功能區視角下城市夜光與夜間“兩搶一盜”犯罪的空間相關性
——以H市市轄區為例

王燦祥，朱 萌,2，滕茹潔，姚宇超，何佳琦，余 帆

（1. 安徽農業大學林學與園林學院，合肥 230036；2. 華中科技大學建筑與城市規劃學院，武漢 430074；3. 合肥工業大學建筑與藝術學院，合肥 230601）

夜間犯罪與日間相比，具有更高的隱蔽性與預謀性，其發生有著更明顯的地域指向性（蔡秋平，1993）。相關研究表明，夜光是影響夜間犯罪的諸多重要因素之一（吳浩源等，2015；毛媛媛等，2018），如Krause（1977）提出夜間或者低能見度的條件能為盜竊提供所需的掩護；Coghlan（2016）對犯罪時間分布進行分析，發現夜間攻擊性行為與財產損失犯罪發生率要遠高于日間；Liu（2022）在犯罪高發的場所與設施的研究中指出，夜光分布模式與街頭搶劫犯罪的聚集模式具有很高的擬合度，Pease（1999）認為，利用夜光減少犯罪現象是可行的；Chen（2018）提出，合理的夜光環境可以降低犯罪率，減少居民的不安全感。由此可知，夜間夜光強度對城市社會安全事件的空間分布有重要影響（Liu et al.,2020；柳林等，2021a）。

但在關于城市夜光與夜間犯罪之間的具體關系尚未形成定論，Sun（2022）認為，不同環境的情況下，夜光對犯罪的作用并不相同。主流觀點認為，城市空間的夜光環境與犯罪發生率有明顯的負向相關關系（王發曾，2012），已有研究在部分功能區如商業區、城市公園和其他區域，證實了在城市空間內形成充足、有效的夜光環境對犯罪現象的預防有著積極的作用（陽佩良等，2018；徐華宇，2020）。但也有部分觀點認為城市夜光對夜間犯罪幾乎沒有影響（Steinbach et al.,2015），在城市邊緣的居住功能區附近，二者在一定條件下甚至有著正向的相關關系（Zhou et al.,2019），Singhal（2020）也在研究中發現，夜光與區域犯罪現象之間存在著正相關現象。學者認為城市犯罪存在空間分異，不同的城市功能，犯罪的特點也不相同（張延吉等，2021），故研究結果的不一致有可能是由于研究區域的功能性質不同造成的。因此，有必要開展功能區視角下城市夜光與犯罪的空間相關性研究。

考慮到在諸多犯罪行為中，搶劫、搶奪與盜竊（以下簡稱“兩搶一盜”）犯罪（黃銳等，2022）一般是地方刑事犯罪發案率最高的案件，這類犯罪危害性大數量多，且案發與環境因素密切相關（曾敏玲等，2014）。因此，本文針對夜間“兩搶一盜”犯罪現象，以H市市轄區為研究對象，基于POI數據進行功能區識別，并結合夜光遙感數據與夜間犯罪數據等，利用核密度分析、雙變量空間自相關分析等研究方法，從市轄區整體與不同功能區角度探討城市夜光與夜間“兩搶一盜”犯罪之間的空間相關性。以期為今后基于燈光設計的犯罪防控策略提供針對性的依據。

1 研究區概況與數據來源

1.1 研究區概況

H市是A省的省會，坐落于中國的中部，其市轄區包含4個行政區。總面積約為915 km2，人口約為382萬人，GDP約為4 746.7億元，轄區內用地類型豐富。作為國內近年來飛速發展的城市之一，H市市轄區人口數量、用地面積、城市建設等方面都在飛速增長，高城市化水平給居民帶來的不僅僅是更好的生活環境，還有犯罪等影響城市安全的問題。在此背景下，夜間犯罪問題已成為H市城市管理所面臨的重要問題之一。

