居民日常活动对扒窃警情时空格局的影响

扒窃现象与居民的日常活动有较强的关系,已有文献研究了不同活动场所对扒窃的影响,但鲜有考虑不同类型居民活动出行量及其场所对扒窃影响的时间差异。本文基于日常活动理论,以南方某大城市为例,以派出所为分析单元,利用居民入户调查问卷、兴趣点（Point of Interest, POI）、扒窃报警数据,检验不同类型活动出行量与扒窃的时间相关性,并划分时间段,建立多个空间滞后负二项回归模型分析不同时段居民日常活动对应场所与扒窃的关系。研究发现,扒窃警情存在明显的时空集聚性,其中,凌晨和早上的集聚性最强,白天和晚上相对较弱;不同类型的日常活动对扒窃时空格局的作用存在差异。买菜活动出行量与扒窃的时间变化存在正相关关系,买菜场所在凌晨和早上容易吸引扒窃者;购物活动与扒窃亦存在较强的时间正相关,白天和晚上在购物场所附近被盗的风险较高;外出吃饭的出行量与扒窃行为无直接关系,但在凌晨和早上餐馆周边容易吸引扒窃者;娱乐活动与扒窃同样存在较强的时间正相关,不同类型的娱乐场所对扒窃的影响存在差异,电影院、酒吧在大部分时间段均会吸引犯罪者,凌晨时段KTV附近区域的被盗风险较高。场所对扒窃的影响主要与犯罪机会吸引（犯罪目标的丰富性、暴露性）及场所自身属性有关（是否为犯罪者的集聚地）。文中最后对时间地理学和犯罪地理学结合的可能性、研究的应用意义等方面进行了探讨。     

北京市长安街沿线的扒窃案件高发区分析及防控对策

本文利用空间分析方法,对北京市长安街沿线的扒窃类案件的空间分布特征进行了研究。首先分析了长安街沿线的犯罪分布状况,发现该长安街沿线共存在3个异常明显的犯罪高发区域,分别对应于西单商业圈(A)、建国门路段(B)和大望路—四惠路段(C),通过将长安街沿线的常住人口与兴趣点(Point of Interest, POI)分布进行比较,发现案件与POI密度较高的区域存在较高的相关性。随后,利用核密度估计方法和时空热点矩阵方法分析了3个异常明显的案件高发区域内的犯罪活动时空分布模式,结果表明：高发区域A的犯罪高发时段为上午10时至下午18时,其中峰值出现在正午12时,犯罪活动主要集中在区域内的一些大型购物场所内;高发区域B和C的犯罪高发时间均为上午6时和下午18时前后,与早晚交通高峰时间比较一致,犯罪活动主要集中在区域内比较重要的公共交通站点附近。最后,根据长安街沿线案件高发区域内犯罪活动的时空规律性特征,提出了犯罪防控措施与建议。     

基于人口学特征的犯罪者行为时空倾向——以长春市南关区为例

聚焦犯罪者视角,基于2010—2016年长春市南关区扒窃犯罪案件数据,运用logit模型揭示犯罪者人口学特征与其行为倾向的关系。实证研究表明：① 相近人口学特征犯罪者具有在相同特定的时间和城市区域实施犯罪行为的倾向和趋势。性别、年龄、教育程度、是否存在前科劣迹和户籍地依次对犯罪者的行为的时间与空间倾向带来了某些特定的影响;② 长春市南关区扒窃犯罪中,男性犯罪者具有在城市道路犯罪的地点倾向和夏季、秋季犯罪的时间倾向,女性犯罪者具有在人口热力值高犯罪的地点倾向和在10~21时犯罪的时间倾向,年长犯罪者呈现在商业、公服设施、道路犯罪的地点倾向和休息日、4~15时犯罪的时间倾向;③ 本地户籍犯罪者具有在商业、公服设施、道路犯罪的地点偏好,有前科的犯罪者有在人口热力高、10~21时犯罪的偏好。     

