陳 曼,吳曙雯,閆嘉琪,徐俊鋒,3,謝 斌,3
(1.杭州師范大學(xué)理學(xué)院,浙江 杭州 311121;2.浙江警察學(xué)院,浙江 杭州310053;3.浙江省城市濕地與區(qū)域變化研究重點(diǎn)實(shí)驗(yàn)室,浙江 杭州 311121)
2014~2015年杭州市入室盜竊犯罪時(shí)空分布分析
陳 曼1,吳曙雯2,閆嘉琪1,徐俊鋒1,3,謝 斌1,3
(1.杭州師范大學(xué)理學(xué)院,浙江 杭州 311121;2.浙江警察學(xué)院,浙江 杭州310053;3.浙江省城市濕地與區(qū)域變化研究重點(diǎn)實(shí)驗(yàn)室,浙江 杭州 311121)
基于2014年1月至2015年6月的入室盜竊案件資料,分析了杭州市八區(qū)入室盜竊犯罪的犯罪率、犯罪密度以及時(shí)間、空間分布規(guī)律。結(jié)果表明,若以時(shí)間為依據(jù),以周內(nèi)變化分析,周一至周五犯罪案件數(shù)趨于平穩(wěn),周六周日則有所下降;以月份變化分析,2月份犯罪案件數(shù)最低,5月份犯罪案件數(shù)最高。以空間為依據(jù),則全區(qū)核密度熱點(diǎn)主要分布在下城區(qū)石橋街道、拱墅區(qū)大關(guān)街道、西湖區(qū)翠苑街道以及蕭山區(qū)城廂街道;局部熱點(diǎn)區(qū)域通過實(shí)地驗(yàn)證發(fā)現(xiàn)入室盜竊主要受人流量、房屋類型和門禁防盜系統(tǒng)等因素影響較大。
GIS;入室盜竊;時(shí)空分布;核密度估計(jì)
盜竊案件多年以來一直位列刑事案件發(fā)案數(shù)之首,根據(jù)國家統(tǒng)計(jì)局近5年的統(tǒng)計(jì)數(shù)據(jù)顯示,平均占刑事案件立案數(shù)的70%左右[1]。隨著地理信息系統(tǒng)(GIS)技術(shù)的發(fā)展,犯罪地理學(xué)在理論、方法和應(yīng)用研究等方面均取得了較大進(jìn)展[2-4]。GIS空間分析功能在犯罪熱點(diǎn)[5-9]、犯罪時(shí)空分布[10-12]、犯罪時(shí)空演變[13-15]、犯罪時(shí)空預(yù)測[16-18]等方面發(fā)揮重要作用,為警務(wù)科學(xué)決策提供有效技術(shù)支撐。本文主要針對2014年1月至2015年6月發(fā)生的入室盜竊案件,基于GIS技術(shù)分析杭州市八區(qū)入室盜竊犯罪案件的時(shí)空分布格局特征,旨在為警方進(jìn)行轄區(qū)整治、最佳警力部署,打擊和預(yù)防入室盜竊犯罪提供決策依據(jù)。
研究區(qū)為杭州市八區(qū)(西湖、拱墅、江干、下城、上城、濱江、蕭山和余杭,見圖1),常住人口數(shù)為624.2萬人,占全市人口的71.74%(據(jù)2010年第6次人口普查數(shù)據(jù)[19])。
2014年1月至2015年6月發(fā)生的入室盜竊案件數(shù)據(jù)由浙江省公安廳提供,共計(jì)5 704條記錄。剔除八區(qū)以外及部分地址信息錯(cuò)誤或缺失的無效數(shù)據(jù),共計(jì)5 203條記錄,其內(nèi)容包括案件錄入時(shí)間、案件編號、發(fā)案地點(diǎn)、報(bào)警內(nèi)容、案件類別等。其中,報(bào)警內(nèi)容記錄了報(bào)案時(shí)間、犯罪地點(diǎn)、報(bào)案人部分信息、丟失物品及其損失等。
圖1 研究區(qū)范圍(審圖號:浙S(2015)239號)
為了能對案件進(jìn)行空間分析,首先將報(bào)警內(nèi)容中的犯罪地點(diǎn)進(jìn)行提取。其次,采用百度Geocoding API進(jìn)行地理編碼[20],獲取該犯罪地點(diǎn)的經(jīng)緯度。因百度地圖數(shù)據(jù)加偏處理過,進(jìn)一步利用百度坐標(biāo)轉(zhuǎn)換API進(jìn)行糾偏處理[21],將百度坐標(biāo)轉(zhuǎn)為WGS84無偏移坐標(biāo)。最后,利用ArcGIS將處理過的WGS84無偏移坐標(biāo)以及案件錄入時(shí)間、案件編號、發(fā)案地點(diǎn)、報(bào)警內(nèi)容、案件類別等屬性字段導(dǎo)入到杭州八區(qū)地圖中,得到入室盜竊案件空間分布圖。