1.2 數據來源

1.2.1 夜間“兩搶一盜”犯罪數據 數據來自于H市公安局提供的2017 年10-11 月的110 接警數據。相比于現有研究常用的裁判文書網刑事判決書數據，110 接警數據雖獲取難度大，但具有更低的“犯罪黑數”①犯罪黑數：指犯罪行為實際已經發生，但由于各種原因而未納入官方統計之中的犯罪行為的總和，即犯罪的發案件數和統計表上所列的立案數之間的差額。，更能反映當地的犯罪情況（郭哲，2019）。首先，對數據中涉及到私人信息等敏感內容進行脫敏處理，再根據H市當地10-11月平均日出和日落時間以及當地人員活動時間段，選取T 18:00 至次日T 06:00 作為研究時段，并基于此保留夜間犯罪數據。然后，根據犯罪類型，從夜間犯罪數據中提取搶劫、搶奪及盜竊的犯罪數據。整理之后的犯罪數據類型豐富，數據量大，具有良好的可信度。數據包含行政區劃、報警時間、案發地點、接警案由、管轄單位等信息。最后，借助數據提供的案發地點，對案件發生地進行地圖定位，并利用百度地圖坐標拾取工具拾取案件發生的坐標，得到最終的犯罪數據，總計1 500條。H市的矢量地圖來源于自然資源部地圖技術審查中心標準地圖服務網站②http://bzdt.ch.mnr.gov.cn/index.jsp提供的官方地圖數據，將犯罪數據疊加到H 市轄區的城市矢量地圖上，最終得到H市市轄區的夜間“兩搶一盜”犯罪地點分布（圖1）。

1.2.2 NPP-VIIRS 夜光遙感數據 城市夜光的表征主要依靠夜光遙感數據攜帶的亮度值。夜光遙感可以獲取夜間、無云條件下地表發射的可見光信息（江威等，2017）。在城市地區，夜光遙感主要檢測夜間路燈、商業區和住宅區建筑物的燈光與一級交通流發出的低強度燈光等（卓莉等，2015）。夜光遙感能直接反映人類活動的信息，因此在社會科學領域得到廣泛的應用（Lu et al.,2014；鄭淵茂等，2020）。

在夜光遙感影像研究中，目前使用最廣泛的遙感數據是美國國防氣象衛星（Defense Meteorological Satellite Program,DMSP）搭載的可見紅外成像線性掃描業務系統（Operational Linescan System,OLS）數據、美國新一代國家極軌衛星（Suomi National Polarorbiting Partnership,Suomi-NPP）搭載的可見光近紅外成像輻射（Visible Infrared Imaging Suite,VIIRS）傳感器數據和由武漢大學團隊與相關機構共同研發制作的“珞珈一號”夜光遙感數據（LJ1-01）（Ma et al., 2012；李小敏 等，2018；鐘亮等，2019）。選用NPP-VIIRS 夜光遙感數據作為數據來源，原因主要有：1）與DMSP-OLS 夜光數據相比，NPP-VIIRS數據具有更高的分辨率，可達到500 m，比DMSP-OLS 數據提高了250 倍，能夠更加精確、豐富地反映各類空間信息（趙麗嫻等，2020）。2）“珞珈一號”數據分辨率雖比NPP-VIIRS 高，但其時間范圍涵蓋不夠全面，在H 市只提供2018年的數據，無法與NPP-VIIRS數據相匹配。NPP-VIIRS夜光數據來源于美國國家海洋和大氣管理局（NOAA/NGDC）③https://eogdata.mines.edu/download_dnb_composites.html。將下載的遙感影像進行校正與降噪等預處理，并與H市市轄區地圖疊加，得到H 市市轄區2017 年10 與11 月的夜光遙感影像（圖2）。

