基于法院判決書的中國人口拐賣犯罪空間特征及變化分析

陳兵陽，熊 立，譚永濱，王 瑛，胡 濤

(東華理工大學測繪工程學院，330013，南昌)

0 引言

據2021年聯合國發布的《全球人口販賣報告》顯示，2004—2018年間，全球已偵測到的人口拐賣犯罪受害者約5萬名，而實際的受害人數應該遠遠超過這個數字。人口拐賣犯罪不僅嚴重侵犯了公民人身權利，還造成受害者家庭支離破碎以及社會的不穩定。有研究表明，經濟貧困是人口販賣犯罪的重要驅動因素之一[1-3]，而留守兒童較多且較貧困的農村地區一直是人口拐賣犯罪的高發區[4]。如何有效打擊和預防人口拐賣犯罪已成為全社會重點關注的問題，也是鄉村振興中社會建設的重要組成部分。

目前針對人口拐賣犯罪的研究有集中在法律、政策等方面[5-6]，通過研究犯罪人及其行為模式，分析犯罪原因并提出預防建議[7-9]，探討具體的犯罪過程[10]及活動模式[11-12]。在地理學領域，研究人員利用犯罪地理學方法，分別從拐入側和拐出側分析人口拐賣犯罪的空間分布特征[13]，提取人口拐賣犯罪的時空變化規律[14-15]，深入分析產生犯罪的區域影響因素[16-19]。空間相關性分析能夠有效地找出單變量在空間上所存在的潛在的相互依賴性[20-21]，探究拐賣人口犯罪在空間上的集聚性和異質性。除了分析犯罪的空間分布特征外，針對犯罪路徑的空間特征的分析有助于更精準地打擊人口拐賣犯罪，并能夠更直接地幫助被拐家庭尋找家人。研究人員還利用拐入點與拐出點的信息，繪制了省域及市域的犯罪網絡，分析并定位網絡中的關鍵區域與區域間關聯[22-23]。綜上，目前關于拐賣路徑的分析研究主要針對拐出地與拐入地的，幾乎沒有涉及中轉地的分析。這主要是因為，目前研究中所使用的人口拐賣數據主要來源于新浪微博或寶貝回家網站(https://www.baobeihuijia.com/)里的受害者的回憶，而在這些回憶幾乎不存在中轉地的信息。然而，通過分析完整拐賣路徑的空間特征，對于精準防控拐賣案件的發生具有重要的意義。

人口拐賣判決書是承載訴訟案件具有法律效力的文件，其內容相對準確地還原了拐賣犯罪的過程。因此本文基于近年來的人口拐賣判決書，提取拐賣犯罪過程中涉及的所有位置信息，并以此作為數據源，分析我國人口拐賣犯罪案件發生地(包括拐出地、中轉地與拐入地)的時空變化特征，以及發生地之間的關聯關系，重點關注拐賣路徑的空間分布與聚集特征，分析拐賣網絡中的重點區域(特別是中轉地)，為準確預防人口拐賣犯罪提供支持。

1 實驗數據

本文從中國裁判文書網(https://wenshu.court.gov.cn/)抓取了2014—2020年間共2 215份人口拐賣判決書，經過初步篩選后得到，用于分析的有效判決書共2 191份，涉及的人口拐賣案件2 285起，涉及案件發生年份為1974—2020年；結合地名自動識別算法、人工檢驗等方式，抽取出判決書內涉及的案件發生地4 130個，拐賣路線2 285條，并提取每個發生地的空間坐標。由于中國裁判文書網中不包含香港、澳門、臺灣地區的判決書文件，因此本文在分析空間分布特征時并不包含上述3個地區。

2 研究方法

2.1 社會網絡分析

社會網絡分析法(Social Network Analysis, SNA)[24]是用于分析社會網絡中各節點之間關聯關系特征的方法。本文將網絡節點定義為拐賣案件發生地，通過計算發生地的中心勢強度分析拐賣事件的聚集特征；利用網絡密度分析發生地之間的關聯性；最后基于核心-邊緣結構抽取事件高發區。

