柳 林，譚 敏，龍冬平，昌佳雨，劉 凱

（1.廣州大學(xué)地理科學(xué)與遙感學(xué)院公共安全地理信息分析中心，廣州510006；2.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州510275）

引言

暴力犯罪會嚴(yán)重傷害人的身心健康，而斗毆是最常見的暴力犯罪之一。從法律角度來看，斗毆行為擾亂社會公共秩序、影響居民日常生活、侵犯他人健康權(quán)[1]。換言之，斗毆不僅會影響城市社會穩(wěn)定和居民安全感，更會影響人的身心健康。在公共安全領(lǐng)域，斗毆作為典型的社會安全事件也應(yīng)被重點關(guān)注?，F(xiàn)有研究對斗毆事件的空間特征進行了分析。例如，Cusimano等基于加拿大多倫多救護車數(shù)據(jù)研究了暴力傷害事件，發(fā)現(xiàn)日間病人受傷的位置與其住所位置相似，而在夜間，最高密度的受傷位置轉(zhuǎn)移至“夜生活”區(qū)域，比如酒吧聚集區(qū)[2]。Snowden等探討了酒吧與暴力犯罪的關(guān)系，發(fā)現(xiàn)酒吧聚集區(qū)是夜間斗毆的高發(fā)區(qū)[3]。此外，Veldhuizen等利用荷蘭阿姆斯特丹的救護車接診數(shù)據(jù)，分析斗毆事件非高發(fā)區(qū)的空間特征，發(fā)現(xiàn)非高發(fā)區(qū)內(nèi)斗毆事件往往發(fā)生在受害者的居住地附近[4]。以上研究大多基于醫(yī)院提供的歷史數(shù)據(jù)（包括救護車接診數(shù)據(jù)、急診科接診數(shù)據(jù)或入院出院記錄等），其均表明導(dǎo)致創(chuàng)傷的斗毆事件的空間分布具有一定特征，而這種空間特征與斗毆事件的社區(qū)環(huán)境存在一定關(guān)聯(lián)。

影響斗毆事件的社區(qū)環(huán)境分為物理環(huán)境和社會環(huán)境。例如，在物理環(huán)境方面，酒吧和吸煙場所通常被視為斗毆事件的“犯罪發(fā)生器”[5]。根據(jù)犯罪模式理論，“犯罪發(fā)生器”是指能提供犯罪機會從而吸引潛在犯罪者前往集聚的場所或設(shè)施，如居民進行日常活動的各類設(shè)施點[6]。Gruenewald等利用美國加州的出院數(shù)據(jù)，發(fā)現(xiàn)斗毆地點與零售酒類商店的位置有關(guān)[7]。Cusimano等通過加拿大多倫多救護車數(shù)據(jù)，發(fā)現(xiàn)酒吧對斗毆事件具有顯著的正影響[2]。Subica等基于美國洛杉磯警局犯罪記錄數(shù)據(jù)，發(fā)現(xiàn)煙草商店與其附近的暴力犯罪呈正相關(guān)，并利用地理加權(quán)回歸證實了貧困水平、房屋租賃、人口流動、種族異質(zhì)性等社會因素對暴力犯罪的影響作用[2]。此外，Veldhuizen等對比分析了娛樂區(qū)與非娛樂區(qū)內(nèi)斗毆事件的影響因子，驗證了社會環(huán)境在娛樂區(qū)與非娛樂區(qū)均具有重要影響[4]。

