城市社會(huì)安全事件的空間分布特征研究
——以深圳市為例

柳 林，譚 敏，龍冬平，昌佳雨，劉 凱

（1.廣州大學(xué)地理科學(xué)與遙感學(xué)院公共安全地理信息分析中心，廣州510006；2.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州510275）

引言

暴力犯罪會(huì)嚴(yán)重傷害人的身心健康，而斗毆是最常見(jiàn)的暴力犯罪之一。從法律角度來(lái)看，斗毆行為擾亂社會(huì)公共秩序、影響居民日常生活、侵犯他人健康權(quán)[1]。換言之，斗毆不僅會(huì)影響城市社會(huì)穩(wěn)定和居民安全感，更會(huì)影響人的身心健康。在公共安全領(lǐng)域，斗毆作為典型的社會(huì)安全事件也應(yīng)被重點(diǎn)關(guān)注。現(xiàn)有研究對(duì)斗毆事件的空間特征進(jìn)行了分析。例如，Cusimano等基于加拿大多倫多救護(hù)車數(shù)據(jù)研究了暴力傷害事件，發(fā)現(xiàn)日間病人受傷的位置與其住所位置相似，而在夜間，最高密度的受傷位置轉(zhuǎn)移至“夜生活”區(qū)域，比如酒吧聚集區(qū)[2]。Snowden等探討了酒吧與暴力犯罪的關(guān)系，發(fā)現(xiàn)酒吧聚集區(qū)是夜間斗毆的高發(fā)區(qū)[3]。此外，Veldhuizen等利用荷蘭阿姆斯特丹的救護(hù)車接診數(shù)據(jù)，分析斗毆事件非高發(fā)區(qū)的空間特征，發(fā)現(xiàn)非高發(fā)區(qū)內(nèi)斗毆事件往往發(fā)生在受害者的居住地附近[4]。以上研究大多基于醫(yī)院提供的歷史數(shù)據(jù)（包括救護(hù)車接診數(shù)據(jù)、急診科接診數(shù)據(jù)或入院出院記錄等），其均表明導(dǎo)致創(chuàng)傷的斗毆事件的空間分布具有一定特征，而這種空間特征與斗毆事件的社區(qū)環(huán)境存在一定關(guān)聯(lián)。

影響斗毆事件的社區(qū)環(huán)境分為物理環(huán)境和社會(huì)環(huán)境。例如，在物理環(huán)境方面，酒吧和吸煙場(chǎng)所通常被視為斗毆事件的“犯罪發(fā)生器”[5]。根據(jù)犯罪模式理論，“犯罪發(fā)生器”是指能提供犯罪機(jī)會(huì)從而吸引潛在犯罪者前往集聚的場(chǎng)所或設(shè)施，如居民進(jìn)行日常活動(dòng)的各類設(shè)施點(diǎn)[6]。Gruenewald等利用美國(guó)加州的出院數(shù)據(jù)，發(fā)現(xiàn)斗毆地點(diǎn)與零售酒類商店的位置有關(guān)[7]。Cusimano等通過(guò)加拿大多倫多救護(hù)車數(shù)據(jù)，發(fā)現(xiàn)酒吧對(duì)斗毆事件具有顯著的正影響[2]。Subica等基于美國(guó)洛杉磯警局犯罪記錄數(shù)據(jù)，發(fā)現(xiàn)煙草商店與其附近的暴力犯罪呈正相關(guān)，并利用地理加權(quán)回歸證實(shí)了貧困水平、房屋租賃、人口流動(dòng)、種族異質(zhì)性等社會(huì)因素對(duì)暴力犯罪的影響作用[2]。此外，Veldhuizen等對(duì)比分析了娛樂(lè)區(qū)與非娛樂(lè)區(qū)內(nèi)斗毆事件的影響因子，驗(yàn)證了社會(huì)環(huán)境在娛樂(lè)區(qū)與非娛樂(lè)區(qū)均具有重要影響[4]。

