鄧宜為，李英冰*，閆從政

（1.武漢大學(xué) 測(cè)繪學(xué)院，湖北 武漢 430079；2.貴州省第一測(cè)繪院，貴州 貴陽(yáng) 550025）

犯罪事件是當(dāng)代世界“和平與發(fā)展”主題的兩大威脅之一[1]。通過(guò)研究犯罪現(xiàn)象的空間發(fā)生、發(fā)展和分異規(guī)律可對(duì)犯罪進(jìn)行預(yù)防和控制[2]。2020年5月25日因喬治·弗洛伊德事件掀起的抗議浪潮引發(fā)了“漣漪效應(yīng)”[3]；截至6月3日，事件引起的抗議和騷亂已蔓延至全美140個(gè)城市，超過(guò)兩萬(wàn)名國(guó)民警衛(wèi)隊(duì)人員被部署在美國(guó)多地[4]。通過(guò)研究群體性抗議活動(dòng)中犯罪事件的時(shí)空熱點(diǎn)和犯罪驅(qū)動(dòng)因子可對(duì)警力資源調(diào)配和犯罪防控提供理論依據(jù)[5]。

國(guó)內(nèi)外已有不少學(xué)者對(duì)犯罪熱點(diǎn)及其因子分析進(jìn)行了研究，在時(shí)間維度上，陳鵬[6]等分析了不同類(lèi)型犯罪事件在一天內(nèi)的分布情況，結(jié)果表明詐騙犯罪具有明顯的時(shí)間選擇性；在時(shí)空維度上，Townsley M[7]有效結(jié)合時(shí)間和空間信息，利用熱點(diǎn)圖法進(jìn)行犯罪時(shí)空分布模式的研究；徐沖[8]等利用Kernel密度法剝離出犯罪空間熱點(diǎn)，并利用PAI指數(shù)對(duì)熱點(diǎn)區(qū)域穩(wěn)定性進(jìn)行了評(píng)價(jià)，從而對(duì)不同模式犯罪提出了針對(duì)性防控對(duì)策；朱艷麗[9]等利用時(shí)空立方體模型解決了搶劫犯罪案件的時(shí)空冷熱點(diǎn)分布問(wèn)題，但并未針對(duì)犯罪熱點(diǎn)的影響因子展開(kāi)分析；在環(huán)境影響因素方面，陳鵬[10]等利用統(tǒng)計(jì)回歸方法研究了天氣變量對(duì)入室盜竊犯罪事件的影響，結(jié)果表明日案發(fā)量與日平均氣溫之間存在顯著正相關(guān)；ZHU L[11]等利用層次貝葉斯模型分析了暴力犯罪與社會(huì)經(jīng)濟(jì)、酒品銷(xiāo)售點(diǎn)密度之間的關(guān)系；在微觀影響因子方面，現(xiàn)有研究表明商超[12]、醫(yī)院[13]、酒吧[14]、道路網(wǎng)絡(luò)[15]和人口密度[16]等微觀因子與犯罪事件顯著相關(guān)。探究犯罪事件與社會(huì)環(huán)境之間的影響機(jī)制已成為犯罪地理學(xué)的一大熱點(diǎn)[17]。本文以美國(guó)弗洛伊德抗議活動(dòng)中紐約市犯罪事件為例，提出了“時(shí)空熱點(diǎn)—因子”犯罪分析組合模型，探究了抗議活動(dòng)中的熱點(diǎn)犯罪事件及其時(shí)空熱點(diǎn)，服務(wù)于犯罪防控預(yù)測(cè)和警力部署。

1 數(shù)據(jù)來(lái)源和分析方法

1.1 數(shù)據(jù)來(lái)源

犯罪數(shù)據(jù)來(lái)源于紐約的官方數(shù)據(jù)網(wǎng)站。根據(jù)社會(huì)解組理論和日常活動(dòng)理論選取人口、酒吧、學(xué)校、地鐵、消防站、商超、路網(wǎng)、警區(qū)、監(jiān)控、失業(yè)率、貧困率和在家辦公率12個(gè)環(huán)境因素作為潛在的風(fēng)險(xiǎn)因子，其中人口密度數(shù)據(jù)來(lái)源于世界人口密度官方網(wǎng)站，失業(yè)率、貧困率和在家辦公率數(shù)據(jù)來(lái)源于kaggle網(wǎng)站的官方統(tǒng)計(jì)數(shù)據(jù)，其余因子皆來(lái)源于openstreetmap網(wǎng)站。

