摘 要： 犯罪問(wèn)題是長(zhǎng)久以來(lái)存在并困擾人們的一大難題，隨著社會(huì)經(jīng)濟(jì)增長(zhǎng)與城市空間結(jié)構(gòu)變化，犯罪問(wèn)題日益突出。針對(duì)福州市財(cái)產(chǎn)犯罪問(wèn)題，運(yùn)用ArcGIS、CrimeStat分析了2008、2009及2010年盜竊、搶劫、搶奪及詐騙四類(lèi)財(cái)產(chǎn)犯罪數(shù)據(jù)，研究了犯罪人口空間重心演變規(guī)律、犯罪熱點(diǎn)判別與可視化，并從不同時(shí)間尺度探討案事件的時(shí)間演變特征。研究結(jié)果表明，犯罪人口空間分布存在不均衡性；不同類(lèi)型財(cái)產(chǎn)犯罪在不同時(shí)間尺度存在不同的聚集情況；每年春節(jié)期間以及每天凌晨5點(diǎn)出現(xiàn)犯罪低谷期。
關(guān)鍵詞： 犯罪問(wèn)題；財(cái)產(chǎn)犯罪；空間分布；時(shí)間演變
0 引言
自古以來(lái)，不論是在經(jīng)濟(jì)方面還是在人身安全方面，犯罪問(wèn)題都直接影響著人民群眾的生活質(zhì)量，同時(shí)對(duì)國(guó)家經(jīng)濟(jì)發(fā)展與社會(huì)和諧也有極大的影響。尤其是財(cái)產(chǎn)犯罪。21世紀(jì)，犯罪研究趨于多樣化，如犯罪時(shí)空格局[1-2]、犯罪相關(guān)因素[3-4]、犯罪預(yù)測(cè)[5]及防控[6-7]。國(guó)內(nèi)關(guān)于犯罪的研究主要集中在犯罪時(shí)空布局研究，但更多地是停留在理論層面，少有結(jié)合具體相關(guān)數(shù)據(jù)對(duì)某一地區(qū)進(jìn)行實(shí)證研究。綜合上述背景，本文以福州市為例，結(jié)合公安廳2008年~2010年數(shù)據(jù)，研究財(cái)產(chǎn)犯罪空間分布模式，引入Gini指數(shù)分析時(shí)間上的聚集程度，從不同時(shí)間尺度開(kāi)展研究，較為完整地獲得福州市財(cái)產(chǎn)犯罪的時(shí)空分布規(guī)律，為犯罪防控提供一定依據(jù)。
1 研究方法
1.1 財(cái)產(chǎn)犯罪人口重心
重心一詞最初被引入社會(huì)經(jīng)濟(jì)學(xué)，用來(lái)評(píng)價(jià)事物或現(xiàn)象在地理空間上的均衡性狀態(tài)，隨后被應(yīng)用于各個(gè)方面。本文利用犯罪人口重心模型分析2008~2010年的財(cái)產(chǎn)犯罪人口空間分布均衡性與演變特征。財(cái)產(chǎn)犯罪人口重心模型與人口重心模型一樣：
式中，xb，yb分別為財(cái)產(chǎn)犯罪人口重心的橫坐標(biāo)與縱坐標(biāo)，n為研究區(qū)域內(nèi)空間單元數(shù)量，pi為i單元財(cái)產(chǎn)犯罪人口總數(shù)，xi，yi分別為i單元的橫坐標(biāo)與縱坐標(biāo)。若將pi換為該位置的區(qū)域面積大小，可算出整個(gè)區(qū)域的幾何重心。當(dāng)財(cái)產(chǎn)犯罪重心與區(qū)域幾何重心有明顯差異時(shí)，該空間呈現(xiàn)不均衡分布，偏離方向表示其密集區(qū)位，偏離距離顯示其不均衡程度[8]。
1.2 Gini指數(shù)
Gini指數(shù)主要是反映數(shù)據(jù)的集中程度，Brown利用Gini指數(shù)描述分析犯罪事件在空間上的聚集情況[9]。而本文通過(guò)Gini指數(shù)研究案事件在時(shí)間上的聚集狀況。假設(shè)一個(gè)時(shí)間序列為x1，x2，…，xn，則定義兩序列間的Gini指數(shù)為：
式中，時(shí)間序列平均值，dij為事件i與事件j之間的距離，本文將其定義為犯罪事件序列xi與xj間的差值；那么n個(gè)序列的平均Gini指數(shù)表現(xiàn)為：