1.2.3 POI 數據 城市功能區是指城市內部各活動的分布空間及其相應的用地分異，是對城市用地結構的基礎表現和劃分（張景奇等，2021），城市功能區的識別研究對于深入探究犯罪規律具有重要意義（張延吉等，2019）；而興趣點（Point Of Interest,POI）數據是一種代表地理實體的點狀空間數據（駱少華等，2020），其中蘊含了大量的地理實體信息，如實體的名稱、地址、坐標等，因此被廣泛應用于城市相關的各項研究，是常見的城市功能區劃分依據之一（池嬌等，2016），基于POI 數據的功能區劃分與傳統方法相比精細度更高（薛冰等，2019）。本研究采用高德地圖的地圖開放平臺的POI數據，對其進行提取、糾偏、清洗之后，得到H市市轄區POI數據共2.4萬余條，包含單體POI數據的名稱、類別、地址、經緯度等信息。

2 研究方法

基于上述預處理的NPP-VIIRS夜光遙感數據與夜間“兩搶一盜”犯罪數據進行空間分布格局分析，將分析后的結果分別作為第一變量與第二變量，構建雙變量空間自相關分析模型，分別從H市市轄區和不同城市功能區角度對城市夜光與夜間“兩搶一盜”犯罪的空間相關性進行研究（圖3）。

2.1 空間分布格局分析

根據研究區的實際情況，建立500 m×500 m的格網將H 市市轄區劃分為5 738 個不同的區域。將NPP-VIIRS夜光遙感柵格數據轉化為矢量數據；并對110警情數據進行核密度分析，將核密度值作為犯罪發生率，并將柵格數據矢量化。將2種矢量數據分別賦值到建立的格網中，進行城市夜光與夜間犯罪的空間格局分析。

核密度分析模型是空間分布格局分析中運用最廣泛的非參數估計模型（顧朝林等，2009），是描述社會治安公共安全在區域內的空間差異及變化的主要手段之一（李業錦等，2013）。數學表達式（朱萌等，2021）為：

式中：x-xi為估計值點x與樣本點xi之間的距離；K0(x)是核函數，是一種加權函數或平滑轉換函數；n為研究對象觀測值總數；h為帶寬，即平滑轉換參數。在核函數的選擇中，由于本文數據特征維數少，故采用高斯核函數（Gaussian）。利用ArcGIS 的核密度分析工具，通過多次實驗得出，將核密度的帶寬h設為500 m最能體現犯罪數據的空間分布特征。

2.2 基于POI的功能區識別分析

2.2.1 POI 數據的分類 依據高德地圖的分級分類標準，POI數據分級分類繁多，存在重復交叉等現象，且與城市用地分類標準不一致，需對其進行重分類。參考《城市用地分類與規劃建設用地標準（GB50137—2011）》（中華人民共和國住房和城鄉建設部，2012） 和《2017 年國民經濟行業分類（GB/T 4754—2017）》（國家統計局，2017），并遵循POI分類的普遍性、一致性原則，將數據重新分類，共分為道路與交通設施用地、居住用地、綠地與廣場用地、商業服務業用地、物流倉儲用地、公共管理與公共服務用地、工業用地、非建設用地8大類。由于本研究主要聚焦于城市，非建設用地不屬于本研究范疇，故將其排除。

2.2.2 功能區的確定 本文采用相關研究中常用的基于POI 的功能區識別方法（丁彥文等，2020）。由于POI 是忽略實體對象的建筑面積抽象而成的一種無面積及體積的點，在功能區的識別中，這種建筑面積或占地面積引起的差異對結果有重要影響。因此，通過遙感影像及網上資料查詢，大致確定各類POI的平均建筑面積或占地面積，再結合趙衛鋒等（2011）提出的POI 顯著度度量模型中“公眾認知度”，分別賦予不同類型的用地相應的權重。基于創建的500 m×500 m的格網，根據每類POI 所占的權重，計算每類POI的核密度，再通過式（2）確定每個格網內各類型POI占所有類型POI核密度值的比例（薛冰等，2020）：

