EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 1: 29 - 42

DOI: https://doi.org/10.12082/dqxxkx.2021.200482

Research Progress on Policing Strategy of Crime Prevention and the Evaluation of Its Effectiveness in Space and Time

  • LIU Lin , 1, 2 ,
  • WU Yuhan 1 ,
  • SONG Guangwen , 1, * ,
  • XIAO Luzi 1
Expand
  • 1. Center of GeoInformatics for Public Security, School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, China
  • 2. Department of Geography, University of Cincinnati, Cincinnati OH45221-0131, USA
*SONG Guangwen, E-mail:

Received date: 2020-08-22

  Revised date: 2020-10-25

  Online published: 2021-03-25

Supported by

Research Team Program of Natural Science Foundation of Guangdong Province, China(2014A030312010)

National Natural Science Foundation of China(41901177)

Natural Science Foundation of Guangdong Province, China(2019A1515011065)

Key Project of Science and Technology Program of Guangzhou City, China(201804020016)

National Key Research an Development Program of China(2018YFB0505500)

National Key Research an Development Program of China(2018YFB0505503)

Key Program of National Natural Science Foundation of China(41531178)

Copyright

Copyright reserved © 2010.
Fold

Abstract

Policing strategy of crime prevention is one of the important topics in crime geography.This paper systematically reviews the development and progress of policing strategy from three aspects: the characteristics of different types of crime prevention policing strategies, crime prevention experiments and the evaluation of crime prevention effectiveness. Our research shows that: ① Community policing, problem-oriented policing , hot spots policing and intelligent policing are the four main types of crime prevention policing strategies. Community policing takes the community as a unit and reduces crime through cooperation between the police and the local residents; Problem-oriented policing aims at identifying and solving social problems through a structured approach named SARA (Scanning, Analysis, Response, Assessment). Hot spots policing makes policing plan based on crime hot spots, and intervenes crime hot spots to reduce crime. Intelligent policing uses advanced technologies such as big data and artificial intelligence for more effective policing prevention. ② Crime prevention experiments compare the changes of crime before and after the intervention of police strategy between the experimental group and the control group. Most policing experiments are mainly focused on hot spots policing, which typically reduces crime in the experimental area, but may displace crime or diffuse the benefits of crime reduction to the neighboring areas; ③ Traditional police prevention evaluation mainly considers three aspects: detection rate, public security perception and social and economic benefit. To evaluate the effect of crime displacement or benefits diffusion, scholars put forward Weighted Displacement Quotient (WDQ), Spatio-Temporal Weighted Displacement Quotient (STWDQ), Difference in Differences (DID), Propensity Score Matching (PSM),integration of DID and PSM（PSM-DID）and DID-based quadrant method to measure the space-time benefits of policing strategies. In sum,while there exist abundant international research on policing strategy about crime prevention and evaluation of their space-time benefit such research in China still remain in its infancy. In the end, this paper further discusses the direction of future research on China's policing strategy.

Key words： crime prevention; policing strategy; policing experiment; hot spots policing; evaluation of spatio-temporal effectiveness; crime displacement; benefits diffusion; weighted displacement quotient; difference-in-differences model

Cite this article

LIU Lin , WU Yuhan , SONG Guangwen , XIAO Luzi . Research Progress on Policing Strategy of Crime Prevention and the Evaluation of Its Effectiveness in Space and Time[J]. Journal of Geo-information Science, 2021 , 23(1) : 29 -42 . DOI: 10.12082/dqxxkx.2021.200482

1 引言

当下,群众的公共安全需求日益增长,而警力资源有限,日趋复杂的犯罪形势与相对落后的防控手段之间的矛盾掣肘着平安城市的建设。警务防控活动能有效降低防控区域的犯罪,同时有可能对周边区域的犯罪起到抑制作用（效益扩散）[1,2],也有可能导致犯罪的转移[3],影响犯罪防控的整体效益。因此,如何制定有效的警务策略及其科学的时空效益评估方法以提高警务效率,是当前犯罪防控警务策略研究亟待解决的问题。
警务策略的制定与犯罪地理学的理论密切相关。作为一门研究犯罪现象的空间发生、发展和分布规律的学科[4],犯罪地理学为犯罪防控和警务实践提供科学依据和理论指导。具体而言,日常活动理论认为当有动机的犯罪者、合适的犯罪目标和监管的缺失三大主体在同一时空中耦合时,犯罪行为就会发生[5];理性选择理论假设犯罪行为主体主要受到成本收益风险3个维度的影响,当犯罪成本和风险大于犯罪收益时,犯罪行为就可以得到有效控制[6];犯罪模式理论则认为犯罪分子的活动轨迹依托于人们日常活动轨迹[7]。这些理论阐明了犯罪空间格局背后的机理,为犯罪防控警务策略提供思路和依据。相应地,开展犯罪防控警务策略研究亦有助于进一步完善我国犯罪地理的研究体系,推动犯罪地理学的发展。
纵观警务与犯罪防控发展历程,此类研究主要集中在西方,并取得了丰硕的研究成果。大量的实证研究表明有针对性的防控效果更好,如社区警务、问题导向警务、热点警务和智能警务等警务策略能有效减少犯罪的发生。此外,针对犯罪防控产生的犯罪转移或效益扩散,国外学者也提出了相应的研究方法。反观国内,此领域的研究仍较缺乏。当前,中国犯罪形势不断发生变化,给社会的长治久安带来了较大的挑战。汲取国外警务研究的经验,并结合本国国情和社会发展现状,探讨适合我国警务发展的对策和建议,将不仅有利于我国犯罪地理研究体系的完善,而且对中国的警务实践也具有积极的指导意义。因此,本文将系统梳理国外犯罪防控警务策略研究,并总结经验教训,以期为中国警务实践发展提供新的思路。