在以上研究的基礎(chǔ)上，Thomas等結(jié)合物理環(huán)境與社會環(huán)境，分析了兩者之間的交互作用對斗毆事件的影響，結(jié)果表明物理環(huán)境對其影響取決于社會結(jié)構(gòu)中的不利因素[8]。目前，國內(nèi)少許學(xué)者分析了斗毆事件，如陳笛利用卡方檢驗探討了酒吧對街面斗毆的影響，發(fā)現(xiàn)在酒吧密集的街道中打架斗毆事件的數(shù)量更多[9]。崔用祥側(cè)重分析了上海市人口分布特征對犯罪的影響，發(fā)現(xiàn)55—64歲男性人口數(shù)、來滬人口數(shù)對侮辱毆打事件存在一定影響，但對其影響機制的分析仍顯不足[10]。總而言之，上述研究證明了物理環(huán)境和社會環(huán)境對斗毆事件空間格局具有重要的影響，但仍存在不足之處，即已有研究未基于中國城市背景綜合分析社會環(huán)境因子和物理環(huán)境因子對斗毆事件的影響。鑒于此，本文以深圳市斗毆事件為例，融合社會環(huán)境和物理環(huán)境方面的因子，嘗試構(gòu)建空間滯后負(fù)二項回歸模型，以分析城市社會安全事件的空間分布特征及其影響因素。

1 研究區(qū)域、數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域與數(shù)據(jù)來源

本文的研究區(qū)域為深圳市的中心城區(qū)(福田區(qū)、羅湖區(qū)、南山區(qū))，面積為322.92 km2，占全市總面積的16.39%，斗毆案件量占全市的24.54%，治安壓力大。數(shù)據(jù)來源包括120急救接診數(shù)據(jù)、興趣點（Point of Interest，POI）、NPP-VIIRS夜間燈光數(shù)據(jù)、第六次人口普查數(shù)據(jù)以及房屋租金數(shù)據(jù)。其中，120急救接診數(shù)據(jù)來源于深圳市急救中心120呼救平臺脫敏處理后的救護車出診記錄，時間段為2016年1月1日至2016年12月31日，并選取南山區(qū)、福田區(qū)、羅湖區(qū)轄區(qū)內(nèi)呼叫原因為“斗毆”的記錄，共有2 232條；POI數(shù)據(jù)通過高德地圖獲取，時間為2018年，將其坐標(biāo)轉(zhuǎn)換為WGS1984和去除重復(fù)項后，共有44萬個數(shù)據(jù)；NPP-VIIRS來源于美國國家地球物理數(shù)據(jù)中心NGDC網(wǎng)站（https://ngdc.noaa.gov/eog/viirs.html）的2016年年度產(chǎn)品；房屋租金數(shù)據(jù)從國內(nèi)租售平臺貝殼網(wǎng)獲?。╤ttps://sz.ke.com/），共計101 521條（圖1）。

圖1 研究區(qū)域示意圖

1.2 研究方法

本文首先對斗毆事件數(shù)據(jù)進行清洗、地理編碼等預(yù)處理后，再采用最近鄰指數(shù)和核密度方法，探測斗毆事件發(fā)生的集聚性及熱點區(qū)域，然后基于物理環(huán)境和社會環(huán)境構(gòu)建適合中國城市背景的社區(qū)環(huán)境指標(biāo)體系，并結(jié)合空間滯后負(fù)二項回歸模型檢驗其對斗毆事件的影響。

1.2.1 最近鄰指數(shù)法

犯罪空間分布模式是犯罪分析的基礎(chǔ)，對帶有精確點坐標(biāo)的犯罪事件的空間分布模式探索，可利用基于離散點分布模式的識別方法。本文需要指出的是，通常在確定犯罪事件的空間分布模式為集聚后，采用核密度方法更為合理，而最近鄰指數(shù)法就提供了這種可能。最近鄰指數(shù)法是由生態(tài)學(xué)家Clark和Evans提出的，主要用于檢驗點分布的集聚模式[11]，其工作原理是通過測算每個點與其距離最近點之間的歐氏距離，再取所有點的最鄰近距離的均值，即為該研究區(qū)域內(nèi)點數(shù)據(jù)的平均最鄰近距離[12]。最近鄰指數(shù)計算公式如下[13]：

1.2.2 核密度估計法

核密度估計法可用于計算每個柵格像元在其周圍領(lǐng)域內(nèi)點要素或線要素的密度，并進行連續(xù)化模擬，已被廣泛應(yīng)用于點數(shù)據(jù)的空間集聚分析中，其原理是借助一個規(guī)則的移動單元窗格對點要素在其鄰域空間范圍內(nèi)的分布密度進行估計的空間分析方法，反映了點在空間中的分布集聚程度。該方法能有效地刻畫出地理要素分布集聚程度的空間差異特征，核密度估計值越高，表明點要素或線要素的分布密度越大。核密度的計算公式如下[14-15]：