核密度估計(jì)(Kernel density estimation)是一種用于估計(jì)概率密度函數(shù)的非參數(shù)方法,對于空間上分布的犯罪活動(dòng)x1,x2,…,xn中的任意一點(diǎn)xk,鄰域內(nèi)的其他點(diǎn)xi對它的貢獻(xiàn)率由xk到xi的距離所決定。設(shè)核函數(shù)為K,則xk點(diǎn)處的概率密度可以表示為[22]:
式(1)中,K通常用高斯正態(tài)分布函數(shù)表示,h為核函數(shù)的帶寬。核密度圖能清晰地展示出犯罪的聚集分布態(tài)勢,因此基于該方法獲取杭州市八區(qū)入室盜竊犯罪熱點(diǎn)核密度圖。
犯罪率為入室盜竊案的犯罪案件數(shù)與常住人口之比,犯罪密度為犯罪案件數(shù)與面積之比。從表1(據(jù)2014年杭州市人均GDP[23]、土地面積和人口密度統(tǒng)計(jì)數(shù)據(jù)[24])可以看出,西湖區(qū)犯罪率最高,余杭區(qū)犯罪率最低。西湖區(qū)是杭州乃至全國的著名旅游之地,人口流動(dòng)較大,易發(fā)生入室盜竊犯罪。余杭區(qū)位于杭州市區(qū)的北部和西部,人口密度小,且多為林地、耕地和水域,因此犯罪率較低。上城區(qū)和下城區(qū)地理位置和人口密度相近,但是犯罪密度和犯罪率相差兩倍左右,考慮兩地的人均GDP和外來人口數(shù)量的差異,下城區(qū)犯罪高發(fā)可能與流動(dòng)人口的數(shù)量和經(jīng)濟(jì)發(fā)展水平有關(guān)。就犯罪密度而言,下城區(qū)犯罪密度最高,蕭山區(qū)和余杭區(qū)相對較低,犯罪密度和人口密度大體上呈正相關(guān)。此外,老城區(qū)的犯罪密度明顯比新城區(qū)高,推測與房屋的老化、人口的流動(dòng)、安保措施不足有一定關(guān)系。
表1 入室盜竊犯罪統(tǒng)計(jì)數(shù)據(jù)(2014-01~2015-06)
圖2 入室盜竊犯罪時(shí)間分布(2014-01~2015-06)
從圖2可以看出,根據(jù)每周的入室盜竊案件數(shù)統(tǒng)計(jì),周一至周五趨于平穩(wěn);周五出現(xiàn)一個(gè)小高峰,而在周六和周日則有所下降,下降幅度約20%。根據(jù)變化趨勢,可見入室盜竊多發(fā)于戶主不在家的工作日。根據(jù)每月的入室盜竊案件數(shù)統(tǒng)計(jì),發(fā)案數(shù)在2月為全年最低,5月為全年最高。3~5月遞增,6~12月相對平緩,但是10月出現(xiàn)低谷。造成這一現(xiàn)象的原因推測是因?yàn)?月份受春節(jié)這一傳統(tǒng)節(jié)日的影響,大部分流動(dòng)人口返家過年,導(dǎo)致犯罪率的下降。3~5月逐月增高現(xiàn)象與流動(dòng)人口逐步返杭有關(guān),10月呈現(xiàn)出低谷的原因需要更多數(shù)據(jù)進(jìn)一步研究。
2.3.1 全區(qū)空間分布分析
基于核密度估計(jì)法,利用ArcGIS空間分析工具Kernel Density生成入室盜竊犯罪熱點(diǎn)圖,分析杭州市八區(qū)的犯罪聚集程度。如圖3所示,顏色較紅較深的區(qū)域入室盜竊犯罪聚集較高。杭州市八區(qū)4個(gè)入室盜竊犯罪高發(fā)區(qū)域分別為下城區(qū)的石橋街道、拱墅區(qū)的大關(guān)街道、西湖區(qū)的翠苑街道以及蕭山區(qū)的城廂街道。經(jīng)分析發(fā)現(xiàn),熱點(diǎn)區(qū)域都為密集居住區(qū),交通路網(wǎng)發(fā)達(dá),人口流動(dòng)較大,入室盜竊作案條件較為充分。
進(jìn)一步從春、夏、秋、冬四季犯罪熱點(diǎn)圖分析可知(圖4),春夏季入室盜竊犯罪多發(fā)且相對集中,秋冬季次之。犯罪高發(fā)熱點(diǎn)區(qū)域的分布隨季節(jié)變化有所遷移,其中春季最為頻發(fā)的是蕭山區(qū)城廂街道,夏季為拱墅區(qū)大關(guān)街道,秋季相對均衡,冬季則主要分布在西湖區(qū)翠苑街道。考慮到犯罪人員的流動(dòng)性、地域性和團(tuán)伙性,可結(jié)合熱點(diǎn)區(qū)域的轉(zhuǎn)移分析入室盜竊犯罪的流竄問題。
圖3 入室盜竊犯罪核密度熱點(diǎn)圖(2014-01~2015-06)
2.3.2 局部熱點(diǎn)區(qū)域分析
入室盜竊犯罪受多種因素的影響,除與氣象條件相關(guān),還與房屋類型和年份、人流量、道路、門禁防盜系統(tǒng)、安保、周邊生活?yuàn)蕵吩O(shè)施等相關(guān)。掌握入室盜竊犯罪熱點(diǎn)區(qū)域的地理環(huán)境特征,有助于警務(wù)人員進(jìn)行針對性的巡防管理。因此,從杭州市八區(qū)4個(gè)入室盜竊犯罪高發(fā)區(qū)域之一的西湖區(qū)翠苑街道中選擇翠苑三區(qū)進(jìn)行實(shí)地驗(yàn)證,分析入室盜竊犯罪高發(fā)的主要影響因素。