Gini集中指數(shù)Ig取值區(qū)間為[0，1]，Ig值越接近0說(shuō)明數(shù)據(jù)分布越均勻，反之Ig值越靠近1則數(shù)據(jù)分布越集中。
2 案事件時(shí)空演變特征
2.1 空間特征
2.1.1 財(cái)產(chǎn)犯罪人口重心演變特征
利用重心模型與ArcGIS軟件計(jì)算福州市2008~2010年的財(cái)產(chǎn)犯罪人口重心與總?cè)丝谥匦模ū?），并將其移動(dòng)軌跡可視化，如圖1所示。
結(jié)果顯示，2008~2010年的財(cái)產(chǎn)犯罪人口重心與總?cè)丝谥匦碾m然都處在倉(cāng)山區(qū)，但均偏離福州市幾何重心（119°11′29″，26°2′20″）一定距離。2008年財(cái)產(chǎn)犯罪人口重心偏離幾何重心1.57 km，2009年偏離距離減少為1.54 km，2010年繼續(xù)減少至1.51 km，因此財(cái)產(chǎn)犯罪人口的分布處于不平衡狀態(tài)，區(qū)域之間存在一定差異，但在這三年內(nèi)，這種差異逐漸減少。整體上而言，總?cè)丝谥匦呐c財(cái)產(chǎn)犯罪人口重心都向北方偏移，不同的是財(cái)產(chǎn)犯罪人口重心的移動(dòng)幅度更大，是總?cè)丝谝苿?dòng)幅度的3倍左右，說(shuō)明財(cái)產(chǎn)犯罪人口的空間結(jié)構(gòu)更不穩(wěn)定。另外兩者的重心距離不斷擴(kuò)大，空間協(xié)調(diào)性持續(xù)弱化，表明影響財(cái)產(chǎn)犯罪的其他因素不斷增強(qiáng)。
2.1.2 空間聚類(lèi)分析
?。?）熱點(diǎn)識(shí)別
最鄰近距離統(tǒng)計(jì)通過(guò)比較統(tǒng)計(jì)點(diǎn)間最近距離均值與隨機(jī)分布模式最鄰近點(diǎn)對(duì)的平均距離，判斷統(tǒng)計(jì)點(diǎn)是否聚集。利用CrimesTat判斷2010年四類(lèi)財(cái)產(chǎn)犯罪是否聚集。結(jié)果如表2所示。
福州市2010年盜竊等四類(lèi)財(cái)產(chǎn)犯罪的最鄰近R值都明顯小于1，說(shuō)明四類(lèi)犯罪均呈現(xiàn)聚集情況。由統(tǒng)計(jì)檢驗(yàn)值可以看出α=0.05時(shí)，案件Z值均小于-1.96，此時(shí)P值為0.000 1，均小于0.05，表明其聚集呈高度顯著。
?。?）熱點(diǎn)可視化
證明福州市四類(lèi)犯罪熱點(diǎn)的存在后，需將犯罪熱點(diǎn)可視化。分級(jí)聚類(lèi)能夠直觀反映犯罪熱點(diǎn)區(qū)域，使各級(jí)相關(guān)部門(mén)明確相應(yīng)級(jí)別的熱點(diǎn)。本文使用CrimeStat與ArcGIS生成分級(jí)聚類(lèi)圖，如圖2所示。
通過(guò)層次聚類(lèi)分析得到熱點(diǎn)區(qū)域的特點(diǎn)，如表3所示。一級(jí)聚類(lèi)分布在較大的空間內(nèi)，主要覆蓋福州市區(qū)，熱點(diǎn)集中在倉(cāng)山區(qū)、鼓樓區(qū)與臺(tái)江區(qū)，個(gè)數(shù)較多，面積較小，適用于民警、街道相關(guān)人員以及區(qū)級(jí)派出所管理；二級(jí)聚類(lèi)熱點(diǎn)主要集中在福州市區(qū)，個(gè)數(shù)較少，面積較大，主要為市級(jí)派出所提供參考；一級(jí)聚類(lèi)盜竊最大熱點(diǎn)面積偏小，聚類(lèi)個(gè)數(shù)較多，說(shuō)明盜竊在小范圍內(nèi)作案更集中，形成多個(gè)據(jù)點(diǎn)；詐騙最大熱點(diǎn)面積最大，說(shuō)明在市級(jí)范圍內(nèi)詐騙據(jù)點(diǎn)分布比較分散。
2.2 時(shí)間特征
一般而言，一年中的每個(gè)月甚至是每一個(gè)小時(shí)，溫度、濕度等因素都不相同。研究發(fā)現(xiàn)即使是一天內(nèi)每小時(shí)的犯罪數(shù)量也都有很大的變化，不同時(shí)間段的犯罪活動(dòng)次數(shù)并不相同[10]。
