犯罪热点时空分布研究方法综述.pdf

第31卷 第4期 2012年04月 地 理 科 学 进 展 PROGRESS IN GEOGRAPHY Vol.31, No.4 Apr., 2012 收稿日期： 2011-08； 修订日期： 2011-10. 基金项目：“十一五” 国家科技支撑计划项目(2008BAH23B01) 作者简介：陆娟(1977-)， 男， 博士生， 主要从事空间分析和犯罪制图研究Email: gisnnu@ 419-425页 犯罪热点时空分布研究方法综述 陆娟 1,2， 汤国安1， 张 宏 1， 蒋 平 2， 吴 伟 2 (1. 南京师范大学虚拟地理环境教育部重点实验室, 南京 210046； 2. 南京市公安局， 南京 210005) 摘 要： 犯罪在地理时空内并不是均匀分布的， 而是表现出明显的时空聚集特性， 这种聚集性常用 “犯罪热点” 表 述基于对犯罪热点的理解， 从犯罪热点时空分布模式、 犯罪热点成因分析以及犯罪热点时空转移及预测等3个 方面总结了当前国内外犯罪热点时空分布相关研究方法的进展最后， 对该领域研究进行了总结与展望总体 上， 国内相关研究较少， 尚需进一步结合中国国情， 提出适用方法。

另外， 也需要通过相关犯罪理论的深入研究以 及其他领域研究方法的借鉴， 实现犯罪热点时空分布研究方法的突破与创新 关 键 词： 犯罪； 犯罪热点； 时空分布； 研究方法 1 引言 犯罪问题直接影响每个公民切身利益， 对经济 发展及社会和谐均产生巨大危害犯罪地理学指 出， 犯罪行为从一开始就与地理环境密切相关[1-2]， 大量研究也表明犯罪具有明显的时空聚集特性， 即 存在 “犯罪热点” [3-6]目前对 “犯罪热点” 的理解并 不一致， 有人认为是犯罪高发的某些 “地址” ， 而有 人认为是犯罪高发的某些 “街区” 或 “犯罪发生街区 的聚集” 等[7-10]结合国内外研究成果以及中国警 方日常工作， 本文将 “犯罪热点” 理解为： ①一定时 段内某地区的犯罪数据多于某个期望， 或者该地区 居民更易受侵害， 即犯罪 “热点地区” ； ②一定地区 内某时段内的犯罪数据多于某个期望， 或者该时段 内居民更易受侵害， 即犯罪 “热点时段” ； ③某种类 型犯罪数据多于某个期望下的其他类型犯罪数据， 即犯罪 “热点类型” ； ④多次或更易受到犯罪侵犯的 对象， 即犯罪的 “热点目标” 犯罪热点时空分布研究内容主要集中在 “热点 地区” 、“热点时段” 以及 “热点时空互动” 等方面， 而 研究方法则融合了犯罪学、 环境地理学、 经济学、 地 理信息科学以及制图学等多学科理论及相关技术， 其研究成果也必将为犯罪防范和控制提供理论根 据， 对保护人民生命财产安全、 打击犯罪嚣张气焰 以及维护社会稳定有着深远的社会意义。

本文主 要针对当前国内外相关研究方法进行了分析与总 结， 以期进一步促进该领域的研究进展， 并希望能 引起更多学者对该领域的关注 2 犯罪热点时空分布模式研究 2.1 犯罪空间分布模式识别 分布模式识别为犯罪空间分析提供首要依据， 是从总体上研究犯罪时空分布特征犯罪数据常 表现为 “区域统计数据” 和 “犯罪位置” ， 因此， 犯罪 空间分布模式识别可分为 “基于区域统计数据的分 布模式识别” 和 “基于离散点的分布模式识别” (1) “基于区域统计数据的分布模式识别” 通过 空间自相关分析方法进行地理学第一定律指出， 任何事物都与其周围事物存在联系， 与其越相近的 事物联系越紧密[11]这就意味着地区间的犯罪行 为一般都存在某种空间效应， 这种效应主要包括空 间异质性和空间依赖性前者指区域间缺乏均质 性， 如经济、 人口、 警力配备等方面的差异， 导致犯 罪分布存在空间差异性空间依赖性又称为空间 自相关性， 指一个地区犯罪数据统计值与其他地区 相关， 用以度量犯罪统计数据的聚集度， 一般分为 全局和局部两种指标[12]全局指标用于探测整个 研究区域内犯罪空间分布模式， 目前有Moran’ s I、 Geary’ s C、 Getis-Ord’ s G及连接数等指标[13-14]。

