陳兵陽(yáng)，熊 立，譚永濱，王 瑛，胡 濤

(東華理工大學(xué)測(cè)繪工程學(xué)院，330013，南昌)

0 引言

據(jù)2021年聯(lián)合國(guó)發(fā)布的《全球人口販賣(mài)報(bào)告》顯示，2004—2018年間，全球已偵測(cè)到的人口拐賣(mài)犯罪受害者約5萬(wàn)名，而實(shí)際的受害人數(shù)應(yīng)該遠(yuǎn)遠(yuǎn)超過(guò)這個(gè)數(shù)字。人口拐賣(mài)犯罪不僅嚴(yán)重侵犯了公民人身權(quán)利，還造成受害者家庭支離破碎以及社會(huì)的不穩(wěn)定。有研究表明，經(jīng)濟(jì)貧困是人口販賣(mài)犯罪的重要驅(qū)動(dòng)因素之一[1-3]，而留守兒童較多且較貧困的農(nóng)村地區(qū)一直是人口拐賣(mài)犯罪的高發(fā)區(qū)[4]。如何有效打擊和預(yù)防人口拐賣(mài)犯罪已成為全社會(huì)重點(diǎn)關(guān)注的問(wèn)題，也是鄉(xiāng)村振興中社會(huì)建設(shè)的重要組成部分。

目前針對(duì)人口拐賣(mài)犯罪的研究有集中在法律、政策等方面[5-6]，通過(guò)研究犯罪人及其行為模式，分析犯罪原因并提出預(yù)防建議[7-9]，探討具體的犯罪過(guò)程[10]及活動(dòng)模式[11-12]。在地理學(xué)領(lǐng)域，研究人員利用犯罪地理學(xué)方法，分別從拐入側(cè)和拐出側(cè)分析人口拐賣(mài)犯罪的空間分布特征[13]，提取人口拐賣(mài)犯罪的時(shí)空變化規(guī)律[14-15]，深入分析產(chǎn)生犯罪的區(qū)域影響因素[16-19]?？臻g相關(guān)性分析能夠有效地找出單變量在空間上所存在的潛在的相互依賴(lài)性[20-21]，探究拐賣(mài)人口犯罪在空間上的集聚性和異質(zhì)性。除了分析犯罪的空間分布特征外，針對(duì)犯罪路徑的空間特征的分析有助于更精準(zhǔn)地打擊人口拐賣(mài)犯罪，并能夠更直接地幫助被拐家庭尋找家人。研究人員還利用拐入點(diǎn)與拐出點(diǎn)的信息，繪制了省域及市域的犯罪網(wǎng)絡(luò)，分析并定位網(wǎng)絡(luò)中的關(guān)鍵區(qū)域與區(qū)域間關(guān)聯(lián)[22-23]。綜上，目前關(guān)于拐賣(mài)路徑的分析研究主要針對(duì)拐出地與拐入地的，幾乎沒(méi)有涉及中轉(zhuǎn)地的分析。這主要是因?yàn)?，目前研究中所使用的人口拐賣(mài)數(shù)據(jù)主要來(lái)源于新浪微博或?qū)氊惢丶揖W(wǎng)站(https://www.baobeihuijia.com/)里的受害者的回憶，而在這些回憶幾乎不存在中轉(zhuǎn)地的信息。然而，通過(guò)分析完整拐賣(mài)路徑的空間特征，對(duì)于精準(zhǔn)防控拐賣(mài)案件的發(fā)生具有重要的意義。

人口拐賣(mài)判決書(shū)是承載訴訟案件具有法律效力的文件，其內(nèi)容相對(duì)準(zhǔn)確地還原了拐賣(mài)犯罪的過(guò)程。因此本文基于近年來(lái)的人口拐賣(mài)判決書(shū)，提取拐賣(mài)犯罪過(guò)程中涉及的所有位置信息，并以此作為數(shù)據(jù)源，分析我國(guó)人口拐賣(mài)犯罪案件發(fā)生地(包括拐出地、中轉(zhuǎn)地與拐入地)的時(shí)空變化特征，以及發(fā)生地之間的關(guān)聯(lián)關(guān)系，重點(diǎn)關(guān)注拐賣(mài)路徑的空間分布與聚集特征，分析拐賣(mài)網(wǎng)絡(luò)中的重點(diǎn)區(qū)域(特別是中轉(zhuǎn)地)，為準(zhǔn)確預(yù)防人口拐賣(mài)犯罪提供支持。