在以上研究的基礎(chǔ)上，Thomas等結(jié)合物理環(huán)境與社會(huì)環(huán)境，分析了兩者之間的交互作用對(duì)斗毆事件的影響，結(jié)果表明物理環(huán)境對(duì)其影響取決于社會(huì)結(jié)構(gòu)中的不利因素[8]。目前，國(guó)內(nèi)少許學(xué)者分析了斗毆事件，如陳笛利用卡方檢驗(yàn)探討了酒吧對(duì)街面斗毆的影響，發(fā)現(xiàn)在酒吧密集的街道中打架斗毆事件的數(shù)量更多[9]。崔用祥側(cè)重分析了上海市人口分布特征對(duì)犯罪的影響，發(fā)現(xiàn)55—64歲男性人口數(shù)、來(lái)滬人口數(shù)對(duì)侮辱毆打事件存在一定影響，但對(duì)其影響機(jī)制的分析仍顯不足[10]。總而言之，上述研究證明了物理環(huán)境和社會(huì)環(huán)境對(duì)斗毆事件空間格局具有重要的影響，但仍存在不足之處，即已有研究未基于中國(guó)城市背景綜合分析社會(huì)環(huán)境因子和物理環(huán)境因子對(duì)斗毆事件的影響。鑒于此，本文以深圳市斗毆事件為例，融合社會(huì)環(huán)境和物理環(huán)境方面的因子，嘗試構(gòu)建空間滯后負(fù)二項(xiàng)回歸模型，以分析城市社會(huì)安全事件的空間分布特征及其影響因素。

1 研究區(qū)域、數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)域與數(shù)據(jù)來(lái)源

本文的研究區(qū)域?yàn)樯钲谑械闹行某菂^(qū)(福田區(qū)、羅湖區(qū)、南山區(qū))，面積為322.92 km2，占全市總面積的16.39%，斗毆案件量占全市的24.54%，治安壓力大。數(shù)據(jù)來(lái)源包括120急救接診數(shù)據(jù)、興趣點(diǎn)（Point of Interest，POI）、NPP-VIIRS夜間燈光數(shù)據(jù)、第六次人口普查數(shù)據(jù)以及房屋租金數(shù)據(jù)。其中，120急救接診數(shù)據(jù)來(lái)源于深圳市急救中心120呼救平臺(tái)脫敏處理后的救護(hù)車出診記錄，時(shí)間段為2016年1月1日至2016年12月31日，并選取南山區(qū)、福田區(qū)、羅湖區(qū)轄區(qū)內(nèi)呼叫原因?yàn)椤岸窔钡挠涗洠灿? 232條；POI數(shù)據(jù)通過(guò)高德地圖獲取，時(shí)間為2018年，將其坐標(biāo)轉(zhuǎn)換為WGS1984和去除重復(fù)項(xiàng)后，共有44萬(wàn)個(gè)數(shù)據(jù)；NPP-VIIRS來(lái)源于美國(guó)國(guó)家地球物理數(shù)據(jù)中心NGDC網(wǎng)站（https://ngdc.noaa.gov/eog/viirs.html）的2016年年度產(chǎn)品；房屋租金數(shù)據(jù)從國(guó)內(nèi)租售平臺(tái)貝殼網(wǎng)獲取（https://sz.ke.com/），共計(jì)101 521條（圖1）。

圖1 研究區(qū)域示意圖

1.2 研究方法

本文首先對(duì)斗毆事件數(shù)據(jù)進(jìn)行清洗、地理編碼等預(yù)處理后，再采用最近鄰指數(shù)和核密度方法，探測(cè)斗毆事件發(fā)生的集聚性及熱點(diǎn)區(qū)域，然后基于物理環(huán)境和社會(huì)環(huán)境構(gòu)建適合中國(guó)城市背景的社區(qū)環(huán)境指標(biāo)體系，并結(jié)合空間滯后負(fù)二項(xiàng)回歸模型檢驗(yàn)其對(duì)斗毆事件的影響。

