盜竊犯罪多時空尺度分布格局及其影響因素分析

代愛華　黃雨菲　曾憲海

摘 要：針對明確犯罪時空特征及其影響因素對預防犯罪維護社會秩序具有重要作用，本研究以FZ市為研究對象，分析盜竊犯罪在多時空尺度的分布格局及其影響因素，以揭示盜竊犯罪的驅動機制。基于顯著性檢驗與核密度的分析表明，在“日”“周”“月”“季度”和“季節(jié)”等多個時間尺度下，盜竊犯罪存在明顯的差異性;在空間尺度上，盜竊犯罪空間異質性明顯且成圈層結構分布;盜竊犯罪的時空分布格局受環(huán)境因素、社會經濟因素以及犯罪主體意識多重因素影響，各因素間交互耦合共同作用使得盜竊犯罪產生時空差異性。本研究可為維護治安與防控盜竊犯罪提供一定的參考和借鑒。

關鍵詞：盜竊犯罪;犯罪地理學;時空分布格局;犯罪熱點;多尺度

中圖分類號：D917? 文獻標識碼：A? 文章編號：1673-260X（2021）10-0030-05

1 引言

改革開放帶來了市場經濟的繁榮和發(fā)展，然而，在不斷增加的各種犯罪誘因下，犯罪作為長期存在的問題愈演愈烈，犯罪類型逐漸多樣化，犯罪手段隱蔽、智能化^[1]。雖然相關部門進行了一系列宣傳教育，打擊力度有所加強，歷年來刑事案件數量呈減少趨勢，但是日益突出的犯罪問題不僅嚴重影響了社會治安秩序，還對人民群眾的生命財產安全等造成巨大的威脅^[2]。因此，犯罪治安防控作為社會公共安全的基礎工作，一直以來是公安部門的工作重點，亦是人們關注的熱點。

目前，國內外專家學者取得了諸多關于犯罪地理研究的成果。國外學者在19世紀早期從地理學的角度系統繪制犯罪案件的空間分布，20世紀早期從城市規(guī)劃或建筑學的角度研究城市內部空間結構和罪犯居住地模式之間的關系，20世紀中期從計量統計分析的角度研究影響犯罪的多種變量，繼而聚焦于環(huán)境對犯罪案件分布的影響，20世紀末期逐漸發(fā)展出計算機與GIS（地理信息系統）技術相結合的犯罪空間分析，以及21世紀以來利用復雜性科學方法將犯罪理論應用于虛擬犯罪模擬，逐漸形成一系列成熟的犯罪研究理論^[3]。Chressanthis和Grimes[4]研究了1960至1987年期間16至19歲青少年指數犯罪率與美國工業(yè)實際最低工資變化之間的關系。Karakas等^[5]利用GIS對Elazig市的家庭入室盜竊地區(qū)分布進行制圖，并考慮月、日、時等參數以及與土地利用相關的犯罪分布情況。Seok等^[6]基于馬桑市犯罪數據，利用犯罪密度和犯罪熱點分析方法、探索了空間數據分析和空間自回歸模型，研究犯罪發(fā)生的空間關系和影響犯罪的因素。Yoo等[7]基于海云臺警察局5年的盜竊犯罪數據，利用普通最小二乘和地理加權回歸分析盜竊數量與社會因素、環(huán)境因素和防御因素的7個變量之間的關系。Chen等^[8]利用ST-DBSCAN時空聚類算法并提出一種新的熵指數來衡量時空犯罪熱點中罪犯和犯罪的相似性。現代中國犯罪的研究主要是基于警務GIS設計應用、區(qū)域犯罪特征、犯罪空間防控對策、國外研究和實踐經驗介紹等方面。隨著近年來中國數據開放程度的提高，全國范圍內的研究學者結合理論定性和定量分析的方法對于實證性的犯罪研究取得了突破性進展。陳征等^[9]基于武漢市1980至1987年刑事案件數據對城市犯罪的時空特征進行分析。馮健等^[10]基于北京8個區(qū)財產類犯罪利用GIS建立時空機制模型并探討城市犯罪的時空特征。毛媛媛等^[11]對上海浦東新區(qū)搶劫、搶奪犯罪與城市空間環(huán)境的關系及其空間分布規(guī)律進行了研究。徐嘉祥等^[12]基于北京市2013年主城區(qū)入室盜竊案件數據，利用核密度估計和時空熱點矩陣方法進行時空熱點實證分析，探索案件熱點環(huán)境的時空要素，構建犯罪時空分布機制。朱艷麗等^[13]基于2014年美國費城的搶劫犯罪數據，利用時空立方體模型挖掘犯罪事件的時空特征及其熱點時空分布。總體而言，城市犯罪的時空特征已經成為當前國內學者的研究熱點話題。