2 犯罪防控警务策略研究的核心内容

警务的基本定义是指警察机关的工作和行为[8]。本研究中的犯罪防控警务策略则是指充分利用各种资源与技术手段,解决社会发展中存在的各种犯罪问题和隐患。此类研究的目的是认识和对比能有效减少犯罪发生的警务措施,以提高警务资源利用效率。经梳理,犯罪防控警务策略的研究可划分为5个阶段：传统警务阶段（20世纪60年代以前）[9,10]、社区警务阶段（20世纪60年代）[11]、问题导向警务阶段（20世纪70年代）[12]、热点警务阶段（20世纪80年代）[13]、以智能警务为代表的警务发展阶段（20世纪90年代）[14]。

2.1 社区警务（Community Policing）

20世纪60年代Kerner的调查报告中首次提到社区警务,于20世纪70—80年代在英美等西方国家盛行[15],研究的主要国家是英美两国,代表学者有Alderson、Skogan等。社区警务出现的原因在于,传统警务是一种依靠被动接警处理问题的静态治安警务,办案效率低下,犯罪防控效果无法满足公众的预期[16]。而社区警务采用主动预防的方式,以社区为基本单位,通过警民合作的方式,让社区公众也参与到警务系统中来,从而增强社区居民的安全感。其主要模式以警察为主导,社区组织机构为纽带,让社区居民参与警务活动,主动干预社区治安管理（图1）。
图1 社区警务流程

Fig. 1 Community policing process

社区警务与犯罪地理学中的社会失序理论密切相关。社会失序理论强调社区内正式控制与非正式社会控制在犯罪防控中的作用[17]。正式控制指依靠社区内警察的巡逻打击违法犯罪活动,非正式社会控制指代社区内的邻里关系,较好的邻里关系能够起到监督的作用,抑制犯罪的发生。因此,社区警务将正式控制与非正式社会控制较好的结合,优化了传统警务,改善犯罪防控效果。
在社区警务的实践中,社区通过开设小型社区分站,出版时事通讯,开展教育宣传活动并进行社区巡逻等方式主动预防犯罪[18]。此外,警察不再仅依靠步行巡逻和警车巡逻的工作方式,而是通过下放权力到地方,以达到公众和其他机构被动员起来共同解决犯罪问题,如协商、适应、动员等[19]。但是,社区警务也并不是毫无缺点。① 由于人口的流动性造成社区内人口不断更替,原住民与新成员之间缺乏共同的社会规范、价值观和生活方式,导致邻里之间良好关系难以维系,增加了社区管理的难度和犯罪发生的隐患[20]。② 参与社区警务的人员为支持实施社区警务的代表组成,参与的人群多为经济实力较强的中产阶级,而那些对警察不满的人很难参与其中,这将不利于社区警务的开展[21,22]。③ 在实际运作中,公众参与社区问题解决的程度较低,仍旧是警察主导型。

2.2 问题导向警务（Problem-Oriented Policing）

由于社区警务过分关注社区管理,忽略了社区内部存在的问题,20世纪70年代以后,Herman Goldstein提出问题导向警务[12]。研究的国家以英美两国为主,代表学者有Goldstein、Sherman等。问题导向警务的主要任务是找出对个人、警察或政府可能产生威胁的问题,制定战略对策,化解个人之间、群体之间或公民与其政府之间的矛盾冲突,从而有效处理社会问题。因此,可以看出,在问题导向警务中,问题是第一位,问题导向警务策略更具有针对性、目的性和系统性。
问题导向警务的思路与情境预防理论的理念具有相通之处。情境预防理论的关键在于通过具体的环境设计提高作案难度和犯罪成本,达到犯罪防控的目的[23]。该理论强调场所和机会在犯罪行为产生中的作用。问题导向警务核心在于抓住问题的本质,其通过科学的方法找出问题场所或地区,并采取有效干预措施,从而改变诱发犯罪的具体情境抑制犯罪[24]。
问题导向警务主要运用问题分析三角（Problem Analysis Triangle）[25]和SARA（Scanning Analysis Response Assessment）问题解决模式分析问题[26]。问题分析三角从人类行为活动和安全设备2个方面考虑,将问题分析三角划分为内三角和外三角[27]。内三角由犯罪者或投诉来源、受害者或受害者类别及位置或位置特征3个因素构成,其分别对应外三角的监护者、守卫者和管理者3个因素。问题分析三角与日常活动理论密切相关,当任一管控力量在内三角中缺失,犯罪行为就会发生。
SARA由扫描、分析、响应和评估4个环节构成：首先识别问题,再进行问题分析,接着警方对分析结果作出响应,最后评估和衡量应对措施在处理问题方面的有效性（图2）。因此,与其他策略相比,问题导向警务更体现了解决问题的高效性和针对性。但需要注意的是,使用SARA模式的前提是必须有足够的重复案件才能甄别问题类型,后续环节才能科学运行。显然,非重复犯罪案件无疑暴露了问题导向警务的不足之处。当前,问题导向警务的研究已日益成熟,大部分研究通过随机对照实验等科学严谨的评估方法证实该警务策略在控制犯罪和减少混乱方面的有效性[25]。
图2 问题导向警务流程[26]

Fig. 2 Problem-oriented policing process

虽然问题导向警务比其他警务策略具有一定的优势,但其仍然存在一些问题：① 问题导向警务针对重复犯罪等治安案件,易忽视非重复犯罪问题的解决;② 涉及警察部门收集的数据具有主观性、不一致性、滞后性[28],这可能与警方的需求和分析人员的自身能力有关,这些因素都会影响到问题导向警务的执行力度和结果的满意度;③ 问题导向警务注重犯罪案件的收集和问题分析的能力,这就决定其在设备先进和高素质分析人员聚集的大城市以及警察机构中更具备优势[29]。