式中：i表示POI 的類型；di表示某個格網內第i種類型的POI在地塊單元內的核密度值；D為單元中所有POI 類型的核密度總數；Ci表示某個格網內，第i種類型的POI的核密度值占所有類型的POI核密度值的比例。

功能區的判定標準（周杭等，2022）為：若某一類POI 的比例＞50%，則確定該類型為此格網的功能區類型；若所有類型的POI 比例均＜50%，則判定該功能區為混合功能區，其類別主要取決于占比最高的2 或3 種POI 的類別；若格網內沒有POI，則該格網屬于無數據功能區，則將其排除。

2.3 雙變量空間自相關分析

雙變量空間自相關能夠探索某屬性在空間上的分布特征以及變量間的集聚程度（周婷等，2021）。分為雙變量全局空間自相關（Global Moran'sⅠ,GMI）與雙變量局部空間自相關（Local Indicators of Spatial Association,LISA）兩類。

2.3.1 雙變量全局空間自相關 雙變量全局空間自相關通過全局Moran'sΙ指數分析兩空間數據集之間整體的相關性，利用雙變量全局空間自相關分析方法，從H市市轄區整體角度與不同功能區角度，分別將H市市轄區夜光與夜間“兩搶一盜”犯罪發生率作為第一變量與第二變量，采用Geoda軟件中的全局Moran'sⅠ指數，測度H 市市轄區夜光與夜間“兩搶一盜”的空間自相關性。計算公式（毛潤彩等，2022）為：

式中：n為空間單元數；Cij為空間單元i到j的空間權重矩陣值；X a i-Xˉa為空間單元i中屬性a與其平均值的差值，同理，X b i-Xˉb為空間單元i中屬性b與其平均值的差值。Moran'sΙ指數的取值范圍為[-1,1]，在一定的置信水平下，正值代表整體分布呈正相關，值越大，表示兩變量的空間相關性越好；負值代表整體分布呈負相關，值越小，表示兩變量的空間差異性越大。當Moran'sΙ指數為0 時，表示不存在空間相關性，兩變量值在空間上隨機分布。

2.3.2 雙變量局部空間自相關 雙變量局部空間自相關用于分析局部區域內兩變量的聚集與分異狀態，可深入分析燈光與夜間“兩搶一盜”的局部空間自相關性。在雙變量全局空間自相關的基礎上，使用Geoda軟件中的局部Moran'sΙ工具，探索城市夜光與夜間“兩搶一盜”犯罪發生率之間的雙變量LISA聚類，進一步挖掘H市市轄區及不同功能區的角度下，變量之間的空間相關性及分布模式。空間分布模式根據結果分為高-高聚集、低-低聚集、低-高聚集、高-低聚集及不顯著。計算公式（毛潤彩等，2022）為：

式中：n為空間單元數；Wij為空間單i元到j的空間權重矩陣值；X i k-Xˉk為空間單元i中屬性k與其平均值的差值；σk、σi分別為屬性k和l的方差。

3 結果分析

3.1 夜光與夜間犯罪的空間分布格局分析

通過核密度分析構建H 市市轄區“兩搶一盜”犯罪空間分布格局，犯罪水平越高的地區，其核密度越高，具有更高的集聚特性。從圖4 可以看出，H 市市轄區“兩搶一盜”犯罪分布在空間上形成“一主一副”雙核心結構，屬于明顯的集聚分布。其中，主核心高密度集聚區位于H市4區的交界處，此處為H市城市化水平最高的地區，犯罪的發生率向四周呈逐漸降低的趨勢。副核心在H市市轄區的西南部，但其周圍地區“兩搶一盜”犯罪的發生率相對不高，此處為H市新興的城市發展區，具有很高的發展潛力。綜合來看，城市“兩搶一盜”犯罪的高密度集聚熱點分布與城市經濟發展水平關聯較高，經濟水平較高以及快速發展的地區易成為“兩搶一盜”犯罪熱點區域。

