摘  要： 犯罪問題是長久以來存在并困擾人們的一大難題，隨著社會經(jīng)濟(jì)增長與城市空間結(jié)構(gòu)變化，犯罪問題日益突出。針對福州市財產(chǎn)犯罪問題，運(yùn)用ArcGIS、CrimeStat分析了2008、2009及2010年盜竊、搶劫、搶奪及詐騙四類財產(chǎn)犯罪數(shù)據(jù)，研究了犯罪人口空間重心演變規(guī)律、犯罪熱點判別與可視化，并從不同時間尺度探討案事件的時間演變特征。研究結(jié)果表明，犯罪人口空間分布存在不均衡性；不同類型財產(chǎn)犯罪在不同時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點出現(xiàn)犯罪低谷期。

　　關(guān)鍵詞： 犯罪問題；財產(chǎn)犯罪；空間分布；時間演變

0 引言

　　自古以來，不論是在經(jīng)濟(jì)方面還是在人身安全方面，犯罪問題都直接影響著人民群眾的生活質(zhì)量，同時對國家經(jīng)濟(jì)發(fā)展與社會和諧也有極大的影響。尤其是財產(chǎn)犯罪。21世紀(jì)，犯罪研究趨于多樣化，如犯罪時空格局[1-2]、犯罪相關(guān)因素[3-4]、犯罪預(yù)測[5]及防控[6-7]。國內(nèi)關(guān)于犯罪的研究主要集中在犯罪時空布局研究，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)對某一地區(qū)進(jìn)行實證研究。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)，研究財產(chǎn)犯罪空間分布模式，引入Gini指數(shù)分析時間上的聚集程度，從不同時間尺度開展研究，較為完整地獲得福州市財產(chǎn)犯罪的時空分布規(guī)律，為犯罪防控提供一定依據(jù)。

1 研究方法

　　1.1 財產(chǎn)犯罪人口重心

　　重心一詞最初被引入社會經(jīng)濟(jì)學(xué)，用來評價事物或現(xiàn)象在地理空間上的均衡性狀態(tài)，隨后被應(yīng)用于各個方面。本文利用犯罪人口重心模型分析2008~2010年的財產(chǎn)犯罪人口空間分布均衡性與演變特征。財產(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，可算出整個區(qū)域的幾何重心。當(dāng)財產(chǎn)犯罪重心與區(qū)域幾何重心有明顯差異時，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Gini指數(shù)研究案事件在時間上的聚集狀況。假設(shè)一個時間序列為x1，x2，…，xn，則定義兩序列間的Gini指數(shù)為：

　　式中，時間序列平均值，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 案事件時空演變特征

　　2.1 空間特征

　　2.1.1 財產(chǎn)犯罪人口重心演變特征

　　利用重心模型與ArcGIS軟件計算福州市2008~2010年的財產(chǎn)犯罪人口重心與總?cè)丝谥匦模ū?），并將其移動軌跡可視化，如圖1所示。

　　結(jié)果顯示，2008~2010年的財產(chǎn)犯罪人口重心與總?cè)丝谥匦碾m然都處在倉山區(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財產(chǎn)犯罪人口重心都向北方偏移，不同的是財產(chǎn)犯罪人口重心的移動幅度更大，是總?cè)丝谝苿臃鹊?倍左右，說明財產(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，表明影響財產(chǎn)犯罪的其他因素不斷增強(qiáng)。

　　2.1.2 空間聚類分析

　?。?）熱點識別

　　最鄰近距離統(tǒng)計通過比較統(tǒng)計點間最近距離均值與隨機(jī)分布模式最鄰近點對的平均距離，判斷統(tǒng)計點是否聚集。利用CrimesTat判斷2010年四類財產(chǎn)犯罪是否聚集。結(jié)果如表2所示。

　　福州市2010年盜竊等四類財產(chǎn)犯罪的最鄰近R值都明顯小于1，說明四類犯罪均呈現(xiàn)聚集情況。由統(tǒng)計檢驗值可以看出α=0.05時，案件Z值均小于-1.96，此時P值為0.000 1，均小于0.05，表明其聚集呈高度顯著。

　　（2）熱點可視化

　　證明福州市四類犯罪熱點的存在后，需將犯罪熱點可視化。分級聚類能夠直觀反映犯罪熱點區(qū)域，使各級相關(guān)部門明確相應(yīng)級別的熱點。本文使用CrimeStat與ArcGIS生成分級聚類圖，如圖2所示。

　　通過層次聚類分析得到熱點區(qū)域的特點，如表3所示。一級聚類分布在較大的空間內(nèi)，主要覆蓋福州市區(qū)，熱點集中在倉山區(qū)、鼓樓區(qū)與臺江區(qū)，個數(shù)較多，面積較小，適用于民警、街道相關(guān)人員以及區(qū)級派出所管理；二級聚類熱點主要集中在福州市區(qū)，個數(shù)較少，面積較大，主要為市級派出所提供參考；一級聚類盜竊最大熱點面積偏小，聚類個數(shù)較多，說明盜竊在小范圍內(nèi)作案更集中，形成多個據(jù)點；詐騙最大熱點面積最大，說明在市級范圍內(nèi)詐騙據(jù)點分布比較分散。

