王 欣

(中國(guó)人民公安大學(xué)圖書(shū)館，北京 102600)

0 引言

基于統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的各種預(yù)測(cè)方法早已應(yīng)用在經(jīng)濟(jì)、醫(yī)學(xué)等領(lǐng)域，但在上世紀(jì)90年代末期才開(kāi)始被警方關(guān)注，這與警務(wù)模式的改變不無(wú)關(guān)系。在“社區(qū)警務(wù)”和“情報(bào)主導(dǎo)警務(wù)”兩大現(xiàn)代警務(wù)理念提出之前，歐美警方的警務(wù)工作是以事件為中心的，是一種被動(dòng)的反應(yīng)式警務(wù)管理方法，其關(guān)注的焦點(diǎn)是罪犯而并非犯罪，而預(yù)測(cè)某個(gè)罪犯的行為幾乎是不可能的。上世紀(jì)60年代開(kāi)始，歐美警務(wù)發(fā)生了重大變革，“社區(qū)警務(wù)”和“問(wèn)題導(dǎo)向的警務(wù)”理念被廣泛接受。進(jìn)入90年代，歐美執(zhí)法部門(mén)提出“情報(bào)主導(dǎo)警務(wù)”，并將犯罪情報(bào)分析納入警方的日常工作。治安預(yù)測(cè)正是基于以上背景而產(chǎn)生，治安預(yù)測(cè)并不關(guān)注具體罪犯的行為，而關(guān)注的是犯罪可能發(fā)生的時(shí)間和地點(diǎn)、數(shù)量和模式，這些信息足以讓警方預(yù)先布防，有效地減少犯罪［1］，改善社會(huì)治安環(huán)境。在歐美國(guó)家，通常使用“Crime forecasting”一詞來(lái)代表對(duì)城市未來(lái)一段時(shí)間內(nèi)治安情況的預(yù)測(cè)，所以在本文中犯罪預(yù)測(cè)與治安預(yù)測(cè)一詞含義相同。

治安預(yù)測(cè)的產(chǎn)生與兩件事物的發(fā)展密切相關(guān)：環(huán)境犯罪學(xué)的發(fā)展和地理信息系統(tǒng)在警方的普及。環(huán)境犯罪學(xué)是犯罪學(xué)的一個(gè)分支，主要研究犯罪現(xiàn)象與空間和地理因素之間的關(guān)系。犯罪在空間上的分布呈現(xiàn)不均勻狀態(tài)，并始終隨著時(shí)間動(dòng)態(tài)變化，這些變化往往與地域文化、經(jīng)濟(jì)、環(huán)境相關(guān)，并呈現(xiàn)出季節(jié)特征。犯罪預(yù)測(cè)正是要捕捉和預(yù)測(cè)犯罪動(dòng)態(tài)分布的變化，為警方的戰(zhàn)略部署和戰(zhàn)術(shù)安排提供參考。90年代初期地理信息系統(tǒng)逐漸在歐美警方普及，最初警方將犯罪數(shù)據(jù)標(biāo)記在地理信息系統(tǒng)上，用以發(fā)現(xiàn)當(dāng)前的犯罪熱點(diǎn)，1997年卡耐基梅隆大學(xué)的Olligschlaeger第一次將預(yù)測(cè)技術(shù)與地理信息系統(tǒng)相結(jié)合，提出了第一個(gè)基于地理信息系統(tǒng)的犯罪預(yù)測(cè)方法［2］。

治安預(yù)測(cè)自產(chǎn)生起就受到了警方的關(guān)注，1998年已經(jīng)在犯罪制圖方面取得重大成功的美國(guó)國(guó)家司法研究所一次資助了5個(gè)關(guān)于治安預(yù)測(cè)的研究項(xiàng)目。目前治安預(yù)測(cè)已經(jīng)成為歐美警方制定警務(wù)戰(zhàn)術(shù)策略的重要工具。治安預(yù)測(cè)與地理信息系統(tǒng)密不可分，從這種意義上來(lái)說(shuō)，治安預(yù)測(cè)可以看做是犯罪制圖與預(yù)測(cè)技術(shù)的結(jié)合，是犯罪制圖更深層次的發(fā)展［3］。目前犯罪預(yù)測(cè)已經(jīng)成為犯罪情報(bào)分析中最重要的研究?jī)?nèi)容。本文對(duì)十年來(lái)治安預(yù)測(cè)技術(shù)主流和發(fā)展進(jìn)行歸納和整理，并在此基礎(chǔ)上對(duì)治安預(yù)測(cè)技術(shù)進(jìn)行了展望。本文的第1節(jié)將對(duì)國(guó)內(nèi)外治安預(yù)測(cè)技術(shù)進(jìn)行簡(jiǎn)要介紹，第2節(jié)比較了國(guó)內(nèi)外的治安預(yù)測(cè)研究狀況，第3節(jié)對(duì)全文做了總結(jié)和展望。