從研究區域各單元網格中與城市夜光夜間“兩搶一盜”犯罪的空間分布可見（圖5），對于夜光與夜間“兩搶一盜”犯罪發生率而言，雖有個別網格存在差異，大部分網格高值均分布在主核心內，低值均分布在城市邊緣地帶，二者具有相似的空間分布。

3.2 城市功能區劃分結果

根據功能區定量識別方法，對分析結果進行可視化處理（圖6）。結果顯示，H市市轄區共有22種不同的功能區，其中有6種單一功能用地，16種混合功能用地。對于無數據的功能區，基本不屬于城市區域，故無數據功能區的犯罪特征不在本研究的考慮范圍。

3.3 雙變量全局空間自相關分析結果

進行空間自相關檢驗的前提是空間范圍內的功能區格網單元數量需≥3。部分功能區數量較少，無法滿足空間自相關運算的要求，為了提高結果準確性，首先，將H市市轄區的功能區劃分為單一用地與混合用地分別提取出來，進行雙變量全局空間自相關分析。其次，提取不同的功能區，并剔除格網單元數量≤4的功能區。最后，對剩余的格網按不同功能區的因變量，即H市市轄區“兩搶一盜”犯罪發生率進行雙變量全局空間自相關檢驗，并用Moran'sⅠ指數進行度量。

如表1 所示，在H 市市轄區、單一用地、混合用地、道路與交通設施用地、公共管理與公共服務設施用地、居住用地、商業服務業用地、商業服務業用地+居住用地、商業服務業用地+公共管理與公共服務用地、公共管理與公共服務設施用地+道路與交通設施用地、商業服務業用地+道路與交通設施用地內，城市夜光與夜間“兩搶一盜”犯罪發生率之間的Moran'sΙ指數均＞0，標準化Z值＞1.96，置信水平P＜0.05，表現為顯著。而物流倉儲用地、居住用地+道路與交通設施用地表現為不顯著。從結果看，在H 市市轄區的角度，城市夜光與夜間“兩搶一盜”犯罪存在顯著的空間相關性，且呈現空間異質性；在單一功能區與混合功能區角度，上述兩變量均呈現空間相關性；在不同功能區角度，大部分功能區內的兩變量均表現出空間相關性，僅有小部分功能區展現隨機分布的特性。

表1 H市市轄區及不同功能區內城市夜光與夜間“兩搶一盜”犯罪雙變量全局Moran's I分析結果Table 1 Bivariate global Moran's Ⅰanalysis of urban nighttime light and nighttime robbery,snatching,and theft crimes in H city and different functional areas

3.4 H 市市轄區夜光與夜間“兩搶一盜”犯罪的空間關系

對H市市轄區進行雙變量局部空間自相關分析（圖7），從空間分布看，低-低聚類主要分布在市轄區外圍，高-高聚類主要分布在市轄區內部，高-低聚類與低-高聚類則分布在二者之間。

1）低-低聚集區（LL）指城市夜光較弱，且夜間“兩搶一盜”犯罪發生率較低的區域，二者具有顯著的正相關。從城市地圖上看，這些區域除未開發的地區及湖泊外，多為城市的經濟技術開發區及高新技術產業園。由于其功能性質，夜間鮮有人員逗留，且幾乎均有保安值守，因而犯罪發生率偏低且城市夜光也較弱。

2）高-高聚集區（HH）指城市夜光較強，且夜間“兩搶一盜”犯罪發生率較高的區域，兩者也具有顯著的正相關性。這些區域集中分布在H市市轄區四大城區的交匯處，大部分位于一環或者二環以內。該區域與其他區域相比，是城市空間商業化的重要載體，接待大量以休閑旅游為目的的本地居民與游客。根據犯罪行為學中的日常活動理論（柳林等，2021b），該區域有利于犯罪者找到合適的目標。