2.3 热点警务（Hot Spots Policing）

热点警务的出现可追溯到20世纪80—90年代警务实验的经验、理论和技术创新[30]。研究的国家以英美等西方国家为主,代表学者有Weisburd、Braga等。外国学者研究发现,城市犯罪集中在少数地区,这些地区的犯罪案件占所有犯罪案件的一半,而其他地点却很少发生犯罪。这让学者意识到将警察的注意力和有限的资源放在产生高犯罪的问题场所或者区域,犯罪问题可以有效减少[31]。为此,热点警务基于犯罪热点,制定防控方案,主动干预热点区域[32]。
热点警务策略依赖于犯罪地理学的理论支撑[33]。① 日常活动理论中的监管者与警务息息相关。热点警务利用这一点,动态调整监管者活动的时空范围,即根据犯罪者的作案热点安排警务活动,从而高效监管和打击犯罪。② 理性选择理论中的三大维度之一风险与警务防控密不可分,热点警务通过在热点地区加强巡逻,增大了犯罪者的作案风险和难度,直接或间接地抑制犯罪的发生。
热点警务实验中,警务人员一般先通过数据分析识别犯罪热点,并借助地理信息系统的犯罪制图技术进行犯罪热点制图和巡逻方案的制定,在此基础上,根据警务方案安排警务人员进行巡逻。警务巡逻实验大多是采用直接巡逻的方式来回穿梭在犯罪热点中,并在固定犯罪热点定点停留[34],停留时间一般以15 min左右为最佳[35,36]。此后,警务人员对警务实验前后的犯罪数据进行评估,并据此动态分析犯罪分布和调整警务巡逻方案（图3）。为了验证热点警务的有效性,国外学者大多采用随机对照实验的方式进行研究[37],即将人为干预的地区设为实验组,按传统方式进行巡逻的地区设为对照组,二者进行比较和评估,从而验证实验组是否能够在热点警务干预下达到减少犯罪的目的。经大量研究证实,热点警务是一种有效的犯罪预防策略[38,39]。
图3 热点警务流程

Fig. 3 Hot spots policing process

2.4 智能警务（Intelligent policing）

20世纪90年代以来,智能警务顺应时代潮流,旨在实施以大数据战略为路径,云计算、人工智能、物联网为技术支撑,依靠无人机以及视频监控等技术开展警务防控的警务新形态。智能警务是多源异构大数据与人工智能等技术融合驱动下的产物。它通过监控摄像头等先进的基础感知设备收集数据,并利用机器学习等技术构建犯罪预测模型,为警方分析研判提供科学依据,从而实现对高发案件的动态掌控和突发事件的提前预警（图4）。智能警务与其它警务的不同之处在于运用先进算法和技术手段预测犯罪行为的时空范围,科学高效地安排警务活动。但需要注意的是,新警务模式的出现并不意味着旧警务模式的消失,它们只是在表现形式上存在差异。
图4 智能警务流程

Fig. 4 Intelligent policing process

智能警务的核心在于应用了以随机森林为代表的机器学习算法[40]。一方面,机器学习算法实现了海量数据的挖掘与整合,能够全方位动态感知事物发展的特征和规律,为后续的数据分析和犯罪预测的精确度打下扎实的基础;另一方面,机器学习经过大量的训练学习,利用强大的算法提高预测的准确性,警方据此针对性监控犯罪风险人群的活动轨迹,预防犯罪事件的发生[41]。目前,机器学习算法中常见的随机森林、人工神经网络、贝叶斯模型等多种算法被广泛用于犯罪预测,其中随机森林被认为具有较高的预测准确度[42]。
当前,智能警务经过评估,已被证实能够有效控制和降低犯罪,如参与智慧警务倡议的10个实验城市的调查报告表明,基于智能警务投放警力能够显著预防和控制犯罪[43]。
随着警务的智能化发展,可预见的是,今后警务的发展趋势主要有以下3个特点：
（1）智能警务支持下的“混合型”的多种警务策略模式并存。智能警务运用视频监控、大数据等现代科技手段,实现数据的智能化收集和处理。在此背景下,不同类型的警务模式借助智能警务的技术框架,获取和挖掘有用信息,形成“智能+”的警务新模式[44],如智能社区警务、智能问题导向警务、智能热点警务等模式。
（2）对数据和智慧城市的建设更加重视,智能警务亦将更加精准。近年来,国家大力推动智慧城市的建设,如基础感知设备的安装和升级,大数据服务平台的建设和优化等,为智能警务的发展奠定基础。智能警务系统建立在海量数据之上,5G和AI技术的应用为智能警务提供海量数据和高品质数据,智能警务系统利用机器学习能力得以不断优化,数据处理、分析和预测也更加科学准确。
（3）智能警务的发展将使资源配置更加高效。智能警务发展有助于构建精准高效的指挥体系。其通过对社会进行全方位的综合感知,整合资源之间的内在联系,警方根据警务系统的分析和研判,结合自身需要灵活调整和调度警务资源。再者,智能警务的信息化可实现跨地区的信息资源及核心资源的共享,实现跨地区、跨警种的联防合作,促使资源利用效率最优化。
总之,随着社会安全形势的变化和技术革新,犯罪防控警务策略也时移势迁。虽然社区警务、问题导向警务、热点警务和智能警务均是主动干预减少犯罪,但四者之间仍存在差异。社区警务通过社区警民合作,维护社区治安和提升社区犯罪防控能力。问题导向警务通过对问题的深入分析,找出问题的根源并提出有效解决方案。热点警务通过对犯罪时空热点的挖掘,采取极具针对性的巡逻和定点驻防相结合的范式巡逻,有效打击和预防热点区域的犯罪。智能警务采用先进的信息技术手段分析和处理各项问题,在社会中渗透性更强,对信息处理能力和技术设备的要求较高。警务部门应该基于信息化水平及数据分析能力,采用最合适的犯罪防控警务策略。