　　2.2 時間特征

　　一般而言，一年中的每個月甚至是每一個小時，溫度、濕度等因素都不相同。研究發(fā)現(xiàn)即使是一天內(nèi)每小時的犯罪數(shù)量也都有很大的變化，不同時間段的犯罪活動次數(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個月的財產(chǎn)犯罪數(shù)據(jù)，了解其在時間上的演變特征，如圖3所示。雖然犯罪數(shù)量存在波動，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月份波動幅度最大，因此可以認(rèn)為2月份是一年犯罪活動的最佳起始時間。

　　盜竊等四類案件在一年內(nèi)存在不同的分布特征，計算3年內(nèi)1~12月各類犯罪活動的平均發(fā)生率，結(jié)合Gini指數(shù)考察不同犯罪類型在時間上的聚集情況（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，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。由此可見季節(jié)對不同類型財產(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6萬余條財產(chǎn)犯罪數(shù)據(jù)，分析從00∶00點~23∶59點的犯罪數(shù)量分布情況，繪制24小時財產(chǎn)犯罪數(shù)量分布圖（圖5）。

　　財產(chǎn)犯罪數(shù)量在凌晨5點處于最低值，下午6點處于最高值，因此可以認(rèn)為凌晨5點是一天犯罪活動的最佳起始時間；財產(chǎn)犯罪主要在08∶00~20∶00點間活躍。

　　由于作案方法、手段等性質(zhì)不同，不同類型的財產(chǎn)犯罪即使在一天內(nèi)也具有不同的時間分布。從05∶00開始至第二天04∶59的24小時分布情況（圖6），了解到凌晨5點是犯罪事件低發(fā)期，因為該時段出行量最低；不同的是盜竊、搶奪在傍晚7點左右犯罪率比較高，搶劫在夜晚10點較多；相反地，詐騙則在上午10點左右比較常見。從Gini指數(shù)了解到四類犯罪聚集程度都比較高（表5），相對而言盜竊則顯得分布比較均勻，詐騙從  8∶00~15∶00 7個小時犯案率占據(jù)全天總數(shù)70%，同樣地?fù)尳購?0∶00~02∶00點6個小時犯案率達(dá)53%?？傮w而言，詐騙活動以白天為作案時間，搶奪與搶劫以夜晚為主，盜竊則大部分時段都會較頻繁發(fā)生。

3 案事件時空格局形成因素

　　3.1 空間影響因素

　　財產(chǎn)犯罪要素主要包括吸引物與犯罪機(jī)會，罪犯通常會選擇吸引物價值高，犯罪機(jī)會大而被捕風(fēng)險小的地方下手。福州市這三年中人均GDP上升一萬多元，各種商業(yè)區(qū)、娛樂區(qū)不斷發(fā)展，人口成分復(fù)雜；同時流動人口增多，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)致福州市各類犯罪事件呈上升趨勢。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、信息流流動強(qiáng)烈；城市高層建筑集中，容易形成“空間死角”；再者公共場所多是陌生人，彼此之間關(guān)系度不高，根據(jù)社會解組理論[11]，人與人之間的隔離會使更多人產(chǎn)生犯罪的動機(jī)?？梢娊?jīng)濟(jì)發(fā)達(dá)、人口密集及監(jiān)護(hù)能力是案事件發(fā)生的幾個重要原因。

　　3.2 時間影響因素

　　Cohen提出的日?；顒永碚撟畛跤糜谪敭a(chǎn)犯罪[12]，現(xiàn)在主要用于解釋犯罪在時間上的分布差異。日常活動理論犯罪的發(fā)生主要有三個因素：合適的目標(biāo)、有動機(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，通過人的神經(jīng)感受器、下腦與內(nèi)分泌腺等對人體產(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。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)會使犯罪增多，詐騙案件數(shù)量上升?？梢娂竟?jié)對犯罪的類型影響主要是通過影響人的生理狀況來影響人的情緒，從而影響人的行為，所以各類型犯罪基本上都會在一年中形成不同程度的聚集狀態(tài)。同樣的，一天24小時之內(nèi)也存在溫度、感知度、可見度以及出行量等因素的差異，故而聚集成不同的熱點時段。

4 結(jié)論

　　本文選取福州市為研究區(qū)域，研究不同類型犯罪事件的空間分布特征，并從不同時間尺度分析盜竊等四類犯罪事件在時間上的演變規(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）盜竊等四類財產(chǎn)犯罪均呈聚集分布模式，并且熱點都處在福州市區(qū)。（3）近年來財產(chǎn)犯罪呈不斷上升趨勢，由于受到氣候、警力部署、出行量等因素以及犯罪類型自身性質(zhì)的影響，不同類型財產(chǎn)犯罪在不同的時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的搶劫盜竊犯罪時空變化特征分析——以廣州市為例[J].測繪與空間地理信息，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.時空犯罪熱點預(yù)測模型研究[J].系統(tǒng)仿真學(xué)報，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.犯罪活動在一天內(nèi)的發(fā)生時間規(guī)律[J].清華大學(xué)學(xué)報（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.