鐘海東，吳健平，余柏蒗，王占宏

（1．浙江萬里學院 現(xiàn)代物流學院，浙江 寧波 315100；2．華東師范大學 資源與環(huán)境科學學院 地理信息科學教育部重點實驗室，上海 200062）

0 引 言

犯罪現(xiàn)象是長期困擾城市發(fā)展的一大難題．而且隨著科學技術(shù)的發(fā)展和社會財富的集中，犯罪現(xiàn)象更顯現(xiàn)出頻發(fā)性、智能性和破壞性的特點［1］．上海作為我國經(jīng)濟、金融、貿(mào)易和航運四大中心，要求具備更加安全穩(wěn)定的生活和生產(chǎn)環(huán)境［2］．在上海市統(tǒng)計局對全市的公眾安全感抽樣調(diào)查中，對“最影響安全感的治安問題”，回答是“各類刑事犯罪活動”的為39．2%；“最擔心的違法犯罪活動”依次為入室盜竊，攔路搶劫和搶奪，詐騙，殺人和傷害，扒竊等犯罪類型；調(diào)查還顯示，90%被調(diào)查者認為，當前影響社會治安案件的最突出的因素是外來人口犯罪［3］．研究城市犯罪的時空分布特征，對于城市管理及積極主動預(yù)防犯罪有著很強的現(xiàn)實意義．

隨著地理信息系統(tǒng)（GIS）的發(fā)展和不斷完善，人們逐漸認識到GIS分析空間問題的優(yōu)勢［4］．早在1999年，Harries就闡述了利用GIS進行犯罪研究的趨勢．將犯罪發(fā)生地點按照地理坐標映射到地圖上并進行空間分析，已經(jīng)成為國外犯罪研究的重要手段之一［5］．國內(nèi)外學者都在積極地從空間角度來研究預(yù)防犯罪的途徑．國內(nèi)學者王發(fā)曾從空間分析的視角出發(fā)對城市犯罪的成因［6］、城市犯罪中的非公共空間盲區(qū)網(wǎng)［7］、公共空間盲區(qū)網(wǎng)［8］、邊際空間盲區(qū)及其綜合治理［9］、城市發(fā)展與城市犯罪的關(guān)系［10］等問題進行了研究；翁里等對城市規(guī)劃防控犯罪理論進行了初步探討［11］；杜德斌等研究了城市犯罪區(qū)位選擇的數(shù)學模擬以及城市犯罪的出行問題［12，13］；陳峰云等從環(huán)境行為學的角度研究了城市邊緣區(qū)犯罪問題的環(huán)境影響［14］．國外學者從空間分析的角度出發(fā)對城市犯罪展開的研究也很多．大致說來，GIS在犯罪學研究中的應(yīng)用主要包括以下三個方面［1，5，15－19］：

（1）犯罪區(qū)域的研究 將犯罪發(fā)生地按照地理坐標映射到地圖上，利用GIS強大的空間分析犯罪的聚集情況和犯罪高發(fā)區(qū)．

（2）犯罪相關(guān)因素分析 將犯罪發(fā)生地按照地理坐標映射到地圖上，并根據(jù)犯罪高發(fā)區(qū)域和聚集情況，找出犯罪特征和環(huán)境因素之間的關(guān)系．例如研究學校，人口聚集商業(yè)區(qū)，重要交通樞紐等與犯罪之間的關(guān)系．

（3）預(yù)防和打擊犯罪 根據(jù)犯罪發(fā)生、聚集的特征，合理分布警力，為公安及相關(guān)部門提供決策依據(jù)．

從國內(nèi)外城市犯罪研究的情況來看，國外研究要遠多于國內(nèi)，而且國外主要是利用犯罪數(shù)據(jù)的實證研究；國內(nèi)研究大多缺乏基礎(chǔ)數(shù)據(jù)支撐，只停留在一些基本理論的介紹和對相關(guān)理念的強調(diào)，給出的建議也沒有足夠的說服力．本研究以上海市公安部門提供的犯罪數(shù)據(jù)為基礎(chǔ)，研究了上海市城市犯罪（搶劫、敲詐勒索、盜竊和詐騙）的特點及其時空分布規(guī)律，力圖為上海市預(yù)防和打擊各種犯罪活動提供理論上的參考依據(jù)．