3 警务策略效益的检验方式

警务策略效益评估是评价当前警务防控方案和犯罪案件侦破效果的重要依据,因此,理解警务策略效益的检验方式对构建合理的警务效益评估体系,并指导警务工作有重要意义。

3.1 传统警务效益的检验方式

传统警务效益评估一般包括3个主要指标： ① 破案率或逮捕率;② 公众的安全感知和满意度;③ 社会经济效益。据现有研究,建立环比、同比等指标评估方案实施前后案件数量及破案率的变化在警务效益评估中是较常见的方法[45]。也有学者通过构建多智能体模型、犯罪时空影响模型对警务防控方案效果进行评估[46,47]。公众安全感知或者公众对犯罪的恐惧感作为警务效益评估的重要组成部分[48,49],也被公安部公共安全研究所于1988年和1991年用于全国警务效果评估[50]。目前,也有学者将社会经济效益纳为重要指标用来评估警务效益。如夏德才将经济、社会、人口、地域等因素纳入到社会治安评估体系中,计算社会治安综合得分,从而提出针对性的建议和对策[51]。
显然,传统警务效益的检验方式并没有制定针对性的警务方案,无法判断警力安排和投入力度是否最优,同时也未能有效评估警务干预前后的警情变化及对周边地区（缓冲区）的影响。因此,需要具有针对性的警务实验进一步检验警务实施效益。

3.2 现代警务效益的检验方式——警务实验

警务实验是基于科学制定的警务方案安排警务活动。相比传统警务效益的检验方式来说,警务实验弥补了其无法检验警务时空效益的不足。当前,警务实验主要集中在国外,国内还未见报道。
目前开展的警务实验主要是指,在掌握当地犯罪规律的基础上,针对城市的热点地区有计划性地分配警力,检验不同警务策略的效益,从而对警务防控策略提出改进建议。警务实验中的干预措施主要是改变警察常规的工作内容,例如巡逻方式、时间安排、换班策略等[52,53];警务实验通常选择采用随机对照实验或准实验设计的研究,一般将区域分为实验组和对照组进行对比分析。其分析单位仅限于犯罪热点或高活动犯罪“场所”,而不是更大的区域（如社区）,对照组则按传统的巡逻策略进行。
警务实验的开展可概括为4步：① 先确定热点区域,通过一系列计算选出高犯罪率的区域,再根据当地情况进行筛选,最后确定热点区域的分布;② 设置实验组和对照组（控制组）进行对比实验,对实验组进行干预,而对照组则没有干预;③ 基于犯罪数据分析,制定警察干预措施;④ 对实验的效果进行数据评估[54,55],即通过警务实验前后差异对比,分析试验区犯罪数量的变化及从试验区到其邻域的犯罪转移或效益扩散等影响。鉴于近年来犯罪转移或效益扩散在警务实验中的重要性日益凸显,一些学者尝试在警务实验中采用将试验区分为目标区、缓冲区和控制区的研究设计[56]。目标区为直接受到警务防控干预影响的区域;缓冲区为可能间接受到警务防控干预影响的区域,通常与目标区相邻;控制区为完全没有受到警务防控干预影响的区域,通常远离目标区。
较为典型的警务实验有美国泽西城、费城的研究。Braga等[30]针对美国泽西城展开研究,采用5个随机对照实验和4个非等效控制组准实验,评估热点警务政策干预对犯罪的影响。研究发现在9个选定的评估中有7个报告显示犯罪和混乱得到显著控制;此外,考察是否存在犯罪转移的5项实验中, 4项实验表明,有针对性的警务干预可能会产生扩散效益。Ratcliffe[36]针对美国费城夏季暴力犯罪持续增长的现象,采用随机分组的方法,开展徒步巡逻警务实验。实验先确定热点活动区域,并对区域进行划分,再确定选取徒步巡逻区域的数量,最后测试徒步巡逻的干预效果。研究表明,设有徒步巡逻的区域逮捕率显著增加,未设有徒步巡逻的区域逮捕率有所下降。且相关研究证据显示,实验过程中存在暴力犯罪转移,但这种转移小于目标区的直接影响。
根据Braga对警务实验的最新总结,自20世纪80年代起,全球共有65个警务实验的研究,大部分集中在美国、英国和瑞典等国家的大、中型城市,实验类型为随机试验或准实验,干预的方法则分为以问题为导向的干预和增强性干预,有将近一半的实验还对犯罪的转移、扩散问题进行了分析[57]。这些研究的基本情况如下：在费城、纽约、泽西城、奥克兰、匹兹堡等城市均有针对毒品犯罪的警务实验;在圣路易斯、洛杉矶、萨克拉门托等城市有针对枪支案件的警务实验;在曼彻斯特、华盛顿、布宜诺斯艾利斯、杰克逊维尔、洛杉矶、哥本哈根、哥伦比亚及休斯顿等地对盗窃案件进行了警务实验,此外,还有一些城市针对暴力事件和酒后驾驶等事件的警务实验。这些警务实验针对性地评估了警察干预措施在犯罪热点地区的效果[58]。此外,在已有的65个研究中共包含了78个警务实验,其中有62个警务实验均报告了热点警务能使区域的犯罪显著减少,证明了热点警务是一种有效的预防犯罪策略。全球开展警务实验情况还表明,将警方的力量集中在犯罪热点区域,并不一定会导致犯罪转移;相反,犯罪防控的效益可能会扩散到目标地点的附近区域[59]。
由此可知,警务防控可能会带来犯罪转移或扩散效应（Displacement of Crime or Diffusion of Benefits）,这将导致警务策略的时空效益无法全面评估。因此,正确认识和判断警务策略的时空效益并掌握评估方法至关重要。

4 犯罪防控警务策略的时空效益评估

警务策略的时空效用是评价当前警务防控效果、分配警力资源的重要依据。但不同的犯罪类型具有各自的时空间特性,如何在资源有限的前提下获得防控的最佳效果,就必须要理解和掌握时空效益类型及其评估方法。