圖4 四季核密度熱點(diǎn)圖
從圖5可以看出,翠苑三區(qū)入室盜竊犯罪高發(fā)主要受人流量、房屋類型、門禁等因素影響較大。小區(qū)南門是物美大型超市和翠苑電影大世界,物美超市東側(cè)是大量的美食餐廳和露天停車場,人流量大。小區(qū)內(nèi)房屋類型復(fù)雜,除住宅之外還有賓館、銀行、餐館等分布。門禁防盜是該小區(qū)入室盜竊的重要影響因素,發(fā)案地點(diǎn)主要分布在西北角和東南角,兩處皆存在常年無人看守且不鎖閉的側(cè)門。西北角小門連通宋江苑,東南角小門直接連通物美超市東側(cè)的露天停車場,便于作案后快速逃離現(xiàn)場。因此,為了降低入室盜竊犯罪的可能性,加強(qiáng)門禁防盜系統(tǒng)和出入人員的監(jiān)管是類似老小區(qū)的首選措施。
圖5 翠苑三區(qū)實(shí)地驗(yàn)證
本文基于核密度估計(jì)方法,利用ArcGIS工具對杭州市八區(qū)2014年1月至2015年6月的入室盜竊案件進(jìn)行了時(shí)空分析。研究結(jié)果發(fā)現(xiàn),杭州市八區(qū)入室盜竊案件分布具有一定的時(shí)空規(guī)律。通過實(shí)地驗(yàn)證發(fā)現(xiàn)入室盜竊犯罪受人流量、房屋類型和門禁防盜系統(tǒng)等因素影響較大。研究結(jié)果可為杭州市八區(qū)入室盜竊犯罪的預(yù)防和警務(wù)干預(yù)工作提供一定的決策依據(jù)。
致謝
感謝浙江省公安廳提供2014年1月至2015年6月杭州市入室盜竊犯罪案例資料。感謝王舒涵、陳趙娣參與入室盜竊案例時(shí)間分布分析,感謝胡越凱參與部分論文修改。
[1]國家統(tǒng)計(jì)局. 公安機(jī)關(guān)立案的刑事案件 [EB/OL]. http://data.stats.gov.cn/easyquery.htm?cn=C01, 2015-02-26/2016-05-24
[2]嚴(yán)小兵,焦華富. 犯罪地理國際研究進(jìn)展[J].地理科學(xué)進(jìn)展,2012, 31(10):1 390-1 398
[3]劉大千,修春亮. 國內(nèi)外犯罪地理學(xué)研究進(jìn)展評析[J].人文地理, 2012, 27(2):38-44
[4]姜超,唐煥麗,柳林. 中國犯罪地理研究評述[J]. 地理科學(xué)進(jìn)展, 2014, 33(4):561-573
[5]Chainey S, Tompson L, Uhlig S. The Utility of Hotspot Mapping for Predicting Spatial Patterns of Crime[J]. Security Journal, 2008, 21(1-2):4-28
[6]Nakaya T, Yano K. Visualising Crime Clusters in a Space-time Cube: An Exploratory Data-analysis Approach Using Spacetime Kernel Density Estimation and Scan Statistics[J].Transactions in GIS, 2010, 14(3):223-239
[7]陸娟, 湯國安, 張宏, 等. 犯罪熱點(diǎn)時(shí)空分布研究方法綜述[J].地理科學(xué)進(jìn)展, 2012(4):419-425
[8]王帥. 犯罪案件時(shí)空熱點(diǎn)分析研究[D].北京: 首都師范大學(xué),2012
[9]徐曉,朱菁瑋,吳玲,等. 城市入室盜竊時(shí)空點(diǎn)模式分析[J].測繪與空間地理信息, 2014, 37(8):15-18
[10]Townsley M, Homel R, Chaseling J. Repeat Burglary Victimisation: Spatial and Temporal Patterns[J]. Australian &New Zealand Journal of Criminology, 2000, 33(1):37-63
