地球信息科学学报 ›› 2021, Vol. 23 ›› Issue (12): 2187-2200.doi: 10.12082/dqxxkx.2021.210069
柳林1,2(), 孙秋远1, 肖露子1,*(
), 宋广文1, 陈建国1
收稿日期:
2021-02-05
修回日期:
2021-03-18
出版日期:
2021-12-25
发布日期:
2022-02-25
通讯作者:
*肖露子(1991— ),女,江西樟树人,博士,讲师,主要从事犯罪地理与时空行为分析。E-mail: xiaoluzi@gzhu.edu.cn作者简介:
柳 林(1965— ),男,湖南湘潭人,博士,教授,博导,主要从事犯罪地理及地理信息科学研究。E-mail: lin.liu@uc.edu
基金资助:
LIU Lin1,2(), SUN Qiuyuan1, XIAO Luzi1,*(
), SONG Guangwen1, CHEN Jianguo1
Received:
2021-02-05
Revised:
2021-03-18
Online:
2021-12-25
Published:
2022-02-25
Supported by:
摘要:
根据日常活动理论,犯罪时空格局与受害者、犯罪者日常活动规律均存在较强关系。但受限于数据获取难度,较缺乏有关犯罪者日常活动与实际警情时空格局的研究。已有文献表明涉毒人员与盗窃等财产犯罪存在较大相关性。基于此,本研究通过分析涉毒人员日常活动对盗窃警情时空格局的影响,验证犯罪者日常活动在塑造盗窃警情时空格局中的作用。本文以中国南部大城市ZG市XT派出所为例,以150 m×150 m的格网为分析单元,采用盗窃警情数据、涉毒人员日常活动数据、POI数据以及巡逻盘查数据,划分不同时间段分别建立泊松回归模型。研究发现:① 相对于传统静态的抓获或警情数据,动态的潜在犯罪者、受害者日常活动数据可更有效地提高盗窃模型的拟合优度;② 相对于全天汇总的总人数,动态近实时的涉毒人员活动与居民活动能更好地解释盗窃的空间分布;③ 静态的土地利用混合度在不同时段对盗窃具有不同的影响作用。以上结果验证了涉毒人员日常活动与盗窃警情的时空格局的关系,研究结论验证和丰富了日常活动理论,可为实际犯罪预测与警力布置提供一定的参考。
柳林, 孙秋远, 肖露子, 宋广文, 陈建国. 涉毒人员日常活动对盗窃警情空间格局影响的时间差异[J]. 地球信息科学学报, 2021, 23(12): 2187-2200.DOI:10.12082/dqxxkx.2021.210069
LIU Lin, SUN Qiuyuan, XIAO Luzi, SONG Guangwen, CHEN Jianguo. The Temporal Influence Difference of Drug-related Personnels' Routine Activity on the Spatial Pattern of Theft[J]. Journal of Geo-information Science, 2021, 23(12): 2187-2200.DOI:10.12082/dqxxkx.2021.210069
表1
各变量名称及其含义
变量类型 | 变量名称 | 计算方法 |
---|---|---|
因变量 | 盗窃警情 | 将2018年的盗窃警情地址通过地理编码生成坐标落点至XT派出所内382个网格中,统计各网格内警情数目 |
潜在犯罪者 | 涉毒人员日常活动 | 对于移动基站估算各个网格人口数据的方法[ |
潜在受害者 | 微信活动人口 | 根据微信活动人口数据计算各个时段网格内活动人口数目 |
监管因素 | 巡逻盘查点 | 用0或1表示各个时段网格内是否有民警巡逻盘查 |
建成环境 | 土地利用混合度 | 根据POI数据通过信息熵公式计算网格内土地利用混合度 |
公交车站 | 各网格内公交车站POI的个数 | |
休闲娱乐设施 | 各网格内休闲娱乐设施POI的个数 | |
农贸批发市场 | 各网格内农贸批发市场POI的个数 | |
购物设施 | 各网格内购物设施POI的个数 |
表2
变量的描述性统计
变量 | 平均值 | 方差 | 最小值 | 最大值 | |
---|---|---|---|---|---|
盗窃警情/起 | 07:00—10:00 | 0.141 | 0.206 | 0 | 4 |
10:00—13:00 | 0.178 | 0.252 | 0 | 4 | |
13:00—16:00 | 0.194 | 0.252 | 0 | 3 | |
16:00—19:00 | 0.181 | 0.269 | 0 | 4 | |
07:00—19:00 | 0.694 | 1.751 | 0 | 8 | |
19:00—07:00 | 0.432 | 1.222 | 0 | 10 | |
涉毒人员日常活动/百人次 | 07:00—10:00 | 0.213 | 0.171 | 0 | 3.958 |
10:00—13:00 | 0.188 | 0.109 | 0 | 1.946 | |
13:00—16:00 | 0.200 | 0.144 | 0 | 2.538 | |
16:00—19:00 | 0.205 | 0.128 | 0 | 1.833 | |