1 治安預(yù)測(cè)方法概述

1.1 時(shí)間序列法

時(shí)間序列法是在觀察和分析數(shù)據(jù)長(zhǎng)期形成的時(shí)間序列規(guī)律和趨勢(shì)的基礎(chǔ)上對(duì)未來(lái)進(jìn)行預(yù)測(cè)的一種方法，時(shí)間序列不需要分析與被預(yù)測(cè)量相關(guān)的自變量以及因變量與自變量之間的關(guān)系。時(shí)間序列分析法認(rèn)為時(shí)間序列本身就已經(jīng)包含了足夠多的關(guān)于系統(tǒng)的信息，只需要對(duì)時(shí)間序列進(jìn)行分析就可以預(yù)測(cè)未來(lái)，用一句話來(lái)概括就是“讓數(shù)據(jù)自己說(shuō)話”。構(gòu)造時(shí)間序列通常會(huì)考慮長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變動(dòng)和不規(guī)則變動(dòng)。博克斯詹金斯法、指數(shù)平滑法均屬于時(shí)間序列法范疇。如果平穩(wěn)時(shí)間序列自回歸的階數(shù)為p，移動(dòng)平均的階數(shù)為q，非平穩(wěn)的時(shí)間序列經(jīng)過(guò)d階差分可以轉(zhuǎn)換為平穩(wěn)時(shí)間序列，該時(shí)間序列就可以用ARIMA(p，d，q)來(lái)表示，而博克斯詹金斯法［4］是對(duì)時(shí)間序列建立ARIMA模型的一個(gè)反復(fù)過(guò)程，旨在擬合出最為“正確”的p，d，q的值。ARIMA是一種常見(jiàn)的預(yù)測(cè)方法，國(guó)內(nèi)外都有機(jī)構(gòu)和學(xué)者采用此方法進(jìn)行社會(huì)預(yù)測(cè)，如清華大學(xué)陳鵬等人使用ARIMA模型對(duì)侵財(cái)型犯罪進(jìn)行了短期預(yù)測(cè)［5］。

指數(shù)平滑法是對(duì)簡(jiǎn)單移動(dòng)平均的一種改進(jìn)，指數(shù)平滑法同樣考慮前期若干個(gè)時(shí)間的值，但是隨著時(shí)間的遞增，其影響也隨之遞減。顯然，指數(shù)平滑法是一種更符合常理的假設(shè)。一次指數(shù)平滑法中預(yù)測(cè)公式為：

預(yù)測(cè)值 S(1)t其實(shí)為 yt，yt－1，…，yt－j的加權(quán)平均。在指數(shù)平滑法的基礎(chǔ)上還有二次指數(shù)平滑法等修正的指數(shù)平滑法：2005 年卡耐基梅隆大學(xué)為匹茲堡警方所研發(fā)的預(yù)警系統(tǒng)中就是用了指數(shù)平滑法來(lái)預(yù)測(cè)下一月的犯罪分布。根據(jù)犯罪學(xué)研究，犯罪分布與人口、土地用途和季節(jié)性都有著極大的相關(guān)關(guān)系，基于此原理該方法復(fù)合使用了人口和土地用途以及季節(jié)性指標(biāo)作為變量來(lái)修正預(yù)測(cè)值［6］。該文獻(xiàn)對(duì)人口密度、失業(yè)人口、年輕人比例、失學(xué)兒童等人口參數(shù)以及土地內(nèi)的便利店、超市、停車(chē)場(chǎng)、汽車(chē)旅館、酒吧等土地用途數(shù)據(jù)對(duì)預(yù)測(cè)的準(zhǔn)確度的影響做了數(shù)據(jù)分析，最后選擇了5個(gè)與犯罪發(fā)生最為相關(guān)的因素作為修正預(yù)測(cè)值的指標(biāo)。

1.2 領(lǐng)先指標(biāo)法

自然現(xiàn)象、社會(huì)現(xiàn)象、經(jīng)濟(jì)現(xiàn)象等之間的相互聯(lián)系，有時(shí)在變動(dòng)時(shí)間上呈現(xiàn)先后順序。當(dāng)一種現(xiàn)象發(fā)生變化之后，另一種現(xiàn)象隨之發(fā)生變化。前者的變化傳遞了后者即將發(fā)生變化的信息，成為后者發(fā)生變化的前兆現(xiàn)象。領(lǐng)先指標(biāo)預(yù)測(cè)法正是基于這種思想。領(lǐng)先指標(biāo)法常采用先行、同步和滯后指標(biāo)同時(shí)進(jìn)行峰谷位置的預(yù)測(cè)。