其中，f(x)是空間x位置處的核密度計算函數(shù)；r為帶寬，即搜索半徑，是定義平滑量大小的自由參數(shù)；n為與位置x的距離小于或等于r的要素點數(shù)；(x-xi)是空間位置x到點要素xi的距離；k函數(shù)為空間權(quán)重函數(shù)。

1.2.3 空間滯后負(fù)二項回歸模型

泊松回歸和負(fù)二項回歸模型適合非整數(shù)值變量[16]，斗毆事件屬于該類變量之一。泊松分布是負(fù)二項分布回歸的基本形式，要求變量的均值和方差相等。許多經(jīng)驗計數(shù)變量的特點是方差大于均值，分布過度分散。負(fù)二項回歸在泊松回歸的基礎(chǔ)上，允許數(shù)據(jù)存在過度離散，對離散型變量具有更好的擬合效果。因此，本文采用基于泊松回歸的負(fù)二項回歸模型。泊松分布的函數(shù)如下[17]：

犯罪空間分布在以往的文獻中都被識別出集聚現(xiàn)象，但一般不符合正態(tài)分布，呈離散形態(tài)，已有的文獻一般采用空間滯后模型來削弱空間自相關(guān)效應(yīng)的影響[18-20]?？臻g滯后模型是空間計量模型的一種，主要用來研究某區(qū)域的變量對其相鄰地區(qū)同一變量的影響情況，其計算公式如下[21-22]：

2 深圳市斗毆事件的空間分布特征

運用平均最近鄰指數(shù)法對深圳市中心城區(qū)的斗毆事件進行空間集聚特征檢驗，結(jié)果顯示P值為0，z得分小于-2.28，平均最近鄰指數(shù)小于1，平均最近鄰距離小于期望最近鄰距離。因此，深圳市斗毆事件在0.01置信水平下顯著集聚。為更直觀地表達出斗毆事件的集聚分布熱點，采用核密度估計法對斗毆事件進行可視化?？紤]到急救服務(wù)的緊急性，本文認(rèn)為呼叫急救的地點即為斗毆發(fā)生的地點。基于呼叫點的空間分布，以50 m×50 m為基本單元，搜索半徑為1 km，得到深圳市中心城區(qū)斗毆事件的核密度分布（圖2）。從圖2可知，深圳市中心城區(qū)的斗毆事件存在多個熱點區(qū)域，分別為羅湖區(qū)西南部的東門步行街周邊，福田區(qū)東部的華強北電子商業(yè)圈、市民中心附近和車公廟—沙尾一帶，以及南山區(qū)的大新—涌下村和白石洲周邊。根據(jù)地理位置和環(huán)境特征，可將斗毆事件的熱點區(qū)域歸納為三種類型：商業(yè)購物區(qū)、城中村片區(qū)和中央商務(wù)區(qū)。

2.1 類型一：商業(yè)購物區(qū)

圖2 深圳市中心城區(qū)斗毆事件的核密度分布

商業(yè)購物區(qū)的第一個斗毆熱點位于東門步行街，這是深圳最主要的商業(yè)購物區(qū)之一。它作為深圳傳統(tǒng)的商業(yè)中心，從地面到地下是一個多層立體式的巨型商圈，主要業(yè)態(tài)是沿街布置的批發(fā)零售小店、中低檔專賣店和地方特色餐飲店，消費者常于此逛品牌專賣店和其他小店面[23]。加之東門步行街的道路交通和軌道交通十分便利，有30余條公交線路匯經(jīng)此地，周邊還有老街站、紅嶺站等人流換乘量大的地鐵站。該類型的第二個斗毆熱點位于深圳華強北電子商業(yè)圈，其擁有眾多企業(yè)辦公大樓，周邊交通便利，4條地鐵線路匯經(jīng)于此，也是中國最大的電子產(chǎn)品商業(yè)地帶，有“中國電子第一街”之稱。深圳華強北電子商業(yè)圈前身是以生產(chǎn)電子、通訊、電器產(chǎn)品為主的工業(yè)區(qū)域。1998年該區(qū)域被改造成綜合商業(yè)區(qū)，主要行業(yè)包括電子通信、服裝百貨、餐飲等，其在最鼎盛時期，日均人流量約50萬人次[24]，年交易額超2 000億元。因此，商業(yè)購物區(qū)吸引了大量的人群，為犯罪提供了有利條件，可能會導(dǎo)致斗毆事件的高發(fā)。

