張勃， 張馨澤， 林艷，2*

(1. 中國(guó)人民公安大學(xué)信息網(wǎng)絡(luò)安全學(xué)院， 北京 100038； 2. 安全防范技術(shù)與風(fēng)險(xiǎn)評(píng)估公安部重點(diǎn)實(shí)驗(yàn)室， 北京 102623)

犯罪熱點(diǎn)是犯罪活動(dòng)在地理空間上呈現(xiàn)的聚集現(xiàn)象，一般表現(xiàn)為研究區(qū)域內(nèi)犯罪的密度較周邊區(qū)域普遍偏高[1]。熱點(diǎn)警務(wù)是犯罪防控策略的組成部分，且以熱點(diǎn)警務(wù)為導(dǎo)向的公安防控能在一定區(qū)域內(nèi)可以精準(zhǔn)打擊犯罪行為、提高犯罪成本、調(diào)控警力分配[2-4]，對(duì)提高特定的警務(wù)工作的效率和執(zhí)法能力具有重大意義。

目前的犯罪熱點(diǎn)研究方法一般分為兩種。第一種是以點(diǎn)和面元素進(jìn)行空間分布研究。其中點(diǎn)元素的空間分布大都使用核密度方法進(jìn)行分析，例如徐嘉祥等[5]、趙婷婷等[6]、馮沐孜等[7]利用核密度方法對(duì)研究區(qū)域內(nèi)的案件進(jìn)行熱點(diǎn)分析，得到熱點(diǎn)分布圖。原鵬輝等[8]、段澤任等[9]使用行政區(qū)劃作為最小研究單元，得出面狀犯罪熱點(diǎn)區(qū)域的存在，形成犯罪熱點(diǎn)區(qū)域。第二種研究方法是以線為研究對(duì)象，對(duì)道路交通網(wǎng)絡(luò)上的犯罪進(jìn)行統(tǒng)計(jì)和熱點(diǎn)地圖顯示。例如鄭滋椀等[10]使用現(xiàn)實(shí)生活中存在的路段作為最小研究單元進(jìn)行研究，發(fā)現(xiàn)少量路段聚集大量犯罪。陳鵬等[11]將長(zhǎng)安街等距離人工分成距離相等的路段進(jìn)行分析研究。Weisburd等[12]首次提出基于道路交通網(wǎng)絡(luò)的一種空間掃描辦法，并分析美國(guó)紐約市水牛城街頭毒品交易和搶劫的犯罪路段熱點(diǎn)分布。在實(shí)際的一線執(zhí)法工作中，大量的警務(wù)工作都是沿著道路網(wǎng)絡(luò)進(jìn)行的，例如，交警在交通路口疏導(dǎo)交通、在道路上安裝攝像頭對(duì)現(xiàn)有交通流量進(jìn)行監(jiān)控，同時(shí)記錄各類違法人員的信息和車輛信息，得到時(shí)空軌跡特征，巡邏警察按照自己的巡邏區(qū)域沿著道路交通網(wǎng)絡(luò)進(jìn)行警務(wù)巡邏。因此，將從道路交通網(wǎng)絡(luò)的角度來(lái)對(duì)熱點(diǎn)道路的識(shí)別。若某一路段的犯罪數(shù)量較全部路段犯罪數(shù)量而言數(shù)量較多，則將其路段稱為熱點(diǎn)路段。

現(xiàn)有以線為研究對(duì)象的熱點(diǎn)路段方法主要分為兩種：第一種是將采集的線路進(jìn)行統(tǒng)一化處理，且采用統(tǒng)計(jì)學(xué)的方法進(jìn)行以數(shù)量多少進(jìn)行比較[10，13]，該方法的局限性其一是未考慮現(xiàn)實(shí)道路的道路分級(jí)，其二是現(xiàn)實(shí)實(shí)際中多條線路進(jìn)行了歸一化處理，其三是唯統(tǒng)計(jì)學(xué)論，未考慮其每百米的犯罪頻數(shù)比較，即某些短路段聚集的犯罪數(shù)量小于長(zhǎng)路段聚集的犯罪數(shù)量時(shí)，該種方法形成的結(jié)果可能存在差錯(cuò)。第二種方法是在長(zhǎng)度較長(zhǎng)的路段的條件下進(jìn)行等距離對(duì)長(zhǎng)路段進(jìn)行分段處理[11，14]，然后利用統(tǒng)計(jì)學(xué)的知識(shí)統(tǒng)計(jì)每條路段的案發(fā)數(shù)量，該方法較第一種而言彌補(bǔ)了第一種方法的部分缺陷，可以不僅僅局限于道路名稱從而更加精細(xì)化而指明犯罪熱點(diǎn)路段區(qū)域。