2.1.1 中心性分析 點度中心性是指人口拐賣網絡中發生地與其他發生地連接的邊數的總和。點度中心勢(C)[25]是用來刻畫人口拐賣網絡的整體中心性，衡量拐賣網絡中心化程度的指標。點度中心勢的值域范圍為[0,1]，值越接近1，表明當前網絡中案件發生地越集中。計算公式如下：

其中：CD(max)代表整個拐賣網絡中最大度數中心性值，CD(i)代表網絡中任意發生地的中心性值，n為拐賣網絡發生地總數，所以分子是指圖中最大中心度的數值與其他任意點中心度差的總和，分母是指理論上各個差值總和的最大可能值。

2.1.2 網絡密度 網絡密度(D)主要用于刻畫人口拐賣網絡中發生地之間相互連接的密集程度，是網絡實際存在的連接數與網絡中最大可連接數的比值。值域范圍為[0, 1]，值越接近1，表明網絡中案件發生地關系越強。計算公式如下：

其中n為拐賣網絡的發生地總數，L為拐賣網絡的實際連邊數。

2.1.3 核心-邊緣結構分析 核心-邊緣模型[13]是用來劃分發生地在人口拐賣網絡中地位的模型。該模型能夠對網絡中的“位置”結構進行量化分析，區分出網絡的核心和邊緣發生地。其中連接度反映發生地之間聯系的緊密程度。

3 結果與分析

3.1 拐賣案件總體時空特征分析

3.1.1 拐賣案件年際變化分析 本文依據案件發生的時間，分析拐賣案件發生的年際變化情況(圖1)。從圖1中可以看出，總體上拐賣案件的發生頻次呈現出平緩變化、急劇增多與快速下降3個階段。1974—2006年間案件發生頻次呈現平緩變化，僅在1989年、1998年等少數年份出現波動；2006—2014年間案件發生頻次急劇增多，并于2014年達到最多(309例)，這與國家在2004—2014年間進行的3次“嚴打”行動有關，很大程度上打擊了人口拐賣的犯罪活動；2014—2020年間，人口拐賣犯罪總體上呈現快速下降的趨勢，這與多次嚴打行動后人口拐賣犯罪案件大幅減少相關，法院判決時間相對延遲也是數量下降的另一原因。總體上看，國家多次的嚴打行動較好地遏制了人口拐賣犯罪行為的發生。

圖1 拐賣案件年際變化

3.1.2 拐賣案件空間分布特征 根據全國范圍內人口拐賣的統計數據在省域和市域尺度的分布，分別將省域和市域的拐入與拐出人口頻次劃分為5個等級(圖 2、圖 3)。從圖2、圖3中可以看出，拐出頻次等級最高的省份是云南省(483次)，拐入等級最高的省份是河南省(246次)、山東省(238次)和云南省(351次)。在市域尺度上，拐出等級較高的城市主要來自云南省，包括文山州(259次)、紅河州(85次)、昆明市(34次)等，拐入等級較高的城市除了文山州(200次)、紅河州(56次)等云南省內城市外，還包括臨沂市(83次，山東省)、泉州市(51次，福建省)等城市。結合省域和市域的情況發現，我國人口拐賣呈現“一源三匯”的空間分布特征，其中拐出源頭主要是集中在云南及其相鄰的西南地區，拐入地主要有3個片區：以云南為主的西南地區，圍繞河南、山東省的華北地區、以廣東、福建為中心的東南地區。

圖2 省域案例拐出、拐入分布圖

圖3 市域案例拐出、拐入分布圖

3.2 案件發生地空間聚集分析

3.2.1 拐賣路線空間聚集特征分析 分析拐賣路線的聚集特征是實現準確打擊拐賣犯罪的重要基礎，基于“覓食理論”中犯罪人會形成相對固定的犯罪地點及模式的特點，公安機關在打擊拐賣時可重點關注出現頻次較高的拐賣路線。