Cohen和Gorr在向美國(guó)司法研究所提交的報(bào)告中提出一種用于短期微觀預(yù)測(cè)的領(lǐng)先指標(biāo)模型［7］。選取的指標(biāo)主要來(lái)自公眾的911電話報(bào)警信息、警方已經(jīng)立案的案發(fā)信息和來(lái)自警員結(jié)案后的報(bào)告。911電話報(bào)警作為先行變量，作者按照FBI對(duì)犯罪的分類(lèi)標(biāo)準(zhǔn)選取了殺人、強(qiáng)奸、搶劫、聚眾斗毆、入室盜竊、街頭盜竊、機(jī)動(dòng)車(chē)盜竊等7項(xiàng)對(duì)社會(huì)治安有嚴(yán)重威脅的犯罪作為預(yù)測(cè)的同步變量指標(biāo)，同時(shí)選取了醉酒、行為不當(dāng)、簡(jiǎn)單攻擊等較輕的犯罪行為作為同步變量的輔助指標(biāo)。作者根據(jù)環(huán)境犯罪學(xué)中的“破窗理論”將警員對(duì)犯罪后的處置作為滯后變量。預(yù)測(cè)數(shù)據(jù)顯示出比基于同樣指標(biāo)的神經(jīng)網(wǎng)絡(luò)模型和多元回歸模型更好的預(yù)測(cè)效果。

我國(guó)學(xué)者主要采用領(lǐng)先指標(biāo)模型進(jìn)行長(zhǎng)期和宏觀層面的預(yù)測(cè)。宋林飛曾在1995年提出了“社會(huì)風(fēng)險(xiǎn)預(yù)警綜合指標(biāo)體系”［8］，該體系根據(jù)社會(huì)風(fēng)險(xiǎn)管理的思想，利用警源、警兆和警情3個(gè)因素，選取社會(huì)、經(jīng)濟(jì)、政治、自然環(huán)境和國(guó)際環(huán)境5個(gè)方面的50個(gè)指標(biāo)，對(duì)社會(huì)風(fēng)險(xiǎn)進(jìn)行預(yù)警。秦立強(qiáng)等學(xué)者率先提出了基于領(lǐng)先指標(biāo)法的社會(huì)治安預(yù)警指標(biāo)體系［9］，對(duì)我國(guó)整體治安狀況進(jìn)行綜合預(yù)警。

1.3 因素建模法

因素建模法就是在分析與犯罪相關(guān)的因素基礎(chǔ)上，創(chuàng)建犯罪數(shù)量與相關(guān)因素的數(shù)學(xué)模型，通過(guò)監(jiān)測(cè)和統(tǒng)計(jì)相關(guān)因素來(lái)預(yù)測(cè)未來(lái)犯罪的發(fā)生數(shù)量，常用模型有回歸模型、協(xié)整回歸模型。

在回歸分析中，認(rèn)為因變量Yt是一些自變量的線性組合，或者因變量Yt通過(guò)一定的形式變換與自變量呈現(xiàn)出線性關(guān)系。常見(jiàn)的回歸模型有多元(一元)線性回歸模型，多元(一元)邏輯回歸模型等。在定量犯罪學(xué)(Quantitative Criminology)研究中，學(xué)者們大量的使用回歸模型研究各類(lèi)犯罪現(xiàn)象與社會(huì)、經(jīng)濟(jì)、人口等指標(biāo)的相關(guān)關(guān)系，例如Baller使用線性回歸模型研究了空間的社會(huì)經(jīng)濟(jì)計(jì)量數(shù)據(jù)與該地區(qū)殺人案發(fā)生率的關(guān)系［10］，Craglia使用邏輯回歸方法對(duì)倫敦犯罪高發(fā)區(qū)的社會(huì)特征進(jìn)行建模［11］。1999年英國(guó)國(guó)土安全部發(fā)布的對(duì)英格蘭和威爾士財(cái)產(chǎn)性犯罪預(yù)測(cè)的建模方法就是利用了多元回歸模型，模型中考慮了經(jīng)濟(jì)活動(dòng)變量、司法變量和人口變量3大類(lèi)自變量因子［12］。

多數(shù)時(shí)間序列在長(zhǎng)期趨勢(shì)上很有可能是非平穩(wěn)性的序列，而非平穩(wěn)的序列不能用于平穩(wěn)時(shí)間序列的統(tǒng)計(jì)方法，否則分析時(shí)會(huì)出現(xiàn)“偽回歸”(Spurious Regression)現(xiàn)象，以此做出的結(jié)論很可能是錯(cuò)誤的。協(xié)整關(guān)系(Co－integration)基本思想在于，盡管2個(gè)或2個(gè)以上的變量序列為非平穩(wěn)序列，但它們的某種線性組合卻可能呈現(xiàn)穩(wěn)定性，那么這2個(gè)變量之間便存在長(zhǎng)期穩(wěn)定關(guān)系即協(xié)整關(guān)系。協(xié)整概念的提出為在2個(gè)或者多個(gè)非平穩(wěn)變量間尋找均衡關(guān)系以及用存在協(xié)整關(guān)系的變量建立誤差修正模型奠定了理論基礎(chǔ)。根據(jù)格蘭杰(Granger)定理，如果若干個(gè)變量之間存在協(xié)整關(guān)系，則這些變量必然有誤差修正模型(ECM)表達(dá)式存在，反之也成立。協(xié)整回歸分析通常用于長(zhǎng)期預(yù)測(cè)，利用誤差修正來(lái)調(diào)整變量間的長(zhǎng)期穩(wěn)定關(guān)系。Deadman利用協(xié)整誤差修正方法對(duì)英國(guó)國(guó)土安全部提出的侵財(cái)型犯罪預(yù)測(cè)模型進(jìn)行了進(jìn)一步修正，同時(shí)對(duì)比了單純多元回歸模型、協(xié)整回歸模型和時(shí)間序列模型(ARIMA)3種預(yù)測(cè)方法，結(jié)果顯示，單純多元回歸模型預(yù)測(cè)準(zhǔn)確性低于時(shí)間序列模型，協(xié)整修正后的預(yù)測(cè)模型準(zhǔn)確率超過(guò)了時(shí)間序列模型。顯然，時(shí)間序列模型的消耗低，不需要額外獲取相關(guān)的統(tǒng)計(jì)數(shù)據(jù)，如果在準(zhǔn)確率沒(méi)有顯著提高的情況下，時(shí)間序列方法是更好的選擇［13］，使用多元回歸分析進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)，必須考慮變量之間的協(xié)整關(guān)系。