07:00—19:00 | 0.806 | 2.007 | 0 | 9.675 | |
19:00—07:00 | - | - | - | - | |
微信居民活动/千人次 | 07:00—10:00 | 0.398 | 0.232 | 0 | 2.481 |
10:00—13:00 | 0.517 | 0.366 | 0 | 2.908 | |
13:00—16:00 | 0.495 | 0.336 | 0 | 2.705 | |
16:00—19:00 | 0.523 | 0.361 | 0 | 2.585 | |
07:00—19:00 | 1.933 | 5.072 | 0 | 10.650 | |
19:00—07:00 | 1.267 | 2.787 | 0 | 8.747 | |
巡逻盘查点(0或1) | 07:00—10:00 | 0.377 | 0.235 | 0 | 1 |
10:00—13:00 | 0.518 | 0.250 | 0 | 1 | |
13:00—16:00 | 0.508 | 0.251 | 0 | 1 | |
16:00—19:00 | 0.476 | 0.250 | 0 | 1 | |
07:00—19:00 | 0.652 | 0.228 | 0 | 1 | |
19:00—07:00 | 0.545 | 0.249 | 0 | 1 | |
土地利用混合度 | 0.029 | 0.0005 | 0 | 0.124 | |
公交车站/个 | 0.154 | 0.341 | 0 | 5 | |
休闲娱乐设施/个 | 0.236 | 0.622 | 0 | 10 | |
农贸批发市场/个 | 0.325 | 1.180 | 0 | 8 | |
购物设施/个 | 0.387 | 1.267 | 0 | 12 |
表3
不同时段盗窃警情泊松回归模型结果
变量 | 静态数据 (00:00—12:00 ) | 活动数据 (00:00—12:00) | 白天 (7:00—19:00 ) | 夜晚-凌晨 (19:00 —7:00) | 上午 (7:00—10:00) | 中午 (10:00 —13:00) | 下午 (13:00 —16:00) | 傍晚 (16:00—19:00) | ||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
IRR | beta | IRR | beta | IRR | beta | IRR | beta | IRR | beta | IRR | beta | IRR | beta | IRR | beta | |
涉毒人员日常活动/百人 | 1.183 | 0.168*** | 1.205 | 0.187*** | 1.134 | 0.126** | 1.229 | 0.206** | 1.161 | 0.149* | 1.140 | 0.131* | 1.237 | 0.212** | ||
微信活动人口/千人 | 1.739 | 0.553*** | 1.708 | 0.536*** | 1.706 | 0.534*** | 1.981 | 0.684*** | 1.811 | 0.594*** | 1.644 | 0.497*** | 1.480 | 0.392*** | ||
有无民警盘查 | 4.684 | 1.544*** | 4.733 | 1.555*** | 3.248 | 1.178*** | 2.572 | 0.945*** | 1.398 | 0.335* | 1.339 | 0.292 | 2.603 | 0.957*** | 1.937 | 0.661*** |
土地利用混合度 | 1.264 | 0.234*** | 1.201 | 0.183*** | 1.023 | 0.023 | 1.475 | 0.388*** | 1.195 | 0.178 | 0.975 | -0.025 | 1.047 | 0.046 | 1.024 | 0.024 |
公交站点/个 | 1.004 | 0.004 | 1.028 | 0.028 | 1.024 | 0.024 | 1.039 | 0.039 | 1.092 | 0.088 | 0.995 | -0.005 | 0.994 | -0.006 | 1.062 | 0.060 |
休闲娱乐设施/个 | 1.028 | 0.028 | 1.017 | 0.017 | 1.019 | 0.019 | 1.000 | 0.000 | 0.858 | -0.154 | 1.124 | 0.117 | 1.053 | 0.051 | 0.939 | -0.063 |
农贸批发市场/个 | 1.035 | 0.034 | 1.025 | 0.024 | 1.016 | 0.016 | 1.015 | 0.015 | 1.023 | 0.023 | 0.976 | -0.025 | 1.003 | 0.003 | 1.059 | 0.058 |
购物设施/个 | 1.029 | 0.029 | 0.992 | -0.008 | 1.034 | 0.033 | 0.913 | -0.091 | 1.123 | 0.116 | 0.980 | -0.020 | 1.026 | 0.026 | 1.117 | 0.110 |
