王穎志， 鄭滋椀, 李強偉

(1.浙江警察學院交通管理工程系， 浙江杭州 310058；2.浙江警察學院基于大數(shù)據(jù)架構的公安信息化應用公安部重點實驗室， 浙江杭州 310058)

0 引言

近些年，隨著地理信息技術的不斷發(fā)展，犯罪地理學在國內也得到迅速發(fā)展，越來越多的國內外學者開始將地理信息技術引入犯罪領域研究，形成了犯罪地理學[1]。研究表明，違法犯罪案件的時空分布研究，有助于提高公安機關在犯罪防控、警情響應等方面的科學性和能效性[2-3]。

地理空間一般被認為是連續(xù)的歐幾里得空間，而距離則指歐幾里得距離，即兩點之間的直線距離。在現(xiàn)實世界中，許多事件或現(xiàn)象并非如此，違法犯罪領域就是其中之一，違法犯罪案件往往跟道路網(wǎng)絡(以下簡稱路網(wǎng))分布有關，而采用平面歐氏距離并不能準確地分析和揭示其空間分布的特性。近幾年來，以最短路網(wǎng)距離作為空間距離的分析研究迅速發(fā)展。McSwiggan[4]、Zhao[5]、鄭滋椀[6]等學者提出了基于路網(wǎng)的核密度、點聚類、空間插值等方法。如果采用基于路網(wǎng)的方法來加以研究，顯得更加有效，更能揭示違法犯罪案件在路網(wǎng)上的分布特性。

以城市盜竊這一類違法犯罪案件作為研究對象，基于路網(wǎng)來研究違法犯罪案件在路網(wǎng)上的空間分布特性。以路段為單位定量分析研究路段違法犯罪案件的分布特性和波動特性，以及在空間分布上的匯聚特性和程度；利用路網(wǎng)核密度估計方法來分析研究違法犯罪案件在路網(wǎng)上的空間分布特性，即空間匯聚性和穩(wěn)定性。

1 研究區(qū)域和數(shù)據(jù)來源

1.1 研究對象

本文將浙江省某市作為研究樣本空間(圖1深色區(qū)域)，該區(qū)域具有相對獨立性和完整性，而且區(qū)域人員密度大、違法犯罪情況復雜，為開展違法犯罪的空間分布特性研究提供了一個比較理想的研究區(qū)域。

1.2 違法犯罪案件來源

在所有違法犯罪案件中，盜竊類案件所占比例較高，而且與周邊環(huán)境有著密切的聯(lián)系。 如在本研究區(qū)域中占66%，因此選擇盜竊案件作為研究的違法犯罪類型，共1.56萬起案件(浙江省公安機關案件管理系統(tǒng)，2011.1.1～2014.12.31)。

圖1 研究區(qū)域

2 研究方法

2.1 路段

當前基于路網(wǎng)對違法犯罪案件分布特性的研究方法主要有兩種。一種是以路段為單位對違法犯罪案件進行分析與統(tǒng)計[7-8]；另一種是以路網(wǎng)間距作為犯罪空間距離進行研究[9]。根據(jù)研究設計和分析方法，本文以路段為單位對違法犯罪案件在空間分布特性上展開研究。在此基礎上，以路段最短距離為空間距離研究違法犯罪案件在路網(wǎng)上的空間匯聚性和穩(wěn)定性。路段是指研究區(qū)域中可供車輛或行人通行的公共道路，共計493條，如圖1黑色線條所示。

2.2 違法犯罪影射

在實際工作中并不是所有違法犯罪案件都是發(fā)生在道路上的，所以有必要將數(shù)據(jù)進行清洗和影射，從而有助于對違法犯罪案件的分布特性加以研究。如果違法犯罪案件在路網(wǎng)的旁邊，可以直接將其影射到最近的路網(wǎng)中，否則，可以用最小距離法把不在路網(wǎng)的違法犯罪數(shù)據(jù)進行影射處理。

2.3 路段違法犯罪波動程度

在路段違法犯罪案件的定量分析中，路段違法犯罪數(shù)量可以揭示每條路段的犯罪嚴重程度，根據(jù)路段的歷年違法犯罪數(shù)量標準差就能揭示該路段違法犯罪嚴重程度的波動幅度。但是，路段的犯罪數(shù)量與標準差并不能完全準確地反映出該路段在所有路段中的相對違法犯罪嚴重程度及其波動程度。將以違法犯罪數(shù)量作為統(tǒng)計標準對路段進行降序排列，進一步計算得到每條路段的違法犯罪累積百分比，從而得到該路段的相對違法犯罪嚴重程度。路段可以依據(jù)累積百分比來進行排序，違法犯罪數(shù)量越大，其排名越小，其在所有路段中的相對違法犯罪嚴重程度就越大。歷年路段的排名標準差則是衡量其在所有路段中相對違法犯罪嚴重程度的波動幅度。

2.4 違法犯罪洛倫茲曲線和基尼系數(shù)分析

在國際上，經常使用洛倫茨曲線和基尼系數(shù)來評價一個國家或地區(qū)經濟的集中化程度與國民貧富的差異化程度和分析指標[10-11]，現(xiàn)已廣泛應用于土地、資源環(huán)境等相關領域。