1.4 其他分析方法

其他用來(lái)進(jìn)行犯罪預(yù)測(cè)的方法還有神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、灰色預(yù)測(cè)、空間統(tǒng)計(jì)分析方法等。

1998年Olligschlaeger提出使用神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)街道毒品交易的時(shí)空分布［2］。根據(jù)相關(guān)的犯罪學(xué)研究，Olligschlaeger采用了以下6個(gè)指標(biāo)作為預(yù)測(cè)的自變量：1)與武器相關(guān)的報(bào)警電話數(shù);2)搶劫報(bào)警電話數(shù);3)襲擊報(bào)警電話數(shù);4)網(wǎng)格內(nèi)居民數(shù)量;5)網(wǎng)格內(nèi)土地的商業(yè)屬性;6)季節(jié)性指標(biāo)。實(shí)驗(yàn)采用了1990年到1992年35個(gè)月的數(shù)據(jù)，其中1990～1991年的數(shù)據(jù)用作訓(xùn)練產(chǎn)生神經(jīng)元權(quán)重系數(shù)，而1992年的數(shù)據(jù)用于檢測(cè)模型是否過(guò)度擬合。為了驗(yàn)證神經(jīng)網(wǎng)絡(luò)方法的優(yōu)勢(shì)，Olligschlaeger同時(shí)使用同參數(shù)的回歸模型和相對(duì)地理單元不變化的神經(jīng)元權(quán)重系數(shù)兩種模型進(jìn)行對(duì)比，結(jié)果神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)出了非常優(yōu)秀的預(yù)測(cè)成績(jī)。

Olligschlaeger所采用的神經(jīng)網(wǎng)絡(luò)模型在某種意義上也屬于因素建模法，與傳統(tǒng)回歸模型不同的是，被預(yù)測(cè)量與自變量并非本質(zhì)上的線性關(guān)系，而是一種復(fù)雜的動(dòng)態(tài)的非線性關(guān)系。

灰色系統(tǒng)預(yù)測(cè)方法是我國(guó)學(xué)者鄧聚龍教授在1982年發(fā)明的，灰色系統(tǒng)理論是針對(duì)既無(wú)經(jīng)驗(yàn)且數(shù)據(jù)又少的不確定性問(wèn)題提出來(lái)的一門(mén)橫斷面大、滲透性強(qiáng)的新興邊緣學(xué)科。國(guó)內(nèi)不少學(xué)者進(jìn)行了利用灰色系統(tǒng)預(yù)測(cè)犯罪動(dòng)態(tài)的研究，北京市公安局的劉曉娟利用GM(1，1)模型對(duì)地區(qū)的年月發(fā)案率進(jìn)行了建模［14］，辛越等人嘗試?yán)?GM(1，1)模型對(duì)群體性事件進(jìn)行預(yù)測(cè)［15］?；疑到y(tǒng)的分析同樣是基于時(shí)間序列，不需要額外選擇相關(guān)的自變量。

與以上統(tǒng)計(jì)方法有著根本不同的是基于空間分析方法的預(yù)測(cè)，空間統(tǒng)計(jì)學(xué)是一門(mén)發(fā)源于地學(xué)統(tǒng)計(jì)的學(xué)科，最早在地理學(xué)研究中使用，主要研究那些在空間分布上既有隨機(jī)性又有結(jié)構(gòu)性，或空間相關(guān)和依賴(lài)的自然現(xiàn)象的科學(xué)［16］?？臻g分析方法中常見(jiàn)的有點(diǎn)模式分析和面模式分析等?？茖W(xué)家們利用空間統(tǒng)計(jì)方法對(duì)房地產(chǎn)分布、疾病的分布和傳播、生物的分布、經(jīng)濟(jì)發(fā)展的地域性等都做過(guò)大量的分析和研究。Hua Liu和Brown利用空間點(diǎn)模式方法進(jìn)行了預(yù)測(cè)犯罪熱點(diǎn)和恐怖事件發(fā)生地點(diǎn)的研究［17－18］。

