前10名中，西南片区、华北片区与东南片区涉及的城市数量很接近，再次验证了我国的人口拐卖犯罪呈现“一源三汇”的空间分布特征。

表2 总中心度排名前10的省份

在市级网络中，文山州的拐出与拐入的中心度均在所有城市中排名第1，且明显高于其它城市，表明网络中有许多城市与文山州发生存在拐卖案件关联。在拐出中心度排名前10的城市中，西南片区的城市占据了其中的8位；拐入中心度排名前10名中，西南片区、华北片区与东南片区涉及的城市数量差不多，这一现象也与“一源三汇”的空间分布特征一致。

网络的核心-边缘结构分析是发现网络核心节点与边缘节点的重要方法，公安部可针对核心省份及城市进行重点部署打击犯罪。省级与市级网络结构的连接度如表4与表5。除青海省、新疆维吾尔自治区、宁夏回族自治区为边缘省份外，其余28个省份属于省级网络的核心省份，其中核心省份之间的连接度为0.496，核心与边缘省份的连接度为0.071，表明省域网络中核心省份间的关联紧密，被拐人员的流动较频繁，核心与边缘省域间联系较少，边缘省份之间没有联系。市级网络的核心城市包括邯郸市、泉州市、北京市、红河州、昆明市等共69个城市，其余的边缘城市共有225个。其中核心城市之间连接度为0.125，核心与边缘城市之间连接度为0.028，边缘与边缘城市之间连接度0.008，这表明市域人口拐卖网络中只有核心市区之间联系相对紧密，其他市区之间联系极少。

表3 点出与点入中心度排名前10的城市

表4 省级核心-边缘结构的连接度

表5 市级核心-边缘的连接度

4 讨论与结论

本文从中国裁判网2014—2020年的拐卖判决书中提取到人口拐卖数据，建立省域和市域人口拐卖地理网络，采用社会网络分析方法省域和市域网络进行研究分析，获得不同尺度下的网络特征。分析结果表明，我国人口拐卖犯罪总体上呈现“一源三汇”的空间特征，核心城市为邯郸市、泉州市、昆明市等69个城市，主要的犯罪路线是西南-东南、西南-华北，拐卖省市中存在明显的“内部流转”的现象，部分城市之间存在密切联系；犯罪活动转向更为隐藏的省界山区，以及西南的国界附近。由于本文的数据全部来源于法院的判决书，相比其它研究中采用“宝贝回家”获取的数据，目前在可用的数据量上略有不足，后续可针对二者数据的特点，研究其融合方案，实现综合应用多源数据的最佳方式。