1.2.1 最近鄰指數(shù)法

犯罪空間分布模式是犯罪分析的基礎(chǔ)，對(duì)帶有精確點(diǎn)坐標(biāo)的犯罪事件的空間分布模式探索，可利用基于離散點(diǎn)分布模式的識(shí)別方法。本文需要指出的是，通常在確定犯罪事件的空間分布模式為集聚后，采用核密度方法更為合理，而最近鄰指數(shù)法就提供了這種可能。最近鄰指數(shù)法是由生態(tài)學(xué)家Clark和Evans提出的，主要用于檢驗(yàn)點(diǎn)分布的集聚模式[11]，其工作原理是通過(guò)測(cè)算每個(gè)點(diǎn)與其距離最近點(diǎn)之間的歐氏距離，再取所有點(diǎn)的最鄰近距離的均值，即為該研究區(qū)域內(nèi)點(diǎn)數(shù)據(jù)的平均最鄰近距離[12]。最近鄰指數(shù)計(jì)算公式如下[13]：

1.2.2 核密度估計(jì)法

核密度估計(jì)法可用于計(jì)算每個(gè)柵格像元在其周圍領(lǐng)域內(nèi)點(diǎn)要素或線要素的密度，并進(jìn)行連續(xù)化模擬，已被廣泛應(yīng)用于點(diǎn)數(shù)據(jù)的空間集聚分析中，其原理是借助一個(gè)規(guī)則的移動(dòng)單元窗格對(duì)點(diǎn)要素在其鄰域空間范圍內(nèi)的分布密度進(jìn)行估計(jì)的空間分析方法，反映了點(diǎn)在空間中的分布集聚程度。該方法能有效地刻畫出地理要素分布集聚程度的空間差異特征，核密度估計(jì)值越高，表明點(diǎn)要素或線要素的分布密度越大。核密度的計(jì)算公式如下[14-15]：

其中，f(x)是空間x位置處的核密度計(jì)算函數(shù)；r為帶寬，即搜索半徑，是定義平滑量大小的自由參數(shù)；n為與位置x的距離小于或等于r的要素點(diǎn)數(shù)；(x-xi)是空間位置x到點(diǎn)要素xi的距離；k函數(shù)為空間權(quán)重函數(shù)。

1.2.3 空間滯后負(fù)二項(xiàng)回歸模型

泊松回歸和負(fù)二項(xiàng)回歸模型適合非整數(shù)值變量[16]，斗毆事件屬于該類變量之一。泊松分布是負(fù)二項(xiàng)分布回歸的基本形式，要求變量的均值和方差相等。許多經(jīng)驗(yàn)計(jì)數(shù)變量的特點(diǎn)是方差大于均值，分布過(guò)度分散。負(fù)二項(xiàng)回歸在泊松回歸的基礎(chǔ)上，允許數(shù)據(jù)存在過(guò)度離散，對(duì)離散型變量具有更好的擬合效果。因此，本文采用基于泊松回歸的負(fù)二項(xiàng)回歸模型。泊松分布的函數(shù)如下[17]：

犯罪空間分布在以往的文獻(xiàn)中都被識(shí)別出集聚現(xiàn)象，但一般不符合正態(tài)分布，呈離散形態(tài)，已有的文獻(xiàn)一般采用空間滯后模型來(lái)削弱空間自相關(guān)效應(yīng)的影響[18-20]。空間滯后模型是空間計(jì)量模型的一種，主要用來(lái)研究某區(qū)域的變量對(duì)其相鄰地區(qū)同一變量的影響情況，其計(jì)算公式如下[21-22]：

2 深圳市斗毆事件的空間分布特征

運(yùn)用平均最近鄰指數(shù)法對(duì)深圳市中心城區(qū)的斗毆事件進(jìn)行空間集聚特征檢驗(yàn)，結(jié)果顯示P值為0，z得分小于-2.28，平均最近鄰指數(shù)小于1，平均最近鄰距離小于期望最近鄰距離。因此，深圳市斗毆事件在0.01置信水平下顯著集聚。為更直觀地表達(dá)出斗毆事件的集聚分布熱點(diǎn)，采用核密度估計(jì)法對(duì)斗毆事件進(jìn)行可視化。考慮到急救服務(wù)的緊急性，本文認(rèn)為呼叫急救的地點(diǎn)即為斗毆發(fā)生的地點(diǎn)。基于呼叫點(diǎn)的空間分布，以50 m×50 m為基本單元，搜索半徑為1 km，得到深圳市中心城區(qū)斗毆事件的核密度分布（圖2）。從圖2可知，深圳市中心城區(qū)的斗毆事件存在多個(gè)熱點(diǎn)區(qū)域，分別為羅湖區(qū)西南部的東門步行街周邊，福田區(qū)東部的華強(qiáng)北電子商業(yè)圈、市民中心附近和車公廟—沙尾一帶，以及南山區(qū)的大新—涌下村和白石洲周邊。根據(jù)地理位置和環(huán)境特征，可將斗毆事件的熱點(diǎn)區(qū)域歸納為三種類型：商業(yè)購(gòu)物區(qū)、城中村片區(qū)和中央商務(wù)區(qū)。

