涨姿势 | 大数据为平安城市保驾护航

街面接触型犯罪指的是犯罪者在街面通过采取与受害者身体接触的方式而实施的违反法律的行为。已有的实证研究大多在宏观空间尺度下研究街面接触型犯罪的时空分布及其影响因素，然而，街面接触型犯罪的产生与特定的微观环境因素有更加直接的关系，鲜有在微观空间尺度下进行实证研究，而且微观空间尺度下的实证研究对于具体的基层警务工作，如巡逻和预警防控等有更加直接的指导意义。

日常活动理论认为有动机的犯罪者、潜在的受害者以及犯罪监管的缺失是发生犯罪的3个条件。已有的实证研究主要讨论“有动机的犯罪者”对于接触型犯罪的影响，而忽略了“潜在受害者”在接触型犯罪活动中的影响。

在应用日常活动理论进行解释街面接触型犯罪发生的机理时，常用常住人口等静态数据来表征“潜在受害者”。然而，因为静态数据如常住人口数据通常来源于国家人口普查数据，其更新的周期长，统计的单元较大，所以无法划分精细的时段和空间单元进行动态地分析“潜在受害者”对街面接触型犯罪的影响。随着大数据的应用与发展，一些研究中利用地铁站客流量、手机使用数据和社交媒体数据等动态数据代表的周遭人口（Ambient Population）来表征“潜在受害者”，使得划分更加精细的时段研究街面接触型犯罪成为了可能。

然而，此类数据在微观空间尺度上并不适用。例如，通过基站收发而产生的手机数据在微观空间尺度下可能会产生比较大的空间定位误差，而且手机数据的来源通常只是国内三大通信运营商之一，用户量占比较低，因此人口覆盖度也低，所以手机数据所代表的周遭人口会有所偏差；地铁乘客数据则无法应用在不具备地铁设施的微观环境里；出租车乘客数据虽具备精准的GPS定位轨迹，能够很好地描述乘客的日常活动轨迹，但是出租车只能在城市主干道等道路中运行，对于较窄的道路（如城中村中的小街小巷），出租车乘客数据也是缺失的。

所以，如何在微观空间尺度上表征“潜在受害者”，以及在微观空间尺度上“潜在受害者”对于街面接触型犯罪有着怎样的作用和影响成为了文本的研究问题。

日常活动理论指出犯罪活动的产生是有动机的犯罪者、潜在受害者和犯罪监管的缺失在时间和空间上聚集的结果。基于此，本文的概念框架主要围绕这3个因素进行展开。本文选取周遭人口的分布来表征潜在受害者，并且用微信热力图数据作为衡量指标；选取犯罪产生地（Crime Generators）和犯罪吸引地（Crime Attractors）的兴趣点来表征有动机的犯罪者，用餐饮点、娱乐场所、购物场所和公交站点作为衡量指标；选取巡逻机制来表征犯罪监管缺失的程度，用与最近巡逻驻点的距离作为衡量指标，其中包括派出所、各个社区警务室以及治安岗亭等警察巡逻的节点。

基于日常活动理论的街面接触型犯罪研究的概念框架

01

实验区概况

本文以ZG市XT街道为研究区域，使用网格化的方法，将研究区域划分为237个150 m×150 m的网格作为研究的单元，并且基于日常活动理论，利用微信热力图数据代表的周遭人口来表征日常活动理论中的“潜在受害者”因素，划分精细的时段和空间单元，动态地分析和探讨在微观空间尺度下街面接触型犯罪的时空分布及其影响因素。

研究区域土地利用

02

数据来源

微信热力图是腾讯公司开发的基于位置服务的手机移动终端用户的地理空间数据，以渲染图的形式，能够动态更新并实时地显示某个地区整体的人流热度及其变化情况的一个微信程序，其原始数据为25 m×25 m网格的点数据，每个点均有一个值表示相对人口数，能反映出该点的人流量热度和分布变化，具有较高的时间和空间分辨率，能适用于微观空间尺度的研究。而且，微信热力图的数据来源于腾讯公司的产品如微信和手机QQ。根据官方正式发布的《2018微信年度数据报告》，截至2018年9月，每天有10.1亿人登录微信，每个月有10.82亿位用户保持活跃，且包含每个年龄层。如此庞大的用户量使得微信热力图数据具有较高的人口覆盖度。本研究获取ZG市XT街道的2018年4月9日到2018年4月15日（共1周）的微信热力图数据，获取的频率为每一小时获取一次，共获取了168组（7×24）该区域的微信热力图数据。