雖然已有對犯罪時空維度的研究，但中國的犯罪地理學仍處于起步階段，對于犯罪時空模式和影響因素的研究仍亟須加強。已有研究表明，犯罪行為在某一特定的時間和空間維度內并非完全均勻分布，會存在明顯的時空聚集性^[14]。不同類型的犯罪在不同的時間維度上可能具有一定的規(guī)律性。犯罪行為除了時間特征明顯，空間分布上亦存在顯著的差異性。犯罪行為的發(fā)生與時空參數、研究區(qū)域人文環(huán)境等諸多因素有關。因此，對多時空尺度的犯罪分布格局并對其影響因素進行研究，是當前學術研究的重點。

在所有刑事案件中，盜竊犯罪的比率占50%左右，是刑事案件中最具代表性、占比最大的案件類型，嚴重侵犯了公民的財產權和隱私權，給人民帶來巨大的安全隱患和精神壓力^[15]。因此，對于盜竊犯罪的研究不僅具有理論研究意義，還能為實際犯罪防控提供指導依據。

鑒于以上，本研究以FZ市為研究對象對其盜竊犯罪進行多時空尺度分布格局進行研究，以期為公安部門在盜竊犯罪治安防控和預防方面提供建議和參考。

2 數據來源與研究方法

2.1 研究區(qū)與數據來源

研究區(qū)域為中國的FZ市，該市位于中國東南沿海地區(qū)，地理區(qū)位優(yōu)越，交通發(fā)達，經濟水平持續(xù)快速發(fā)展，人口數量日益增多。作為經濟快速發(fā)展地區(qū)，該市人口流動性大，結構復雜，所從事社會經濟活動種類眾多。截至2020年，該市常住人口約8.29×106人，地區(qū)國內生產總值達1.03×104億元，比上年增長5.1%。全市陸地面積約1.20×104km2，下轄6個市轄區(qū)、1個縣級市和6個縣級行政單元。同時，該市公安警務信息化建設較為完善，數據信息記錄準確詳實，可靠性高。

為研究FZ市盜竊犯罪的多尺度時空分布特征，使用警務信息系統收集了自2018-01-01至2020-12-31盜竊案件的報警數據，共收集15831個盜竊案件數據，數據內容包含案發(fā)時間和地點。同時，為客觀分析盜竊犯罪時空分布格局的影響因素，本研究收集了研究區(qū)的人均經濟收入、人口密度以及外來人口從業(yè)人數等數據。

2.2 描述統計分析與χ2檢驗

為明確研究區(qū)盜竊犯罪的多時間尺度變化特征，研究利用描述統計方法以SPSS軟件為基本操作平臺對盜竊犯罪在“日”“周”“旬”“月”“季度”和“季節(jié)”等時間尺度上進行分類匯總分析，并利用χ²檢驗對分析結果進行顯著性檢驗。需說明的是，本研究中季節(jié)的劃分標準依據氣象劃分法進行，即3-5月為春季，6-8月為夏季，9-11月為秋季，12至下年2月為冬季。

2.3 核密度估計

分析犯罪事件的空間特征對于明確犯罪行為的分布規(guī)律具有重要意義。本研究運用ArcGIS 10.2軟件，采用核密度估計方法分析研究區(qū)盜竊犯罪的空間熱點分布。核密度估計法在以往的大量研究中已被證實是一種有效測度要素鄰域密度與分析空間熱點分布的方法。該方法以概率論為理論基礎，通過核函數度量空間事件間的相互影響，以此確定事件在空間上發(fā)生的密度或強度。其具體計算公式為^[16]：

式中，f（x）為盜竊犯罪在空間區(qū)域內x處的分布概率密度，n為總盜竊犯罪案件數，k（ ）表示核函數，h為帶寬;x-x_i表示估計值到空間區(qū)域盜竊犯罪點xi處的距離。

3 盜竊犯罪時空分布格局

3.1 盜竊犯罪多時間尺度特征

根據多時間尺度，即“日”“周”“旬”“月”“季度”和“季節(jié)”等6種時間尺度，對研究區(qū)盜竊犯罪案件進行分類匯總，進而利用χ2檢驗分析各多時間尺度盜竊犯罪是否存在顯著差異性，分析檢驗結果如表1所示。