2.1 類型一：商業(yè)購(gòu)物區(qū)

圖2 深圳市中心城區(qū)斗毆事件的核密度分布

商業(yè)購(gòu)物區(qū)的第一個(gè)斗毆熱點(diǎn)位于東門步行街，這是深圳最主要的商業(yè)購(gòu)物區(qū)之一。它作為深圳傳統(tǒng)的商業(yè)中心，從地面到地下是一個(gè)多層立體式的巨型商圈，主要業(yè)態(tài)是沿街布置的批發(fā)零售小店、中低檔專賣店和地方特色餐飲店，消費(fèi)者常于此逛品牌專賣店和其他小店面[23]。加之東門步行街的道路交通和軌道交通十分便利，有30余條公交線路匯經(jīng)此地，周邊還有老街站、紅嶺站等人流換乘量大的地鐵站。該類型的第二個(gè)斗毆熱點(diǎn)位于深圳華強(qiáng)北電子商業(yè)圈，其擁有眾多企業(yè)辦公大樓，周邊交通便利，4條地鐵線路匯經(jīng)于此，也是中國(guó)最大的電子產(chǎn)品商業(yè)地帶，有“中國(guó)電子第一街”之稱。深圳華強(qiáng)北電子商業(yè)圈前身是以生產(chǎn)電子、通訊、電器產(chǎn)品為主的工業(yè)區(qū)域。1998年該區(qū)域被改造成綜合商業(yè)區(qū)，主要行業(yè)包括電子通信、服裝百貨、餐飲等，其在最鼎盛時(shí)期，日均人流量約50萬(wàn)人次[24]，年交易額超2 000億元。因此，商業(yè)購(gòu)物區(qū)吸引了大量的人群，為犯罪提供了有利條件，可能會(huì)導(dǎo)致斗毆事件的高發(fā)。

2.2 類型二：城中村片區(qū)

城中村片區(qū)的第一個(gè)斗毆熱點(diǎn)分布在南山區(qū)大新地鐵站，周邊是大新村和涌下村等兩大城中村片區(qū)，居住人口構(gòu)成復(fù)雜。該區(qū)域以村民自建房、老舊住宅小區(qū)及次新房小區(qū)為主，但周邊配套設(shè)施成熟，吸引了大量的外來(lái)人口居住。該類型的第二個(gè)斗毆熱點(diǎn)位于南山區(qū)白石洲周邊。白石洲是深圳最大的城中村，位于南山華僑城的西部。白石洲0.6 km2土地上大約有2 527棟、50 473套出租房，容納了15萬(wàn)人，其附近的房?jī)r(jià)已超過(guò)10萬(wàn)元/m2（如南山豪宅區(qū)）。由于毗鄰世界之窗、科技園，交通便利，白石洲是不少來(lái)深務(wù)工人員的最早棲息地之一。這些城中村片區(qū)吸引了大量外來(lái)人口，有可能誘致斗毆事件的發(fā)生。

2.3 類型三：中央商務(wù)區(qū)