4.1 时空效益类型：犯罪转移或效益扩散

犯罪转移或效益扩散是指前期的警务干预对周边地区（缓冲区）犯罪活动的辐射效应。近年来,已有大量的警务实验研究发现警务试验区的周边地区（缓冲区）普遍存在犯罪转移或扩散效应[60]。因此,犯罪转移或扩散效益也应被纳为警务防控评估的重要指标。
犯罪转移或效益扩散是警务防控下对周边地区的两种截然不同的影响。犯罪转移现象是指以往警方针对性的干预措施改变了犯罪者的作案环境,导致犯罪者作案机会减少,犯罪分子为了降低被捕风险,犯罪目光从警方活动的高密集活动区域转移到其他地方。前人的研究揭示,犯罪转移的现象确实存在,主要体现在犯罪类型的转移和犯罪地点的转移上。针对犯罪类型转移问题,Barr and Pease的研究表明犯罪者可能在警务防控下犯下不同的罪行,且所犯罪行的严重性与先前的相比较低,他们将这一现象称之为“良性转移”[61]。在犯罪地点的转移方面,已有大量研究表明警务活动确实造成了犯罪转移。同时,部分研究发现警务防控附近区域增加的犯罪数量一般显著地小于防控区内被干预的犯罪数量[62]。
效益扩散通常被认为是犯罪转移的反向结果。它主要是指警务干预效益连带到未采取相关措施的周边地区（缓冲区）。从理论上讲,一方面,警方在犯罪热点地区巡逻令周边的理性潜在犯罪者感知到被捕的风险增加,且需要花费更大的成本才能完成作案,从而迫使理性潜在犯罪者消除犯罪倾向,周边地区的犯罪率自然就降低了[63];另一方面,犯罪热点并不是随处可见,只有几处适合犯罪分子实施犯罪[64]。如果犯罪分子转移到其他地方作案,虽然犯罪风险减小,但相应的犯罪机会和收益将会减少。从实证的角度来讲,Guerette等[59]的研究发现警务防控活动并不会造成邻近地区犯罪案件的增多,反而导致警务活动效益扩散到周边地区。鉴于此,为了科学检验警务防控策略的有效性,国外学者警务实验的研究重点转为判断警务防控下是否存在犯罪转移或效益扩散以及评估时空效益方法的创新上。

4.2 时空效益的评估方法

时空效益的评估方法包括加权位移商（Weighted Displacement Quotient,WDQ）[65]、时空加权位移商（Spatio-temporal Weighted Displacement Quotient,STWDQ）[66]、双重差分法（Difference in Differences,DID）[67]、倾向评分匹配（Propensity Score Matching,PSM）[68]、双重差分倾向评分匹配（PSM-DID）、基于双重差分（DID）的象限法。
（1）加权位移商（WDQ）
加权位移商（WDQ）是Bowers和Johnson 在 2003 年提出的一种通过设置目标区、缓冲区和控制区研究犯罪转移的方法[65]。其原理如图5所示： A区域为实施犯罪干预的目标区、环形区域B为可能受到A区影响的缓冲区,环形区域C为基本不会受到区域A和B影响的控制区。该方法以控制区的警情变化为参照,对比目标区、缓冲区和控制区在干预前后的警情变化,由此得出加权位移商（WDQ）值,并根据加权位移商（WDQ）值的正负和大小判定犯罪转移或效益扩散是否存在及其内部变化,其解读含义如表1所示。加权位移商（WDQ）的计算公式如下：
图5 WDQ 示意图[65]

Fig. 5 WDQ diagram

WDQ = ( B t 1 C t 1 ) - ( B t 0 C t 0 ) ( A t 1 C t 1 ) - ( A t 0 C t 0 )
式中：A是目标区域中的犯罪案件数量;B是缓冲区域中的犯罪案件数量;C是控制区域中的犯罪案件数量;t1表示犯罪干预后;t0表示犯罪干预前。
表1 加权位移商的解读[65]

Tab.1 Interpretation of the Weighted Displacement Quotient

WDQ值 代表含义
WDQ≥1 目标区犯罪下降,效益扩散到周边地区且大于直接影响
0<WDQ<-1 目标区犯罪下降,出现效益扩散但小于直接影响
WDQ=0 既没有犯罪转移也没有效益扩散
-1<WDQ<0 目标区犯罪下降,周边地区出现小部分的犯罪转移
WDQ≤-1 目标区犯罪下降,犯罪转移到周边地区但小于直接影响
研究表明,加权位移商（WDQ）确实能有效的判断研究区是否存在犯罪转移或效益扩散,但存在时空间局限和比值计算限制的缺点。
因此,后人在加权位移商（WDQ）的基础上提出了新的研究方法——时空加权位移商（STWDQ）和象限法。
（2）时空加权位移商（STWDQ）
时空加权位移商（STWDQ）是2009年由Hall和Liu首次提出来的[66]。它改良了加权位移商（WDQ）,通过增加时间因素,修改控制区范围并创建了不同半径的缓冲区,能够研究较大时空间尺度下的犯罪转移或效益扩散。其研究原理如图6所示,以辛辛那提市抢劫的时空变化为例,目标区A为越莱茵河沿岸地区,从该目标区域,使用街道网络距离生成缓冲区分别为0~3.22 km的区域B和3.22~6.44 km区域D,并将B和D的组合称为区域Z,实质上是0~6.44 km的缓冲区。经研究证实,改进后的时空加权位移商（STWDQ）比加权位移商（WDQ）更有利于检查可能产生的犯罪转移或效益扩散以及二者的混合现象。时空加权位移商（WDQ）的计算公式如下：
STWDQ = ( B 06 / B 04 ) - ( B 05 / B 03 ) ( A 06 / A 04 ) - ( A 05 / A 03 )
式中： A06是2006年在目标区所犯罪行的数量;A05是2005年在目标区所犯罪行的数量。同理;B06是2006年在缓冲区犯下的罪行数量;B05是2005年在缓冲区犯下的罪行数量。在此公式中,2003—2004年的犯罪数量被作为控制变量与2005—2006年的犯罪数量进行比较。
图6 辛辛那提STWDQ研究区域[66]