历史毒品交易点/个 | 1.097 | 0.093*** | ||||||||||||||
居民数目/千人 | 1.952 | 0.669*** | ||||||||||||||
常量 | 0.307 | -1.182*** | 0.311 | -1.168*** | 0.248 | -1.392*** | 0.146 | -1.926*** | 0.063 | -2.764*** | 0.109 | -2.217*** | 0.077 | -2.558*** | 0.090 | -2.411*** |
最大VIF值 | 1.87 | 1.92 | 1.97 | 1.47 | 1.39 | 1.45 | 1.46 | 1.56 | ||||||||
AIC | 937.728 | 868.933 | 674.285 | 526.006 | 262.504 | 339.825 | 326.459 | 331.422 | ||||||||
BIC | 973.237 | 904.442 | 709.794 | 561.514 | 298.013 | 375.334 | 361.968 | 366.931 |
[1] | 肖露子. 入室盗窃者作案地选择的空间特征及其影响因素[D]. 广州:中山大学, 2018. |
[ Xiao L Z. Spatial characteristics of residential burglars' target location choice and its impact factors[D]. Guangzhou: Sun Yat-sen University, 2018. ] | |
[2] | 张维. 吸毒人员基本特征实证研究——以社会预防为视角[J]. 法学杂志, 2018, 39(8):134-140. |
[ Zhang W. Empirical study on the basic characteristics of drug addicts: From the perspective of social prevention[J]. Law Science Magazine, 2018, 39(8):134-140. ] | |
[3] | 马誉宁. 吸毒人员侵财案件侦控对策研究[D]. 北京:中国人民公安大学, 2017. |
[ Ma Y N. Resolution to the prevention and control the crimes against property committed by drug users[D]. Beijing: Chinese People's Public Security University, 2017. ] | |
[4] | 朱飞, 李永升. 有组织犯罪与毒品犯罪的共生模式[J]. 吉首大学学报(社会科学版), 2010, 31(2):142-145. |
[ Zhu F, Li Y S. On symbiotic pattern of organized crime and drug-related crime[J]. Journal of Jishou University (Social Sciences Edition), 2010, 31(2):142-145. ] | |
[5] |
Nurco D N, Shaffer J W. Types and characteristics of addicts in the community[J]. Drug and Alcohol Dependence, 1982, 9(1):43-78.
pmid: 7084023 |
[6] | 姚桂华. 论毒品违法犯罪与其他刑事犯罪的关联性——以长沙市天心区法院判决资料为样本[D]. 湘潭:湘潭大学, 2004. |
[ Yao G H. On the relevancy between drugs crime and other crimes: Taking the verdict data in Tian-Xin district court in Changsha city as sample[D]. Xiangtan: Xiangtan University, 2004. ] | |
[7] |
Cohen L E, Felson M. Social change and crime rate trends: A routine activity approach[J]. American Sociological Review, 1979, 44(4):588.
doi: 10.2307/2094589 |
[8] |
Liu L, Feng J X, Ren F, et al. Examining the relationship between neighborhood environment and residential locations of juvenile and adult migrant burglars in China[J]. Cities, 2018, 82:10-18.