中央商務(wù)區(qū)的第一個(gè)斗毆熱點(diǎn)位于福田區(qū)市民中心(包括南廣場(chǎng)和會(huì)展中心)和購(gòu)物公園一帶，該區(qū)域是福田區(qū)的中央商務(wù)區(qū)，日常人群流動(dòng)大。深圳市民中心是深圳市的地標(biāo)建筑，是集博物館和會(huì)堂于一體的綜合性建筑，也是深圳市民休閑娛樂(lè)的主要場(chǎng)所之一。此外，在市民中心附近還有福田高鐵站、購(gòu)物公園，能吸引大量游客前來(lái)參觀游玩。該類型第二個(gè)斗毆熱點(diǎn)位于市民中心—購(gòu)物公園西側(cè)的香蜜湖—車公廟一帶，這是眾多地鐵線路交匯的換乘大站，同樣為人群高度匯集的區(qū)域。而這些區(qū)域大量的日常流動(dòng)人群，有可能導(dǎo)致斗毆事件的發(fā)生。

總之，深圳市斗毆事件存在明顯的空間集聚性，主要分布在商業(yè)購(gòu)物區(qū)、城中村片區(qū)和中央商務(wù)區(qū)。這些區(qū)域的特點(diǎn)是外來(lái)人口多、交通發(fā)達(dá)、人流密集以及生活服務(wù)設(shè)施完善。

3 社區(qū)環(huán)境對(duì)斗毆事件的影響分析

3.1 變量選取

社區(qū)是中國(guó)城市最小的行政單元，是社會(huì)有機(jī)體的最基本內(nèi)容，也是宏觀社會(huì)的縮影。加之，同一社區(qū)的居民具有密切的社會(huì)交往和相近的利益共識(shí)，日常活動(dòng)比較相似。因此，本文選取社區(qū)作為空間分析單元，研究導(dǎo)致斗毆事件發(fā)生的影響因素。本文因變量為社區(qū)的斗毆事件發(fā)生率，用社區(qū)的斗毆事件數(shù)除以社區(qū)的居住人口數(shù)(每萬(wàn)人)來(lái)表示。

現(xiàn)有文獻(xiàn)表明，快餐店、旅館[8]、酒類銷售商店[7]、酒吧[25]、公交站[8]、停車場(chǎng)[26]對(duì)斗毆事件的發(fā)生均有影響。因此，本文選擇餐館、青年旅舍、酒吧、超市、商場(chǎng)、地鐵站和公交站、公共停車場(chǎng)作為驗(yàn)證影響斗毆發(fā)生的物理環(huán)境變量。同時(shí)，結(jié)合深圳市的產(chǎn)業(yè)分布，選擇產(chǎn)業(yè)園區(qū)變量和工廠變量，并加入夜間燈光亮度變量，以檢查其對(duì)斗毆的影響。產(chǎn)業(yè)園區(qū)和工廠變量以萬(wàn)人擁有量表示，計(jì)算方法為其數(shù)量除以居住人口(每萬(wàn)人)；夜間燈光亮度變量以人均亮度值表示，即先統(tǒng)計(jì)每個(gè)社區(qū)的總亮度值，再除以該社區(qū)的居住人口(每萬(wàn)人)。

在社會(huì)環(huán)境方面，已有研究表明種族異質(zhì)性[27]、貧困[28]、社區(qū)流動(dòng)性[28]等社會(huì)性因子對(duì)斗毆事件的發(fā)生均有影響。根據(jù)中國(guó)的現(xiàn)狀，國(guó)外種族異質(zhì)性導(dǎo)致社會(huì)失序的現(xiàn)象在中國(guó)主要表現(xiàn)為外來(lái)人口與本地居民的矛盾，加之為反映社區(qū)人口的流動(dòng)性，本文選取外來(lái)人口比例(離開(kāi)戶口登記地半年到一年的人口)來(lái)表征種族異質(zhì)性和社區(qū)流動(dòng)性。同時(shí)，選取房屋租金以反映經(jīng)濟(jì)水平，也可以根據(jù)此區(qū)分是否為城中村。20—49歲男性人口比例被選取作為控制變量，以代表高發(fā)人群因子。上述變量共同組成了影響斗毆事件發(fā)生的社會(huì)環(huán)境變量。