1 實(shí)驗(yàn)數(shù)據(jù)

本文從中國(guó)裁判文書(shū)網(wǎng)(https://wenshu.court.gov.cn/)抓取了2014—2020年間共2 215份人口拐賣(mài)判決書(shū)，經(jīng)過(guò)初步篩選后得到，用于分析的有效判決書(shū)共2 191份，涉及的人口拐賣(mài)案件2 285起，涉及案件發(fā)生年份為1974—2020年；結(jié)合地名自動(dòng)識(shí)別算法、人工檢驗(yàn)等方式，抽取出判決書(shū)內(nèi)涉及的案件發(fā)生地4 130個(gè)，拐賣(mài)路線(xiàn)2 285條，并提取每個(gè)發(fā)生地的空間坐標(biāo)。由于中國(guó)裁判文書(shū)網(wǎng)中不包含香港、澳門(mén)、臺(tái)灣地區(qū)的判決書(shū)文件，因此本文在分析空間分布特征時(shí)并不包含上述3個(gè)地區(qū)。

2 研究方法

2.1 社會(huì)網(wǎng)絡(luò)分析

社會(huì)網(wǎng)絡(luò)分析法(Social Network Analysis, SNA)[24]是用于分析社會(huì)網(wǎng)絡(luò)中各節(jié)點(diǎn)之間關(guān)聯(lián)關(guān)系特征的方法。本文將網(wǎng)絡(luò)節(jié)點(diǎn)定義為拐賣(mài)案件發(fā)生地，通過(guò)計(jì)算發(fā)生地的中心勢(shì)強(qiáng)度分析拐賣(mài)事件的聚集特征；利用網(wǎng)絡(luò)密度分析發(fā)生地之間的關(guān)聯(lián)性；最后基于核心-邊緣結(jié)構(gòu)抽取事件高發(fā)區(qū)。

2.1.1 中心性分析 點(diǎn)度中心性是指人口拐賣(mài)網(wǎng)絡(luò)中發(fā)生地與其他發(fā)生地連接的邊數(shù)的總和。點(diǎn)度中心勢(shì)(C)[25]是用來(lái)刻畫(huà)人口拐賣(mài)網(wǎng)絡(luò)的整體中心性，衡量拐賣(mài)網(wǎng)絡(luò)中心化程度的指標(biāo)。點(diǎn)度中心勢(shì)的值域范圍為[0,1]，值越接近1，表明當(dāng)前網(wǎng)絡(luò)中案件發(fā)生地越集中。計(jì)算公式如下：

其中：CD(max)代表整個(gè)拐賣(mài)網(wǎng)絡(luò)中最大度數(shù)中心性值，CD(i)代表網(wǎng)絡(luò)中任意發(fā)生地的中心性值，n為拐賣(mài)網(wǎng)絡(luò)發(fā)生地總數(shù)，所以分子是指圖中最大中心度的數(shù)值與其他任意點(diǎn)中心度差的總和，分母是指理論上各個(gè)差值總和的最大可能值。

2.1.2 網(wǎng)絡(luò)密度 網(wǎng)絡(luò)密度(D)主要用于刻畫(huà)人口拐賣(mài)網(wǎng)絡(luò)中發(fā)生地之間相互連接的密集程度，是網(wǎng)絡(luò)實(shí)際存在的連接數(shù)與網(wǎng)絡(luò)中最大可連接數(shù)的比值。值域范圍為[0, 1]，值越接近1，表明網(wǎng)絡(luò)中案件發(fā)生地關(guān)系越強(qiáng)。計(jì)算公式如下：