1.2 分析方法

“時(shí)空熱點(diǎn)—因子”組合模型如圖1所示，主要包括時(shí)空熱點(diǎn)分析和熱點(diǎn)因子探測(cè)兩個(gè)部分，主要分支方法為平均最近鄰、熱力圖和地理探測(cè)器。

圖1 “時(shí)空熱點(diǎn)—因子”組合模型

1.2.1 犯罪數(shù)據(jù)獲取

本文對(duì)紐約市的犯罪數(shù)據(jù)進(jìn)行整理，將其分為逮捕、縱火、襲擊、入室盜竊、搶劫、槍擊、偷盜7種類(lèi)型。

1.2.2 時(shí)空熱點(diǎn)分析

本文采用平均最近鄰法和熱力圖法對(duì)異常事件進(jìn)行時(shí)空熱點(diǎn)分析。熱力圖是一種熱點(diǎn)映射技術(shù)，可直觀解釋犯罪事件的空間分布。平均最近鄰法可分析空間要素的分布類(lèi)型，其分布特征由最鄰近距離比率來(lái)體現(xiàn)，表達(dá)式為：

式中，為每個(gè)要素點(diǎn)與其最近鄰點(diǎn)之間的平均距離；為以隨機(jī)模式給出的n個(gè)點(diǎn)的預(yù)期平均距離；di為點(diǎn)i與其最鄰近點(diǎn)之間的距離；n為總要素點(diǎn)數(shù)；A為總面積。ANN值小于1，表示犯罪點(diǎn)呈聚集模式。

1.2.3 熱點(diǎn)因子探測(cè)

地理探測(cè)器是探測(cè)空間分異性和揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法[18]。根據(jù)地理探測(cè)器模型，以q值來(lái)衡量某因子X(jué)對(duì)犯罪熱點(diǎn)的空間分異度，計(jì)算公式為：

式中，將研究區(qū)按照因子X(jué)分為h個(gè)子區(qū)域，h=1，2，…，L；L為因子X(jué)的分類(lèi)數(shù)；一個(gè)類(lèi)型h對(duì)應(yīng)空間上一個(gè)或多個(gè)子區(qū)域，nh為因子X(jué)等級(jí)h內(nèi)的樣本數(shù)，即其中一層；n為全區(qū)所有樣本數(shù)；σh2、σ2分別為本層和全區(qū)的犯罪數(shù)量值方差。q的取值范圍為[0,1]，值越大，表示該因子的解釋能力越強(qiáng)。

風(fēng)險(xiǎn)探測(cè)器通過(guò)比較因子在不同等級(jí)時(shí)犯罪率均值的顯著性差異來(lái)探測(cè)存在潛在犯罪風(fēng)險(xiǎn)的區(qū)域，采用統(tǒng)計(jì)量t進(jìn)行檢驗(yàn)，即

式中，為子區(qū)域內(nèi)的犯罪均值；nh為子區(qū)域樣本數(shù)。

2 入室盜竊犯罪事件時(shí)空熱點(diǎn)分析

2.1 異常犯罪事件類(lèi)型探測(cè)

本文對(duì)紐約市犯罪事件進(jìn)行時(shí)間序列分析，結(jié)果如圖2所示，可以看出，犯罪數(shù)量受疫情影響3月中下旬開(kāi)始急劇下降，在弗洛伊德事件發(fā)生后回升，隨著矛盾的加劇6月1日達(dá)到峰值；只有入室盜竊事件在抗議活動(dòng)發(fā)生后有明顯波動(dòng)，且時(shí)間線(xiàn)與弗洛伊德事件符合；2018年和2019年的入室盜竊犯罪事件全年均為穩(wěn)定波動(dòng)，排除了季節(jié)等周期影響，確定入室盜竊事件為抗議活動(dòng)中的異常犯罪事件。

圖2 紐約犯罪事件時(shí)間序列分析

2.2 紐約市入室盜竊事件時(shí)空熱點(diǎn)分析

本文以q=0.05為分界點(diǎn)，對(duì)2020年5月20日—6月10日的入室盜竊犯罪事件進(jìn)行平均最近鄰分析，結(jié)果如圖3所示，可以看出，入室盜竊犯罪事件在5月27日—6月4日呈現(xiàn)出較強(qiáng)的空間聚集或分散狀態(tài)，除5月29日為分散狀態(tài)外，其余時(shí)間均為較強(qiáng)聚集狀態(tài)。