doi: 10.1016/j.cities.2018.04.014 |
[9] |
龙冬平, 柳林, 陈建国, 等. 街头抢劫者前犯罪经历对其后作案地选择的影响[J]. 地理科学进展, 2020, 39(5):815-828.
doi: 10.18306/dlkxjz.2020.05.010 |
[ Long D P, Liu L, Chen J G, et al. Impact of prior crime experiences of street robbers on subsequent crime location choices[J]. Progress in Geography, 2020, 39(5):815-828. ] | |
[10] |
Bernasco W, Johnson S D, Ruiter S. Learning where to offend: Effects of past on future burglary locations[J]. Applied Geography, 2015, 60:120-129.
doi: 10.1016/j.apgeog.2015.03.014 |
[11] |
Brantingham P, Brantingham P. Criminality of place[J]. European Journal on Criminal Policy and Research, 1995, 3(3):5-26.
doi: 10.1007/BF02243080 |
[12] |
Griffiths G, Johnson S D, Chetty K. UK-based terrorists' antecedent behavior: A spatial and temporal analysis[J]. Applied Geography, 2017, 86:274-282. [LinkOut]
doi: 10.1016/j.apgeog.2017.06.007 |
[13] | Rossmo D K, Lu Y M, Fang T B. Spatial-temporal crime paths[EB/OL]. 2012 |
[14] |
Bernasco W. Adolescent offenders' current whereabouts predict locations of their future crimes[J]. PLoS One, 2019, 14(1):e0210733.
doi: 10.1371/journal.pone.0210733 |
[15] | Felson R B, Staff J. Committing economic crime for drug money[J]. Crime & Delinquency, 2017, 63(4):375-390. |
[16] | Hunt D. Stealing and dealing: Cocaine and property crimes[J]. NIDA Research Monograph, 1991, 110:139-150. |
[17] |
Bennett T, Holloway K, Farrington D. The statistical association between drug misuse and crime: A meta-analysis[J]. Aggression and Violent Behavior, 2008, 13(2):107-118.
doi: 10.1016/j.avb.2008.02.001 |
[18] |
Ford J M, Beveridge A A. Neighborhood crime victimization, drug use and drug sales: Results from the “fighting back” evaluation[J]. Journal of Drug Issues, 2006, 36(2):393-416
doi: 10.1177/002204260603600208 |
[19] |
Contreras C, Hipp J R. Drugs, crime, space, and time: A spatiotemporal examination of drug activity and crime rates[J]. Justice Quarterly, 2020, 37(2):187-209.
doi: 10.1080/07418825.2018.1515318 |
[20] |
刘大千, 宋伟, 修春亮. 长春市“两抢两盗”犯罪的空间分析[J]. 地理科学, 2014, 34(11):1344-1352.
doi: 10.13249/j.cnki.sgs.2014.011.1344 |
[ Liu D Q, Song W, Xiu C L. Spatial analysis on robbery, forcible seizure, vehicle theft and burglary in Changchun[J]. Scientia Geographica Sinica, 2014, 34(11):1344-1352. ] | |
[21] | 毛媛媛, 丁家骏. 抢劫与抢夺犯罪行为时空分布特征研究——以上海市浦东新区为例[J]. 人文地理, 2014, 29(1):49-54. |
[ Mao Y Y, Ding J J. Study on spatial-temporal patterns of robbery and snatch: A case study of Pudong new area, shanghaia[J]. Human Geography, 2014, 29(1):49-54. ] | |
[22] |
柳林, 梁斯毅, 宋广文. 基于潜在受害者动态时空分布的街面接触型犯罪研究[J]. 地球信息科学学报, 2020, 22(4):887-897.
doi: 10.12082/dqxxkx.2020.190709 |
[ Liu L, Liang S Y, Song G W. Explaining street contact crime based on dynamic spatio-temporal distribution of potential targets[J]. Journal of Geo-Information Science, 2020, 22(4):887-897. ] | |
[23] |
柳林, 纪佳楷, 宋广文, 等. 基于犯罪空间分异和建成环境的公共场所侵财犯罪热点预测[J]. 地球信息科学学报, 2019, 21(11):1655-1668.