本文利用中轉地將完整的拐賣路線分割成多條路段，并以路段作為最小單元統計拐賣路線的頻次，分析拐賣路線的空間聚集特征(圖4)。由于“市內流轉”數量較多，無法在地圖中清晰地進行可視化，因此圖中僅保留“市外流轉”的路線統計情況。圖中的箭頭表示指示拐賣路線的方向，即由拐出地指向中轉地或由中轉地指向拐入地2種情況；路段出現的頻次用粗細及顏色區分，即線條越粗、顏色越深的路段為發生拐賣案件最為頻繁的路段，也正是需要重點關注和打擊的犯罪路段。

圖4 拐賣路線的空間聚集特征

從圖4中可以看出，拐賣路線主要集中在西南→東南和西南→華北2個方向上。云南省是路線上重要的起終點，路線較集中從云南至河南、廣東、安徽、湖南、山東等省。拐賣路線主要表現為以下3種情況：省內路線(如紅河州→文山州、白山市→長春市)、鄰省路線(如百色市→文山州)、遠距離路線(如涼山州→臨沂市、滁州市→紅河州)等情況，其中以省內路線與鄰省路線的頻次最多。此外，通過統計拐出城市與其它城市(中轉地或拐入地)的關聯頻次發現，“市內流轉”是被拐人員流轉的主導模式，多數拐賣路線的第2站均為本城市內部。除了市內流轉外，鄰近城市、相鄰省份間的被拐人員流轉是另外兩類主要模式，例如云南省文山州與紅河州相互流轉的頻次最高，漳州市→贛州市是頻次最高的相鄰省份流轉。

因此，當發現有人員疑似被拐的初期，可優先在市內或省內距離較近的城市查找，而后重點關注與所在城市關系密切(即路線頻次較高)的其它城市或省份，有利于發現被拐人員。

3.2.2 案件發生地聚集中心轉移分析 為了分析不同拐賣案件發生地聚集情況的變化特征，本文基于案件發生地頻次，繪制案件發生地的犯罪空間分布的熱力圖(圖5)，并分析各類案件發生地的聚集中心，在3個不同時期(即平緩變化期、急劇增多期與快速下降期)的轉移情況。

圖5 不同時期案件發生地聚集中心變化特征

總體上看，省份之間的交界地帶、國界附近都是拐賣犯罪的高發區域，特別是以云貴川3省交界區為核心的西南地區一直都是案件高發區，這與該地區高山地形，不利于管理和追捕有一定的關系，同時管轄權灰色地帶也可能是造成省份交界區成為高發區的原因之一。

1)拐出地的中心轉移。由平緩變化期(圖5(a))的貴州省內的云貴川交界區，轉移到急劇增多期(圖5(b))的云桂區域(主要集中在云南與廣西交界、國界附近地區)，同時在華北地區(河南、山東、安徽3省的交界地區)也出現一定程度的聚集；最后進入快速下降期(圖5(c))時，華北地區(主要集中在河南與河北的交界地區)的人口拐賣聚集情況得到緩解，此時的聚集中心僅有云南省。

2)中轉地的中心轉移。情況大體上與拐出地相同，在平緩變化期(圖5(d))拐入地的聚集中心是貴州省；當進入急劇增多期(圖5(e))時，聚集中心由貴州省轉移到了云南省(主要集中在云南與廣西交界、國界附近地區)；最后進入快速下降期(圖5(f))時聚集中心無明顯轉移。

3)拐入地的中心轉移。在平緩變化期(圖5(g))拐入地的聚集中心是福建省和華北地區(以河南、河北和安徽的交界地區為主)；當進入急劇增多期(圖5(h))時，聚集中心轉移到了云南省(主要集中在云南與廣西交界、國界附近地區)及原華北地區，并且2個聚集中心的案件數量也有了明顯增加；最后進入快速下降期(圖5(i))時，華北地區的聚集有所減緩，此時的聚集中心是云南省(主要集中在云南與廣西交界、國界附近地區)。