圖3 紐約市入室盜竊事件平均最近鄰分析結(jié)果

本文對(duì)入室盜竊事件進(jìn)行熱點(diǎn)分析，結(jié)果如圖4所示，可以看出，入室盜竊犯罪事件數(shù)量在各區(qū)分布十分不均，有明顯轉(zhuǎn)移趨勢(shì)，主要集中在曼哈頓區(qū)西南部和布朗克斯區(qū)的西南部。

圖4 入室盜竊事件空間熱點(diǎn)圖

3 入室盜竊事件的影響因素分析

3.1 入室盜竊事件因子探測(cè)

本文以5月27日—6月4日為活躍期，并以5月1日—5月24日以及抗議活動(dòng)趨于穩(wěn)定的6月11日—7月10日兩個(gè)時(shí)段為對(duì)照，利用地理探測(cè)器進(jìn)行因子探測(cè)，結(jié)果如圖5所示，可以看出，在抗議活動(dòng)活躍期，酒吧密度、地鐵密度和商超密度對(duì)入室盜竊空間分布的解釋力明顯提升，且酒吧密度的q值最大，地鐵密度次之，表明酒吧和地鐵的分布是決定抗議活動(dòng)中入室盜竊空間分布格局最主要的環(huán)境因子。

圖5 入室盜竊事件影響因子解釋力統(tǒng)計(jì)

3.2 入室盜竊事件風(fēng)險(xiǎn)探測(cè)

根據(jù)圖5中q值的大小，本文選取前9個(gè)因子，利用風(fēng)險(xiǎn)探測(cè)器進(jìn)一步分析各影響因子在其分類(lèi)下的犯罪風(fēng)險(xiǎn)，結(jié)果如圖6所示，可以看出，除監(jiān)控密度和在家辦公率外，其余因子隨著數(shù)量等級(jí)的升高，即社會(huì)經(jīng)濟(jì)環(huán)境越好，相應(yīng)區(qū)域的入室盜竊數(shù)量在總體上呈增加趨勢(shì)，抗議活動(dòng)發(fā)生后增加的幅度更為明顯；監(jiān)控密度在等級(jí)4時(shí)出現(xiàn)了低值，原因可能是入室盜竊犯罪數(shù)量越多的地區(qū)更注意加強(qiáng)其監(jiān)控措施；在家辦公率在等級(jí)4時(shí)達(dá)到最大值，在等級(jí)6時(shí)為0，原因可能是人員聚集導(dǎo)致外來(lái)人員犯罪或臨時(shí)起意的犯罪，對(duì)本地區(qū)熟悉度較低。

圖6 入室盜竊事件各影響因子的犯罪風(fēng)險(xiǎn)等級(jí)分類(lèi)

3.3 入室盜竊事件交互探測(cè)

本文通過(guò)交互探測(cè)器得到因子的交互作用結(jié)果，如表1所示，可以看出，各影響因子兩兩交互作用時(shí)均大于一種變量的獨(dú)自作用；酒吧密度與監(jiān)控密度之間的交互作用最大，為0.866；較強(qiáng)的交互增強(qiáng)效應(yīng)主要體現(xiàn)在地鐵密度和酒吧密度與其他因子的交互作用時(shí)，因此地鐵密度和酒吧密度是入室盜竊空間分布的主要影響因子。

表1 交互探測(cè)結(jié)果

4 結(jié)語(yǔ)

針對(duì)群體性抗議活動(dòng)，本文提出了“時(shí)空熱點(diǎn)—因子”組合模型，考慮了不同犯罪類(lèi)型的影響，并從微觀角度研究了12類(lèi)環(huán)境因子對(duì)犯罪事件空間分布的影響，可提高大型群體性事件中犯罪事件防控的精確度，為防控和警力部署提供更準(zhǔn)確的建議。

針對(duì)研究結(jié)果提出以下預(yù)防和應(yīng)對(duì)建議：在抗議活動(dòng)發(fā)生后，需重點(diǎn)加強(qiáng)對(duì)入室盜竊犯罪事件的防范，尤其是曼哈頓區(qū)西南部和布朗克斯區(qū)西南部的酒吧、地鐵密集地區(qū)；應(yīng)加強(qiáng)警力資源，以減少人員聚集；提醒民眾可能會(huì)存在大量外來(lái)人員作案，監(jiān)控和警力密集地區(qū)的民眾也不能放松警惕。