隨著信息技術(shù)的高速發(fā)展，POI數(shù)據(jù)得到不斷補(bǔ)充和完善，應(yīng)用領(lǐng)域也逐漸拓寬，眾多學(xué)者已經(jīng)使用POI點(diǎn)數(shù)據(jù)對(duì)城市空間研究展開(kāi)研究，李坤洋等[15]、羅楊潔等[16]、趙長(zhǎng)相[17]均使用POI數(shù)據(jù)進(jìn)行空間布局研究，劉永超等[18]、蔣晨琛等[19]、張延吉等[20]、姜昀呈等[21]、宮田田等[22]研究城市的建成環(huán)境對(duì)犯罪的影響展開(kāi)研究。但使用POI數(shù)據(jù)作為影響因子對(duì)犯罪的影響關(guān)系的研究比較少。

所以，現(xiàn)將以北京市西城區(qū)為研究區(qū)域，基于北京市公安局西城分局2016年盜竊案件數(shù)據(jù)和西城區(qū)道路交通網(wǎng)絡(luò)，采用等距路段熱點(diǎn)研究方法識(shí)別犯罪熱點(diǎn)路段區(qū)域，形成以線為研究角度的犯罪熱點(diǎn)分布圖。并引入POI數(shù)據(jù)，將POI數(shù)據(jù)進(jìn)行點(diǎn)投影到等距路段上，采用主成分分析和多元線性回歸對(duì)犯罪影響因素進(jìn)行分析，最后探討該研究結(jié)果對(duì)公安機(jī)關(guān)安全防控的指導(dǎo)意義。

1 數(shù)據(jù)來(lái)源與預(yù)處理

研究所采用的數(shù)據(jù)包括犯罪點(diǎn)數(shù)據(jù)、道路網(wǎng)數(shù)據(jù)、興趣點(diǎn)(point of interest，POI)數(shù)據(jù)。

盜竊案件在刑事案件的發(fā)案量中占比較高，同時(shí)也是典型的“機(jī)會(huì)型犯罪”，所以盜竊案件的發(fā)生受所在地區(qū)的地理環(huán)境影響較大，其給社會(huì)治安帶來(lái)隱患。由此，選用盜竊類犯罪案件作為研究對(duì)象。調(diào)取北京市公安局西城分局接警平臺(tái)數(shù)據(jù)庫(kù)2016年的接處警記錄，共有效數(shù)據(jù)6 163條，作為盜竊類案件數(shù)據(jù)源。

北京市道路交通網(wǎng)絡(luò)數(shù)據(jù)來(lái)源于OpenStreetMap平臺(tái)。通過(guò)下載獲取的中國(guó)區(qū)域的道路交通線圖層，按照北京市西城區(qū)區(qū)劃，使用ArcGIS軟件對(duì)該圖層進(jìn)行裁剪，得到北京市西城區(qū)道路交通網(wǎng)絡(luò)數(shù)據(jù)。該路網(wǎng)數(shù)據(jù)坐標(biāo)系為WGS1984坐標(biāo)。

興趣點(diǎn)(POI)是指電子地圖中對(duì)各類社會(huì)經(jīng)濟(jì)部門的抽象實(shí)體點(diǎn)要素[23]，可以表示區(qū)域內(nèi)各類基礎(chǔ)設(shè)施與實(shí)體空間(如小區(qū)、醫(yī)院、公園等)的位置和屬性信息[15]。POI數(shù)據(jù)采用python網(wǎng)絡(luò)爬蟲(chóng)技術(shù)從高德地圖API接口中獲取，共計(jì)57 446條。POI數(shù)據(jù)屬性特征包括經(jīng)緯度、名稱、類型、地址等信息。研究中采用的POI數(shù)據(jù)包括交通設(shè)施、生活服務(wù)、醫(yī)療教育、居住場(chǎng)所、休閑娛樂(lè)、旅游文化、公司企業(yè)等10類信息。具體如表1所示。