微信热力图

XT街道的街面接触型犯罪案件数量随时间变化明显，根据人们日常活动和作息规律，将一天划分为3个时间段：凌晨—清晨睡眠期00:00—06:59、白天工作期07:00—17:59和晚上休息期18:00—23:59，统计可得，凌晨—清晨时期共有274起街面接触型犯罪案件，白天时期共有265起，晚上时期共有257起。其中，晚上时期是XT街道的街面接触型犯罪的高发时期，在该时期平均每小时的街面接触型犯罪数量约为42起，凌晨—清晨时期次之（平均每小时39起），白天时期是低发的时期（平均每小时24起）。XT街道的街面接触型犯罪数量在凌晨—清晨时期总体上是下降的趋势，在00:00—00:59和02:00—02:59存在峰值，并且凌晨—清晨时期在00:00—00:59达到最大值。在白天时期XT街道的街面接触型犯罪数量总体上处于平稳的状态，除了在09:00—09:59存在一个明显的峰值和在16:00—16:59存在该时期的最小值之外，其余时间段的犯罪数量都在25起左右。在晚上时期XT街道的街面接触型犯罪数量总体上处于上升趋势，在20:00—20:59和22:00—22:59存在峰值，并且在22:00—22:59出现了一天中的最大值。

XT街道街面接触型犯罪案件数量的时间变化

不同时期XT街道的微信人口和街面接触型犯罪案件核密度的空间分布如图所示。从整体上来看，微信人口核密度值高的区域主要分布在XT街道的2个城中村中。XT街道的街面接触型犯罪案件的分布具有较集聚的空间特征，且主要分布在XT街道微信人口核密度值高的城中村区域，共有3个热点区域：D6、E6和E7。在凌晨—清晨，街面接触型犯罪案件主要分布在XT街道的C4、E6和E7；在白天，主要分布在D6、D7、E6和E7；在晚上，主要分布在C6、D6和E7。对比不同时期XT街道的微信人口和街面接触型犯罪案件的核密度分布可以看出，二者热点区域的分布格局相似，存在较强的空间相关性，表明以微信人口数量代表的周遭人口数量对街面接触型犯罪有重要的影响。

不同时期 XT街道街面接触型犯罪案件

和微信人口核密度的空间分布

       基于XT街道街面接触型犯罪案件时空分布的分析结果，分别建立负二项回归模型对不同时段街面接触型犯罪案件的影响因素进行分析。变量的选取如下：

因变量

因变量为 2018 年 XT 街道的街面接触型犯罪案件的数量,即用每个网格内街面接触型犯罪案件数量作为因变量。

自变量1

将微信热力图数据转换成实际使用微信的人口数量，然后再统计每个研究单元网格内每个小时的微信人口数量之和，再根据划分的时段，将同一时段内微信人口数量相加，即得到每个网格内微信人口自变量。

自变量2

选取餐饮点、娱乐场所、购物场所和公交站点等兴趣点衡量犯罪产生地和犯罪吸引点，由于不同类型的娱乐场所的特点差异较大，故将娱乐场所具体细分网吧、休闲会所、KTV以及健身房。然后统计每个研究单元网格内不同兴趣点的数量，作为每一类兴趣点自变量。

自变量3

选取每个网格的中心点与最近巡逻驻点的欧式距离/km，衡量巡逻机制的自变量，若网格内存在，那么该网格与最近巡逻驻点的欧式距离为0。

控制变量

选取路网密度和平均房屋价格作为社会环境的控制变量。

3个时期的负二项回归模型结果表明，微信人口在3个时期的模型中均在最高的置信水平下对XT街道的街面接触型犯罪存在正向影响，进一步表明微信人口代表的周遭人口能够很好地表征日常活动理论中的“潜在受害者”因素。对于犯罪者来说，在潜在受害者越聚集的地方，作案时的机会和选择的目标也越多，并且这种机制存在于3个时期。对比不同时期微信人口的IRR系数发现，假设其他变量不变，凌晨—清晨微信人口的边际作用最大，每增加一个单位的微信人口，街面接触型犯罪将增加13%，而白天时期和晚上时期的边际作用变小，表明“潜在受害者”在凌晨—清晨对于街面接触型犯罪的影响比其余时段的大。相比于其余时段，周遭人口在凌晨—清晨更容易成为潜在的受害者。