1 研究區(qū)域與數(shù)據(jù)來源

1．1 研究區(qū)域

研究區(qū)域為上海市行政管轄范圍所包括的全部地域空間（北緯30°23′—31°27′，東經(jīng)120°52′—121°45′），涉及寶山、長寧、崇明、奉賢、虹口、黃浦、嘉定、金山、靜安、盧灣、閔行、南匯、浦東、普陀、青浦、閘北、徐匯、楊浦和松江等19個區(qū)，312個街道，21個農(nóng)場．研究區(qū)域面積大約6 400km2，常駐人口大約1 300萬［20］．

1．2 數(shù)據(jù)來源

本研究涉及到的數(shù)據(jù)分為4種：①2006年上海市犯罪數(shù)據(jù)；②上海市基礎(chǔ)地理數(shù)據(jù)（行政地圖，上海市外環(huán)線）；③上海市街道級地圖數(shù)據(jù)；④2006年全市各個區(qū)縣常住人口和流動人口數(shù)據(jù)．

第一種數(shù)據(jù)全部由項目合作形式來源于上海市110報警服務(wù)中心；其中包含2006年全市110接到的接警和案件初步確認數(shù)據(jù)，并經(jīng)過公安部門處理掉報案人姓名，電話等敏感信息；每條案件記錄經(jīng)過警察現(xiàn)場案情的初步確認后都會記錄案件發(fā)生時間和案件發(fā)生地的地理坐標，這也是本文基于GIS進行空間分析的基礎(chǔ)．在刪除了重復(fù)報警、無效報警和沒有進行案件初步確認的數(shù)據(jù)之后所有案件一共4 106 104起，其中有1 833 261起始交通事故不屬于本文的研究范圍，進行了刪除．按照公安部門的分類方法，所有案件一共有175種．本文選擇了初步處理和最終審判結(jié)果誤差較小且對人們造成恐懼程度較大的4種案件（搶劫，敲詐勒索，盜竊，詐騙）作為研究對象，同時將搶劫和敲詐勒索統(tǒng)稱為暴力犯罪，盜竊和詐騙統(tǒng)稱為財產(chǎn)犯罪．

改革開放是新的時代條件下新的偉大革命，是新時代中國最鮮明的特色。改革開放，即對內(nèi)改革、對外開放，體現(xiàn)出改革的精神和開放的胸懷。新時代改革開放這一鮮明特色，賦予新時代愛國主義以鮮明的時代特征。

第二種數(shù)據(jù)來源于政府公開信息和數(shù)據(jù)共享網(wǎng)站．

第三種數(shù)據(jù)來源于地圖的手工解譯和其他項目實施過程中的成果積累．

第四種數(shù)據(jù)來源于2007年《上海市統(tǒng)計年鑒》以及《上海市2000年第五次人口普查數(shù)據(jù)公報》．

1．3 研究方法

本文利用數(shù)據(jù)挖掘、統(tǒng)計分析、基于ArcGIS的空間分析等方法對上海市犯罪的空間格局進行究．原始犯罪記錄保存在oracle數(shù)據(jù)庫中，為了將這些犯罪記錄映射到上海市行政區(qū)地圖上，首先根據(jù)案件發(fā)生的類型和時間設(shè)計SQL語句，將查詢得到的結(jié)果導出成文本格式，然后利用犯罪數(shù)據(jù)中自帶的地理坐標將案件發(fā)生點映射到上海市地方行政坐標上來研究犯罪發(fā)生的特征．空間分析也包括3個尺度：全市尺度；區(qū)縣級尺度；街道級尺度．

2 研究結(jié)果討論

2．1 上海犯罪空間特征研究

研究表明，犯罪案件的空間分布特征在很大程度上可以反映犯罪的發(fā)生特點和規(guī)律［21］．本章節(jié)以110報警數(shù)據(jù)為基礎(chǔ)，使用ArcGIS 9．3對上海市犯罪的空間分布特征進行了分析．

2．1．1 各類案件在全市的分布

國外犯罪學研究表明城市犯罪存在空間分布規(guī)律［1，16，22，23］，而且城市的某些區(qū)域案件發(fā)生數(shù)量明顯高于其他區(qū)域，即所謂的犯罪“熱點”區(qū)域［24］．犯罪案件的空間密度分析是研究犯罪空間聚集特征的重要方法［2］，為研究上海市犯罪的空間聚集特征，使用了ArcGIS中的“Kernel Density”工具（搜索半徑設(shè)置為2 000m，輸出柵格設(shè)置為200m×200m），計算結(jié)果如下圖1所示．從圖中可以明顯看出，外環(huán)線以內(nèi)區(qū)域是上海市犯罪高發(fā)區(qū)域，有近90%的案件發(fā)生在這些地方，靜安區(qū)、普陀區(qū)、閘北區(qū)、虹口區(qū)和黃浦區(qū)是犯罪的高發(fā)區(qū)，而且上海市犯罪向城市核心區(qū)域聚集的趨勢十分明顯，人民廣場附近便是上海市犯罪發(fā)生的“熱點”．另外，每個行政區(qū)的中心基本上都是該區(qū)范圍內(nèi)的犯罪“熱點”．

