国际视野|基于GIS的犯罪风险空间评估

点击图片上方蓝色字体“慧天地”即可订阅

转载本文需经《慧天地》许可，谢谢！

近些年，全球很多主要城市的犯罪率大幅下降，国际犯罪呈现出稳定或略有减少的全球趋势，但也会因区域和经济发展水平而各有差异。一些城市仍然面临着高犯罪率的问题，这往往会导致经济衰退和城市居民的恐慌。犯罪行为具有较明显的时间和空间特征，研究该问题离不开对犯罪时空维度的分析，GIS的相关技术可以根据它自身的特性为打击犯罪的决策提供更多、更直观的信息。在很多的警务工作分析中，都应用了风险地形建模这一概念，这是美国学者研发的空间风险评估和警务预测技术，近年来被广泛的应用。

图1：应用风险地形模型（RTM）预测加利福尼亚州洛杉矶无家可归者相关犯罪的高风险空间区域。（图片来源：YOO, Y., & WHEELER, A. (2019). USING RISK TERRAIN MODELING TO PREDICT HOMELESS RELATED CRIME IN LOS ANGELES, CALIFORNIA. DOI: 10.31235/OSF.IO/SWFPN）

1.犯罪风险评估与安全路径规划

最近的一个研究通过查看公开的犯罪数据的方式，并结合空间和时间信息来确定给定地区和特定时间的犯罪风险指数。该指数通过熵权过程（entropy weighting procedure），利用历史模式帮助确定一个人可能受到犯罪影响的可能性。现场实验表明，该应用可以帮助人们更好地确定路径，这些路径可能更安全，发生犯罪事件的风险更低。结果表明，基于安全考虑，可以开发一个应用程序供普通用户下载并规划回家的路线[1]。

2.警察巡逻对犯罪形态的空间影响

近年来，收集和利用数据预测犯罪可能发生地点并生成热点地图的这种方式，已在相关警务工作和打击犯罪策略中广泛被应用。然而，最近的一项研究着眼于将这种热点方法与警察在犯罪热点地区停留和巡逻的最佳时间相结合。经研究发现，大多数警察只在高犯罪率地区或热点地区停留几分钟，但分析显示，与他人巡逻重叠的警察至少应该在高犯罪率地区停留15分钟 [2]。另一方面，如果巡逻过于集中在一个地区，那么犯罪行为就会被简单地推到另一个地方进行，在巡逻稀疏的地方罪犯更可能会进行犯罪活动。在这种情况下，警务巡逻应该是适应性的，并且不容易预测的 [3]。

3. 我国风险地形分析与警务预测研究进展

我国近些年也在致力于将城市犯罪空间分布模型与公安管理系统相结合，从而加强GIS在公共安全领域的应用。例如在城市犯罪的风险区位因子与风险地形研究中，研究人员从犯罪背景空间、场所空间、联接空间和聚集空间四个层次，构建城市犯罪风险区位因子体系。以相关研究领域立案判决的犯罪案件为数据源，综合运用空间句法、犯罪近重复分析和地理加权回归模型方法进行犯罪风险地形建模实证研究[4]。与此同时，在毒品犯罪中，GIS研究人员与警务专家合作，也可以对毒品犯罪进行了犯罪时空描述性分析、空间分布模式分析和犯罪空间热点探测,随后进行风险因子评估、风险地形建模和警务预测。在此过程中将犯罪学传统理论与地理信息系统的先进技术有机结合,强化了犯罪分析科学性的同时，也拓展了犯罪学的研究视野和空间[5]。

图2：风险地形建模（RTM）预测和2016年实际发生毒品案件地点叠加图。

（图片来源：张宁, 王大为. 基于风险地形建模的毒品犯罪风险评估和警务预测[J]. 地理科学进展, 2018）

4.展望

随着公安部门犯罪防控需求的增加，传统的社会治安防控体系也需结合GIS空间分析技术以适应时代发展和社会治理的需求。目前，中国犯罪地理学正处于新的发展机遇期，GIS中地理信息的表现形式已经突破了传统地图学的桎梏，实现了犯罪数据智能提取、分析和可视化展示,进而可以达到自主分析并提出决策参考。智慧城市同时也意味着安全城市，空间大数据如何帮助GIS更好的监控犯罪行为，或许将成为未来的研究热点。

参考文献：

[1]For more on the crime risk estimating index created, see:  Xiao, J., & Zhou, X. (2019). Crime Exposure along My Way Home: Estimating Crime Risk along Personal Trajectory by Visual Analytics: Crime Exposure along My Way Home. Geographical Analysis. https://doi.org/10.1111/gean.12187.

[2]For more on the role of time and temporal analysis on patrolling high crime hot spots, see:  Oatley, G., S., W., Barnes, G. C., Clare, J., & Chapman, B. (2019). Crime concentration in Perth CBD: a comparison of officer predicted hot spots, data derived hot spots and officer GPS patrol data. Australian Journal of Forensic Sciences,1–5. https://doi.org/10.1080/00450618.2019.1569141.

[3]For more on how crime gets pushed to different areas based on patrols, see:  Andresen, M. A., & Shen, J.-L. (2019). The Spatial Effect of Police Foot Patrol on Crime Patterns: A Local Analysis. International Journal of Offender Therapy and Comparative Criminology, 0306624X1982858. https://doi.org/10.1177/0306624X19828586.

[4]卓蓉蓉, 郑文升, 郑天铭. 城市犯罪风险区位因子与风险地形分析——以武汉市主城区为例.人文地理,2018,33(4):33-42.DOI: 10.13959/j.issn.1003-2398.2018.04.006.

[5]张宁, 王大为. 基于风险地形建模的毒品犯罪风险评估和警务预测[J]. 地理科学进展, 2018, 37(8): 1131-1139 https://doi.org/10.18306/dlkxjz.2018.08.012

荐 读 

编辑：富裕   审核：杜一鸣  张胜威

指导：万剑华教授