由表1可知，除在“旬”時間尺度上盜竊犯罪沒有顯著差異性外，其余時間尺度盜竊犯罪均具有顯著性差異。通過分析盜竊犯罪具有顯著性差異的時間尺度（圖1），可發(fā)現以下特征：

3.1.1 日分布

由盜竊犯罪的日分布情況可知（圖1a），每月中旬18日案件發(fā)生數量最多，月末26日和31日案件發(fā)生數量最少，且在一月內多次出現較小程度的盜竊犯罪案發(fā)“高峰”現象;整體上，各日案件發(fā)生數量多在研究期平均水平的±7%范圍內浮動。由此，根據各日案發(fā)數量與平均水平的比值可將全月劃分為“高低交錯，兩高兩低”四個階段：月初1日與月中（6-22日）的案發(fā)數量在平均水平以上，為月內盜竊犯罪的“高發(fā)階段”;月初2-5日與月末（23-31日）的案發(fā)數量在平均水平以下，為月內盜竊犯罪的“低發(fā)階段”。

3.1.2 周分布

由盜竊犯罪的周分布情況可知（圖1b），每周周一案件發(fā)生數量最多，周日案件發(fā)生數量最少。通過對比每周各日案發(fā)數量與周平均水平的比值可知，周一至周三的案發(fā)數量均在周平均水平以上，周四至周日的案發(fā)數量均在周平均水平以下。從周一至周日，整體呈逐步遞減的趨勢。由此，可將一星期劃分為“高低交錯，一高一低”兩個階段，即周一至周三為周內盜竊犯罪的“高發(fā)階段”，周四至周日為周內盜竊犯罪的“低發(fā)階段”。

3.1.3 月分布

由盜竊犯罪的月分布情況可知（圖1c），10月案件發(fā)生數量最多，高于月平均水平的20%;相反，2月案件發(fā)生數量最少，低于月平均水平的55%。根據每月案發(fā)數量與月平均水平的比值可知，1月至4月案發(fā)數量均低于月平均水平;5-12月案發(fā)數量均高于月平均水平，且呈“先增（5-10月）后減（11-12月）”的趨勢。由此，可按月份將全年劃分為“高低交錯，一高一低”兩個階段，即1月至4月為年內盜竊犯罪的“低發(fā)階段”，5-12月為年內盜竊犯罪的“高發(fā)階段”。

3.1.4 季度分布

由盜竊犯罪的季度分布情況可知（圖1d），第四季度案件發(fā)生數量最多，約高于季度平均水平的17%;相反，案件發(fā)生數量最少的季度為第一季度，約低于季度平均水平的28%。從第一季度至第四季度，案件發(fā)生數量呈現逐步遞增趨勢。通過對比各季度案發(fā)數量與季度平均水平，可將全年劃分為兩個階段，即第一和第二季度為盜竊犯罪“低發(fā)期”和第三和第四季度為盜竊犯罪“高發(fā)期”。

3.1.5 季節(jié)分布

由盜竊犯罪的季節(jié)分布情況可知（圖1e），冬季案件發(fā)生數量最低，約低于季節(jié)平均水平的18%;相反，夏秋季節(jié)案發(fā)數量最多，高于季節(jié)平均水平的10%。通過對比各季節(jié)案發(fā)數量與季節(jié)平均水平的比值可知，春季和冬季的案發(fā)數量均在季節(jié)平均水平以下，夏季和秋季的案發(fā)數量均在季節(jié)平均水平以上。由此，可按季節(jié)將全年劃分為“高低交錯，一高兩低”三個階段，即春季為年內盜竊犯罪的“低發(fā)階段”，夏季與秋季為年內盜竊犯罪的“高發(fā)階段”，冬季為年內盜竊犯罪的“低發(fā)階段”。

3.2 盜竊犯罪空間分布特征

由2018-2020年FZ市盜竊犯罪案件核密度的空間分布（圖2）可知，盜竊案件發(fā)生在空間上存在明顯的集聚特征。主要分布于該市中部地區(qū)的核心地帶，且呈圈層結構分布;該市東南地區(qū)為盜竊案件發(fā)生的次中心區(qū)。整體上，東部盜竊犯罪案發(fā)密度高于西部地區(qū)，這基本與研究區(qū)人口密度和外來人口從業(yè)人數分布情況一致。