基于加权时空关联规则的公交扒窃犯罪模式识别

近年来,公交扒窃案呈上升趋势,为了预防和打击此类犯罪,需要有效识别其犯罪模式。传统的犯罪分析方法,往往将时间和空间分割开来研究,本文则引入加权时空关联规则进行挖掘分析,试图找出公交扒窃的案发时空规律。首先,对公交扒窃数据进行时间粒度和空间粒度的划分,将公交主要运营时间以2 h为单位划分成等间隔的公交时段并对其进行编码,将公交线路按公交站点划分成公交路段;其次,对数据进行空间分析和时间归并,提取出每个案件发生的公交路段和案发时段,并将案发时段归并到公交时段中;再次,由于每个公交路段的案发率不同,其对结果的贡献率也不同,因此,给每个路段赋予一个权重;最后,用Apriori算法进行加权关联规则挖掘,得到公交扒窃的时空犯罪模式。研究表明,这种挖掘方法具有以下特点:(1)按公交站点进行公交路段的划分具有创新性;(2)通过对案发路段的加权,能将空间位置重要程度的差异区分开来,更符合实际情况;(3)挖掘过程中同时考虑了时间与空间属性。     

社会隔离与城市居民遭受犯罪侵害的相关性分析——以广州市为例

已有文献对社会隔离和犯罪之间的相关性进行了探讨,但主要聚焦于种族或族群之间的社会隔离,对个体活动联系和情感联系等方面的关注相对不足。文章以1 148份在广州市74个典型社区居住3 a以上居民的问卷为数据基础,构建了社会联系、邻里联系、活动联系和情感联系相结合的社会隔离指标体系,在控制个体基本属性的基础上,探讨了社会隔离与暴力侵害、入室盗窃、社区内扒窃和社区外扒窃四大犯罪类型之间的相关性。结果显示：整体上,社会隔离与居民遭受犯罪侵害具有显著正相关关系,但部分指标和特定犯罪类型之间具有负相关关系。其中,1）与暴力侵害具有显著相关性的指标仅有意见建议（负相关）;2）与入室盗窃具有显著相关性的指标包括社区内亲朋人数（负相关）、社区情感（正相关）和社区管理服务满意度（正相关）;3）与社区内扒窃具有显著相关性的指标包括社区内亲朋人数（负相关）、邻里是否相互串门（正相关）、邻里是否相互借东西（负相关）和居民对社区管理服务的满意度（正相关）;4）与社区外扒窃具有显著相关性的指标包括是否失业（负相关）、邻里关系和谐程度（正相关）、意见建议（负相关）和居民对管理服务满意度（正相关）。总的来看,不同衡量维度的社会隔离与社区的非正式社会控制、居民对犯罪的警惕程度有关,从而导致其对居民遭受犯罪侵害概率的影响存在差异,且这种差异随受侵害类型的变化而发生变化。     

不同街景影像微环境提取方法对街面财产犯罪解释的差异分析

作为城市的骨架，街道网络是人们日常活动的重要载体，其也在很大程度上影响着犯罪事件的分布。因此，街道微环境是研究街面犯罪空间格局及其影响机制的重要切入点。已有研究中基于街景影像的街道微环境度量，多采用语义分割单一技术提取各类环境要素在影像中的像素占比，但该方法不适宜提取行人等离散要素。近期有学者结合使用语义分割和目标检测2种技术来提取影像中复杂的环境要素，但2种方法提取的微环境要素对街面犯罪的解释还未有比较研究。为探究这一问题，本文将百度街景影像作为街道层级建成环境数据，采用上述2种做法分别提取并获得街道微观环境特征变量：第1种做法仅使用语义分割技术将所有要素以像素比例度量；第2种做法用语义分割技术将人行道、建筑、墙面、栅栏、树木和草地以像素比例度量，而用目标检测技术将街面行人和路灯以个数度量。在控制了土地利用混合度、集中劣势、街道长度和密度、犯罪吸引器和发生器后，构建零膨胀负二项回归模型以分析街道微环境特征与街面财产犯罪（如街面盗窃、扒窃）间的关系。模型中分别加入通过两种方式提取的街道微环境特征变量，并比较其对街面财产犯罪影响的差异。研究结果表明：(1)与采用语义分割单一技术提取的街道...     