[11]Sagovsky A, Johnson S D. When Does Repeat Burglary Victimisation Occur?[J]. Australian & New Zealand Journal of Criminology, 2007, 40(1):1-26 [12]程薇,吳健平.國外犯罪時(shí)空分布研究綜述[J].世界地理研究,2013, 22(2):152-158
[13]Ding M T, He L H, Dunson D, et al. Nonparametric Bayesian Segmentation of a Multivariate Inhomogeneous Space-time Poisson Process[J]. Bayesian Anal, 2012, 7(4):813-840
[14]Andresen M A, Malleson N. Police Foot Patrol and Crime Displacement: A Local Analysis[J]. Journal of Contemporary Criminal Justice, 2014, 1-14
[15]葉玲,陳楠.案事件時(shí)空格局演變分析[J].微型機(jī)與應(yīng)用,2015, 34(3):78-81
[16]Kroner D G, Mills J F, Reddon J R. A Coffee Can,Factor Analysis, and Prediction of Antisocial Behavior: The Structure of Criminal Risk[J]. International Journal of Law and Psychiatry,2005,28(4):360-374
[17]Qian C, Wang Y B, Cao J D, et al. Weighted-Traffic-Network-Based Geographic Profiling for Serial Crime Location Prediction[J]. EPL, 2011, 93:68006
[18]Cherian J, Dawson M. RoboCop: Crime Classification and Prediction in San Francisco[EB/OL]. http://cs229.stanford.edu/proj2015/228_report.pdf, 2015-09-01/2016-07-17
[19]杭州市統(tǒng)計(jì)局. 歷次普查常住人口情況[EB/OL]. http://www.hzstats.gov.cn/web/tjnj/nj2015/showChapter.aspx?id=2-01,2014-04-07/2015-05-29
[20]百 度. Geocoding API [EB/OL]. http://lbsyun.baidu.com/index.php?title=webapi/guide/webservice-geocoding, 2013-04-07/2016-05-29
[21]百度. 坐標(biāo)轉(zhuǎn)換 API [EB/OL]. http://lbsyun.baidu.com/index.php?title=webapi/guide/changeposition, 2014-03-06/2016-05-29
[22]陳鵬,李錦濤,馬偉. 犯罪熱點(diǎn)的分析方法研究[J]. 中國人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012(3):53-57
[23]杭州市統(tǒng)計(jì)局. 地區(qū)生產(chǎn)總值(2014年) [EB/OL].http://www.hzstats.gov.cn/web/tjnj/nj2015/showChapter.aspx?id=1-10, 2015-11-02/2016-06-12
[24]杭州市統(tǒng)計(jì)局. 土地面積和人口密度(2014年末) [EB/OL].http://www.hzstats.gov.cn/web/tjnj/nj2015/showChapter.aspx?id=1-02, 2015-11-02/2016-06-12
P208
B
1672-4623(2017)12-0063-04
10.3969/j.issn.1672-4623.2017.12.020
2016-10-26。
國家自然科學(xué)基金資助項(xiàng)目(41401517);浙江省公益技術(shù)研究社會(huì)發(fā)展項(xiàng)目(2015C33223)。
陳曼,主要從事入室盜竊犯罪GIS時(shí)空分析工作。