在預(yù)處理方面，由于中國(guó)在案件數(shù)據(jù)地理編碼所采集時(shí)使用的是火星坐標(biāo)，該坐標(biāo)系與國(guó)際上通用的WGS1984坐標(biāo)系投影方式存在差異。故先進(jìn)行犯罪點(diǎn)數(shù)據(jù)坐標(biāo)轉(zhuǎn)換至WGS1984坐標(biāo)系。路網(wǎng)原始數(shù)據(jù)道路類型包含一級(jí)路、二級(jí)路、三級(jí)路、生活化路、行人路、摩托車路等，該路網(wǎng)雙向車道較多且同向車道具備多條車道，為防止道路網(wǎng)數(shù)據(jù)冗雜、分段處理后相同名稱道路較多、后期犯罪點(diǎn)投影不能精確投影到路網(wǎng)上，故先進(jìn)行OSM道路多線轉(zhuǎn)單線處理、一級(jí)路和二級(jí)路分開(kāi)處理投影。將獲取到的POI數(shù)據(jù)在ArcGIS數(shù)據(jù)存儲(chǔ)和處理過(guò)程中將其設(shè)定為矢量點(diǎn)數(shù)據(jù)，進(jìn)行數(shù)據(jù)坐標(biāo)系轉(zhuǎn)換，將犯罪點(diǎn)數(shù)據(jù)、道路網(wǎng)數(shù)據(jù)、POI數(shù)據(jù)坐標(biāo)系統(tǒng)一轉(zhuǎn)換至WGS1984坐標(biāo)系。

表1 POI點(diǎn)數(shù)據(jù)分類表Table 1 POI point data classification table

2 研究思路

具體研究思路如圖1所示，研究步驟如下。

步驟1獲取犯罪點(diǎn)數(shù)據(jù)、道路網(wǎng)數(shù)據(jù)、POI數(shù)據(jù)，進(jìn)行點(diǎn)數(shù)據(jù)地理坐標(biāo)系轉(zhuǎn)換、線數(shù)據(jù)多線轉(zhuǎn)單線處理、統(tǒng)一坐標(biāo)系等數(shù)據(jù)預(yù)處理工作。

步驟2依據(jù)實(shí)地調(diào)研、案例研究等確定等距路段長(zhǎng)度，使用ArcGIS中“沿線生成點(diǎn)”“按點(diǎn)分割線”工具生成等距路段，利用“空間連接”“頻數(shù)統(tǒng)計(jì)”功能和基于自然間斷法的可視化操作實(shí)現(xiàn)等距犯罪熱點(diǎn)路段分布圖，識(shí)別出熱點(diǎn)路段區(qū)域，通過(guò)等距路段與不等距路段的犯罪投影對(duì)比利用等距路段做熱點(diǎn)分布方法的優(yōu)越性。

步驟3引入POI數(shù)據(jù)進(jìn)行主成分分析進(jìn)行降維處理，提取主成分作為自變量與作為因變量的犯罪數(shù)量帶入多元線性回歸模型進(jìn)行影響因素的判定。

步驟4對(duì)主成分分析結(jié)果和多元線性分析模型結(jié)果進(jìn)行分析，并研究對(duì)公安巡邏防控提出建議與展開(kāi)討論。

3 基于等距路段的熱點(diǎn)路段識(shí)別

3.1 等距路段劃分

在兩個(gè)交叉路口中間的路一般被稱為路段[14]。在犯罪地理領(lǐng)域，基于道路交通網(wǎng)絡(luò)的熱點(diǎn)路段研究大都使用以路段為研究單元的方法進(jìn)行犯罪熱點(diǎn)路段識(shí)別[10]。一部分學(xué)者認(rèn)為將完整的路段作為一個(gè)分析單元較合適，但是以完整路段為統(tǒng)計(jì)單元的研究方法存在的問(wèn)題是路段長(zhǎng)度不同。為解決路段長(zhǎng)度不一導(dǎo)致此類問(wèn)題的影響，也有部分學(xué)者將整個(gè)路段分割成長(zhǎng)度大致相等的路段進(jìn)行研究。研究聚焦精確化犯罪熱點(diǎn)路段，故將等距路段作為最小分析單元開(kāi)展研究。