3）高-低聚集區（HL）指城市夜光較強，但夜間“兩搶一盜”犯罪發生率較低的區域，二者具有顯著的負相關。這些區域分為兩部分，第一部分與低-低聚集區類似，為經濟開發區及高新技術產業園。不同的是這些區域包含大量的職工宿舍及相關居住區。由于居住區的夜光亮度值較高，而“兩搶一盜”犯罪發生率較低。另一部分為機場、高鐵站、大型生態公園等。對于機場而言，由于功能需要，機場的夜光亮度極高，且人流量大，易發生盜竊等犯罪；但H 市的“兩搶一盜”犯罪發生率低，說明H市機場管理較為得當。而H市高鐵站情況與機場不同，其夜間活動區域在城市地下空間，高鐵站的夜光在地下的亮度要遠高于地上，從而導致結果有偏差。而大型生態公園的情況則與經濟開發區類似，但犯罪率低的原因有待進一步研究。

4）低-高聚集區（LH）指城市夜光較弱，但夜間“兩搶一盜”犯罪發生率較高的區域，二者也具有顯著的負相關。這些區域數量較少，較為零散地分布在高-高聚集區的周圍。這進一步印證了隨著城市功能性質的改變，城市夜間“兩搶一盜”犯罪發生率與夜光的關系也不盡相同。

5）不顯著指城市夜光與夜間“兩搶一盜”之間的空間相關性并不明顯的區域。除少量的未開發用地與河流湖泊外，不顯著的區域大部分為二環以外的商業服務業用地，與一環二環以內的商業服務業用地相比，這些區域對流動人口的接納量較少，大部分服務于周邊小區或產業園。夜間“兩搶一盜”犯罪的影響因素需進一步挖掘。

3.5 不同城市功能區夜光與夜間“兩搶一盜”犯罪的空間關系

對H市市轄區不同功能區進行雙變量局部空間自相關分析（圖8），將功能區格網分為5個不同的聚集區域。可以發現，單一功能區中（圖8-a、b、c、d），空間異質性最明顯的功能區為居住用地、商業服務業用地、道路與交通設施用地；公共管理與公共服務用地的格網則幾乎均表現為不顯著。混合功能區（圖8-e、f、g、h）的空間聚類模式以不顯著為主，顯著集聚模式主要為高-高聚類，分布在城市二環周圍。一方面，H市市轄區功能較為明確，功能混亂的區域較少。城市功能分區的混亂會導致犯罪防控難度的增加（朱紅，2014），故混合功能區較少的H 市市轄區的功能劃分就犯罪防控而言相對合理。另一方面，混合用地內夜光較強的混合功能區夜間“兩搶一盜”犯罪的發生率也較高，且高-高聚集的功能區主要分布在商業與其他功能的混合功能區內部。

3.5.1 居住用地 居住用地高-高聚類格網主要分布在市轄區一環以外，二環以內；低-低聚類格網主要分布在市轄區外圍格網；低-高聚類格網分布在市轄區北部；高-低聚類格網分布在市轄區南部（圖8-a）。根據通過環境設計預防犯罪理論（Crime Prevention through Environmental Design,CPTED）理論（毛媛媛等，2014），對居住區犯罪問題產生影響的物質因素主要可以歸納為居住區規模、物業管理、居住區主路形式、居住區綠地功能4個方面。隨著H市內的市政府與省政府相繼南移，南部迅速發展，與北部老城區相比，這4個方面的物質要素都更加完善，導致南部“兩搶一盜”的犯罪發生率較北部低，但夜光強度卻更高。

3.5.2 商業服務業用地 商業服務業用地的不同聚類格網存在明顯的集聚分布特征，具體表現為中心高-高聚集，外圍低-低聚集（圖8-b）。商業服務業用地屬于城市高人流量、高經濟活力的公共空間，一方面會分散受害者的注意力，促使受害者產生一種安全的假象，導致自我防控意識的削弱；另一方面，由于進入該類公共空間的人群具有高度的復雜性、隨機性與不可預測性，會導致相應的內部盲區（王發曾，2003）增多。根據理性選擇理論（肖露子等，2017），該類地區有利于犯罪者追求自身利益最大化，而高強度的夜光意味著較高的城市經濟活力（陳世莉等，2020），即城市經濟活力與夜間“兩搶一盜”犯罪具有一定程度的相關性。