違法犯罪洛倫茨曲線反映了違法犯罪案件分布的匯聚特性。曲線上的點反映了該路段上匯聚的違法犯罪百分比，而曲率卻能定性地反映出違法犯罪數(shù)據(jù)在該路段上的匯聚程度，曲率和匯聚特性成正比關系,其計算公式為：

式中，Mi和Ni分別為第i條路段的犯罪累積百分比和路段累積百分比。

圖3 違法犯罪洛倫茨曲線

2.5 基于路網(wǎng)核密度估計

核密度估計在犯罪多發(fā)點識別與可視化方面具有很好的應用價值。能夠反映出研究對象的密度變化[12-13]。目前，已經廣泛應用于道路交通事故[14]、違法犯罪[15-16]等領域?；诼肪W(wǎng)核密度估計的距離為路網(wǎng)距離，這有別于傳統(tǒng)核密度估計的平面歐式距離。每條子路段的犯罪密度估計值(x,y)為：

其中，K為核密度函數(shù)，n為違法犯罪總量，h為路網(wǎng)搜索半徑，di為違法犯罪案件距離子路段的距離。將采用SANET工具來實現(xiàn)基于路網(wǎng)核密度估計方法。

3 結果分析

3.1 違法犯罪數(shù)據(jù)的空間分布

通過將該區(qū)域違法犯罪數(shù)據(jù)影射到相應的路網(wǎng)上，計算得到相應路段3年的違法犯罪數(shù)據(jù)總量(見圖2)。如圖所示，其中具有10起以下的路段占比最多(40%)。而當違法犯罪數(shù)據(jù)量不斷增加時，其所對應的路段卻在不斷減少，當違法犯罪數(shù)量達到150起以后，其分布的路段數(shù)量呈現(xiàn)明顯的離散現(xiàn)象。由此可以得出，違法犯罪數(shù)據(jù)在整個路網(wǎng)中，其分布是不均勻的，能夠很好地體現(xiàn)違法犯罪多發(fā)點的分布特性。

圖2 違法犯罪數(shù)據(jù)與路段的關系

3.2 違法犯罪路段匯聚特性

依據(jù)近3年的路段違法犯罪數(shù)據(jù)，采用降序排序路段得到違法犯罪洛倫茨曲線(見圖3)。

如圖3所示，清晰地反映了不同的違法犯罪嚴重程度在路段上的分布匯聚特性，同時，其曲線的曲率也定性地反映了違法犯罪數(shù)據(jù)在該路段上的匯聚程度。其中，圖3(a)～(d)分別反映了違法犯罪數(shù)據(jù)在不同路段上的分布特性。同時，從上圖可以得知，4條曲線從形態(tài)上幾乎重疊，說明每一年的違法犯罪數(shù)據(jù)分布特性與3年違法犯罪數(shù)據(jù)總和的分布特性近似。

3.3 以路段為單元的違法犯罪波動特性

以路段為統(tǒng)計單元，根據(jù)歷年的違法犯罪數(shù)據(jù)，分別計算各路段單元的違法犯罪數(shù)量標準差和路段排名標準差(見圖4)。

圖4 路段犯罪波動程度

如圖4所示，小圓點表示路段3年平均違法犯罪數(shù)量，從左至右不斷減少，越靠左邊的路段案件多發(fā)越明顯?？招娜Υ砺范芜`法犯罪數(shù)量標準差。處于不同排名范圍的路段具有不同的違法犯罪數(shù)量標準差，隨著路段排名變大，其違法犯罪數(shù)量標準差的范圍不斷減小，在排名為0～10%的路段，其標準差的范圍為0～20，排名為40%～50%的路段，其標準差的范圍為0～10，排名為90%～100%的路段，其標準差的范圍為0。星號表示路段排名標準差。不同排名范圍的路段具有不同的標準差，其特性表現(xiàn)為“兩邊小，中間大”。路段排名在0～10%時，其標準差范圍大部分在5%以內，當路段排名在30%～50%之間時，其標準差范圍為0～25%，當路段排名達到90%～100%時，其標準差的波動范圍為0。

對比路段違法犯罪數(shù)量、違法犯罪數(shù)量標準差和排名標準差進行分析可以得到，不同排名的路段有著不同的違法犯罪嚴重程度、違法犯罪數(shù)量波動范圍和相對違法犯罪嚴重程度的波動范圍。也就是說，不同違法犯罪嚴重程度的路段具有不同的違法犯罪數(shù)量波動范圍和相對違法犯罪嚴重程度波動范圍。具有違法犯罪多發(fā)點的路段(左側路段)，其違法犯罪數(shù)量的波動范圍也較大，路段排名的波動范圍較小，呈現(xiàn)反比的關系。而排名在中間的路段，其違法犯罪嚴重程度的波動范圍比較大，違法犯罪多發(fā)點的分布具有不確定性。