選取西城區(qū)道路交主干路為研究對(duì)象，共獲取主干路路段309條，長(zhǎng)度為3～2 027 m，總長(zhǎng)度為101 922 m。其中路段長(zhǎng)度分布如圖2所示。

二級(jí)道路、三級(jí)道路路段共511條，長(zhǎng)度為3～2 021 m，總長(zhǎng)度為205 271 m。其中路段長(zhǎng)度分布如圖3所示。

研究區(qū)域內(nèi)路段共307 193 m。其中1 000 m以上路段長(zhǎng)度占所有研究區(qū)域路段長(zhǎng)度占比22.6%，500～1 000 m路段占所有路段的40%。

主干路、一級(jí)路、二級(jí)路、三級(jí)路，其在路段長(zhǎng)度區(qū)間上占比最高的均為100～200 m。主干路和一級(jí)路的100～200 m路段數(shù)量為71條，約占所有主干路和一級(jí)路數(shù)量的23%。二級(jí)路和三級(jí)路的100～200 m路段數(shù)量為82條，約占其所有路段的16%。兩個(gè)分組的100～200 m區(qū)間路段的數(shù)量皆為其小組內(nèi)區(qū)間路段數(shù)量最多。為將所有路段大概拆分成距離相似的路段進(jìn)行熱點(diǎn)路段分析，需將長(zhǎng)路段進(jìn)行拆分，經(jīng)實(shí)地調(diào)研和案例研究[11]，將對(duì)所有路段分段處理，路段間隔100 m，以期得到距離相似的路段。

圖1 研究思路Fig.1 Research approach

圖2 主干路路段長(zhǎng)度分布Fig.2 Length distribution of trunk road

圖3 二級(jí)、三級(jí)路路段長(zhǎng)度分布Fig.3 Section length distribution of secondary and tertiary roads

利用ArcGIS中“沿線生成點(diǎn)”工具、設(shè)定每100 m在道路交通網(wǎng)絡(luò)上標(biāo)記一個(gè)點(diǎn)，繼而使用“按點(diǎn)分割線”功能將預(yù)處理之后的路網(wǎng)數(shù)據(jù)實(shí)現(xiàn)等距路段分割，獲取等距路段。

3.2 等距熱點(diǎn)路段識(shí)別

大部分犯罪并不是都發(fā)生在道路交通網(wǎng)絡(luò)上，所以應(yīng)采用犯罪投影方法將犯罪點(diǎn)影射至道路交通網(wǎng)絡(luò)上。對(duì)于道路上和未在道路上的兩種犯罪點(diǎn)，應(yīng)該采取不一樣的投影方式：對(duì)于發(fā)生在道路交通網(wǎng)絡(luò)上的犯罪點(diǎn)，可以直接投影到所在路段上；對(duì)于犯罪案件未在道路交通網(wǎng)絡(luò)上的犯罪點(diǎn)，因?yàn)闊o(wú)法確定犯罪人員是從哪一條路開(kāi)展犯罪行為，所以將該類犯罪點(diǎn)投影到距離其最近的路段。ArcGIS的空間連接中：目標(biāo)要素選擇犯罪點(diǎn)數(shù)據(jù)，將等距路段設(shè)定為連接要素，匹配選項(xiàng)標(biāo)記為CLOSEST。即可匹配目標(biāo)要素與連接要素最近的要素，實(shí)現(xiàn)犯罪點(diǎn)與等距路段的最近的一對(duì)一的投影。

投影完成之后，犯罪點(diǎn)數(shù)據(jù)的屬性表中新增對(duì)應(yīng)路段的編號(hào)，借用“頻數(shù)取值”功能，統(tǒng)計(jì)出每一路段包括的犯罪數(shù)量，生成頻數(shù)表。利用“屬性表連接”實(shí)現(xiàn)等距路段屬性表中具備其包含的犯罪數(shù)量的屬性數(shù)據(jù)。