但 是， 全局指标未考虑区域要素的空间异质性， 有时 会掩盖局部状态不稳定性， 可结合局域指标来识别 地理科学进展31卷4期 犯罪统计数据的局域聚集情况， 目前有Moran散点 图、 局域Moran’ s I、 局域Getis-Ord’ s G等方法[13-14] (2) “基于离散点的分布模式识别” 的基础是犯 罪位置及其距离等特征， 具体有空间分布描述性分 析、 样方分析、 距离分析等方法空间分布描述性 分析主要有中心位置、 标准距离、 标准差椭圆等空 间统计指标， 主要反映犯罪的聚集中心、 聚集程度 和分布趋势等特征[15]样方分析分别统计随机分 布假设和实际分布下每个指定样方内的犯罪数量， 如果更少的样方内拥有比期望更多的犯罪数量， 则 表示该犯罪分布聚集[16]距离分析包括了最近邻 指数和Ripley’ s K函数等方法最近邻指数分析 是将实际分布下犯罪位置之间的最近邻距离与随 机分布下相比， 如果比随机分布情形下的最近邻距 离更小， 则认为该犯罪分布聚集， 通过K阶近邻指 数可以适应多尺度聚集效应分析Ripley’ s K函数 则是以每个犯罪点为圆心， 计算给定距离内犯罪总 数的平均值， 然后除以研究区犯罪点密度， 如果大 于期望值， 则表示该犯罪分布聚集[17]。

极值效应、 局部聚集效应对空间分布描述性分析应用影响较 大， 而样方分析存在样方形状、 大小选择等问题， 距 离分析则存在边界效应、 尺度效应及可变区域单元 等问题 可以将上述犯罪空间分布模式识别方法进行 扩展， 如利用时间K函数研究犯罪在何种时间尺度 下分布聚集性最强， 通过时空K函数判断犯罪在何 种时空尺度下存在互动也有学者直接利用时间 序列模型、 受试者特征曲线等研究犯罪时间分布特 征[18-19] 2.2 犯罪热点探测 犯罪热点探测是指通过某种方法识别犯罪高 发且彼此分离的区域或时段， 分为 “基于区域统计 数据的热点探测方法” 和 “基于离散点的热点探测 方法” (1) 基于区域统计数据的热点探测， 一般是以 某种辖区为单元计算犯罪总量、 犯罪率等统计指 标， 从而确定某时段内的 “犯罪热点地区” 或某辖区 内的 “犯罪热点时段” ， 也可以对犯罪类型进行分 析， 从而探测 “犯罪热点类型” ， 该方法常为警方进 行辖区整治、 警力调整以及考核等提供依据， 但受 可变区域单元以及统计指标选择等因素影响 (2) 基于离散点的犯罪热点探测主要是指点模 式分析中的空间聚类方法， 主要有犯罪位置数量统 计法、 分割法、 层级聚类法、 密度估计法等[20-21]。

犯 罪位置数量统计法是通过统计某位置的实际犯罪 数量来探测 “犯罪热点位置” ， 该方法比较适用于通 过地址比对而产生的犯罪离散点数据分割法是 将所有犯罪点划分到特定几个分组中从而形成热 点地区， 如K均值聚类， 该方法通过分组数来控制 聚集规模， 但存在主观性、 随意性等问题层级聚 类法首先将一些犯罪点按搜索半径或聚集所需最 少犯罪数量等规则进行聚类， 然后在这些小聚类基 础上产生更高一级的大聚类， 如最近邻分级聚集、 STAC聚集等该方法可以通过人为改变聚类参数 来调整聚集规模， 并按照一定规则产生层级不等的 聚集， 满足了警方对犯罪热点宏观与微观的不同处 置要求[13]密度估计法是将研究区域划分为若干 网格后计算每个网格内犯罪发生密度它不仅可 以识别犯罪高发区域中心， 而且可以逐渐向周边形 成一个犯罪发生密度由高至低的连续区域[22-23] 在实际应用中， 可以将这些探测技术相互结 合， 发挥各自优势并进行相互验证等另外， 还可 以结合相关权重或基准变量如人口、 建筑物密度等 进行犯罪热点聚集的 “风险调整” ， 既能避免热点的 形成仅仅是由于人口聚集而形成， 也能探测到那些 犯罪绝对数量相对较少但人口分布也稀疏的 “高风 险” 区域[13]。