1.5 計(jì)算機(jī)仿真預(yù)測(cè)

近幾十年來(lái)，復(fù)雜性科學(xué)研究取得了非常多的成果，博弈論、復(fù)雜網(wǎng)絡(luò)、人工智能、群集智能、基于主體的仿真等技術(shù)的發(fā)展給經(jīng)濟(jì)、社會(huì)學(xué)、生物學(xué)等領(lǐng)域的科學(xué)家?guī)?lái)新的啟示。90年代，美國(guó)的經(jīng)濟(jì)學(xué)家lane首次提出了基于主體的計(jì)算經(jīng)濟(jì)學(xué)模型，開(kāi)創(chuàng)了經(jīng)濟(jì)學(xué)研究的新方向——計(jì)算經(jīng)濟(jì)學(xué)(agentbased Computational Economics)。基于主體的仿真技術(shù)是一種自下而上的微觀仿真技術(shù)，仿真方法對(duì)系統(tǒng)采用自下而上的建模方法，并不直接對(duì)系統(tǒng)的整體特性進(jìn)行描述，而是采用描述系統(tǒng)中不同的主體和主體之間的交互規(guī)則的方法對(duì)系統(tǒng)建模。在經(jīng)濟(jì)學(xué)中基于主體的模擬方法常用于策略研究和預(yù)測(cè)經(jīng)濟(jì)走向，比較著名的例子有美國(guó)Sindia國(guó)家實(shí)驗(yàn)室的Aspen模型，Arthur等的人工金融市場(chǎng)等［19］。

受到經(jīng)濟(jì)學(xué)界的啟示，2004年犯罪學(xué)家Brantingham提出了計(jì)算犯罪學(xué)(Computational Criminology)這一概念，他認(rèn)為犯罪現(xiàn)象也可以像研究經(jīng)濟(jì)現(xiàn)象那樣，利用基于多主體的仿真模型，通過(guò)對(duì)犯罪個(gè)體、受害人、警察個(gè)體行為和行為之間的交互建模，研究宏觀涌現(xiàn)出的犯罪現(xiàn)象。目前利用多主體模型研究和預(yù)測(cè)犯罪的成果主要有對(duì)罪犯、受害人的行為描述規(guī)范框架的建立 、群體性暴力沖突的多主體建模［22－23］、警務(wù)布防策略和犯罪處置方法的對(duì)比［24］、利用仿真方法對(duì)犯罪學(xué)理論的檢測(cè)和實(shí)驗(yàn)等［25］。利用多主體計(jì)算機(jī)仿真來(lái)描述和預(yù)測(cè)犯罪現(xiàn)象還是一種新鮮事物，盡管還處于初級(jí)階段，但是已經(jīng)成為當(dāng)前的研究熱點(diǎn)。

2 國(guó)內(nèi)外預(yù)測(cè)方法比較研究

2.1 預(yù)測(cè)方法技術(shù)比較

表1對(duì)本文提到的犯罪預(yù)測(cè)模型做了一個(gè)對(duì)比，根據(jù)治安預(yù)測(cè)所需要的數(shù)據(jù)，治安預(yù)測(cè)方法大約可以分為單變量方法和多變量方法，單變量方法包括時(shí)間序列模型和灰色預(yù)測(cè)模型，單變量方法無(wú)需獲取更多額外的統(tǒng)計(jì)數(shù)據(jù)，減少了數(shù)據(jù)獲取的難度，同時(shí)單變量方法對(duì)犯罪學(xué)研究的依賴(lài)性較低，因此在實(shí)際預(yù)測(cè)中，如果單純使用單變量方法就可以獲得較為滿意的預(yù)測(cè)準(zhǔn)確度，使用單變量模型就是較好的選擇。在使用單變量模型時(shí)，可以增加輔助方法和變量修正模型，提高預(yù)測(cè)準(zhǔn)確度，如卡耐基梅隆大學(xué)為匹茲堡警方所使用的指數(shù)平滑法［7］。

使用多變量模型需要額外獲取相關(guān)的統(tǒng)計(jì)信息，在考慮多變量模型的同時(shí)也應(yīng)考慮模型中相關(guān)變量的可獲取性和獲取難度，否則很難應(yīng)用到實(shí)際的系統(tǒng)當(dāng)中。多變量模型對(duì)犯罪學(xué)研究成果依賴(lài)程度較高，在建立預(yù)測(cè)模型時(shí)應(yīng)謹(jǐn)慎選擇變量因子，在統(tǒng)計(jì)數(shù)據(jù)基礎(chǔ)上選擇真正能夠提高預(yù)測(cè)準(zhǔn)確度的相關(guān)因子，在使用多元回歸模型進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)應(yīng)考慮變量之間的協(xié)整關(guān)系。使用計(jì)算機(jī)仿真建模方法是較為新穎的犯罪預(yù)測(cè)方法，目前的研究多限于對(duì)策略和政策的模擬和仿真，用以對(duì)比不同的治安管理策略效果。