自然間斷法是在犯罪制圖領(lǐng)域的一種常用技術(shù)，該方法是根據(jù)數(shù)據(jù)屬性的自然分組特征進(jìn)行可視化，所以對(duì)不均勻分布的數(shù)據(jù)分級(jí)制圖有顯著效果，在此研究中，由于等距路段的犯罪數(shù)量呈現(xiàn)非均勻分布特征，所以采用自然間斷分級(jí)法并按照五類等級(jí)犯罪標(biāo)準(zhǔn)對(duì)路段進(jìn)行分類制圖；在色彩選擇上，按照分級(jí)路段所含犯罪點(diǎn)數(shù)量，設(shè)置分級(jí)色彩，依次是紅色、橙色、黃色、綠色、灰色5種；在分級(jí)符號(hào)上，按照分級(jí)路段所含犯罪點(diǎn)數(shù)量，設(shè)置分級(jí)符號(hào)，將分級(jí)路段依次設(shè)定為從粗至細(xì)。這樣就可以直觀觀察等距犯罪熱點(diǎn)路段，通過(guò)繪制出犯罪熱點(diǎn)路段圖實(shí)現(xiàn)等距的犯罪熱點(diǎn)的可視化，可以識(shí)別熱點(diǎn)路段的空間分布和空間位置。

通過(guò)犯罪點(diǎn)投影、自然間斷法等可視化操作，生成等距犯罪熱點(diǎn)路段分布如圖4所示。

圖4是基于道路交通網(wǎng)絡(luò)將盜竊案件投影至路網(wǎng)上的等距熱點(diǎn)路段分布圖，盜竊案件在北京市西城區(qū)空間分布上呈聚集態(tài)勢(shì)，且熱點(diǎn)路段數(shù)量較少但其中包含的犯罪數(shù)量較多，即大量的犯罪聚集在少量路段上，形成犯罪熱點(diǎn)路段。主要分布在西直門、積水潭、新街口、西四、西單周邊路段。

犯罪環(huán)境學(xué)理論指出，入室盜竊犯罪屬于典型的“機(jī)會(huì)型犯罪”。即犯罪目標(biāo)與犯罪嫌疑人發(fā)生直接或間接接觸后進(jìn)而引發(fā)犯罪嫌疑人的犯罪心理，從而促進(jìn)了犯罪行為的發(fā)生。日?；顒?dòng)理論[24]和理性選擇理論[25]對(duì)于犯罪行為的發(fā)生給予了充分的解釋。

從熱點(diǎn)區(qū)域的空間位置和周邊建筑要素環(huán)境來(lái)看，犯罪熱點(diǎn)路段大都存在于交通便利的公司、學(xué)校、小區(qū)、商圈周邊，該區(qū)域的犯罪目標(biāo)較多，目標(biāo)的多少對(duì)于犯罪嫌疑人的作案選擇實(shí)施有巨大影響。依據(jù)犯罪吸引力原理[26]，具備潛在作案價(jià)值、收益的目標(biāo)往往會(huì)吸引有作案動(dòng)機(jī)的嫌疑人去往適合作案、犯罪風(fēng)險(xiǎn)低的低防范地區(qū)進(jìn)行犯罪行為。目標(biāo)區(qū)域的人員類型復(fù)雜、人口密度多、人口流動(dòng)性大、人均GDP高均會(huì)成為合適的犯罪目標(biāo)，創(chuàng)造合適的犯罪環(huán)境，提升犯罪嫌疑人的犯罪效益。發(fā)達(dá)的交通一是有利于嫌疑人的踩點(diǎn)、快速犯罪；二是交通的便利會(huì)帶來(lái)更多的車流、人口，使得該區(qū)域的人口流動(dòng)性大，有利于嫌疑人蹤跡的隱藏，可提升犯罪嫌疑人的犯罪收益；三是發(fā)達(dá)的交通還可使犯罪嫌疑人在犯罪發(fā)生后的快速逃竄，以降低犯罪風(fēng)險(xiǎn)。

圖4 等距犯罪熱點(diǎn)路段分布圖Fig.4 Isometric map of crime hotspots

聚焦西單周邊部分路段，截取3條路段總長(zhǎng)度為1 510 m，進(jìn)行不等距路段犯罪熱點(diǎn)分析，對(duì)其周圍1 142條犯罪數(shù)據(jù)進(jìn)行投影處理，使3條路段的屬性表中包含犯罪數(shù)量信息，使用不等距路段犯罪熱點(diǎn)分析方法得到路段1～路段3的犯罪數(shù)量分布圖，如圖5所示。