Fig. 6 Cincinnati STWDQ study regions

（3）双重差分法（DID）
双重差分（DID）是评估警务防控效果的常见方法。它最初是由Ashenfelter和Card于1985年对一项干预研究进行评价时提出的,其后被广泛应用于公共政策评估等领域。其基本原理是判断目标区和控制区在政策实施前后的变化量,以检测政策实施影响[69]。但在实际操作中,易受到时间效应限制,且难以进行随机分组实验。原理如图7所示, y ¯ control,1和 y ¯ control,2分别为控制组政策实施前后的测量值;` y ¯ treat,1和 y ¯ treat,2分别为处理组政策实施前后的测量值; β ¯ DID代表政策的实施效应,即双重差分（DID）值。其数学表达式见式（3）,若双重差分（DID）值接近0,说明政策实施效果不明显;若双重差分（DID）值>0,说明政策实施会促进y的变化;若双重差分（DID）值<0,说明政策实施会抑制y的变化。双重差分（DID）公式如下：
DID = ( y ̅ treat , after - y ̅ control , after ) - ( y ̅ treat , before - y ̅ control , before )
式中：DID为双重差分值。 y ¯ treat,before和 y ¯ treat,after分别为处理组政策实施前后的测量值; y ¯ control,before和 y ¯ control,after分别为控制组政策实施前后的测量值。
图7 双重差分法的原理示意[70]

Fig. 7 Schematic diagram of difference-in-differences

（4）倾向评分匹配（PSM）
倾向评分匹配的基本原理是通过一定的统计学方法筛选实验组和对照组,使筛选出的研究对象在潜在的复杂因素中具有可比性[71]。它一般被引入到研究中消除数据偏差和混合变量在警务实验中的影响,以便更合理比较实验组和对照组的差异。如波士顿的SPI项目的实验设计就是基于倾向评分匹配来评估警务的实施效果[72]。但该方法要求较大的样本容量,且无法完全控制不可测变量,可能会导致结果偏误。
（5）双重差分倾向评分匹配（PSM-DID）
双重差分倾向评分匹配（PSM-DID）是将双重差分（DID）和倾向评分匹配（PSM）搭配使用,其基本原理是先用倾向评分匹配（PSM）将实验组和对照组筛选和匹配,接着使用双重差分（DID）处理对照组和实验组。目的是将双重差分（DID）与倾向评分匹配（PSM）的优点结合起来,解决模型混杂变量及不可测时间变量问题,因此,该模型具备可控制不可观测但不随时间变化的组间差异[73],解决样本的选择问题等优点。应用于警务研究中,可处理来自2个不同区域的目标组和控制组。
（6）基于双重差分的象限法
李璐等基于双重差分（DID）提出了一种新的研究犯罪转移的计量方法——象限统计法[74],该方法有效解决了加权位移商（WDQ）受到比值比计算限制的问题。该方法的基本原理是通过计算目标区和缓冲区的双重差分（DID）值构建散点图,从而更加直观反映出研究区内的犯罪转移或效益扩散现象（图8）。横坐标为目标区和控制区对比计算的双重差分（DID）值,纵坐标为缓冲区和控制区对比计算的双重差分（DID）值。象限法将所有目标区和缓冲区的案件相对变化的情况分为四象限和六大类。四象限主要用于区分是否存在犯罪转移和效益扩散。六大类则是结合DID绝对值大小对四象限进行细分,逆时针方向依次为：强犯罪转移、弱犯罪转移、弱效益扩散、强效益扩散、既无转移也无扩散,目标区无抑制作用。这样一来,象限法避免了加权位移商（WDQ）因为比值出现分母为零导致无法计算的情况,从而实现类似加权位移商（WDQ）数字的计量意义。
图8 象限统计法[74]

Fig. 8 Quadrant statistics

总体而言,犯罪防控警务实验已经日趋成熟,警务实验评估方法增加了时空效益评估后（表2）,评价指标更加科学完善。以上方法中,加权位移商（WDQ）和时空加权位移商（STWDQ）相对直观。加权位移商（WDQ）的优点是使用简单的前后周期的方法,有助于控制短期内犯罪率的随机波动,但这恰恰是其弱点所在。在空间上,加权位移商（WDQ）只适用于在较小的领域;时间上,较短的时间内容易受到控制区犯罪率随机波动的影响,以及犯罪水平的季节性变化,这些问题可能会掩盖警务活动的影响和缓冲区的变化。鉴于以上缺点,时空加权位移商（WDQ）增加了时间因素,并创建了不同半径的缓冲区增加研究的客观性。因此,它具有研究尺度宽,时间周期长的特点,更利于检测研究范围内的犯罪转移情况。
表2 警务策略时空效益评估的方法

Tab.2 Evaluation method of time and space effectiveness of police strategy

时空效益评估方法 定义 应用场景 评价
加权位移商（WDQ） 通过设置目标区、缓冲区和控制区,并对比它们在干预前后的警情变化,以研究犯罪转移的一种方法 评估空间犯罪转移和效益扩散 WDQ能有效判断研究区是否存在犯罪转移或效益扩散。但存在时空间局限和比值计算限制的缺点
时空加权位移商（STWDQ） 基于WDQ改进,增加时空间因素,以研究较大时空尺度下犯罪转移的一种方法 评估时空间犯罪转移和效益扩散 研究尺度宽,时间周期长,能够评估较大的时空间尺度下的犯罪转移或效益扩散现象,是WDQ的进一步改良
双重差分法（DID） 通过对比政策实施前后或环境变化前后对照组和实验组的差异,评估政策效应或环境变化影响的一种方法 评估干预政策或环境变化对犯罪的影响 评估警务政策或环境变化前后的防控效果。但受到时间效应影响,且难以进行随机分组实验
倾向评分匹配法（PSM） 通过对实验组和对照组进行筛选和匹配,使筛选出的研究对象在潜在的复杂因素中具有可比性的一种统计学方法 用于控制混杂变量,随机分组实验的匹配问题 能够更合理比较实验组和对照组的差异。但要求较大的样本容量;无法完全控制不可测变量,可能会导致偏误
双重差分倾向评分匹配（PSM-DID） 将双重差分与倾向评分匹配结合,用于处理分别来自2个不同区域的目标组和控制组的方法 科学选择目标组和控制组,评估干预政策或环境变化对犯罪的影响 结合了DID和PSM的优点,可控制不可观测但不随时间变化的组间差异;解决样本选择问题
基于双重差分的象限法 是一种基于目标区和缓冲区DID值构建散点图,并根据它们DID值的大小及正负判断犯罪时空效益的方法 直观评估评干预政策或环境变化对犯罪的影响 解决了双重差分方法不直观的不足,是双重差分的进一步扩充