2.2 類型二：城中村片區(qū)

城中村片區(qū)的第一個斗毆熱點分布在南山區(qū)大新地鐵站，周邊是大新村和涌下村等兩大城中村片區(qū)，居住人口構(gòu)成復(fù)雜。該區(qū)域以村民自建房、老舊住宅小區(qū)及次新房小區(qū)為主，但周邊配套設(shè)施成熟，吸引了大量的外來人口居住。該類型的第二個斗毆熱點位于南山區(qū)白石洲周邊。白石洲是深圳最大的城中村，位于南山華僑城的西部。白石洲0.6 km2土地上大約有2 527棟、50 473套出租房，容納了15萬人，其附近的房價已超過10萬元/m2（如南山豪宅區(qū)）。由于毗鄰世界之窗、科技園，交通便利，白石洲是不少來深務(wù)工人員的最早棲息地之一。這些城中村片區(qū)吸引了大量外來人口，有可能誘致斗毆事件的發(fā)生。

2.3 類型三：中央商務(wù)區(qū)

中央商務(wù)區(qū)的第一個斗毆熱點位于福田區(qū)市民中心(包括南廣場和會展中心)和購物公園一帶，該區(qū)域是福田區(qū)的中央商務(wù)區(qū)，日常人群流動大。深圳市民中心是深圳市的地標(biāo)建筑，是集博物館和會堂于一體的綜合性建筑，也是深圳市民休閑娛樂的主要場所之一。此外，在市民中心附近還有福田高鐵站、購物公園，能吸引大量游客前來參觀游玩。該類型第二個斗毆熱點位于市民中心—購物公園西側(cè)的香蜜湖—車公廟一帶，這是眾多地鐵線路交匯的換乘大站，同樣為人群高度匯集的區(qū)域。而這些區(qū)域大量的日常流動人群，有可能導(dǎo)致斗毆事件的發(fā)生。

總之，深圳市斗毆事件存在明顯的空間集聚性，主要分布在商業(yè)購物區(qū)、城中村片區(qū)和中央商務(wù)區(qū)。這些區(qū)域的特點是外來人口多、交通發(fā)達、人流密集以及生活服務(wù)設(shè)施完善。

3 社區(qū)環(huán)境對斗毆事件的影響分析

3.1 變量選取

社區(qū)是中國城市最小的行政單元，是社會有機體的最基本內(nèi)容，也是宏觀社會的縮影。加之，同一社區(qū)的居民具有密切的社會交往和相近的利益共識，日?；顒颖容^相似。因此，本文選取社區(qū)作為空間分析單元，研究導(dǎo)致斗毆事件發(fā)生的影響因素。本文因變量為社區(qū)的斗毆事件發(fā)生率，用社區(qū)的斗毆事件數(shù)除以社區(qū)的居住人口數(shù)(每萬人)來表示。

現(xiàn)有文獻表明，快餐店、旅館[8]、酒類銷售商店[7]、酒吧[25]、公交站[8]、停車場[26]對斗毆事件的發(fā)生均有影響。因此，本文選擇餐館、青年旅舍、酒吧、超市、商場、地鐵站和公交站、公共停車場作為驗證影響斗毆發(fā)生的物理環(huán)境變量。同時，結(jié)合深圳市的產(chǎn)業(yè)分布，選擇產(chǎn)業(yè)園區(qū)變量和工廠變量，并加入夜間燈光亮度變量，以檢查其對斗毆的影響。產(chǎn)業(yè)園區(qū)和工廠變量以萬人擁有量表示，計算方法為其數(shù)量除以居住人口(每萬人)；夜間燈光亮度變量以人均亮度值表示，即先統(tǒng)計每個社區(qū)的總亮度值，再除以該社區(qū)的居住人口(每萬人)。