將3條路段進(jìn)行等距分段處理，使用等距路段作為研究對(duì)象對(duì)其周邊犯罪點(diǎn)進(jìn)行影射處理，獲取路段上包含的犯罪數(shù)量，得到圖6等距路段犯罪熱點(diǎn)路段圖。

對(duì)比局部等距路段熱點(diǎn)分布圖和不等距路段犯罪熱點(diǎn)分布圖。結(jié)論發(fā)現(xiàn)，利用等距路段進(jìn)行熱點(diǎn)識(shí)別處理可以更加精確地識(shí)別熱點(diǎn)區(qū)域，更具備優(yōu)越性，可以更準(zhǔn)確地為公安巡控、治安預(yù)防提供建議。

圖5 不等距犯罪熱點(diǎn)分布圖Fig.5 Distribution map of crime hotspots with unequal distances

圖6 等距路段熱點(diǎn)分布圖Fig.6 Hot spot distribution map of isometric sections

4 POI數(shù)據(jù)對(duì)犯罪的影響

4.1 分析方法

4.1.1 主成分分析

通過(guò)相關(guān)性分析計(jì)算犯罪與影響因子之間的相關(guān)大小。但是，數(shù)據(jù)的強(qiáng)相關(guān)性、多維度等特點(diǎn)會(huì)增加分析的難度和復(fù)雜程度，并且在實(shí)際生活中，空間因素之間存在各式各樣的聯(lián)系且無(wú)法相互獨(dú)立的。所以，在研究犯罪率與影響因子相關(guān)關(guān)系的基礎(chǔ)上引入主成分分析。通過(guò)降維的思想用較小的新的綜合變量代替原始較多的變量，這些較少且獨(dú)立性較高的綜合變量需要盡可能多地保留原始變量所包含的信息。設(shè)定原本具有n個(gè)地理樣本，每個(gè)樣本一共有p個(gè)變量描述，則生成n×p階地理矩陣X，表達(dá)式為

X=(Xij)n×p，i=1，2，…，n，j=1，2，…，p

(1)

通過(guò)相關(guān)分析，可計(jì)算得到各個(gè)影響因素指標(biāo)之間的相關(guān)系數(shù)rij，計(jì)算得出相關(guān)系數(shù)矩陣R，表達(dá)式為

R=(rij)p×p，i，j=1，2，…，p

(2)

通過(guò)計(jì)算相關(guān)系數(shù)矩陣R的特征值λi(i=1，2，…，p)，特征值λi相對(duì)應(yīng)的特征向量標(biāo)記為ei(i=1，2，…，p)。所以主成分Yi的貢獻(xiàn)率公式為

(3)

累計(jì)貢獻(xiàn)率越高表明這幾個(gè)因子對(duì)總體的解釋度越高。一般累計(jì)高于70%表明比較滿意。提取前m個(gè)主成分Zi2，Zi3，…，Zm(m≤p)，則該主成分Zi2，Zi3，…，Zm(m≤p)可以用來(lái)反映原始p個(gè)變量的信息，即

(4)

則可以計(jì)算得到研究區(qū)域的綜合指標(biāo)W[Z1，Zj2，…，Zm(m≤p)]為

(5)

4.1.2 多元線性回歸

多元線性回歸模型主要是研究因變量與多變量之間的線性關(guān)系。國(guó)內(nèi)外眾多學(xué)者使用多元線性回歸分析犯罪影響。2019年周需煥等[27]采用多元線性回歸模型得到縮小城鄉(xiāng)收入差距、提高教育質(zhì)量對(duì)預(yù)防盜竊犯罪具有一定的作用。2018年魯正春[28]使用該模型得到影響犯罪的因素。多元線性回歸模型的公式為

ya=β0+β1X1+β2X2+…+βkXk+εa

(6)

式(6)中：ya為因變量；Xi為自變量；βi為待定參數(shù)；εa為隨機(jī)變量。

4.2 分析結(jié)果

表2為KMO檢驗(yàn)和巴特利特球形檢驗(yàn)結(jié)果。

表2中，KMO取樣適切性量數(shù)為0.892，接近于1，說(shuō)明該數(shù)據(jù)做主成分分析的效果良好，因此可以對(duì)10個(gè)影響因子進(jìn)行主成分分析處理。