表1 犯罪預(yù)測(cè)模型對(duì)比

2.2 比較國(guó)內(nèi)外犯罪預(yù)測(cè)研究

比較國(guó)內(nèi)外犯罪預(yù)測(cè)研究的特點(diǎn)，其差異主要集中在3個(gè)方面：與地理信息系統(tǒng)結(jié)合、預(yù)測(cè)尺度、指標(biāo)的選擇。

2.2.1 與地理信息系統(tǒng)相結(jié)合

國(guó)內(nèi)的治安預(yù)測(cè)和國(guó)外的犯罪預(yù)測(cè)一個(gè)非常重要的區(qū)別就是國(guó)外的犯罪預(yù)測(cè)大多是基于地理信息系統(tǒng)的，地理轄區(qū)的劃分比較小，如匹茲堡警察局預(yù)警系統(tǒng)將匹茲堡市劃分為400多個(gè)地理單元，分別對(duì)每個(gè)單元的犯罪動(dòng)態(tài)進(jìn)行預(yù)測(cè)，預(yù)測(cè)的結(jié)果重新整合到地理信息系統(tǒng)中，形成比較直觀的犯罪分布圖，圖1顯示的是利用神經(jīng)網(wǎng)絡(luò)生成匹茲堡毒品犯罪預(yù)測(cè)分布。根據(jù)地圖上的顏色分布變化，就可以直觀地了解犯罪高發(fā)地區(qū)的分布，這種分析結(jié)果比僅僅對(duì)整個(gè)城市管理區(qū)域的犯罪數(shù)量進(jìn)行預(yù)測(cè)要有用得多。

圖1 匹茲堡警方毒品犯罪預(yù)測(cè)［2］

從所參考的文獻(xiàn)中觀察，國(guó)內(nèi)研究多是針對(duì)整個(gè)城市的宏觀層面的治安動(dòng)態(tài)預(yù)測(cè)，還未見(jiàn)國(guó)內(nèi)有文獻(xiàn)將犯罪的動(dòng)態(tài)分布與地理信息系統(tǒng)相結(jié)合。這可能與我國(guó)警用地理信息系統(tǒng)的應(yīng)用和推廣程度有關(guān)。將犯罪預(yù)測(cè)與地理信息系統(tǒng)相結(jié)合非常重要，犯罪的分布具有極強(qiáng)的地域性，并且隨著時(shí)間變更，犯罪分布也在不斷的動(dòng)態(tài)變化，因此捕捉和預(yù)測(cè)犯罪在時(shí)空上的分布特征和模式變化對(duì)警方的戰(zhàn)略部署和警力資源的分配有著重要的意義。

2.2.2 重視短期微觀預(yù)測(cè)

與國(guó)外犯罪預(yù)測(cè)研究相比，國(guó)內(nèi)的犯罪預(yù)測(cè)尺度較大，對(duì)長(zhǎng)期預(yù)測(cè)的研究較多，對(duì)短期預(yù)測(cè)的研究較少，定性預(yù)測(cè)研究較多，定量預(yù)測(cè)研究較少。長(zhǎng)期宏觀預(yù)測(cè)的信息對(duì)警方的長(zhǎng)期戰(zhàn)略安排、資金和人力資源物力資源的準(zhǔn)備籌措有用，長(zhǎng)期預(yù)測(cè)情報(bào)的用戶往往是較高層次的管理部門(mén)。短期預(yù)測(cè)對(duì)戰(zhàn)術(shù)安排和戰(zhàn)略部署有重要的意義，通常使用短期預(yù)測(cè)情報(bào)的用戶是基層的警務(wù)部門(mén)。盡管長(zhǎng)期預(yù)測(cè)與短期預(yù)測(cè)各有用途，但是短期微觀預(yù)測(cè)是大量基層警務(wù)部門(mén)所需要的情報(bào)，用戶更多更廣泛，對(duì)推動(dòng)情報(bào)主導(dǎo)警務(wù)有著更為重要的作用。國(guó)外的短期微觀預(yù)測(cè)通常包括各類(lèi)型犯罪分布情況的預(yù)測(cè)，系列犯罪中下一次犯罪地點(diǎn)的預(yù)測(cè)等。圖2顯示了巴蒂摩爾市六月到七月盜竊犯罪分布轉(zhuǎn)移的一個(gè)規(guī)律，隨著夏天的來(lái)臨，犯罪熱點(diǎn)發(fā)生了位移，這是因?yàn)槎燃俚娜藗冋紦?jù)了海邊的沿線地區(qū)，而盜竊犯罪的分布也跟隨這個(gè)格局的變化而變化。圖3顯示的是一個(gè)單獨(dú)作案的罪犯在1993年到1997年6次犯罪的順序軌跡。其中包括4起入室盜竊和2起入室搶劫。圖中顯示了預(yù)測(cè)的下一次作案地點(diǎn)和實(shí)際上該罪犯第7次作案的地點(diǎn)。這些短期預(yù)測(cè)結(jié)果對(duì)于基層警務(wù)部門(mén)提前做好警務(wù)布防、戰(zhàn)術(shù)部署都有著及其重要的意義。根據(jù)犯罪熱點(diǎn)的轉(zhuǎn)移，可以提前將多數(shù)警力部署到犯罪多發(fā)地區(qū)，這不但可以有效地預(yù)防犯罪，還能協(xié)助警務(wù)管理部門(mén)科學(xué)有效地利用警力資源，這也正是“面向問(wèn)題的警務(wù)方法”和“情報(bào)主導(dǎo)警務(wù)”理念所提倡的。而這些微觀層面的短期預(yù)測(cè)研究在我國(guó)犯罪預(yù)測(cè)的文獻(xiàn)和研究中都少有提及。