5 结论与展望

5.1 结论

不同类型的犯罪防控警务策略经过多年的研究取得了长足的进展,经本研究系统梳理,有以下发现：
（1）警务与犯罪防控研究经过数年的发展,形成了多种警务体系并存且不断发展的局面。社区警务以社区为尺度,通过警民合作的方式以达到消减犯罪发生的目的;问题导向警务以问题为关键点,通过SARA流程解决实际发生的问题;热点警务以犯罪热点为基础,运用计算机制图等方式识别犯罪热点地区,并采取针对性措施进行干预和管控。智能警务则基于大数据采集调控各项资源,进行立体警务防控。以上警务模式各有侧重但又相互联系,均起到了降低犯罪的效果。
（2）国外犯罪防控警务实验大多是通过划分实验组和对照组的方式对比警务干预前后的犯罪情况。警务策略以热点警务为主,大部分实验均发现了热点警务能在试验区有效降低犯罪,但由此造成警务干预的周边地区普遍存在犯罪转移或扩散效益现象。
（3）警务效益评估是评价警务防控方案有效性的重要依据。传统的警务评估方法主要从破案率、公众安全感和社会经济效益3个方面评估防控的有效性。鉴于警务活动造成的犯罪转移或扩散效应,警务策略时空效应也被作为重要指标纳入到评估体系中。目前,警务时空效益评估方法不断创新,加权位移商（WDQ）、时空加权位移商（STWDQ）、双重差分（DID）、倾向评分匹配（PSM）、双重差分倾向评分匹配（PSM-DID）和基于双重差分（DID）的象限法丰富了警务效益评估体系。
整体而言,本研究总结了典型警务策略的核心内容,并系统梳理了警务防控时空效益评估方法,这是对以往国内警务研究的有效补充。需指出的是,犯罪模拟亦是评估不同警务策略效益的重要方法[75],国外在该领域取得了较多的成果,但考虑到本文的重点是探讨实际的警务运作策略（而非模拟）及其效益,且受限于篇幅,本文并未展开介绍犯罪模拟的评估方法。总体而言,在警务策略和评估领域仍存在以下不足之处：警务模拟训练的实证研究较少,且缺乏对警务模拟的有效评估。虽然国外在警务措施和评估方面的研究取得了重要进展,但尚未考虑到警务过程中的动态变化和周边因素对警务执行的影响。因此,未来应进一步加强对警务视角、内容、方法和评估等方面的研究。

5.2 展望

目前,中国的警务策略的研究仍停留在理论层面,实证研究仍有待开展,且已有研究缺乏对警务策略时空效益的探讨。结合国外警务研究的进展,未来可从以下4个方面展开对警务的研究。
（1）开展不同策略的警务实验。不同策略的警务实验的特点、适用的时空范围以及打击犯罪的效果存在差异。高犯罪区域适合热点警务,警民关系好的区域适合社区警务,视频设备先进和信息化程度高的区域适合智能警务。因此,可积极开展不同策略的警务实验对比研究,深入剖析其理论基础和适用环境,为警务策略的深入发展提供科学理论和实践依据。
（2）深化对警务时空效益和评估方面的研究。犯罪活动的时空间变化是检验警务活动有效性的重要维度,对指导后续警务活动具有积极意义。因此,为了提高警务资源的利用效率和检验警务干预实践的有效性,必须深入分析警务实验中的时空间动态变化,适时开展警务模拟,不断创新丰富警务效益评估方法,从而提供最优的警务策略。
（3）加强中西方警务策略及其效用差异的研究,寻求理论上的突破。虽然西方国家在警务策略及效用方面的研究已经足够成熟,但是各国间的国情不同,警务策略的时空间适用范围和效用亦存在差异,中国不能直接套用西方的警务策略。中国在此方面应加强对中西方警务策略各自特性和差异的对比研究,深度挖掘不同国家背后犯罪活动背后的格局机理,寻求理论上的突破,指导中国警务发展。
（4）结合新数据、新技术,进一步丰富智能警务的内涵与实践。新数据和新技术是最大化挖掘数据价值的有力工具,更是促进警务活动高效集成和运转的必要前提。当前智慧警务依托5G和人工智能技术蜕变为智慧新警务,充分实现了科技应用与执法的深度融合。在应用上,各地公安部门凭借智慧新警务的智能平台实现了精准办案,大大提高了作战能力。历史的经验表明,未来中国警务的发展仍要积极利用时代红利,更新警务资源和设备,推动智慧新警务的建设。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Novak K J, Fox A M, Carr C M , et al. The efficacy of foot patrol in violent places[J]. Journal of Experimental Criminology, 2016,12(3):1-11.

[2]
National Academies of Sciences E, Medicine. Proactive policing: Effects on crime and communities[M]. Valencia: National Academies Press, 2018.

[3]
Blattman C, Green D, Ortega D , et al. Pushing crime around the corner? Estimating experimental impacts of large-scale security interventions[M]. Washington, D C: National Bureau of Economic Research, 2017.

[4]
姜超, 柳林 . 中国犯罪地理与警务GIS研究进展[J]. 地球信息科学学报, 2013,15(6):801-808,853.

[ Jiang C, Liu L . Research progress of crime geography studies in China[J]. Journal of Geo-information Science, 2013,15(6):801-808,853.]

[5]
Cohen L E, Felson M . Social change and crime rate trends: A routine activity approach[J]. American Sociological Review, 1979,44(8):588-608.

[6]
肖露子, 柳林, 宋广文 , 等. 基于理性选择理论的社区环境对入室盗窃的影响研究[J]. 地理研究, 2017,36(12):2479-2491.