Bartlett球形檢定顯著性P=0.000說(shuō)明該例變量可以為因子分析提供合理基礎(chǔ)。

從公因子方差表(表3)中可以推導(dǎo)出其他9個(gè)公因子能夠解釋交通設(shè)施的方差為75.4%，其他類似。碎石圖(圖7)顯示，從主成分2開(kāi)始，特征值數(shù)量趨于平穩(wěn)。

表2 KMO檢驗(yàn)和巴特利特球形檢驗(yàn)Table 2 KMO test and Bartlett spherical test

表3 公因子方差表Table 3 Table of common factor variances

變量序號(hào)1～10分別對(duì)應(yīng)表1中的10個(gè)變量圖7 碎石圖Fig.7 Gravel Figure

表4為主成分特征值與貢獻(xiàn)率列表，當(dāng)起始特征值大于1時(shí)，說(shuō)明具有因子的通用標(biāo)準(zhǔn)。累計(jì)貢獻(xiàn)率主要用來(lái)說(shuō)明因子的貢獻(xiàn)率，累計(jì)貢獻(xiàn)率越高說(shuō)明對(duì)總體的解釋度越高，一般高于70%表示良好?？梢钥闯觯鞒煞?的特征值為5.341>1，主成分2的特征值為1.016>1，其他成分的特征值都小于1。前2個(gè)成分特征值均大于1，且累計(jì)貢獻(xiàn)率為63.565%，說(shuō)明這2個(gè)因子對(duì)總體的解釋率近70%，故可以提取前2個(gè)因子進(jìn)行分析。

從成分矩陣(表5)中可知，指標(biāo)交通設(shè)施(0.868)、生活服務(wù)(0.555)、醫(yī)療教育(0.835)、居住場(chǎng)所(0.830)、休閑娛樂(lè)(0.812)、公司企業(yè)(0.730)、政府機(jī)構(gòu)(0.764)、出入設(shè)施(0.899)、美食特色(0.433)在第一主成分上有較高的載荷，說(shuō)明相關(guān)性較強(qiáng)。第一主成分集中都集中在居民日常生活方面，所以將Y1設(shè)定為居民生活類。旅游文化(0.574)在第二主成分上有較高的載荷，說(shuō)明相關(guān)性較強(qiáng)。第二主成分都與精神文化需求有關(guān)，將Y2設(shè)定為居民精神文化生活類。

將各主成分的成分矩陣表中的載荷向量與各自主成分特征值的算數(shù)平方根相除，其中，主成分1的載荷向量與5.341的算術(shù)平方根相除，主成分2的載荷向量與1.016的算術(shù)平方根相除，得到該10個(gè)變量的標(biāo)準(zhǔn)值。

表4 主成分特征值與貢獻(xiàn)率列表Table 4 Principal component eigenvalue and contribution rate list

表5 成分矩陣Table 5 Component matrix

所以，Y1與Y2的表達(dá)式可以表示為：Y1=0.38x1+0.24x2+0.36x3+0.36x4+0.35x5+0.15x6+0.32x7+0.33x8+0.39x9+0.19x10；Y2=-0.01x1-0.59x2+0.07x3+0.20x4-0.31x5+0.55x6-0.10x7+0.33x8+0.03x9-0.108x10。

將主成分分析提取到的兩個(gè)主成分Y1、Y2與犯罪數(shù)量進(jìn)行多元線性回歸分析，結(jié)果如表6所示，預(yù)測(cè)變量為Y1和Y2，因變量為犯罪數(shù)量，DW為德賓-沃森檢驗(yàn)值。

可以看出，R2代表模型擬合度，該模型對(duì)之前主成分分析得出的結(jié)果的修正后的模型擬合度為22.5%。德賓-沃森檢驗(yàn)值DW為1.165，1

表7中，因變量為犯罪數(shù)量，方差膨脹系數(shù)(variance inflation factor，VIF)用于共線性診斷，兩個(gè)變量之間的VIF為1，處于0～10，故兩個(gè)自變量之間不存在共線性，不會(huì)對(duì)回歸結(jié)果產(chǎn)生影響。