圖2 犯罪分布轉(zhuǎn)移預(yù)測(cè)［26］

2.2.3 指標(biāo)遴選的標(biāo)準(zhǔn)

圖3 系列犯罪作案地點(diǎn)預(yù)測(cè)［26］

在指標(biāo)選擇的標(biāo)準(zhǔn)上國(guó)內(nèi)外也表現(xiàn)出較大的差異。使用因素建模法或領(lǐng)先指標(biāo)法等方法時(shí)，需要選擇和確定相關(guān)的自變量。國(guó)外研究文獻(xiàn)在選擇相關(guān)的自變量時(shí)首先考慮的是數(shù)據(jù)的可獲得性，即數(shù)據(jù)是警方系統(tǒng)中已有的數(shù)據(jù)或者是警方很容易從其他機(jī)構(gòu)內(nèi)獲得的統(tǒng)計(jì)數(shù)據(jù)，例如人口普查數(shù)據(jù)、土地用途數(shù)據(jù)、以往的犯罪信息等、電話報(bào)警信息等;其二，國(guó)外方法在選擇自變量時(shí)都說(shuō)明了所依據(jù)的犯罪學(xué)研究成果例如破窗理論、活動(dòng)慣例學(xué)理論以及一些定量犯罪學(xué)研究成果;其三，國(guó)外的方法在遴選自變量時(shí)都利用已有的數(shù)據(jù)做了因素分析計(jì)算，利用數(shù)學(xué)方法確定該因素對(duì)預(yù)測(cè)準(zhǔn)確率是否有顯著的提高，如沒(méi)有顯著提高則棄用該指標(biāo)，例如，在利用回歸模型預(yù)測(cè)時(shí)，假設(shè)地域內(nèi)商業(yè)中心的數(shù)量與侵財(cái)型犯罪存在因果關(guān)系，應(yīng)該使用格蘭杰(Granger)因果檢驗(yàn)來(lái)驗(yàn)證二者之間的因果關(guān)系，確實(shí)能夠提高預(yù)測(cè)的準(zhǔn)確率才采用該指標(biāo)預(yù)測(cè)。國(guó)內(nèi)由于相關(guān)定量犯罪學(xué)研究的匱乏，很多預(yù)測(cè)的指標(biāo)模型沒(méi)有相應(yīng)的犯罪學(xué)理論和犯罪學(xué)調(diào)查統(tǒng)計(jì)數(shù)據(jù)的支撐，指標(biāo)的遴選過(guò)程過(guò)多依賴(lài)專(zhuān)家判斷，人為的因素過(guò)多并且缺乏科學(xué)理論和數(shù)據(jù)依據(jù)。

綜上所述，有效的治安預(yù)測(cè)與預(yù)警應(yīng)當(dāng)是基于地理信息系統(tǒng)，以數(shù)據(jù)融合為基礎(chǔ)，利用多種統(tǒng)計(jì)和分析方法，檢測(cè)犯罪發(fā)生的模式和規(guī)律，以犯罪分布的短期和微觀預(yù)測(cè)為主，智能地計(jì)算出警力分配的最佳預(yù)案，并且利用基于地理信息系統(tǒng)的計(jì)算機(jī)仿真方法，能夠?qū)瘎?wù)巡防策略和治安管理政策進(jìn)行仿真和預(yù)演評(píng)估，成為一個(gè)綜合智能警務(wù)空間決策系統(tǒng)(如圖4)。

3 總結(jié)與展望

治安預(yù)測(cè)是一個(gè)新興的交叉學(xué)科，需要來(lái)自犯罪學(xué)、統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)、計(jì)算機(jī)科學(xué)領(lǐng)域的學(xué)者們以及基層的公安情報(bào)人員共同研究和推動(dòng)。治安預(yù)測(cè)并不僅僅是照搬或套用已有的經(jīng)濟(jì)預(yù)測(cè)或其他領(lǐng)域的預(yù)測(cè)方法，而是根據(jù)治安預(yù)測(cè)的需求改進(jìn)和創(chuàng)造出適用于治安預(yù)測(cè)的方法，這些方法是由不斷涌現(xiàn)的用戶需求創(chuàng)造的。本文所提到的預(yù)測(cè)方法本質(zhì)上是沒(méi)有優(yōu)劣之分的，只能根據(jù)具體的用戶需求和客觀實(shí)際，巧妙的組合和應(yīng)用基本的方法，加以深刻的洞察和分析，才能創(chuàng)造出符合本國(guó)、本地警務(wù)需求的治安預(yù)測(cè)方法。未來(lái)的犯罪預(yù)測(cè)一定會(huì)更為緊密地與地理信息系統(tǒng)相結(jié)合，更加注重借鑒空間統(tǒng)計(jì)與空間數(shù)據(jù)挖掘、經(jīng)濟(jì)預(yù)測(cè)和計(jì)算機(jī)仿真等學(xué)科的研究成果。

圖4 綜合智能警務(wù)空間決策系統(tǒng)

［1］ Jerry H，Ratcliffe.Intelligence-led policng［M］.Devon，UK：Willan Publishing，2008.