其中n為拐賣(mài)網(wǎng)絡(luò)的發(fā)生地總數(shù)，L為拐賣(mài)網(wǎng)絡(luò)的實(shí)際連邊數(shù)。

2.1.3 核心-邊緣結(jié)構(gòu)分析 核心-邊緣模型[13]是用來(lái)劃分發(fā)生地在人口拐賣(mài)網(wǎng)絡(luò)中地位的模型。該模型能夠?qū)W(wǎng)絡(luò)中的“位置”結(jié)構(gòu)進(jìn)行量化分析，區(qū)分出網(wǎng)絡(luò)的核心和邊緣發(fā)生地。其中連接度反映發(fā)生地之間聯(lián)系的緊密程度。

3 結(jié)果與分析

3.1 拐賣(mài)案件總體時(shí)空特征分析

3.1.1 拐賣(mài)案件年際變化分析 本文依據(jù)案件發(fā)生的時(shí)間，分析拐賣(mài)案件發(fā)生的年際變化情況(圖1)。從圖1中可以看出，總體上拐賣(mài)案件的發(fā)生頻次呈現(xiàn)出平緩變化、急劇增多與快速下降3個(gè)階段。1974—2006年間案件發(fā)生頻次呈現(xiàn)平緩變化，僅在1989年、1998年等少數(shù)年份出現(xiàn)波動(dòng)；2006—2014年間案件發(fā)生頻次急劇增多，并于2014年達(dá)到最多(309例)，這與國(guó)家在2004—2014年間進(jìn)行的3次“嚴(yán)打”行動(dòng)有關(guān)，很大程度上打擊了人口拐賣(mài)的犯罪活動(dòng)；2014—2020年間，人口拐賣(mài)犯罪總體上呈現(xiàn)快速下降的趨勢(shì)，這與多次嚴(yán)打行動(dòng)后人口拐賣(mài)犯罪案件大幅減少相關(guān)，法院判決時(shí)間相對(duì)延遲也是數(shù)量下降的另一原因?？傮w上看，國(guó)家多次的嚴(yán)打行動(dòng)較好地遏制了人口拐賣(mài)犯罪行為的發(fā)生。

圖1 拐賣(mài)案件年際變化

3.1.2 拐賣(mài)案件空間分布特征 根據(jù)全國(guó)范圍內(nèi)人口拐賣(mài)的統(tǒng)計(jì)數(shù)據(jù)在省域和市域尺度的分布，分別將省域和市域的拐入與拐出人口頻次劃分為5個(gè)等級(jí)(圖 2、圖 3)。從圖2、圖3中可以看出，拐出頻次等級(jí)最高的省份是云南省(483次)，拐入等級(jí)最高的省份是河南省(246次)、山東省(238次)和云南省(351次)。在市域尺度上，拐出等級(jí)較高的城市主要來(lái)自云南省，包括文山州(259次)、紅河州(85次)、昆明市(34次)等，拐入等級(jí)較高的城市除了文山州(200次)、紅河州(56次)等云南省內(nèi)城市外，還包括臨沂市(83次，山東省)、泉州市(51次，福建省)等城市。結(jié)合省域和市域的情況發(fā)現(xiàn)，我國(guó)人口拐賣(mài)呈現(xiàn)“一源三匯”的空間分布特征，其中拐出源頭主要是集中在云南及其相鄰的西南地區(qū)，拐入地主要有3個(gè)片區(qū)：以云南為主的西南地區(qū)，圍繞河南、山東省的華北地區(qū)、以廣東、福建為中心的東南地區(qū)。

圖2 省域案例拐出、拐入分布圖

圖3 市域案例拐出、拐入分布圖

3.2 案件發(fā)生地空間聚集分析

3.2.1 拐賣(mài)路線(xiàn)空間聚集特征分析 分析拐賣(mài)路線(xiàn)的聚集特征是實(shí)現(xiàn)準(zhǔn)確打擊拐賣(mài)犯罪的重要基礎(chǔ)，基于“覓食理論”中犯罪人會(huì)形成相對(duì)固定的犯罪地點(diǎn)及模式的特點(diǎn)，公安機(jī)關(guān)在打擊拐賣(mài)時(shí)可重點(diǎn)關(guān)注出現(xiàn)頻次較高的拐賣(mài)路線(xiàn)。