圖1 上海市犯罪密度分析Fig．1 Density investigate of Shanghai crime

在內(nèi)環(huán)以內(nèi)的區(qū)域商務(wù)區(qū)和高檔居民區(qū)相對比較集中，通常這些區(qū)域公安民警分布較多，而且商務(wù)樓和重點商業(yè)區(qū)保安都會比較多，但為什么財產(chǎn)犯罪和暴力犯罪都在這些區(qū)域高發(fā)呢？為了解釋這個現(xiàn)象，本文研究了內(nèi)環(huán)以內(nèi)區(qū)域4類犯罪案件在一天24h中的分布，如圖2所示．從圖中可以看出財產(chǎn)類犯罪（盜竊和詐騙）的數(shù)量要遠大于暴力犯罪（搶劫、敲詐勒索）的數(shù)量；圖2（a）顯示，敲詐勒索案件高發(fā)的時間段為15：00～16：00，剛好在大多數(shù)人上班期間，而搶劫案件則多發(fā)在21：00～23：00時間段；從圖2（b）中可以看出財產(chǎn)犯罪高發(fā)的時間段分別是上午8：00～10：00和16：00～19：00，由此可以基本推斷上海市外環(huán)區(qū)域以內(nèi)財產(chǎn)犯罪案件高發(fā)是由于上下班時間段室外人口增多所引起的．

圖2 上海市內(nèi)環(huán)以內(nèi)區(qū)域一天24h的犯罪案件分布情況Fig．2 Crimes of Shanghai within the inner ring area distributed in 24hours a day

將犯罪數(shù)據(jù)映射到上海市行政地圖上后可以方便地統(tǒng)計每個區(qū)發(fā)生案件的數(shù)量，但是各個行政區(qū)面積相差很大，簡單分析犯罪案件在某個區(qū)的發(fā)生數(shù)量沒有實際意義．每萬人中案件數(shù)量是衡量城市犯罪的重要指標［25］，本研究也采用了這一指標來衡量各個行政區(qū)的犯罪情況：用各個行政區(qū)犯罪案件數(shù)量除以該區(qū)人口數(shù)量（常住人口＋流動人口）來計算每萬人案件數(shù)量，并采用這一指標將四種犯罪案件在各行政區(qū)的分布進行分級顯示，結(jié)果如下圖3．從圖中可以看出上海城市中心區(qū)（閘北區(qū)、普陀區(qū)、長寧區(qū)和徐匯區(qū)）依然是犯罪案件的高發(fā)區(qū)；每個行政區(qū)中盜竊和詐騙的每萬人發(fā)生數(shù)量要比搶劫和敲詐勒索案件高出很多，而且前兩種案件的高發(fā)區(qū)的范圍也更大．

