北京市长安街沿线的扒窃案件高发区分析及防控对策

Abstract

： Using spatial analysis methods, the geographic pattern of pickpocket incidents along the Chang'an Street in Beijing was examined in this study. First, the crime distribution along the street was identified. The results demonstrate that major crime clustering areas existed in the Xidan business area (A), Jianguomen area (B), and Dawanglu-Sihui Area (C). By comparing the spatial pattern of crimes with population density and point of interest (POI) density along the street, it was found that crimes tended to be clustered around locations having higher POI density. In the next step, spatiotemporal patterns of offences in the three areas were analyzed using kernel density estimation and space-time hotspot matrix. The results indicate that zone A maintained higher crime level between 10 a.m. and 6 p.m. and the peak time appeared at 12 a.m., and the offences concentrated in the major shopping malls. However, in zones B and C, the higher level of crimes occurred in the hours around 6 a.m. and 6 p.m., which are the periods of peak traffic flow in the morning and evening. Lastly, some detailed crime prevention and suppression suggestions and strategies are proposed on the basis of the spatial attributes and blind areas theory.

The impact of COVID-19 prevention and control measures on residential burglary hotspots: A case study of the core urban areas of Beijing

“…第 2 期 张新宇 等：新冠疫情防控措施对入室盗窃犯罪热点的影响 犯罪活动有着巨大的影响。因此， 在疫情防控影响 犯罪变化的研究中， 入室盗窃类案件始终是研究人 员关注的重点犯罪类型。对这一类犯罪的研究中， 在时间效应方面， Hodgkinson 等 [6] 通过分析疫情防 控初期加拿大温哥华市的犯罪数据， 发现入室盗窃 案件的变化并不明显； Koppel 等 [7] 对疫情防控前后 住宅区和公共空间 2 种用地的入室盗窃案件进行了 对比分析， 发现公共场所的入室盗窃增加了 26%， 住宅区减少了 14%， 但犯罪总量基本没有变化； Balmori 等 [8] 对墨西哥的城市犯罪进行了研究， 发现 2020 年 1-10 月疫情防控期间入室盗窃案件经历 了下降和反弹的过程； Chen 等 [9] 针对中国南方某市 的犯罪数据进行研究， 发现入室盗窃案件在疫情防 控初期呈明显的下降趋势。随着疫情的不断发展， 研究人员在获得更多信息的基础上， 也开始从更加 精细化的角度来探讨疫情防控对入室盗窃案件的 影响。如 Mohler 等 [10] 从社交距离变化的层面对疫 情防控期间美国洛杉矶和印第安纳波利斯的入室 盗窃开展研究， 发现入室盗窃案件的变化呈现为明 显的空间异质性， 其中洛杉矶案发量的减少与社交 限制相关， 但印第安纳波利斯的案件变化与社交限 制的关联性并不显著； Halford 等 [11] 结合英国的犯罪 数据和谷歌人口流动性报告发现， 疫情防控期间入 室盗窃案发量的下降与人口流动性的下降有关； Campedelli 等 [12] 对美国芝加哥市的犯罪活动进行分 析， 发现在疫情防控期间， 入室盗窃案件普遍减少， 但不同社区的变化幅度不同， 其中对于 65 岁以上人 口占比越高的社区， 其发生的入室盗窃案件在统计 上显著减少的可能性就越低； Payne 等 [13] 基于澳大 利亚昆士兰 77 个地区的犯罪数据分析， 发现居民区 入室盗窃在疫情防控初期呈现下降趋势， 非居民区 入室盗窃在封城后则经历了先上升后下降的趋势， 其认为当地政府采取的社交限制措施是引发这一变 化的主要原因； 此外， Schleimer 等 [14] 通过研究美国 实施疫情防控措施后 16 [15][16][17] 以及理性选择理论(rational choice theory) [18][19][20] 等经典环境犯罪学观点进行解释。但这些工作大 多集中在城市或社区级尺度， 空间视角相对单一， 不够精细， 并且疫情防控对犯罪活动的影响分析 主要偏重于空间单元内的人口构成、 种族影响 [13] 等因素， 缺少结合地理环境的犯罪空间热点效应的 犯罪活动邻域内的核密度函数之和 [22][23][24] 。点 xi的核…”

Spatiotemporal distribution of drug crimes at micro-scale: Taking NH and DM residential communities in SZ City as an example

“…地 理 科 学 进 展 第 39 卷 时间分布进行研究， 较少从时空整体角度进行研究； 其次， 现有的研究多是大尺度下犯罪时空热点的探 究以及成因分析 [6,[25][26][27] ， 较少从小尺度如街道、 社区等 微观尺度对犯罪热点进行分析， 未能对日常的警务 活动给予指导； 其三， 由于研究中考虑的因素多为宏 观社会因素， 将研究区视为均值、 静态的模型， 忽视 了空间的依赖性和空间异质性， 并且在以往的犯罪 与兴趣点(Point of Interest， POI)因素分析中， 将研究 区域划分为网格， 进而统计网格内的犯罪数据和 POI 类型数据， 破坏了地块的空间连续性 [28][29] [30] 在探究城市犯罪的地域分布时， 使用区位熵的 概念来揭示犯罪的地域分布具有明显的不平衡 性。刘大千等 [31] 提出犯罪率区位熵来反映犯罪的 空间分布情况。柳林等 [32] 对其进行修正， 提出更为…”