在犯罪現(xiàn)象或其他社會(huì)現(xiàn)象的空間分析中，如周邊社區(qū)變量的特征值存在相關(guān)關(guān)系時(shí)，則模型中的這些變量的殘差就可能會(huì)存在空間自相關(guān)，這將會(huì)影響觀測(cè)變量的獨(dú)立性。因此，本文擬采用空間滯后變量以減少空間自相關(guān)[18]，如選取對(duì)周邊環(huán)境影響較大的青年旅舍、工廠、超市、酒吧進(jìn)行空間滯后處理。根據(jù)Queen鄰接矩陣先檢驗(yàn)變量的空間自相關(guān)程度，結(jié)果均為正相關(guān)，且置信度均為99%。因此，可以對(duì)這些變量進(jìn)行空間滯后處理。在加入空間滯后變量后，本文最終用于建模的變量為18個(gè)（表1）。

表1 模型使用的變量表

多重共線性檢驗(yàn)。本文驗(yàn)證了所選變量間的相關(guān)系數(shù)的絕對(duì)值大部分小于0.1，93.57%變量的相關(guān)系數(shù)絕對(duì)值小于0.5。這說(shuō)明本文所選的變量不存在多重共線性，可用于后續(xù)模型擬合。各社區(qū)斗毆事件發(fā)生率(因變量)的均值為9.65，方差為177.30，遠(yuǎn)遠(yuǎn)大于均值，因此采用負(fù)二項(xiàng)回歸模型進(jìn)行擬合。根據(jù)Stata給出的統(tǒng)計(jì)結(jié)果，alpha值為0.44，在95%的置信區(qū)間內(nèi)，進(jìn)一步驗(yàn)證了選取負(fù)二項(xiàng)回歸模型進(jìn)行擬合的合理性。

3.2 結(jié)果分析

表2是模型的計(jì)算結(jié)果。其中IRR為發(fā)生率比，即自變量增加1個(gè)單位的數(shù)目，因變量斗毆事件發(fā)生概率增加的倍數(shù)。模型結(jié)果顯示，對(duì)斗毆事件具有顯著正向影響的自變量有餐館、青年旅舍、超市、夜間燈光亮度、外來(lái)人口比例，存有顯著負(fù)向影響的自變量有地鐵站/公交站，其他因子無(wú)顯著影響。

研究區(qū)內(nèi)餐館變量對(duì)斗毆事件具有顯著促進(jìn)作用，其IRR值為33.82，即分析單元中每增加1個(gè)餐館，斗毆事件的發(fā)生概率將增加為原來(lái)的33.82倍。這一發(fā)現(xiàn)類似于已有的研究，如柳林等利用動(dòng)態(tài)活動(dòng)人口數(shù)據(jù)發(fā)現(xiàn)餐館能吸引附近人員的集聚，這促進(jìn)了其附近接觸類犯罪的發(fā)生，即餐館具有“犯罪發(fā)生器”的作用[29]；Gruenewald等發(fā)現(xiàn)毆打事件與提供酒的場(chǎng)所具有顯著相關(guān)性[7]。本文的斗毆事件主要發(fā)生在商業(yè)購(gòu)物區(qū)、城中村片區(qū)、中央商務(wù)區(qū)等交通便利或人流量大的區(qū)域。餐飲服務(wù)業(yè)是這些區(qū)域中最為常見(jiàn)的行業(yè)之一，它能為在此工作、居住、休閑的人們提供基本的餐飲服務(wù)。同時(shí)，餐館的營(yíng)業(yè)時(shí)間通常與該區(qū)域的人們活動(dòng)一致，即在就餐時(shí)間內(nèi)能引起人員集聚。加之，餐館也能提供酒水服務(wù)，一些顧客飲酒后情緒激動(dòng)，難以控制自身行為，易與旁人產(chǎn)生沖突。此外，餐館普遍缺少專業(yè)的安保人員，難以有效監(jiān)管顧客行為，從而造成斗毆事件常發(fā)生于此。因此，本文發(fā)現(xiàn)餐館所造成的人員集聚，及其通過(guò)供應(yīng)酒而形成的潛在沖突風(fēng)險(xiǎn)，從而導(dǎo)致了斗毆事件的高發(fā)。