犯罪热点的形成， 表示不同地区的犯罪活动有 差异， 意味着潜在的社会及空间过程也不同， 所使 用的犯罪热点探测手段也必须随之调整[24]， 目前也 没有哪一种方法适用于所有类型犯罪[25]， 而且绝大 多数犯罪热点探测技术仅仅是针对犯罪数据本身， 并未深入考虑犯罪背后因素因此， 务必要将探测 结果与实际相结合， 以使分析更加合理可靠 2.3 犯罪热点制图 犯罪热点制图历史最早可以追溯至19 世纪早 期， 纽约市警察局通过在挂图上插上不同颜色的 “大头针” 表示已发生的不同类型犯罪， 从而直观显 示不同的犯罪热点地区20世纪20-30 年代,芝加 哥大学的社会学家通过制图来检验青少年犯罪与 社会之间的相关关系， 被认为是20 世纪初犯罪热 点制图研究的一个重要里程碑90 年代以后, 随 着计算机及GIS技术的快速发展， 犯罪热点制图也 进入到实际应用阶段目前， 犯罪热点制图可归纳 为专题制图法、 几何图示法、 连续表面法等 (1) 专题制图法是应用最早也是最广泛的热点 420 31卷4期陆娟 等： 犯罪热点时空分布研究方法综述 制图方法[26-27]通过离散点分布图、 饼状图等传统 方式表示犯罪热点， 但对大数据量或小比例尺数据 而言， 可能会由于犯罪位置相同或者专题图本身重 叠而不利于表达。

也可以根据辖区内犯罪统计数 据， 用不同颜色表示不同程度的犯罪热点可变区 域单元问题使得颜色专题制图方法显得有些主观， 虽然有学者提出使用网格单元代替辖区， 但网格大 小和形状的主观选择对制图结果仍然产生了重要 影响[19] (2) 几何图示法主要有椭圆法、 最小凸包多边 形法[13]此类方法的首要任务是利用某种热点探 测方法得到每个热点所包含的犯罪离散点椭圆 法是根据这些离散点计算空间分布描述性分析方 法中的各项指标， 进而以椭圆表示“犯罪热点” 最小凸包多边形法是将这些犯罪离散点的最外围 点首尾相接， 以表示每个 “犯罪热点” 的边界划分， 但极易受到极值影响， 在警方实际工作中并不常 用几何图示法的主要优点是直观简洁， 也不受辖 区单元限制， 但表现形式显得机械、 武断 (3) 连续表面法的制图依据是空间插值和密度 估计热点探测法[27]该方法可形成犯罪密度由高 到低的连续表面， 其表现形式也更符合视觉要求 通过不同插值、 密度估计函数及窗宽大小的选择可 以控制连续表面的平滑程度， 通过不同的权重进行 热点 “风险调整” 该方法最大难点在于对插值及 密度估计窗宽大小的选择， 一般而言， 窗宽越大， 形 成的犯罪热点连续表面越平滑， 但受边缘效应的影 响也越大， 也可能因此而忽略某些真正的犯罪热点 区域， 而窗宽过窄， 则极易造成过多的峰值， 形成 “零碎” 的热点区域。

在犯罪热点的时间维度制图方面， 可以通过时 间轴、 时间环以及各类专题图来表示犯罪热点时 段通过将不同时间段内犯罪热点区域进行对比 分析或者通过时空立方体模型[28]， 实现犯罪热点时 空互动表达由于对犯罪热点理解不同， 其研究方 法或理论依据亦不同， 而且犯罪热点很大程度上受 犯罪数据的计算方法、 研究尺度、 人的感知等多方 面影响， 使得不同人员对同一犯罪分布的热点制图 结果也不尽相同甚至大相径庭 3 犯罪热点成因分析 犯罪热点形成与特定的地理、 环境规律息息相 关[29]， 深刻揭示犯罪热点成因， 可为制定犯罪防控 决策提供科学依据一般认为， 犯罪热点成因分析 是犯罪地理学、 环境犯罪学重要研究内容之一[30]， 并在其研究过程中， 先后产生了可防卫空间、 情景 预防、 日常活动、 理性选择、 犯罪型态、 同心圆等犯 罪理论[31-33]， 为深入开展犯罪热点成因分析提供依 据和支撑， 使得犯罪空间分析目标更加明确、 分析 结果更加合理实际工作中， 应根据犯罪数据拓扑 。