圖3 上海市犯罪在各個行政區(qū)中的分布Fig．3 Distribution of Shanghai crime in every district

2．1．3 4類案件在街道中的分布

為了找出搶劫、敲詐勒索、盜竊和詐騙這4類案件的分布特征，本文按照各類案件發(fā)生地所在的街道進行了統(tǒng)計分析，結(jié)果如圖4所示．分析顯示搶劫高發(fā)街道有：閘北區(qū)芷江路街道、天目西路街道，普陀區(qū)桃浦鎮(zhèn)、甘泉路街道，閔行區(qū)梅隴鎮(zhèn)、莘莊鎮(zhèn)、華漕鎮(zhèn)、七寶鎮(zhèn)，寶山區(qū)大場鎮(zhèn)，浦東新區(qū)三林鎮(zhèn)；敲詐勒索案件高發(fā)街道有：寶山區(qū)大場鎮(zhèn)、廟行鎮(zhèn)，嘉定區(qū)南翔鎮(zhèn)、嘉定鎮(zhèn)，閔行區(qū)梅隴鎮(zhèn)、莘莊鎮(zhèn)、七寶鎮(zhèn)、華漕鎮(zhèn)，浦東新區(qū)三林鎮(zhèn)，普陀區(qū)甘泉路街道、桃浦鎮(zhèn)，閘北區(qū)北站街道、芷江路街道、天目西路街道；盜竊案件高發(fā)街道有：寶山區(qū)大場鎮(zhèn)，虹口區(qū)乍浦路街道，閔行區(qū)虹橋鎮(zhèn)、梅隴鎮(zhèn)、華漕鎮(zhèn)、七寶鎮(zhèn)、莘莊鎮(zhèn)，浦東新區(qū)三林鎮(zhèn)，普陀區(qū)曹陽新村街道，徐匯區(qū)田林新村街道、徐家匯街道，閘北區(qū)北站街道、芷江路街道、天目西路街道；詐騙案件高發(fā)街道有：閔行區(qū)華漕鎮(zhèn)、梅隴鎮(zhèn)、莘莊鎮(zhèn)、七寶鎮(zhèn)，浦東新區(qū)金橋鎮(zhèn)、陸家嘴，普陀區(qū)桃浦鎮(zhèn)，徐匯區(qū)田林新村街道、漕河涇鎮(zhèn)、徐家匯街道，楊浦區(qū)五角場街道，閘北區(qū)天目西路街道．

需要特別指出的是4類犯罪案件共同的高發(fā)街道：閔行區(qū)梅隴鎮(zhèn)、莘莊鎮(zhèn)、華漕鎮(zhèn)、七寶鎮(zhèn)和閘北區(qū)天目西路街道，這些街道4類案件均高發(fā)，希望引起有關(guān)部門的高度注意．

圖4 上海市犯罪在各個街道上的分布Fig．4 Distribution of Shanghai crime by block statistics

2．2 上海犯罪時空分析

研究表明上海市犯罪有明顯的向城市中心聚集的空間特征，為了更進一步研究搶劫、敲詐勒索、盜竊和詐騙這4類犯罪在每個時間段的空間聚集情況，將這4類案件按發(fā)生的月份進行分類，然后在ArcGIS中做密度分析（搜索半徑設(shè)置為2 000m，輸出柵格200m×200m），結(jié)果如圖5所示．從圖中可以看出4類案件在12個月中的空間分布情況基本上一致：全市犯罪向外環(huán)線以內(nèi)區(qū)域聚集的特點非常明顯．從每個月案件發(fā)生的詳細數(shù)據(jù)來看一月份案件發(fā)生數(shù)量最多，十二月份案件發(fā)生數(shù)量最少．而且在案件發(fā)生數(shù)量越少的月份案件發(fā)生地點向人民廣場附近聚集的空間特征就越明顯．

圖5 上海市犯罪的時空特征分析Fig．5 Spatio－temproal distributions of Shanghai crimes

3 結(jié) 論

本文運用ArcGIS軟件，以2006年上海市公安局所提供的犯罪數(shù)據(jù)為基礎(chǔ)，研究了上海市犯罪的時空特征，并得出如下結(jié)論．

（1）從總體來看下半年案件發(fā)生數(shù)量高于上半年，二月份所有案件發(fā)生數(shù)量最少，而且案件發(fā)生時間主要集中在早上七點到晚十點這段時間．

（2）不同類型的案件的發(fā)生有著不同的時間特征．搶劫最多發(fā)的時段是14：00至17：00，敲詐勒索最多發(fā)的時段是20：00至23：00，盜竊案件最多發(fā)的最多時段是7：00至9：00和16：00至18：00（上下班高峰），而詐騙案件最多發(fā)的時段是8：00至11：00．

（3）上海市犯罪絕大多數(shù)發(fā)生在外環(huán)線以內(nèi)區(qū)域，而且向市中心聚集的特征非常明顯．而人民廣場則是犯罪發(fā)生的“熱點”，這與我們常認為上海最繁華地區(qū)由于巡邏警察人員較多，這一地區(qū)治安應(yīng)當較好的觀點有比較大的差異．

（4）不同月份上海市犯罪向市中心聚集的特征不同，在案件發(fā)生數(shù)量越少的月份案件發(fā)生地點向城市核心區(qū)聚集的特征就越明顯．

希望這些結(jié)論能為上海市相關(guān)部門主動預(yù)防和打擊犯罪活動提供重要的參考依據(jù)．

致謝 非常感謝上海市110報警中心在處理2006年全市報警記錄中的敏感數(shù)據(jù)之后保留了案件發(fā)生的時間和地理坐標等信息，并將這些數(shù)據(jù)提供給本文用于科學研究．同時在此聲明，本研究的結(jié)果只代表作者本人見解，不代表任何組織的觀點．