2.2.1 案事件月演變特征
分析福州市2008~2010年36個(gè)月的財(cái)產(chǎn)犯罪數(shù)據(jù)，了解其在時(shí)間上的演變特征，如圖3所示。雖然犯罪數(shù)量存在波動(dòng)，但整體上在不斷上升。由于在春節(jié)期間，罪犯也進(jìn)入“休假期”，2月份波動(dòng)幅度最大，因此可以認(rèn)為2月份是一年犯罪活動(dòng)的最佳起始時(shí)間。
盜竊等四類(lèi)案件在一年內(nèi)存在不同的分布特征，計(jì)算3年內(nèi)1~12月各類(lèi)犯罪活動(dòng)的平均發(fā)生率，結(jié)合Gini指數(shù)考察不同犯罪類(lèi)型在時(shí)間上的聚集情況（表4、圖4）。結(jié)果表明盜竊案在12月至次年2月份呈低谷狀態(tài)，隨后在平穩(wěn)中逐漸上升，秋季達(dá)到最高點(diǎn)，聚集程度偏高；搶劫案與搶奪案在4月份與5月份的犯罪率最高，搶奪案比搶劫案更為聚集。由此可見(jiàn)季節(jié)對(duì)不同類(lèi)型財(cái)產(chǎn)犯罪存在一定的影響，并且影響程度并不相同。
2.2.2 案事件日演變特征
整理福州市2010年全年6萬(wàn)余條財(cái)產(chǎn)犯罪數(shù)據(jù)，分析從00∶00點(diǎn)~23∶59點(diǎn)的犯罪數(shù)量分布情況，繪制24小時(shí)財(cái)產(chǎn)犯罪數(shù)量分布圖（圖5）。
財(cái)產(chǎn)犯罪數(shù)量在凌晨5點(diǎn)處于最低值，下午6點(diǎn)處于最高值，因此可以認(rèn)為凌晨5點(diǎn)是一天犯罪活動(dòng)的最佳起始時(shí)間；財(cái)產(chǎn)犯罪主要在08∶00~20∶00點(diǎn)間活躍。
由于作案方法、手段等性質(zhì)不同，不同類(lèi)型的財(cái)產(chǎn)犯罪即使在一天內(nèi)也具有不同的時(shí)間分布。從05∶00開(kāi)始至第二天04∶59的24小時(shí)分布情況（圖6），了解到凌晨5點(diǎn)是犯罪事件低發(fā)期，因?yàn)樵摃r(shí)段出行量最低；不同的是盜竊、搶奪在傍晚7點(diǎn)左右犯罪率比較高，搶劫在夜晚10點(diǎn)較多；相反地，詐騙則在上午10點(diǎn)左右比較常見(jiàn)。從Gini指數(shù)了解到四類(lèi)犯罪聚集程度都比較高（表5），相對(duì)而言盜竊則顯得分布比較均勻，詐騙從 8∶00~15∶00 7個(gè)小時(shí)犯案率占據(jù)全天總數(shù)70%，同樣地?fù)尳購(gòu)?0∶00~02∶00點(diǎn)6個(gè)小時(shí)犯案率達(dá)53%?？傮w而言，詐騙活動(dòng)以白天為作案時(shí)間，搶奪與搶劫以夜晚為主，盜竊則大部分時(shí)段都會(huì)較頻繁發(fā)生。
3 案事件時(shí)空格局形成因素
3.1 空間影響因素
財(cái)產(chǎn)犯罪要素主要包括吸引物與犯罪機(jī)會(huì)，罪犯通常會(huì)選擇吸引物價(jià)值高，犯罪機(jī)會(huì)大而被捕風(fēng)險(xiǎn)小的地方下手。福州市這三年中人均GDP上升一萬(wàn)多元，各種商業(yè)區(qū)、娛樂(lè)區(qū)不斷發(fā)展，人口成分復(fù)雜；同時(shí)流動(dòng)人口增多，至2010年達(dá)到2 500人/km2，但是人與人之間的監(jiān)護(hù)能力下降，導(dǎo)致福州市各類(lèi)犯罪事件呈上升趨勢(shì)。其中福州市區(qū)GDP就占到全市50%，具有高度犯罪誘惑力；人口密度達(dá)到2 800人/km2，人流、物流、信息流流動(dòng)強(qiáng)烈；城市高層建筑集中，容易形成“空間死角”；再者公共場(chǎng)所多是陌生人，彼此之間關(guān)系度不高，根據(jù)社會(huì)解組理論[11]，人與人之間的隔離會(huì)使更多人產(chǎn)生犯罪的動(dòng)機(jī)?？梢?jiàn)經(jīng)濟(jì)發(fā)達(dá)、人口密集及監(jiān)護(hù)能力是案事件發(fā)生的幾個(gè)重要原因。