犯罪产生地和犯罪吸引地在不同时期对XT街道的街面接触型犯罪存在不同的影响。餐饮点仅在晚上对街面接触型犯罪有显著的影响；而娱乐场所中的KTV和健身房分别对应在凌晨—清晨，以及白天对街面接触型犯罪有显著的影响；而休闲会所在凌晨—清晨，以及晚上均有显著影响。

与最近巡逻驻点的距离仅在晚上在95%的显著性水平下对街面接触型犯罪有显著的正向影响。

结论1

街道街面接触型犯罪案件存在时空上的差异。在时间上，ZG市 XT街道街面接触型犯罪在晚上是高发期，而在白天是低发期，并且在一天中的22:00—22:59数量达到最大值。在空间上，ZG市XT街道的街面接触型犯罪案件的热点区域主要聚集在城中村区域，并且其空间分布与微信人口的相似。

结论2

动态的微信人口代表的周遭人口能很好地表征日常活动理论中的“潜在受害者”因素。相比于其他两个时期，“潜在受害者”在凌晨—清晨时期对于街面接触型犯罪的影响更大。

结论3

不同场所对街面接触型犯罪的影响存在时间上的差异。总体上，餐饮点、健身房、KTV和休闲场所对街面接触型犯罪均有显著影响。

本研究相对于已有的文献，丰富了对“潜在受害者”的衡量指标，分析了不同时段中，“潜在受害者”对于街面接触型犯罪的影响和作用。然而，对于日常活动理论中的“犯罪监管的缺失”的衡量还是不够全面。日常活动理论强调的是三者之间的相互作用，而并非着重于某一因素。所以，在未来的研究，可以更加细化“犯罪监管”的类型，如街面的视频监控和街面照明等环境因素，将其纳入到分析当中，更加深入地研究“犯罪监管的缺失”对于街面接触型犯罪的影响和作用。

原文请到中国知网下载

作者简介

柳林  教授

 广州大学特聘教授，美国辛辛那提大学教授，博士生导师。曾任全球华人地理信息科学协会（CPGIS）主席及理事长。现任Frontier of Earth Sciences副主编（2007至今）和Chinese Geographical Science副主编，Annals of American Association of Geographers编委。曾任GeoJournal（2013-2014）、Annals of GIS（2012-2013）以及Journal of Research on Crime and Delinquency（2015-2017）等期刊的特邀编辑。已发表论文专著200余篇（部）。主持多项国家级项目。主持国际学术会议10余次，在国际学术会议上宣读论文150余次。培养近60名博士生及硕士生。

梁斯毅 硕士研究生

       中山大学地理科学与规划学院硕士研究生，地图学与地理信息专业，主要研究方向为犯罪地理与公共安全。已发表论文专著一篇，参与由柳林教授主持的国家重点研发计划项目“城镇公共安全立体化网络构建与应急响应示范”。

《地球信息科学学报》是由中国科学院主管，由中国科学院地理科学与资源研究所、中国地理学会联合主办，由资源与环境信息系统国家重点实验室（中国科学院地理科学与资源研究所）、虚拟地理环境教育部重点实验室（南京师范大学）、三维信息获取与应用教育部重点实验室（首都师范大学）联合协办的地球信息科学领域综合性学术期刊，月刊。学报现任主编徐冠华院士。

学报为中国科学引文数据库（CSCD）核心期刊、中国科技核心期刊、全国中文核心期刊、北大《中文核心期刊要目总览》来源期刊。《2018年版中国科技期刊引证报告（核心版）》显示，《地球信息科学学报》影响因子位列测绘科学技术期刊第3名，综合评价总分位列第4名。

欢迎国内外学者踊跃赐稿，欢迎国家重大科研项目、国内外学术会议组织专辑专栏。

官网网址

http://www.dqxxkx.cn/CN/1560-8999/home.shtml

联系电话

010-64888891

邮 箱

[e-mail]

转载自地球信息科学学报

经作者授权转载

文章仅代表作者观点，与本公众号无关，版权归原作者所有

原文标题：大数据为平安城市保驾护航

图文编辑：郭美娟

责任编辑：黄莘绒

审编：鲁嘉颐

终审： 顾伟男   田巍   梁龙武

猜你喜欢

扫描二维码，关注我们

都看到这里了，点个【在看】再走呗~