不同犯罪类型受害者报警行为特点及其影响因素分析

采用问卷调查数据,以理性选择理论为框架,对广州地区扒窃、诈骗、入室盗窃、暴力侵害四大犯罪类型受害者的报警行为进行了分析。研究发现,扒窃和诈骗的发生率较高,但报警率较低;入室盗窃和暴力侵害的发生率较低,但报警率较高。逻辑回归结果表明,损失的财产价值是影响扒窃、诈骗、入室盗窃、暴力侵害受害者报警行为的共同因素,损失越大,报警的可能性越大。此外,户口状态对扒窃报警行为有影响;入室盗窃和暴力侵害的报警行为还受个人客观属性和主观感知的影响。表明西方的理性选择理论框架适用于中国的报警率研究,但在选择具体的衡量指标时应更慎重;在对用公安部门的数据进行犯罪空间分析时,应注意报警率的影响。     

ZG市工作日地铁站点扒窃案件的时空分布及其影响因素

以东南沿海城市ZG市为例,分析工作日地铁扒窃案件的时空分布特征,并进一步结合日常活动理论,探讨其形成机理。研究发现：① 时空分布上,地铁扒窃案件存在早晚2 个峰值,但滞后于地铁客流量高峰;白天,地铁扒窃主要集中在中心城区,在早晚时段,除中心城区外,地铁扒窃在城郊地区也有较多分布。② 影响因素上,地铁扒窃主要受到客流量及建成环境的影响,不同时段影响的因素存在差异。客流量及换乘点在地铁运营的任意时段均对地铁扒窃有正向的影响,地铁站周边的休闲场所对地铁扒窃犯罪的影响主要体现在9:00以后的时段。居住地及工作地虽然整体上对地铁扒窃没有显著影响,但是他们对地铁扒窃案件的作用方向在各时段模型中的作用力度均相反。③ 影响强度上,客流量在不同时段对地铁扒窃的影响强度存在差异,而换乘点及休闲场所在显著的时间段对地铁扒窃的影响力度并无明显差别。     

职业足球比赛期间球场周边扒窃犯罪的空间分布特征研究

现阶段,关于足球比赛等体育活动影响周边区域犯罪风险的研究主要关注于一般性验证,而缺少对比赛期间不同时间范围内犯罪风险的态势分析及相关空间影响因素的研究。本文以英国伯明翰市的维拉公园球场为例开展实证研究,对2005—2009年赛季的104场职业足球比赛在比赛日和对照日、开赛前和开赛后等不同时间范围内球场周边3 km区域内发生的扒窃类案件的空间分布特征进行了分析,并利用负二项回归模型研究了相应案件的空间影响要素。结果表明：维拉公园球场周边区域内比赛日期间的扒窃案件发案量要明显高于对照日,而在具体的时间分布上,比赛日开赛时间前2小时到开赛后1小时内发生的扒窃案件显著偏多,并且案件在比赛日和对照日、比赛日的开赛前和开赛后期间的空间分布特征明显不同;回归分析结果显示,比赛日期间餐饮消费类场所的扒窃案件风险较为突出,且高于对照日,而对照日期间的扒窃案件风险则主要集中于休闲娱乐等常规性犯罪热点场所;在比赛日的开赛前,扒窃案件风险主要分布于一些人群聚集的公共场所,而在开赛后则主要集中于餐饮类场所,且随着比赛的开始扒窃案件的风险有转移的趋势。本研究对开展基于大数据分析的大型体育活动的犯罪风险精准防控具有一定的指导意义。