3.3 多時間尺度下盜竊犯罪空間分布特征

在“日”“周”“月”“季度”和“季節(jié)”等不同時間尺度盜竊犯罪案件空間特征分析的基礎上，選取各時間尺度典型時間段，對盜竊犯罪的核密度進行空間分析。由不同時間尺度盜竊犯罪案件核密度空間分布（圖3至圖7）可知，盜竊犯罪具有明顯的時空差異性。

3.3.1 “日”尺度下盜竊犯罪時空分布格局特征

根據“日”時間尺度下盜竊犯罪在一月范圍內呈現“高低交錯，兩高兩低”的特征，在案件“高發(fā)階段”和“低發(fā)階段”各選擇兩個具有代表性的日期進行空間核密度對比。由圖3可知，在日尺度上，盜竊案件核密度整體呈現“多點齊發(fā)，中部獨大”的特點，在案件“高發(fā)階段”的6日（圖3a）和18日（圖3b），研究區(qū)中部為案件發(fā)生“主熱點”，同時多個“次熱點”在西北—東南向分布;相比而言，在案件“低發(fā)階段”的26日（圖3c）和28日（圖3d），盡管中部仍為案件發(fā)生“主熱點”，但周邊區(qū)域熱點效應并不明顯，28日該特征尤為突出。

3.3.2 “周”尺度下盜竊犯罪時空分布格局特征

考慮到盜竊犯罪在周尺度上整體呈現從周一至周日逐步遞減的趨勢，由此分別選擇星期一和星期日作為周時間尺度盜竊犯罪“高發(fā)期”和“低發(fā)期”的典型時間點，對此進行盜竊犯罪空間核密度分析。由圖4可知，星期一與星期日盡管在空間分布特征中呈現相似特征，但核密度程度差異明顯，星期一盜竊犯罪案件的空間核密度明顯高于星期日。根據我國的節(jié)假日規(guī)定，周末為假期，居民多在家中活動，犯罪人員實施犯罪被發(fā)現的概率高;而周一居民多外出務業(yè)，犯罪人員實施犯罪被發(fā)現的概率明顯降低。由此，在犯罪動機驅動下，盜竊犯罪更易發(fā)生在不易被及時發(fā)現的工作日。

3.3.3 “月”尺度下盜竊犯罪時空分布格局特征

鑒于盜竊犯罪在“月”時間尺度下呈現“高低交錯，一高一低”的特征，結合各月案發(fā)數量與月平均水平的比值，選擇盜竊犯罪“低發(fā)階段”的2月和“高發(fā)階段”的10月進行案件核密度計算。由圖5可知，盜竊犯罪高發(fā)月份10月（圖5b）的“主熱點”范圍明顯高于盜竊犯罪低發(fā)月份2月（圖5a），前者約是后者的2倍。分析其原因：根據FZ市的自然氣候條件，10月份氣溫適宜利于犯罪的實施;而2月份該市氣溫較低，犯罪實施困難性增加，同時2018-2020年2月份正值我國春節(jié)假日，居民在家活動頻繁，盜竊者作案的期望值降低且風險性增高。

3.3.4 “季度”尺度下盜竊犯罪時空分布格局特征

根據季度時間尺度，盜竊犯罪數量隨著時間的遞增逐步增多，故選擇盜竊犯罪數量高于季度平均水平的第四季度代表季度盜竊犯罪“高發(fā)期”時間點，選擇盜竊犯罪數量低于季度平均水平的第一季度代表季度盜竊犯罪“低發(fā)期”時間點。對比第一季度（圖6a）與第四季度（圖6b）案件核密度空間分布可知，二者分布特征基本一致，但第四季度核密度強度遠高于第一季度。推測其原因：根據居民收入的一般規(guī)律，越臨近年末居民儲蓄越多，在犯罪動機驅動下，犯罪者第四季度實施犯罪預期收益高于第一季度;同時，我國傳統節(jié)日春節(jié)和元宵節(jié)均在第一季度時間范圍內，該時間段居民多在家活動，外出務工人員亦多返回原籍參加節(jié)日慶祝等活動，犯罪者實施犯罪難度加大成功率降低，故第一季度盜竊犯罪數量較少。

3.3.5 “季節(jié)”尺度下盜竊犯罪時空分布格局特征

季節(jié)尺度下，盜竊犯罪呈現“高低交錯，一高兩低”的特征，故選擇“高發(fā)階段”秋季和“低發(fā)階段”冬季作為代表分析季節(jié)尺度下盜竊犯罪的空間分布特征。該市秋季氣候溫暖適宜易于犯罪的實施，冬季氣溫較低且受傳統節(jié)日假期影響，故在犯罪案件核密度空間分布上呈現秋季強度遠高于冬季的特征。