［1］ACKERMAN W V，MURRAY A T．Assessing spatial patterns of crime in Lima，Ohio［J］．Cities，2004，21（5）：423－437．

［2］毛媛媛，戴慎志．犯罪空間分布與環(huán)境特征——以上海為例［J］．城市規(guī)劃學刊，2006（3）：85－93．

［3］上海市公安局．上海市公安年鑒［M］．上海：上海市公安局，2003．

［4］LONGLEY P A，GOODCHILD M F，MAGUIRE D J，et al．Geographic Information Systems and Science［M］．［S．L．］：Wiley，2005．

［5］BOBA R．Crime Analysis and Crime Mapping［M］．London：Sage Publications，2005．

［6］王發(fā)曾．城市犯罪成因的綜合觀［J］．河南大學學報：自然科學版，1997，27（1）：39－46．

［7］王發(fā)曾．城市犯罪中的非公共空間盲區(qū)及其綜合治理［J］．人文地理，2003，17（4）：1－5．

［8］王發(fā)曾．城市犯罪中的公共空間盲區(qū)及其綜合治理［J］．人文地理，2003，18（3）：8－12．

［9］王發(fā)曾．城市犯罪中的邊際空間盲區(qū)及其綜合治理［J］．人文地理，2003，19（1）：9－13．

［10］王發(fā)曾．城市發(fā)展與城市犯罪問題［J］．Social science research，2003（2）：96－100．

［11］翁里，潘建珍．城市規(guī)劃與防控犯罪之理論初探［J］．中國人民公安大學學報，2003，102（2）：135－140．

［12］杜德斌，湯建中．城市犯罪區(qū)位選擇的數(shù)學模擬［J］．地理研究，1995，14（3）：26－32．

［13］杜德斌．國外有關(guān)城市犯罪出行問題的研究［J］．城市問題，1998，81（1）：57－60．

［14］陳峰云．城市邊緣區(qū)犯罪問題的環(huán)境影響［J］．城市問題，2003，112（2）：45－47．

［15］MAZEROLLE，WICKES，MCBROOM．Community variations in violence：The role of social ties and collective efficacy in comparative context［J］．Journal of Research in Crime and Delinquency，2010，47（1）：3－30．

［16］MALLESON，HEPPENSTALL，SEE．Crime reduction through simulation：An agent－based model of burglary［J］．Computers，Environment and Urban Systems，2010，34（3）：236－250．

［17］MARTIN，ROSSMO，HAMMERSCHLAG．Hunting patterns and geographic profiling of white shark predation［J］．Journal of Zoology，2009，279（2）：111－118．

［18］LUM C．The geography of drug activity and violence：Analyzing spatial relationships of non－h(huán)omogenous crime event types［J］．Substance Use ＆Misuse，2008，43（2）：179－201．

［19］VAN SCHAAIK J G J，VAN DER KEMP J J．Real Crimes on Virtual Maps：The Application of Geography and GIS in Criminology［G］∥HENK J，SCHOLTEN R V D V A N V M．Geospatial Technology and the Role of Location in Science．Springer Netherlands，2009：217－237．

［20］上海市統(tǒng)計局．上海統(tǒng)計年鑒［M］．北京：中國統(tǒng)計出版社，2007．

［21］NAKAYA YANO．Visualising crime clusters in a space－time cube：An exploratory data－analysis approach using space－time kernel density estimation and scan statistics［J］．Transactions in GIS，2010，14（3）：223－239．

［22］LEONG K，LI J C，CHAN S，et al．An application of the dynamic pattern analysis framework to the analysis of spatial－temporal crime relationships［J］．Journal of Universal Computer Science，2009，15（9）：1852－1870．

［23］PHILLIPS LEE．Crime analysis through spatial areal aggregated density patterns［J］．GeoInformatica，2011，15（1）：49－74．

［24］MELISSARIS．Property offences as crimes of injustice［J］．Criminal Law and Philosophy，2012，6（2）：149－166．

［25］HOLST，STERN．Geometric variational crimes：Hilbert complexes，finite element exterior calculus，and problems on hypersurfaces［J］．Foundations of Computational Mathematics，2012，12（3）：263－293．