本文利用中轉(zhuǎn)地將完整的拐賣(mài)路線(xiàn)分割成多條路段，并以路段作為最小單元統(tǒng)計(jì)拐賣(mài)路線(xiàn)的頻次，分析拐賣(mài)路線(xiàn)的空間聚集特征(圖4)。由于“市內(nèi)流轉(zhuǎn)”數(shù)量較多，無(wú)法在地圖中清晰地進(jìn)行可視化，因此圖中僅保留“市外流轉(zhuǎn)”的路線(xiàn)統(tǒng)計(jì)情況。圖中的箭頭表示指示拐賣(mài)路線(xiàn)的方向，即由拐出地指向中轉(zhuǎn)地或由中轉(zhuǎn)地指向拐入地2種情況；路段出現(xiàn)的頻次用粗細(xì)及顏色區(qū)分，即線(xiàn)條越粗、顏色越深的路段為發(fā)生拐賣(mài)案件最為頻繁的路段，也正是需要重點(diǎn)關(guān)注和打擊的犯罪路段。

圖4 拐賣(mài)路線(xiàn)的空間聚集特征

從圖4中可以看出，拐賣(mài)路線(xiàn)主要集中在西南→東南和西南→華北2個(gè)方向上。云南省是路線(xiàn)上重要的起終點(diǎn)，路線(xiàn)較集中從云南至河南、廣東、安徽、湖南、山東等省。拐賣(mài)路線(xiàn)主要表現(xiàn)為以下3種情況：省內(nèi)路線(xiàn)(如紅河州→文山州、白山市→長(zhǎng)春市)、鄰省路線(xiàn)(如百色市→文山州)、遠(yuǎn)距離路線(xiàn)(如涼山州→臨沂市、滁州市→紅河州)等情況，其中以省內(nèi)路線(xiàn)與鄰省路線(xiàn)的頻次最多。此外，通過(guò)統(tǒng)計(jì)拐出城市與其它城市(中轉(zhuǎn)地或拐入地)的關(guān)聯(lián)頻次發(fā)現(xiàn)，“市內(nèi)流轉(zhuǎn)”是被拐人員流轉(zhuǎn)的主導(dǎo)模式，多數(shù)拐賣(mài)路線(xiàn)的第2站均為本城市內(nèi)部。除了市內(nèi)流轉(zhuǎn)外，鄰近城市、相鄰省份間的被拐人員流轉(zhuǎn)是另外兩類(lèi)主要模式，例如云南省文山州與紅河州相互流轉(zhuǎn)的頻次最高，漳州市→贛州市是頻次最高的相鄰省份流轉(zhuǎn)。

因此，當(dāng)發(fā)現(xiàn)有人員疑似被拐的初期，可優(yōu)先在市內(nèi)或省內(nèi)距離較近的城市查找，而后重點(diǎn)關(guān)注與所在城市關(guān)系密切(即路線(xiàn)頻次較高)的其它城市或省份，有利于發(fā)現(xiàn)被拐人員。

3.2.2 案件發(fā)生地聚集中心轉(zhuǎn)移分析 為了分析不同拐賣(mài)案件發(fā)生地聚集情況的變化特征，本文基于案件發(fā)生地頻次，繪制案件發(fā)生地的犯罪空間分布的熱力圖(圖5)，并分析各類(lèi)案件發(fā)生地的聚集中心，在3個(gè)不同時(shí)期(即平緩變化期、急劇增多期與快速下降期)的轉(zhuǎn)移情況。

圖5 不同時(shí)期案件發(fā)生地聚集中心變化特征

總體上看，省份之間的交界地帶、國(guó)界附近都是拐賣(mài)犯罪的高發(fā)區(qū)域，特別是以云貴川3省交界區(qū)為核心的西南地區(qū)一直都是案件高發(fā)區(qū)，這與該地區(qū)高山地形，不利于管理和追捕有一定的關(guān)系，同時(shí)管轄權(quán)灰色地帶也可能是造成省份交界區(qū)成為高發(fā)區(qū)的原因之一。