在社會環(huán)境方面，已有研究表明種族異質(zhì)性[27]、貧困[28]、社區(qū)流動性[28]等社會性因子對斗毆事件的發(fā)生均有影響。根據(jù)中國的現(xiàn)狀，國外種族異質(zhì)性導(dǎo)致社會失序的現(xiàn)象在中國主要表現(xiàn)為外來人口與本地居民的矛盾，加之為反映社區(qū)人口的流動性，本文選取外來人口比例(離開戶口登記地半年到一年的人口)來表征種族異質(zhì)性和社區(qū)流動性。同時，選取房屋租金以反映經(jīng)濟水平，也可以根據(jù)此區(qū)分是否為城中村。20—49歲男性人口比例被選取作為控制變量，以代表高發(fā)人群因子。上述變量共同組成了影響斗毆事件發(fā)生的社會環(huán)境變量。

在犯罪現(xiàn)象或其他社會現(xiàn)象的空間分析中，如周邊社區(qū)變量的特征值存在相關(guān)關(guān)系時，則模型中的這些變量的殘差就可能會存在空間自相關(guān)，這將會影響觀測變量的獨立性。因此，本文擬采用空間滯后變量以減少空間自相關(guān)[18]，如選取對周邊環(huán)境影響較大的青年旅舍、工廠、超市、酒吧進行空間滯后處理。根據(jù)Queen鄰接矩陣先檢驗變量的空間自相關(guān)程度，結(jié)果均為正相關(guān)，且置信度均為99%。因此，可以對這些變量進行空間滯后處理。在加入空間滯后變量后，本文最終用于建模的變量為18個（表1）。

表1 模型使用的變量表

多重共線性檢驗。本文驗證了所選變量間的相關(guān)系數(shù)的絕對值大部分小于0.1，93.57%變量的相關(guān)系數(shù)絕對值小于0.5。這說明本文所選的變量不存在多重共線性，可用于后續(xù)模型擬合。各社區(qū)斗毆事件發(fā)生率(因變量)的均值為9.65，方差為177.30，遠(yuǎn)遠(yuǎn)大于均值，因此采用負(fù)二項回歸模型進行擬合。根據(jù)Stata給出的統(tǒng)計結(jié)果，alpha值為0.44，在95%的置信區(qū)間內(nèi)，進一步驗證了選取負(fù)二項回歸模型進行擬合的合理性。

3.2 結(jié)果分析

表2是模型的計算結(jié)果。其中IRR為發(fā)生率比，即自變量增加1個單位的數(shù)目，因變量斗毆事件發(fā)生概率增加的倍數(shù)。模型結(jié)果顯示，對斗毆事件具有顯著正向影響的自變量有餐館、青年旅舍、超市、夜間燈光亮度、外來人口比例，存有顯著負(fù)向影響的自變量有地鐵站/公交站，其他因子無顯著影響。

研究區(qū)內(nèi)餐館變量對斗毆事件具有顯著促進作用，其IRR值為33.82，即分析單元中每增加1個餐館，斗毆事件的發(fā)生概率將增加為原來的33.82倍。這一發(fā)現(xiàn)類似于已有的研究，如柳林等利用動態(tài)活動人口數(shù)據(jù)發(fā)現(xiàn)餐館能吸引附近人員的集聚，這促進了其附近接觸類犯罪的發(fā)生，即餐館具有“犯罪發(fā)生器”的作用[29]；Gruenewald等發(fā)現(xiàn)毆打事件與提供酒的場所具有顯著相關(guān)性[7]。本文的斗毆事件主要發(fā)生在商業(yè)購物區(qū)、城中村片區(qū)、中央商務(wù)區(qū)等交通便利或人流量大的區(qū)域。餐飲服務(wù)業(yè)是這些區(qū)域中最為常見的行業(yè)之一，它能為在此工作、居住、休閑的人們提供基本的餐飲服務(wù)。同時，餐館的營業(yè)時間通常與該區(qū)域的人們活動一致，即在就餐時間內(nèi)能引起人員集聚。加之，餐館也能提供酒水服務(wù)，一些顧客飲酒后情緒激動，難以控制自身行為，易與旁人產(chǎn)生沖突。此外，餐館普遍缺少專業(yè)的安保人員，難以有效監(jiān)管顧客行為，從而造成斗毆事件常發(fā)生于此。因此，本文發(fā)現(xiàn)餐館所造成的人員集聚，及其通過供應(yīng)酒而形成的潛在沖突風(fēng)險，從而導(dǎo)致了斗毆事件的高發(fā)。