表2 空間滯后負(fù)二項(xiàng)回歸模型估計(jì)結(jié)果

超市變量同樣顯著地促進(jìn)斗毆事件的發(fā)生，其IRR值為2.92，即每增加1個(gè)超市，附近斗毆事件的發(fā)生概率將增加為原來(lái)的2.92倍。與餐館類似，超市是居民日常購(gòu)物的場(chǎng)所，容易吸引人流，同樣也缺乏專門的安保措施，較容易造成人員集聚與暴力沖突。本文的這一發(fā)現(xiàn)也類似于已有研究，如宋廣文等發(fā)現(xiàn)以超市POI為代表的購(gòu)物活動(dòng)顯著地促進(jìn)其附近警情的發(fā)生，其中影響程度最大的時(shí)段與居民購(gòu)物行為高峰時(shí)段一致[18]；陳鵬等發(fā)現(xiàn)餐館、超市等商業(yè)POI的經(jīng)營(yíng)活動(dòng)會(huì)在其附近形成較大的人流量，并顯著地促進(jìn)警情的發(fā)生[30]。本文的超市POI多為在居民小區(qū)或城中村周邊的便民設(shè)施點(diǎn)，附近人流活動(dòng)量大，易發(fā)生人群集聚與暴力沖突。根據(jù)上文分析，餐館與超市設(shè)施均為居民日常活動(dòng)的主要節(jié)點(diǎn)，其數(shù)量的增加將會(huì)顯著地促進(jìn)斗毆事件的發(fā)生，即它們是暴力犯罪的“犯罪發(fā)生器”。

青年旅舍對(duì)斗毆事件也具有明顯的促進(jìn)作用，其IRR值為4.92，即分析單元中每增加1個(gè)青年旅舍，斗毆事件的發(fā)生概率將會(huì)增加為原來(lái)的4.92倍。這與已有的研究結(jié)果也相似。如Thomas等發(fā)現(xiàn)社區(qū)結(jié)構(gòu)中的不利因素將影響建成環(huán)境對(duì)犯罪的作用[8]；Quick等發(fā)現(xiàn)人口規(guī)模和居民流動(dòng)性與犯罪及混亂程度呈正相關(guān)[31]。這些說(shuō)明了社區(qū)的人口特征會(huì)影響犯罪的發(fā)生。東門老街、華強(qiáng)北電子商業(yè)圈內(nèi)有大量青年旅舍，其以低廉的住宿價(jià)格吸引了大量“天南地北、經(jīng)濟(jì)預(yù)算可能較低”的外來(lái)人員。因此，青年旅社所處社區(qū)居住人群構(gòu)成復(fù)雜，加之外來(lái)人口比例較高，導(dǎo)致了青年旅舍的增加可能會(huì)引起斗毆事件的高發(fā)。

地鐵站/公交站對(duì)斗毆事件的發(fā)生具有顯著的抑制作用，其IRR值為0.03，即地鐵站/公交站的數(shù)目每增加1個(gè)，斗毆事件的發(fā)生概率將降為原來(lái)的0.03倍。這類似已有的研究結(jié)果，如肖露子等發(fā)現(xiàn)地鐵站對(duì)扒竊犯罪的影響始終為負(fù)值[32]。在城市社會(huì)中，地鐵站和公交站是絕大部分居民出行的必經(jīng)之地，其營(yíng)運(yùn)時(shí)段雖有大量人群聚集，但其安保水平高，能形成較好的監(jiān)護(hù)，對(duì)潛在的犯罪者具有一定威懾作用。此外，斗毆事件的發(fā)生與夜間燈光亮度顯著正相關(guān)。已有研究發(fā)現(xiàn)夜間燈光可以解釋犯罪的集聚水平[33]。如崔用祥基于夜間燈光亮度對(duì)斗毆事件的影響機(jī)制進(jìn)行了解釋[10]，發(fā)現(xiàn)夜間燈光亮度值高的區(qū)域多位于繁華街道，附近人群較密集，夜間活動(dòng)較多，易造成斗毆事件的發(fā)生。