3.5.3 道路與交通設施用地 由于道路上的路燈提供的夜光強度較高，除去不顯著的格網，道路與交通設施用地的聚類情況主要為高-高聚類及高-低聚類，占比為93%。高-高聚類主要分布在南二環路周圍，而高-低聚類主要分布在西部及南部（圖8-c）。由圖可知，高-高聚類的單元網格主要分布二環路的周圍，高-低聚類主要分布在二環以外，具有明顯的空間集聚特征。但根據王發曾（2012）對于道路與交通設施用地犯罪成因的解釋，這些區域的犯罪一般高發于公共交通工具如公交車的內部，其具有移動性強等特點，導致接警地點與實際案發地點可能有些許出入，因而結果可信度降低。

4 結論與討論

以H市市轄區為研究對象，利用雙變量空間自相關分析，分別從整體及不同功能區的角度，對城市夜光與夜間“兩搶一盜”犯罪的空間相關性展開探討，得到的主要結論有：

1）城市夜光與夜間“兩搶一盜”犯罪的分布具有空間集聚性，熱點均主要分布在城市發展水平較高的區域。

2）整體上，城市夜光對夜間“兩搶一盜”犯罪的影響具有空間異質性。不同區域夜間“兩搶一盜”犯罪與夜光的關聯程度變化明顯，且關聯程度較高的區域恰好是城市發展水平較高的區域。

3）居住用地的功能區，對于城市夜光與夜間“兩搶一盜”犯罪發生率的空間相關性而言，北部老城區與南部新城區之間存在差異。商業與服務業用地功能區，城市夜光與夜間“兩搶一盜”犯罪具有最強的空間相關性，且呈以城市一環及二環區域為中心的單核心分布趨勢。核心內部以高-高聚集為主，核心外部則以低-低聚集為主。道路與交通設施用地由于其犯罪高發于公共交通設施的內部，報警地點與實際犯罪地點有所出入，因而結果可信度降低。

從城市尺度上，夜間的夜光亮度與經濟活躍程度（活力）具有較高的相關性（陳世莉等，2020）。多數城市活力研究將城市夜光作為經濟活力的主要指標（王娜等，2021），而本研究發現夜間“兩搶一盜”犯罪發生率亦與城市夜光相關，特別是在商業與服務業用地功能區中；因此，如何在保持經濟活力的前提下，減少“兩搶一盜”犯罪現象還需進一步討論。

本研究尚存在以下問題：1）使用基于POI 的方法將城市分為不同的功能區，雖相較于傳統方法有更高的真實性與實際性，但POI身為點數據，不具有面積屬性，導致一些微小地塊無法被識別，如小微綠地等，而這些區域是犯罪地理學研究的重點區域之一。隨著AOI數據獲取與利用方法的改善以及夜光遙感成像技術的進步，城市功能區劃分技術也會隨之改進，研究結果將更加準確。2）夜光是城市經濟活力的象征，夜光亮度值越高，意味著城市的經濟活力越高。這說明城市犯罪與城市活力可能有一定的空間相關性。未來將聚焦于城市活力對城市犯罪的影響，探討城市犯罪更深層次的影響因素。3）城市夜光與夜間“兩搶一盜”犯罪具有一定的空間關系，但城市夜間犯罪的影響因素較多，對于商業與服務業用地，夜光對城市夜間犯罪的影響較大，但在其他功能區，如居住用地或道路與交通設施用地，其主要影響因素并非夜光。未來需要綜合考慮更多的影響因素探討城市夜間犯罪。