doi: 10.12082/dqxxkx.2019.190358 |
[ Liu L, Ji J K, Song G W, et al. Hotspot prediction of public property crime based on spatial differentiation of crime and built environment[J]. Journal of Geo-information Science, 2019, 21(11):1655-1668. ] | |
[24] |
Song G W, Liu L, Bernasco W, et al. Testing indicators of risk populations for theft from the person across space and time: The significance of mobility and outdoor activity[J]. Annals of the American Association of Geographers, 2018, 108(5):1370-1388.
doi: 10.1080/24694452.2017.1414580 |
[25] |
Bernasco W, Block R. Robberies in Chicago: A block-level analysis of the influence of crime generators, crime attractors, and offender anchor points[J]. Journal of Research in Crime and Delinquency, 2011, 48(1):33-57.
doi: 10.1177/0022427810384135 |
[26] |
McCord E S, Ratcliffe J H, Garcia R M, et al. Nonresidential crime attractors and generators elevate perceived neighborhood crime and incivilities[J]. Journal of Research in Crime and Delinquency, 2007, 44(3):295-320.
doi: 10.1177/0022427807301676 |
[27] |
Song G W, Bernasco W, Liu L, et al. Crime feeds on legal activities: Daily mobility flows help to explain thieves' target location choices[J]. Journal of Quantitative Criminology, 2019, 35(4):831-854.
doi: 10.1007/s10940-019-09406-z |
[28] |
肖露子, 柳林, 周素红, 等. ZG市工作日地铁站点扒窃案件的时空分布及其影响因素[J]. 地理科学, 2018, 38(8):1227-1234.
doi: 10.13249/j.cnki.sgs.2018.08.004 |
[ Xiao L Z, Liu L, Zhou S H, et al. Spatio-temporal pattern of pickpocketing at subway stations on weekdays of ZG city and its influencing factors[J]. Scientia Geographica Sinica, 2018, 38(8):1227-1234. ] | |
[29] |
宋广文, 肖露子, 周素红, 等. 居民日常活动对扒窃警情时空格局的影响[J]. 地理学报, 2017, 72(2):356-367.
doi: 10.11821/dlxb201702014 |
[ Song G W, Xiao L Z, Zhou S H, et al. Impact of residents' routine activities on the spatial-temporal pattern of theft from person[J]. Acta Geographica Sinica, 2017, 72(2):356-367. ] | |
[30] |
高枫, 李少英, 吴志峰, 等. 广州市主城区共享单车骑行目的地时空特征与影响因素[J]. 地理研究, 2019, 38(12):2859-2872.
doi: 10.11821/dlyj020190081 |
[ Gao F, Li S Y, Wu Z F, et al. Spatial-temporal characteristics and the influencing factors of the ride destination of bike sharing in Guangzhou city[J]. Geographical Research, 2019, 38(12):2859-2872. ] | |
[31] |
Shen Y, Zhang X H, Zhao J H. Understanding the usage of dockless bike sharing in Singapore[J]. International Journal of Sustainable Transportation, 2018, 12(9):686-700.
doi: 10.1080/15568318.2018.1429696 |
[32] |
徐冲, 柳林, 周素红, 等. 微观空间因素对街头抢劫影响的空间异质性——以DP半岛为例[J]. 地理研究, 2017, 36(12):2492-2504.
doi: 10.11821/dlyj201712018 |
[ Xu C, Liu L, Zhou S H, et al. Spatial heterogeneity of micro-spatial factors' effects on street robberies: A case study of DP peninsula[J]. Geographical Research, 2017, 36(12):2492-2504. ] | |
[33] |
Shannon C E. A mathematical theory of communication[J]. Bell System Technical Journal, 1948, 27(3):379-423.
doi: 10.1002/bltj.1948.27.issue-3 |
[34] |
Berk R, MacDonald J M. Overdispersion and Poisson regression[J]. Journal of Quantitative Criminology, 2008, 24(3):269-284.
doi: 10.1007/s10940-008-9048-4 |
[35] | 陈强. 高级计量经济学及Stata应用[M]. 北京: 高等教育出版社, 2010. |
[ Chen Q. Advanced econometrics and stata applications[M]. Beijing: Higher Education Press, 2010. ] | |
[36] |
Koper C S. Just enough police presence: Reducing crime and disorderly behavior by optimizing patrol time in crime hot spots[J]. Justice Quarterly, 1995, 12(4):649-672.