3.2 時(shí)間影響因素
Cohen提出的日?；顒?dòng)理論最初用于財(cái)產(chǎn)犯罪[12]，現(xiàn)在主要用于解釋犯罪在時(shí)間上的分布差異。日常活動(dòng)理論犯罪的發(fā)生主要有三個(gè)因素：合適的目標(biāo)、有動(dòng)機(jī)的罪犯以及監(jiān)護(hù)能力的缺失。
不同季節(jié)，氣溫、降雨量等不同，通過(guò)人的神經(jīng)感受器、下腦與內(nèi)分泌腺等對(duì)人體產(chǎn)生一定的影響，使人出現(xiàn)相應(yīng)的生理變化，從而影響某一類(lèi)犯罪的漲跌[13]。福州市冬季受極地大陸氣團(tuán)影響，氣溫偏低，居民出行率降低，盜竊案減少；秋季暮夜深暗，隱蔽度高，刺激行為人犯罪動(dòng)機(jī)，盜竊作案容易得手。另外福州為河口盆地地形，在夏季易出現(xiàn)熱島效應(yīng)，人的感知度升高，“兩搶”事件呈下降趨勢(shì)。春秋季節(jié)氣溫舒適，城市出行率增高，良好的作案環(huán)境與機(jī)會(huì)使犯罪增多，詐騙案件數(shù)量上升。可見(jiàn)季節(jié)對(duì)犯罪的類(lèi)型影響主要是通過(guò)影響人的生理狀況來(lái)影響人的情緒，從而影響人的行為，所以各類(lèi)型犯罪基本上都會(huì)在一年中形成不同程度的聚集狀態(tài)。同樣的，一天24小時(shí)之內(nèi)也存在溫度、感知度、可見(jiàn)度以及出行量等因素的差異，故而聚集成不同的熱點(diǎn)時(shí)段。
4 結(jié)論
本文選取福州市為研究區(qū)域，研究不同類(lèi)型犯罪事件的空間分布特征，并從不同時(shí)間尺度分析盜竊等四類(lèi)犯罪事件在時(shí)間上的演變規(guī)律，研究結(jié)果表明：（1）基于區(qū)域中心模型發(fā)現(xiàn)，犯罪人口重心與人口重心都偏向區(qū)域幾何重心的東南方向，但是犯罪人口逐年趨向于均衡分布。（2）盜竊等四類(lèi)財(cái)產(chǎn)犯罪均呈聚集分布模式，并且熱點(diǎn)都處在福州市區(qū)。（3）近年來(lái)財(cái)產(chǎn)犯罪呈不斷上升趨勢(shì)，由于受到氣候、警力部署、出行量等因素以及犯罪類(lèi)型自身性質(zhì)的影響，不同類(lèi)型財(cái)產(chǎn)犯罪在不同的時(shí)間尺度上存在不同的聚集狀態(tài)與分布規(guī)律。
參考文獻(xiàn)
[1] 王行漢，陳永康，扶卿華.基于GIS的搶劫盜竊犯罪時(shí)空變化特征分析——以廣州市為例[J].測(cè)繪與空間地理信息，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] 陳鵬，疏學(xué)明，袁宏永，等.時(shí)空犯罪熱點(diǎn)預(yù)測(cè)模型研究[J].系統(tǒng)仿真學(xué)報(bào)，2011，23（9）：1782-1786.
[6] 王發(fā)曾.城市犯罪空間盲區(qū)的綜合治理研究[J].地理研究，2010，29（1）：57-67.
[7] 王發(fā)曾.我國(guó)城市犯罪空間防控研究二十年[J].人文地理，2010，25（4）：25-30.
[8] 李秀彬.地區(qū)發(fā)展均衡性的可視化測(cè)度[J].地理科學(xué)，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] 陳鵬，疏學(xué)明，顏峻，等.犯罪活動(dòng)在一天內(nèi)的發(fā)生時(shí)間規(guī)律[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)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] 楊再明，秦?fù)P.犯罪學(xué)[M].四川：四川大學(xué)出版社，2004：149.