4 結論與討論

鑒于分析犯罪時空特征對預防犯罪維護社會秩序的重要性以及先前研究的不足，本研究選取FZ市盜竊犯罪為研究對象，分析其多時間尺度特征與空間特征，以剖析盜竊犯罪的驅動機理。研究發(fā)現：

（1）盜竊犯罪的案發(fā)數量在“日”“周”“旬”“月”“季度”和“季節(jié)”等不同時間尺度下均具有明顯的差異性，存在案件“高發(fā)期”和“低發(fā)期”交錯分布的特征。

（2）盜竊犯罪存在明顯的空間集聚效應，案件發(fā)生“主熱點”和“次熱點”區(qū)域均呈顯著的圈層式結構。

（3）盜竊犯罪的時空分布格局是環(huán)境因素、社會經濟因素和犯罪主體共同作用的結果，時間活動規(guī)律、環(huán)境屬性以及經濟收入條件在空間上的異質性可不同程度地影響犯罪人員的作案動機，從而促使盜竊犯罪在不同時空尺度上呈現空間差異性。

盡管本研究在分析盜竊犯罪時空分布特征方面取得了較好的研究結果，但在分析盜竊犯罪驅動力機制方面僅進行了定性分析缺乏定量探究，在今后的實踐中需針對該問題繼續(xù)深入探究。

參考文獻：

〔1〕山川，孫靜.我國新型犯罪的變動趨勢、產生原因及防控對策[J].公安教育，2017，30（08）：47-51.

〔2〕劉宏斌，高雨潮.當前我國盜竊犯罪研究[J].中國人民公安大學學報（社會科學版），2018，34（02）：58-66.

〔3〕柳林，姜超，周素紅，劉凱，徐沖，曹晶晶.城市入室盜竊犯罪的多尺度時空格局分析——基于中國H市DP半島的案例研究[J].地理研究，2017，36（12）：2451-2464.

〔4〕Chressanthis G A， Grimes P W. Criminal behaviour and youth in the labour market： the case of the pernicious minimum wage [J]. Applied Economics， 1990， 22（11）： 1495-1508.

〔5〕Karakas E， Karadogan S， Arslan H. Crime maps and computer technology [J]. Pamukkale University Journal of Engineering Sciences， 2004， 10（04）： 37-42.

〔6〕Seok J K， Heon M T， Hee J J， et al. Analysis of Spatio-temporal pattern of urban crime and its influencing factors [J]. Journal of the Korean Association of Geographic Information Studies， 2009， 12（01）： 12-25.

〔7〕YooY， Baek T， Kim J， et al. Exploring spatial patterns of theft crimes using geographically weighted regression [J]. Journal of the Korean Society of Surveying， Geodesy， Photogrammetry and Cartography， 2017， 35（01）： 31-39.

〔8〕Chen T， Bowers K， Cheng T， et al. Exploring the homogeneity of theft offenders in spatio-temporal crime hotspots [J]. Crime Science， 2020， 9（01）： 1-13.

〔9〕陳征，于翔，祝曉光.城市犯罪時空特征分析[J].城市問題，1991，10（01）：18-24.

〔10〕馮健，黃琳珊，董穎，等.城市犯罪時空特征與機制——以北京城八區(qū)財產類犯罪為例[J].地理學報，2012，67（12）：1645-1656.

〔11〕毛媛媛，丁家駿.搶劫與搶奪犯罪行為時空分布特征研究——以上海市浦東新區(qū)為例[J].人文地理，2014，29（01）：49-54.

〔12〕徐嘉祥，陳鵬，陳建國.基于環(huán)境犯罪學理論的入室盜竊時空分布研究——以北京市主城區(qū)案件的分析為例[J].人文地理，2018，33（01）：43-50.

〔13〕朱艷麗，靖常峰，伏家云，等.時空立方體的搶劫案件時空特征挖掘與分析[J].測繪科學，2019，44（09）：132-138+145.

〔14〕陳鵬，瞿珂，胡嘯峰.犯罪情報分析中的數據挖掘應用[J].計算機系統應用，2017，26（02）：249-253.

〔15〕孫峰華，魏曉.中國犯罪地理研究[J].遼寧師范大學學報（自然科學版），2006，29（04）：493-495.

〔16〕孫暢，翟一鳴，丁寧，等.入室盜竊犯罪時空分布與預測研究——以B市為例[J].綏化學院學報，2021，41（03）：19-22.