doi: 10.1080/07418829500096231 |
[37] | Ratcliffe J H, Sorg E T. The Philadelphia experience[M]// Foot Patrol. Cham: Springer International Publishing, 2017:21-41. |
[38] |
陈鹏, 李欣, 胡啸峰, 等. 北京市长安街沿线的扒窃案件高发区分析及防控对策[J]. 地理科学进展, 2015, 34(10):1250-1258.
doi: 10.18306/dlkxjz.2015.10.005 |
[ Chen P, Li X, Hu X F, et al. Clustering pattern analysis and prevention strategies to pickpocketing offence along the Chang'an Street in Beijing[J]. Progress in Geography, 2015, 34(10):1250-1258. ] |
[1] | 许正森, 徐永明. 整合DMSP/OLS和NPP/VIIRS夜间灯光遥感数据的长江三角洲城市格局时空演化研究[J]. 地球信息科学学报, 2021, 23(5): 837-849. |
[2] | 葛咏, 刘梦晓, 胡姗, 任周鹏. 时空统计学在贫困研究中的应用及展望[J]. 地球信息科学学报, 2021, 23(1): 58-74. |
[3] | 郭文杰, 秦昆, 毛宗福, 王一喆, 汪瑶, 许刚, 马露. “一带一路”成员国居民健康状况的时空统计分析[J]. 地球信息科学学报, 2020, 22(5): 1133-1141. |
[4] | 董鹤松, 李仁杰, 李建明, 李帅. 基于DMSP-OLS与NPP-VIIRS整合数据的中国三大城市群城市空间扩展时空格局[J]. 地球信息科学学报, 2020, 22(5): 1161-1174. |
[5] | 刘纪远, 张增祥, 张树文, 颜长珍, 吴世新, 李仁东, 匡文慧, 史文娇, 黄麟, 宁佳, 董金玮. 中国土地利用变化遥感研究的回顾与展望——基于陈述彭学术思想的引领[J]. 地球信息科学学报, 2020, 22(4): 680-687. |
[6] | 柳林, 梁斯毅, 宋广文. 基于潜在受害者动态时空分布的街面接触型犯罪研究[J]. 地球信息科学学报, 2020, 22(4): 887-897. |
[7] | 罗耀文, 任周鹏, 葛咏, 韩李涛, 刘梦晓, 何亚文. 基于PCA-GWR方法的村级贫困时空格局及致贫因素分析[J]. 地球信息科学学报, 2020, 22(2): 231-245. |
[8] | 武娜, 沈镭, 钟帅. 基于夜间灯光数据的晋陕蒙能源消费碳排放时空格局[J]. 地球信息科学学报, 2019, 21(7): 1040-1050. |
[9] | 李翔, 朱江, 尹向东. 基于夜间灯光数据的中国经济发展时空格局特征[J]. 地球信息科学学报, 2019, 21(3): 417-426. |
[10] | 林文棋, 陈会宴, 谢盼, 李颖, 陈清凝, 李栋. 基于多源数据的北京市朝阳区人口时空格局评估与预测[J]. 地球信息科学学报, 2018, 20(10): 1467-1477. |
[11] | 于琛, 胡德勇, 曹诗颂, 陈姗姗. 2005-2016年北京中心城区热岛时空格局及影响因子多元建模[J]. 地球信息科学学报, 2017, 19(11): 1485-1494. |
[12] | 陈建华, 涂文洋. 网络化地理空间的元胞自动机群体时空格局仿真模型研究[J]. 地球信息科学学报, 2016, 18(2): 167-174. |
[13] | 孙庆龄, 冯险峰, 肖潇. 武陵山区植被净第一性生产力的时空格局及其与地形因子的关系[J]. 地球信息科学学报, 2014, 16(6): 915-924. |
[14] | 贺添, 邵全琴. 基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析[J]. 地球信息科学学报, 2014, 16(6): 979-988. |
[15] | 宋宏权, 刘学军, 闾国年, 张兴国. 区域人群状态的实时感知监控[J]. 地球信息科学学报, 2012, 14(6): 686-692,697. |
|