1)拐出地的中心轉(zhuǎn)移。由平緩變化期(圖5(a))的貴州省內(nèi)的云貴川交界區(qū)，轉(zhuǎn)移到急劇增多期(圖5(b))的云桂區(qū)域(主要集中在云南與廣西交界、國(guó)界附近地區(qū))，同時(shí)在華北地區(qū)(河南、山東、安徽3省的交界地區(qū))也出現(xiàn)一定程度的聚集；最后進(jìn)入快速下降期(圖5(c))時(shí)，華北地區(qū)(主要集中在河南與河北的交界地區(qū))的人口拐賣(mài)聚集情況得到緩解，此時(shí)的聚集中心僅有云南省。

2)中轉(zhuǎn)地的中心轉(zhuǎn)移。情況大體上與拐出地相同，在平緩變化期(圖5(d))拐入地的聚集中心是貴州??；當(dāng)進(jìn)入急劇增多期(圖5(e))時(shí)，聚集中心由貴州省轉(zhuǎn)移到了云南省(主要集中在云南與廣西交界、國(guó)界附近地區(qū))；最后進(jìn)入快速下降期(圖5(f))時(shí)聚集中心無(wú)明顯轉(zhuǎn)移。

3)拐入地的中心轉(zhuǎn)移。在平緩變化期(圖5(g))拐入地的聚集中心是福建省和華北地區(qū)(以河南、河北和安徽的交界地區(qū)為主)；當(dāng)進(jìn)入急劇增多期(圖5(h))時(shí)，聚集中心轉(zhuǎn)移到了云南省(主要集中在云南與廣西交界、國(guó)界附近地區(qū))及原華北地區(qū)，并且2個(gè)聚集中心的案件數(shù)量也有了明顯增加；最后進(jìn)入快速下降期(圖5(i))時(shí)，華北地區(qū)的聚集有所減緩，此時(shí)的聚集中心是云南省(主要集中在云南與廣西交界、國(guó)界附近地區(qū))。

3.3 案件發(fā)生地空間關(guān)聯(lián)分析

利用拐賣(mài)路線(xiàn)整理出相關(guān)的案件發(fā)生地，其中省份31個(gè)、城市294個(gè)，構(gòu)建了省域及市域的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)的中心性特征如表1。省級(jí)網(wǎng)絡(luò)密度為0.42，反映了各省份之間在人口拐賣(mài)犯罪上的關(guān)聯(lián)較強(qiáng)，但由于省級(jí)網(wǎng)絡(luò)的拐出與拐入的中心勢(shì)均為0.465，表明拐賣(mài)案件涉及的省份較多，無(wú)明顯中心省份聚集情況。市域人口拐賣(mài)社會(huì)網(wǎng)絡(luò)的網(wǎng)絡(luò)規(guī)模為294，網(wǎng)絡(luò)密度為0.02。這是由于城市數(shù)量較多，拐出與拐入的程度中心勢(shì)分別是0.271與0.212，表明由于涉及的城市較多，明顯呈現(xiàn)強(qiáng)關(guān)聯(lián)的城市不多，同時(shí)城市聚集情況不明顯。

表1 網(wǎng)絡(luò)的中心性特征

中心度的大小反映了網(wǎng)絡(luò)節(jié)點(diǎn)與其它節(jié)點(diǎn)之間聯(lián)系的緊密程度。各省市的點(diǎn)出與點(diǎn)入中心度排名情況(見(jiàn)表2、表3)表明，云貴川3省形成的西南片區(qū)、冀魯豫3省形成的華北片區(qū)以及廣東所在的東南片區(qū)都是中心度靠前的省份，表明這些省份與其它省份之間的關(guān)聯(lián)最為緊密，也與聚集中心轉(zhuǎn)移情況一致。在市級(jí)網(wǎng)絡(luò)中，云南省文山州的拐出與拐入的中心度均在所有城市中排名第1，且明顯高于其它城市，表明網(wǎng)絡(luò)中有許多城市與文山州發(fā)生存在拐賣(mài)案件關(guān)聯(lián)，可重點(diǎn)關(guān)注。在拐出中心度排名前10的城市中，西南片區(qū)的城市占據(jù)了其中的8位；拐入中心度排名前10名中，西南片區(qū)、華北片區(qū)與東南片區(qū)涉及的城市數(shù)量很接近，再次驗(yàn)證了我國(guó)的人口拐賣(mài)犯罪呈現(xiàn)“一源三匯”的空間分布特征。