3.3 案件發生地空間關聯分析

利用拐賣路線整理出相關的案件發生地，其中省份31個、城市294個，構建了省域及市域的社會網絡結構。網絡的中心性特征如表1。省級網絡密度為0.42，反映了各省份之間在人口拐賣犯罪上的關聯較強，但由于省級網絡的拐出與拐入的中心勢均為0.465，表明拐賣案件涉及的省份較多，無明顯中心省份聚集情況。市域人口拐賣社會網絡的網絡規模為294，網絡密度為0.02。這是由于城市數量較多，拐出與拐入的程度中心勢分別是0.271與0.212，表明由于涉及的城市較多，明顯呈現強關聯的城市不多，同時城市聚集情況不明顯。

表1 網絡的中心性特征

中心度的大小反映了網絡節點與其它節點之間聯系的緊密程度。各省市的點出與點入中心度排名情況(見表2、表3)表明，云貴川3省形成的西南片區、冀魯豫3省形成的華北片區以及廣東所在的東南片區都是中心度靠前的省份，表明這些省份與其它省份之間的關聯最為緊密，也與聚集中心轉移情況一致。在市級網絡中，云南省文山州的拐出與拐入的中心度均在所有城市中排名第1，且明顯高于其它城市，表明網絡中有許多城市與文山州發生存在拐賣案件關聯，可重點關注。在拐出中心度排名前10的城市中，西南片區的城市占據了其中的8位；拐入中心度排名前10名中，西南片區、華北片區與東南片區涉及的城市數量很接近，再次驗證了我國的人口拐賣犯罪呈現“一源三匯”的空間分布特征。

表2 總中心度排名前10的省份

在市級網絡中，文山州的拐出與拐入的中心度均在所有城市中排名第1，且明顯高于其它城市，表明網絡中有許多城市與文山州發生存在拐賣案件關聯。在拐出中心度排名前10的城市中，西南片區的城市占據了其中的8位；拐入中心度排名前10名中，西南片區、華北片區與東南片區涉及的城市數量差不多，這一現象也與“一源三匯”的空間分布特征一致。

網絡的核心-邊緣結構分析是發現網絡核心節點與邊緣節點的重要方法，公安部可針對核心省份及城市進行重點部署打擊犯罪。省級與市級網絡結構的連接度如表4與表5。除青海省、新疆維吾爾自治區、寧夏回族自治區為邊緣省份外，其余28個省份屬于省級網絡的核心省份，其中核心省份之間的連接度為0.496，核心與邊緣省份的連接度為0.071，表明省域網絡中核心省份間的關聯緊密，被拐人員的流動較頻繁，核心與邊緣省域間聯系較少，邊緣省份之間沒有聯系。市級網絡的核心城市包括邯鄲市、泉州市、北京市、紅河州、昆明市等共69個城市，其余的邊緣城市共有225個。其中核心城市之間連接度為0.125，核心與邊緣城市之間連接度為0.028，邊緣與邊緣城市之間連接度0.008，這表明市域人口拐賣網絡中只有核心市區之間聯系相對緊密，其他市區之間聯系極少。

表3 點出與點入中心度排名前10的城市

表4 省級核心-邊緣結構的連接度

表5 市級核心-邊緣的連接度

4 討論與結論

本文從中國裁判網2014—2020年的拐賣判決書中提取到人口拐賣數據，建立省域和市域人口拐賣地理網絡，采用社會網絡分析方法省域和市域網絡進行研究分析，獲得不同尺度下的網絡特征。分析結果表明，我國人口拐賣犯罪總體上呈現“一源三匯”的空間特征，核心城市為邯鄲市、泉州市、昆明市等69個城市，主要的犯罪路線是西南-東南、西南-華北，拐賣省市中存在明顯的“內部流轉”的現象，部分城市之間存在密切聯系；犯罪活動轉向更為隱藏的省界山區，以及西南的國界附近。由于本文的數據全部來源于法院的判決書，相比其它研究中采用“寶貝回家”獲取的數據，目前在可用的數據量上略有不足，后續可針對二者數據的特點，研究其融合方案，實現綜合應用多源數據的最佳方式。