3.4 違法犯罪案件的路網(wǎng)分布情況

利用SANET工具繪制了3個年度的違法犯罪路網(wǎng)分析圖，路段長度為20 m，路網(wǎng)搜索半徑為200 m，如圖5所示。

圖5(a)為3年內的違法犯罪數(shù)據(jù)在路網(wǎng)上的分布情況，違法犯罪案件在路網(wǎng)上的分布是不均勻的，從分布特性上看具有明顯的匯聚性。

圖5(b)～(d)分別展示了2012～2014這3年違法犯罪數(shù)據(jù)在路網(wǎng)上的空間分布情況。每年的分布都是不均勻的，而是有匯聚特性的，有些路段成為了犯罪高發(fā)區(qū)域。同時，從圖上可以發(fā)現(xiàn)，歷年的違法犯罪多發(fā)點路段在整個區(qū)域的空間位置基本上是一致的，也就是說在空間分布上具有一定的穩(wěn)定性。

4 結論與討論

違法犯罪案件在路網(wǎng)上的空間分布特性是本文的研究重點，分別從兩個不同的層面分析了違法犯罪案件在路網(wǎng)上的空間匯聚性和穩(wěn)定性。一是根據(jù)違法犯罪案件在路網(wǎng)的匯聚特性，有些路段容易成為犯罪高發(fā)區(qū)域，也就是犯罪多發(fā)點路段。同時，在分析匯聚性的基礎上，進一步利用違法犯罪數(shù)量標準差與路段排名標準差來分析違法犯罪數(shù)據(jù)空間分布的穩(wěn)定特性。違法犯罪多發(fā)點路段雖然在數(shù)據(jù)上的波動范圍較大，但其路段排名的波動范圍卻比較小，也就是說違法犯罪多發(fā)點在所有路段中的相對違法犯罪嚴重程度是比較穩(wěn)定的，同樣，違法犯罪發(fā)案特別少的路段也具有較強的穩(wěn)定性。二是針對整個路網(wǎng)空間，利用違法犯罪洛倫茨曲線和基尼系數(shù)，分析研究了違法犯罪案件在路網(wǎng)中的匯聚特性，同樣，在整體空間分布上也是具備一定的穩(wěn)定性。最后，利用基于路網(wǎng)核密度估計方法對違法犯罪案件的空間分布特性進行了可視化分析，進一步驗證了違法犯罪案件在空間上的匯聚性和穩(wěn)定性。

圖5 違法犯罪案件在路網(wǎng)上的分布情況

違法犯罪案件在路網(wǎng)上的空間分布特性，即空間匯聚性和穩(wěn)定性特性，對沿路網(wǎng)開展的警力布置和警情響應有著重要的現(xiàn)實意義，能夠有利于提高警力有效配置、違法犯罪防控和警務決策活動的科學性和能效性。違法犯罪案件在路網(wǎng)上的匯聚特性決定了警力資源調度分配的不均勻性和治安防控策略的違法犯罪多發(fā)點導向性。公安機關應該以違法犯罪多發(fā)點路段為導向，更好地對違法犯罪活動進行有效地防控。違法犯罪案件在路網(wǎng)上的穩(wěn)定性決定了以違法犯罪多發(fā)點為導向的警力有效配置和違法犯罪防控策略的必要性和科學性。這是因為違法犯罪多發(fā)點路段具有一定的穩(wěn)定性，并且多發(fā)點越明顯的路段，其穩(wěn)定性也越強。

目前，警力布置和視頻監(jiān)控建設是公安機關兩項最重要的沿路網(wǎng)開展的警務活動，是社會治安防控體系建設的重要組成部分，在違法犯罪防控、警情響應等領域有著重要的現(xiàn)實意義。根據(jù)違法犯罪案件具有的空間匯聚性和穩(wěn)定性特性，公安機關應開展以違法犯罪多發(fā)點路段為導向的多發(fā)點警力布置模式，以多發(fā)點路段為導向，將有限的警力資源重點投放到違法犯罪多發(fā)點路段，從而實現(xiàn)更加高效的違法犯罪防控體系。在視頻監(jiān)控建設方面，公安機關也應以違法犯罪多發(fā)點路段為導向，科學規(guī)劃視頻監(jiān)控空間分布，從而提高治安防控威懾效能和對人員、車輛等線索證據(jù)的固定能力。

違法犯罪案件的空間分布特性對于開展科學、合理、高效的警務活動具有非常重要的指導意義，如何實現(xiàn)對有限的警力實現(xiàn)科學、合理的布置，從而實現(xiàn)快速高效的違法犯罪防控和警情響應，是一直擺在公安機關面前的一個難題，而違法犯罪案件的空間分布特性恰好能為之提供一定的參考依據(jù)，具有較強的現(xiàn)實意義。同時，本文只對違法犯罪案件的空間分布特性展開了研究，而未在時間維度上展開研究，有待于今后進一步開展相關的研究。而且，在實際的工作中，違法犯罪案件的空間分布特性也可能會受到其他一些因素的影響(如警務干預)而發(fā)生改變，所以在實際工作中，應當更加靈活地使用違法犯罪案件的空間分布特性，必須將一些干擾因素也加以一定的考量。