Formation and feature analyses of crime hotspots using near repeat principle: A case study of robbery in Beijing

“…第 5 期 郭雅琦 等：基于时空临近重复效应的犯罪热点特征及成因分析 助于确定犯罪空间分布的潜在影响因素； 毛媛媛 等 [9] 对上海市刑事犯罪空间分布与环境因素的关系 分析表明， 用地性质、 零售业和餐饮业单位的密集 度等均与犯罪的空间分布存在相关关系； 柳林等 [10] 发现 ZG 市诈骗犯罪的空间分布与当地的土地利用 [11] 。近年来， 人们 通过实证研究发现不同类型的案件均存在着一定 的时空临近重复效应， 例如， Ratcliffe 等 [12] 证明美国 费城的枪击案件存在有显著的时空临近重复现象， Block 等 [13] 发现美国纽瓦克市的机动车盗窃案件存 在着显著的时空临近重复特征模式。而在描述犯 罪活动的时空临近重复效应机理方面， 人们从犯罪 人员及犯罪区域特征等角度进行了相应的解释。 其中在犯罪人员特征方面， 研究人员发现具有时空 临近重复性特征的案件中有相当大比例的案件为 同一罪犯所为 [14][15] ， 因此人们认为犯罪人的系列犯 罪现象是形成犯罪时空临近重复效应的原因 [11,16] 。 而在犯罪区域特征方面， 有学者则认为一些区域的 功能和结构本身对犯罪人形成了较大的吸引力， 导 致不同类型的犯罪人在热点区域内集中作案， 从而 形成局部区域短时间内案件高发 [17][18][19][20][21] 。因此， 时空 临近重复效应也被人们认为是犯罪热点形成的原 因之一。近年来， 一些研究人员开始尝试通过分析 犯罪活动的时空临近重复效应， 从犯罪热点的局部 空间尺度来解释犯罪热点的形成， 如 Haberman 等 [22] 和 Chainey 等 [23] 发现在一些犯罪热点中部分案件具 有十分显著的时空临近重复特征； 吴玲等 [24] 通过分 析武汉市入室盗窃案件的报警数据， 发现武汉市的 入室盗窃犯罪在一定空间和时间区间内具有时空 临近重复效应， 且连续发生的盗窃案件由同一犯罪 人实施的可能性较高； 徐冲等 [25] 则通过分析 DP 半 件数据共 2372 条， 案件信息字段包括 "案件编号" "发案时间" "经度" "纬度" "作案手段" "发案处所" [27] 。设某点 xi的 的分析方法 [25] 。该方法的分析步骤如下： [25] 提出的犯罪时空临近重复 的发生流程定义时间重复与时空临近重复案件点 对。时间重复案件点对是指一定时间间隔内在同 一地点先后发生的案件点对， 时空临近重复案件点 对是指在一定时间间隔和空间间隔内先后发生的 案件点对。其中， 以 "前案件点" "后案件点" 的概念 解释案件点对的构成， "前案件点" 先于并影响 "后 案件点" 的发生(图 3)。 符合时间重复和时空临近重复关系的一系列 "前案件点" 和 "后案件点" 即构成案件链。根据时 空临近重复计算得出的时空间隔参数， 即可确定时 间重复与时空临近重复案件链的定义规则。定义 时间重复案件链为， "后案件点" 与 "前案件点" 发生 在同一地点， 且两者时间间隔小于既定的时间间隔 参数。定义时空临近重复案件链为， "后案件点" 与 "前案件点" 的时空间隔小于既定的时空间隔参 数。此处将各案件点的经纬度坐标转换为高斯坐 标， 则对于 "前案件点" [32][33][34] 。对此， 根据案件信息， 分别从案件的犯罪 人因素和环境因素 2 个方面对犯罪热点内的案件特 征进行分析。北京市抢劫案件的报警信息中包含 有 "发案时间" "作案手段" "发案处所" "发案部位" "被抢物品类型" 等特征， 其中 "发案时间" "作案手 段" 能够反映出犯罪人的作案习惯以及在犯罪过程 中的偏好性 [35] ， 若热点内案件的发案时间和作案手 段趋于一致则反映出热点内案件很大可能为犯罪 人系列作案， 因此将其归为 "犯罪人因素" 。而 "发 案处所" "发案部位" Abstract: As a significant spatiotemporal characteristic of crimes, repeat and near repeat pattern has received much interest in criminology research. The purpose of this study was to explore the formation process and features of crime hotspots by using near repeat principle.…”