表2 總中心度排名前10的省份

在市級(jí)網(wǎng)絡(luò)中，文山州的拐出與拐入的中心度均在所有城市中排名第1，且明顯高于其它城市，表明網(wǎng)絡(luò)中有許多城市與文山州發(fā)生存在拐賣(mài)案件關(guān)聯(lián)。在拐出中心度排名前10的城市中，西南片區(qū)的城市占據(jù)了其中的8位；拐入中心度排名前10名中，西南片區(qū)、華北片區(qū)與東南片區(qū)涉及的城市數(shù)量差不多，這一現(xiàn)象也與“一源三匯”的空間分布特征一致。

網(wǎng)絡(luò)的核心-邊緣結(jié)構(gòu)分析是發(fā)現(xiàn)網(wǎng)絡(luò)核心節(jié)點(diǎn)與邊緣節(jié)點(diǎn)的重要方法，公安部可針對(duì)核心省份及城市進(jìn)行重點(diǎn)部署打擊犯罪。省級(jí)與市級(jí)網(wǎng)絡(luò)結(jié)構(gòu)的連接度如表4與表5。除青海省、新疆維吾爾自治區(qū)、寧夏回族自治區(qū)為邊緣省份外，其余28個(gè)省份屬于省級(jí)網(wǎng)絡(luò)的核心省份，其中核心省份之間的連接度為0.496，核心與邊緣省份的連接度為0.071，表明省域網(wǎng)絡(luò)中核心省份間的關(guān)聯(lián)緊密，被拐人員的流動(dòng)較頻繁，核心與邊緣省域間聯(lián)系較少，邊緣省份之間沒(méi)有聯(lián)系。市級(jí)網(wǎng)絡(luò)的核心城市包括邯鄲市、泉州市、北京市、紅河州、昆明市等共69個(gè)城市，其余的邊緣城市共有225個(gè)。其中核心城市之間連接度為0.125，核心與邊緣城市之間連接度為0.028，邊緣與邊緣城市之間連接度0.008，這表明市域人口拐賣(mài)網(wǎng)絡(luò)中只有核心市區(qū)之間聯(lián)系相對(duì)緊密，其他市區(qū)之間聯(lián)系極少。

表3 點(diǎn)出與點(diǎn)入中心度排名前10的城市

表4 省級(jí)核心-邊緣結(jié)構(gòu)的連接度

表5 市級(jí)核心-邊緣的連接度

4 討論與結(jié)論

本文從中國(guó)裁判網(wǎng)2014—2020年的拐賣(mài)判決書(shū)中提取到人口拐賣(mài)數(shù)據(jù)，建立省域和市域人口拐賣(mài)地理網(wǎng)絡(luò)，采用社會(huì)網(wǎng)絡(luò)分析方法省域和市域網(wǎng)絡(luò)進(jìn)行研究分析，獲得不同尺度下的網(wǎng)絡(luò)特征。分析結(jié)果表明，我國(guó)人口拐賣(mài)犯罪總體上呈現(xiàn)“一源三匯”的空間特征，核心城市為邯鄲市、泉州市、昆明市等69個(gè)城市，主要的犯罪路線(xiàn)是西南-東南、西南-華北，拐賣(mài)省市中存在明顯的“內(nèi)部流轉(zhuǎn)”的現(xiàn)象，部分城市之間存在密切聯(lián)系；犯罪活動(dòng)轉(zhuǎn)向更為隱藏的省界山區(qū)，以及西南的國(guó)界附近。由于本文的數(shù)據(jù)全部來(lái)源于法院的判決書(shū)，相比其它研究中采用“寶貝回家”獲取的數(shù)據(jù)，目前在可用的數(shù)據(jù)量上略有不足，后續(xù)可針對(duì)二者數(shù)據(jù)的特點(diǎn)，研究其融合方案，實(shí)現(xiàn)綜合應(yīng)用多源數(shù)據(jù)的最佳方式。