［2］ Olligschlaeger A M.Artificial neural networks and crime mapping［D］.Pittsburgh：Carnegie Mellon University，1997.

［3］ Tomas F.Rich the use of computerized mapping in crime control and prevention programs［EB/OL］.［2010-12-10］.http：∥www.ncjrs.gov/pdffiles/riamap.pdf.

［4］ 達(dá)摩達(dá)爾.計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)［M］.4版.北京：中國(guó)人民大學(xué)出版社，2009.

［5］ Harries K.Crime mapping：principals and practice［R］.Rockvill：NCJRS，1999.

［6］ Chen Peng，Yuan Hongyong.Forecasting crime with the ARIMA model［C］.Fuzzy Systems and Knowledge Discovery，2008：627 －630.

［7］ Jacqueline C，Wilpen L，Gorr.Development of crime forecasting and mapping systems for use by police［R］.Pittsburgh：U.S.Department of Justice，2005.

［8］ 宋林飛.社會(huì)風(fēng)險(xiǎn)指標(biāo)體系與社會(huì)波動(dòng)機(jī)制［J］.社會(huì)學(xué)研究，1995(6)：90 －95.

［9］ 秦立強(qiáng)，王光.淺談我國(guó)社會(huì)治安環(huán)境的評(píng)價(jià)與預(yù)警［J］.統(tǒng)計(jì)與研究，2002(14)：28 －33.

［10］ Baller R，Anselin L.Stuctural covariates of U.S county homicide rates，incorporationg spatial effects［J］.Criminology，2001(39)：201 －232.

［11］ Craglia，Massimo，Robert H.Modeling high-intensity crime areas in English cities［J］.Urban Studies，2004(38)：1921 －1941.

［12］ Dhiri S，Brand S.Modelling and predicting property crime trends in England and Wales［R］.London：Home Office Research Study，1999.

［13］ Deadman D.Forecasting residential burglary［J］.International Journal of Forecasting，2003，19：567 －578.

［14］ 劉小娟，高連生.灰色系統(tǒng)理論在犯罪動(dòng)態(tài)預(yù)測(cè)中的應(yīng)用［J］.中國(guó)人民公安大學(xué)學(xué)報(bào)：自然科學(xué)版，2005(1)：44 －48.

［15］ 辛越，于建.基于灰色分析的群體性事件情報(bào)預(yù)警［J］.河北公安警察職業(yè)學(xué)院學(xué)報(bào)，2009，9(1)：20 －24.

［16］ 黃芳.空間統(tǒng)計(jì)學(xué)及其在空間模式分析中的作用［D］.武漢：華中師范大學(xué)，2005.

［17］ Liu H.Brown D E.Criminal incident prediction using a point-pattern-based density model［J］. International Journal of Forecasting，2003(19)：603－622.

［18］ Brown D，Dalton J.Spatial forecast methods for terrorist events in urban environments［C］.Intelligence and Security Informatics，2004：426 －435.

［19］ 宣慧玉，張發(fā).復(fù)雜系統(tǒng)仿真及應(yīng)用［M］.北京：清華大學(xué)出版社，2008.

［20］ Brantingham P L，Glasser U.A computational model for simulating spatial and temporal aspects of crime［C］.IEEE International Conference on Systems，Man and Cybernetics，2005(4)：3667 －3674.

［21］ Tibor B，Charlotte G.Comparing crime prevention strategies by agent-based simulation［C］∥IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology，2009：491 －496.

［22］ Epstein J M.Modeling civil violence：An agent-based computational approach［J］.Proceedings of the National Academy of Sciences of the United States of America，2002，99：7243 －7250.

［23］ Bennett D S.Governments，civilians，and the evolution of insurgency：modeling the early dynamics of insurgencies［J］.Journal of Artificial Societies and Social Simulation，2008，11(4)：7 －10.

［24］ Tibor B，Charlotte G.Simulating the dynamic interaction of offenders，targets and guardians［J］.Crime Patterns and Analysis，2010(3)：51 －66.

［25］ Groff E R.Simulation for theory testing and experimentation：An example using routine activity theory and street robbery［J］.Journal of Quantitative Criminology，2007，23(2)：75 －103.

［26］ Ned L.Crime mapping and the crimestat program［J］.Geographical Analysis，2006，38(1)：41 －46.