從表7中可知，Y1的標(biāo)準(zhǔn)化系數(shù)0.317>0且P<0.01，說(shuō)明Y1對(duì)犯罪而言存在顯著正相關(guān)。Y2的標(biāo)準(zhǔn)化系數(shù)為-0.353<0且P<0.01，可以推出Y2對(duì)于犯罪具有顯著負(fù)相關(guān)的作用。

5 結(jié)果與討論

在前人對(duì)犯罪熱點(diǎn)路段的研究中，選擇路段為分析對(duì)象、選定等距路段為最小分析單元、確定等距路段長(zhǎng)度、對(duì)路段等距分段處理、犯罪點(diǎn)一對(duì)一投影，通過(guò)自然分段法、分級(jí)符號(hào)、分級(jí)色彩完成等距犯罪熱點(diǎn)路段分布圖，識(shí)別熱點(diǎn)路段。聚焦某一熱點(diǎn)路段，對(duì)比不等距犯罪熱點(diǎn)路段分布圖，發(fā)現(xiàn)等距犯罪熱點(diǎn)路段可以更加精確化的識(shí)別熱點(diǎn)路段區(qū)域，對(duì)治安防控提供更精準(zhǔn)的佐證。繼而引入POI數(shù)據(jù)使用主成分分析和多元線性回歸進(jìn)行犯罪影響因素的確定，通過(guò)主成分分析對(duì)10類POI數(shù)據(jù)降維，提取兩個(gè)主成分Y1、Y2，將Y1、Y2帶入多元線性模型進(jìn)行回歸分析，擬合效果良好，結(jié)果發(fā)現(xiàn)與居民生活有關(guān)的區(qū)域較多時(shí)易對(duì)盜竊犯罪的發(fā)生產(chǎn)生促進(jìn)作用，與居民精神文化有關(guān)的區(qū)域較多時(shí)對(duì)盜竊犯罪的產(chǎn)生呈現(xiàn)抑制效果。

基于道路交通網(wǎng)絡(luò)的犯罪熱點(diǎn)分析和犯罪影響關(guān)系的分析對(duì)利用道路網(wǎng)絡(luò)進(jìn)行的安全巡邏、防控等警務(wù)工作具有十分重要的作用。犯罪空間分布的異質(zhì)性和不均勻性的特點(diǎn)決定著公安機(jī)關(guān)維護(hù)社會(huì)治安資源空間分配的異質(zhì)性，該項(xiàng)研究對(duì)于公安機(jī)關(guān)的執(zhí)法服務(wù)區(qū)域的公平性和合理性警務(wù)資源分布優(yōu)化進(jìn)行了充分的解釋和佐證，一線公安機(jī)關(guān)應(yīng)該適當(dāng)調(diào)整警務(wù)資源配置，將警務(wù)工作重點(diǎn)放置到熱點(diǎn)路段，通過(guò)對(duì)重點(diǎn)區(qū)域進(jìn)行重點(diǎn)監(jiān)督和巡邏，既可以維護(hù)社會(huì)治安、保證社會(huì)穩(wěn)定，還可以增加犯罪人員的犯罪成本，對(duì)熱點(diǎn)區(qū)域進(jìn)行單獨(dú)規(guī)劃、重點(diǎn)整治，從而提升公安機(jī)關(guān)整體的預(yù)測(cè)預(yù)警、風(fēng)險(xiǎn)防控等能力，可大大降低犯罪案件的發(fā)生，對(duì)中國(guó)的安全防范治理方面是一項(xiàng)有力的實(shí)例補(bǔ)充。引入POI數(shù)據(jù)對(duì)道路交通網(wǎng)絡(luò)的犯罪影響關(guān)系，可以識(shí)別公安日常工作重點(diǎn)巡邏、關(guān)注地區(qū)，特別是對(duì)作為中國(guó)社會(huì)上目前現(xiàn)有的治安防控管理機(jī)制中的視頻偵察、視頻監(jiān)控、警務(wù)巡邏、降低破窗效應(yīng)類社會(huì)安全事件的發(fā)生具有很重要的指導(dǎo)意義。

表6 多元線性回歸分析Table 6 Multiple linear regression analysis

表7 系數(shù)分析Table 7 Coefficient analysis