社會(huì)環(huán)境方面，外來(lái)人口比例對(duì)斗毆事件也具有顯著正向影響。對(duì)比西方社會(huì)中的種族異質(zhì)性，該指標(biāo)表征的是國(guó)內(nèi)社會(huì)中的居住不穩(wěn)定性。已有研究表明該因素會(huì)增加暴力犯罪的發(fā)生，即外來(lái)流動(dòng)人口越多，社區(qū)內(nèi)發(fā)生斗毆的可能性越高。房屋租金對(duì)斗毆事件不存在顯著影響。已有研究發(fā)現(xiàn)房屋租金與貧困存在正相關(guān)關(guān)系[34]，如Blau等研究表明貧困對(duì)暴力犯罪有明顯的正向影響[35]。然而，房屋租金在一定程度上能代表所在社區(qū)的居住水平，租金越高，社區(qū)安保措施越好，越不會(huì)發(fā)生斗毆事件。

4 結(jié)論與討論

本文以深圳市斗毆事件為例，研究了城市社會(huì)安全事件的空間分布特征，并在此基礎(chǔ)上，融合社會(huì)環(huán)境和物理環(huán)境因子，如結(jié)合興趣點(diǎn)數(shù)據(jù)、夜間燈光數(shù)據(jù)和人口普查數(shù)據(jù)等，構(gòu)建了空間滯后負(fù)二項(xiàng)回歸模型，分析了社區(qū)環(huán)境對(duì)斗毆事件發(fā)生的影響，主要結(jié)論如下：

（1）深圳市中心城區(qū)的斗毆事件具有明顯的空間集聚性。其熱點(diǎn)主要分布在商業(yè)購(gòu)物區(qū)、城中村片區(qū)和中央商務(wù)區(qū)3類區(qū)域，如羅湖區(qū)東門老街、福田區(qū)華強(qiáng)北、車公廟—沙尾一帶、南山區(qū)白石洲、大新村—涌下村一帶。這些區(qū)域的特點(diǎn)是外來(lái)人口多、交通發(fā)達(dá)、人流密集以及生活服務(wù)設(shè)施完善。

（2）餐館、青年旅舍、超市、地鐵站/公交站、夜間燈光強(qiáng)度以及外來(lái)人口比例是形成斗毆事件空間分布差異的主要因素。餐館、青年旅舍、超市、夜間燈光強(qiáng)度以及外來(lái)人口比例對(duì)斗毆事件的發(fā)生具有顯著的正影響，而地鐵站/公交站卻存在顯著的負(fù)影響。

本文基于深圳市120接診數(shù)據(jù)，開(kāi)展了斗毆事件空間分布與影響因素研究，這能很好地刻畫出案情相對(duì)嚴(yán)重的社會(huì)安全事件的空間格局及成因。然而，需要指出的是，本文可能存在以下不足：一是從120接診數(shù)據(jù)提取的是受傷程度較嚴(yán)重的斗毆事件，這可能還未包括受傷較輕的斗毆事件，未來(lái)研究可結(jié)合急救與門診數(shù)據(jù)進(jìn)行分析；二是POI數(shù)據(jù)缺乏“非正規(guī)性”的經(jīng)營(yíng)類店鋪信息，特別是中國(guó)有很多“草根夜市”，是大城市作為“不夜城”的重要組成部分[36]，但POI數(shù)據(jù)不能獲取能提供酒服務(wù)的夜宵場(chǎng)所，例如東門商業(yè)圈附近的湖貝村，在深夜常有以燒烤為主的私人夜宵大排檔，它是當(dāng)?shù)刂囊瓜ヌ帲蚁M(fèi)者通常會(huì)飲用大量的啤酒，但此處并非是酒吧類場(chǎng)所。未來(lái)研究可結(jié)合POI數(shù)據(jù)和野外調(diào)查數(shù)據(jù)進(jìn)行分析；三是城中村出租屋不一定全部發(fā)布在互聯(lián)網(wǎng)平臺(tái)上，這有可能會(huì)造成房屋租金數(shù)據(jù)不夠全面，即難以全面描述社區(qū)的居住水平。未來(lái)研究可對(duì)城中村進(jìn)行實(shí)地調(diào)研，做好相應(yīng)數(shù)據(jù)的補(bǔ)充。最后，本文在社會(huì)環(huán)境方面的考慮還不夠全面，缺乏非正式社會(huì)控制的集體效能[37]、鄰里守望效應(yīng)[38-39]等因素，未來(lái)研究可以在這些方面進(jìn)行補(bǔ)充或完善。