表2 空間滯后負(fù)二項回歸模型估計結(jié)果

超市變量同樣顯著地促進斗毆事件的發(fā)生，其IRR值為2.92，即每增加1個超市，附近斗毆事件的發(fā)生概率將增加為原來的2.92倍。與餐館類似，超市是居民日常購物的場所，容易吸引人流，同樣也缺乏專門的安保措施，較容易造成人員集聚與暴力沖突。本文的這一發(fā)現(xiàn)也類似于已有研究，如宋廣文等發(fā)現(xiàn)以超市POI為代表的購物活動顯著地促進其附近警情的發(fā)生，其中影響程度最大的時段與居民購物行為高峰時段一致[18]；陳鵬等發(fā)現(xiàn)餐館、超市等商業(yè)POI的經(jīng)營活動會在其附近形成較大的人流量，并顯著地促進警情的發(fā)生[30]。本文的超市POI多為在居民小區(qū)或城中村周邊的便民設(shè)施點，附近人流活動量大，易發(fā)生人群集聚與暴力沖突。根據(jù)上文分析，餐館與超市設(shè)施均為居民日?；顒拥闹饕?jié)點，其數(shù)量的增加將會顯著地促進斗毆事件的發(fā)生，即它們是暴力犯罪的“犯罪發(fā)生器”。

青年旅舍對斗毆事件也具有明顯的促進作用，其IRR值為4.92，即分析單元中每增加1個青年旅舍，斗毆事件的發(fā)生概率將會增加為原來的4.92倍。這與已有的研究結(jié)果也相似。如Thomas等發(fā)現(xiàn)社區(qū)結(jié)構(gòu)中的不利因素將影響建成環(huán)境對犯罪的作用[8]；Quick等發(fā)現(xiàn)人口規(guī)模和居民流動性與犯罪及混亂程度呈正相關(guān)[31]。這些說明了社區(qū)的人口特征會影響犯罪的發(fā)生。東門老街、華強北電子商業(yè)圈內(nèi)有大量青年旅舍，其以低廉的住宿價格吸引了大量“天南地北、經(jīng)濟預(yù)算可能較低”的外來人員。因此，青年旅社所處社區(qū)居住人群構(gòu)成復(fù)雜，加之外來人口比例較高，導(dǎo)致了青年旅舍的增加可能會引起斗毆事件的高發(fā)。

地鐵站/公交站對斗毆事件的發(fā)生具有顯著的抑制作用，其IRR值為0.03，即地鐵站/公交站的數(shù)目每增加1個，斗毆事件的發(fā)生概率將降為原來的0.03倍。這類似已有的研究結(jié)果，如肖露子等發(fā)現(xiàn)地鐵站對扒竊犯罪的影響始終為負(fù)值[32]。在城市社會中，地鐵站和公交站是絕大部分居民出行的必經(jīng)之地，其營運時段雖有大量人群聚集，但其安保水平高，能形成較好的監(jiān)護，對潛在的犯罪者具有一定威懾作用。此外，斗毆事件的發(fā)生與夜間燈光亮度顯著正相關(guān)。已有研究發(fā)現(xiàn)夜間燈光可以解釋犯罪的集聚水平[33]。如崔用祥基于夜間燈光亮度對斗毆事件的影響機制進行了解釋[10]，發(fā)現(xiàn)夜間燈光亮度值高的區(qū)域多位于繁華街道，附近人群較密集，夜間活動較多，易造成斗毆事件的發(fā)生。

社會環(huán)境方面，外來人口比例對斗毆事件也具有顯著正向影響。對比西方社會中的種族異質(zhì)性，該指標(biāo)表征的是國內(nèi)社會中的居住不穩(wěn)定性。已有研究表明該因素會增加暴力犯罪的發(fā)生，即外來流動人口越多，社區(qū)內(nèi)發(fā)生斗毆的可能性越高。房屋租金對斗毆事件不存在顯著影響。已有研究發(fā)現(xiàn)房屋租金與貧困存在正相關(guān)關(guān)系[34]，如Blau等研究表明貧困對暴力犯罪有明顯的正向影響[35]。然而，房屋租金在一定程度上能代表所在社區(qū)的居住水平，租金越高，社區(qū)安保措施越好，越不會發(fā)生斗毆事件。

4 結(jié)論與討論

本文以深圳市斗毆事件為例，研究了城市社會安全事件的空間分布特征，并在此基礎(chǔ)上，融合社會環(huán)境和物理環(huán)境因子，如結(jié)合興趣點數(shù)據(jù)、夜間燈光數(shù)據(jù)和人口普查數(shù)據(jù)等，構(gòu)建了空間滯后負(fù)二項回歸模型，分析了社區(qū)環(huán)境對斗毆事件發(fā)生的影響，主要結(jié)論如下：

（1）深圳市中心城區(qū)的斗毆事件具有明顯的空間集聚性。其熱點主要分布在商業(yè)購物區(qū)、城中村片區(qū)和中央商務(wù)區(qū)3類區(qū)域，如羅湖區(qū)東門老街、福田區(qū)華強北、車公廟—沙尾一帶、南山區(qū)白石洲、大新村—涌下村一帶。這些區(qū)域的特點是外來人口多、交通發(fā)達、人流密集以及生活服務(wù)設(shè)施完善。

（2）餐館、青年旅舍、超市、地鐵站/公交站、夜間燈光強度以及外來人口比例是形成斗毆事件空間分布差異的主要因素。餐館、青年旅舍、超市、夜間燈光強度以及外來人口比例對斗毆事件的發(fā)生具有顯著的正影響，而地鐵站/公交站卻存在顯著的負(fù)影響。

本文基于深圳市120接診數(shù)據(jù)，開展了斗毆事件空間分布與影響因素研究，這能很好地刻畫出案情相對嚴(yán)重的社會安全事件的空間格局及成因。然而，需要指出的是，本文可能存在以下不足：一是從120接診數(shù)據(jù)提取的是受傷程度較嚴(yán)重的斗毆事件，這可能還未包括受傷較輕的斗毆事件，未來研究可結(jié)合急救與門診數(shù)據(jù)進行分析；二是POI數(shù)據(jù)缺乏“非正規(guī)性”的經(jīng)營類店鋪信息，特別是中國有很多“草根夜市”，是大城市作為“不夜城”的重要組成部分[36]，但POI數(shù)據(jù)不能獲取能提供酒服務(wù)的夜宵場所，例如東門商業(yè)圈附近的湖貝村，在深夜常有以燒烤為主的私人夜宵大排檔，它是當(dāng)?shù)刂囊瓜ヌ?，且消費者通常會飲用大量的啤酒，但此處并非是酒吧類場所。未來研究可結(jié)合POI數(shù)據(jù)和野外調(diào)查數(shù)據(jù)進行分析；三是城中村出租屋不一定全部發(fā)布在互聯(lián)網(wǎng)平臺上，這有可能會造成房屋租金數(shù)據(jù)不夠全面，即難以全面描述社區(qū)的居住水平。未來研究可對城中村進行實地調(diào)研，做好相應(yīng)數(shù)據(jù)的補充。最后，本文在社會環(huán)境方面的考慮還不夠全面，缺乏非正式社會控制的集體效能[37]、鄰里守望效應(yīng)[38-39]等因素，未來研究可以在這些方面進行補充或完善。