[ Xiao L Z, Liu L, Song G W , et al. Impacts of community environment on residential burglary based on rational choice theory[J]. Geographical Research, 2017,36(12):2479-2491.]

[7]
Brantingham P L, Brantingham P J . Situational crime prevention in practice[J]. Canadian Journal Criminology, 1990,32(1):17-40.

[8]
Alderson J . Policing freedom[M]. Plymouth: Macdonald and Evans Plymouth, 1979.

[9]
Moore M H, Trojanowicz R C . Corporate strategies for policing[M]. U S Department of Justice, Office of Justice Programs, National Institute of Justice, 1988.

[10]
Skolnick J, Bayley D . The new blue line: Police innovation in six American cities[J]. Journal of Criminal Law & Criminology, 1986,79(2):563.

[11]
Packer R B H L . The police and the community[J]. Stanford Law Review, 1970,22(6):1313-1319.

[12]
Goldstein H . Improving policing: A problem-oriented approach[J]. Crime & Delinquency, 1979,25(2):236-258.

[13]
Sherman L G P, Buerger M . Hot spots of predatory crime:Routine activities and the criminoligy of place[J]. Criminology, 2010,27(1):27-56.

[14]
张兆端 . “智慧警务”:大数据时代的警务模式[J]. 公安研究, 2014(6):19-26.

[ Zhang Z D . "Intelligent Policing": Policing mode in dig data era[J]. Policing Studies, 2014(6):19-26.]

[15]
熊一新 . 中外社区警务之比较[J]. 公安大学学报(社会科学版), 1999(1):52-58.

[ Xiong Y X . Comparison of community policing between China and foreign countries[J]. Journal of People's Public Security University of China(Social Sciences Edition), 1999,1:52-58.]

[16]
Gaines L K, Worrall J L . Police administration[M]. Stanford: Cengage Learning, 2011.

[17]
Sampson R J, Wooldredge J D . Linking the micro- and macro-level dimensions of lifestyle-routine activity and opportunity models of predatory victimization[J]. Journal of Quantitative Criminology, 1987,3(4):371-393.

[18]
Hartnett S M . Community policing, Chicago style[J]. Contemporary Sociology, 2000,27(5):527.

[19]
Bayley D H. Police for the future[M]. Oxford: Oxford University Press, 1994.

[20]
程建新, 刘军强, 王军 . 人口流动、居住模式与地区间犯罪率差异[J]. 社会学研究, 2016,31(3):218-241,246.

[ Cheng J X, Liu J Q, Wang J. Population Flow , Living Pattern and Regional Crime Rate Difference[J]. Sociological Studies, 2016,31(3):218-241,246.]

[21]
Skogan W G. Police and community in Chicago: A tale of three cities[M]. Oxford: Oxford University Press, USA, 2006.

[22]
Sadd S, Grinc R . Innovative neighborhood oriented policing: Descriptions of programs in eight cities[R]. New York: Vera Institute of Justice, 1995.

[23]
Ekblom P . Deconstructing CPTE and reconstructing it for practice, knowledge management and research[J]. European Journal on Criminal Policy & Research, 2011,17(1):7-28.

[24]
Braga A A, Weisburd D L, Waring E J , et al. Problem‐oriented policing in violent crime places: A randomized controlled experiment[J]. Criminology, 1999,37(3):541-580.

[25]
Tilley N. Analysis for crime prevention[M]. Monsey, N Y: Criminal Justice Press, 2002.

[26]
杨学锋 . 犯罪学视域中的问题导向警务[J]. 中国人民公安大学学报(社会科学版), 2019,35(6):17-24.

[ Yang X F . Problem-oriented policing from the perspective of criminology[J]. Journal of People's Public Security University of China(Social Science Edition), 2019,35(6):17-24.]

[27]
Clarke R V G, Eck J E . Crime analysis for problem solvers in 60 small steps[M]. Washington, DC: US Department of Justice, Office of Community Oriented Policing Services, 2005.

[28]
Black D J . Production of crime rates[J]. American Sociological Review, 1970,35(4):733-748.

[29]
迈克尔·沃恩,夏文婕,沈宜嘉.问题导向警务——21世纪警务新理念[J]. 公安学刊(浙江警察学院学报), 2010(2):72-76.

[ Michael S, Vaughn, Xia W J , et al. Problem-oriented Policing: A new concept of policing in the 21st Century[J]. Public Security Science Journal(Journal of Zhejiang Police College), 2010,2:72-76.]

[30]
Braga A A . The crime prevention value of hot spots policing[J]. Psicothema, 2006,18(3):630-637.

PMID

[31]
吴玲 . 美国热点警务模式:经验、教训和启示[J]. 三峡大学学报(人文社会科学版), 2014,36(3):26-31.

[ Wu L . American hot spots policing mode: Experience, lessons and enlightenment[J]. Journal of China Three Gorges University (Humanities & Social Sciences), 2014,36(3):26-31.]

[32]
Koper C S, Lum C, Hibdon J . The uses and impacts of mobile computing technology in hot spots policing[J]. Evaluation review, 2015,39(6):587-624.

PMID

[33]
杨学锋 . 热点警务的犯罪学理论基础及实践评估[J]. 中国人民公安大学学报(社会科学版), 2018,34(3):33-39.

[ Yang X F . Criminological theoretical basis and practical evaluation of hot policing[J]. Journal of People's Public Security University of China(Social Science Edition), 2018,34(3):33-39.]

[34]
郑海, 杨涵 . 犯罪热点研究进展综述[J]. 犯罪研究, 2014(6):102-110.

[ Zheng H, Yang H . Summary of research progress on crime hotspots[J]. Chinese Criminology Review, 2014,6:102-110.]

[35]
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.

[36]
Ratcliffe J H, Sorg E T . Foot Patrol: Rethinking the Cornerstone of Policing[M]. Cham: Springer, 2017.

[37]
Groff E R, Ratcliffe J H, Haberman C P , et al. Does what police do at hot spots matter? The philadelphia policing tactics experiment[J]. Criminology, 2015,53(1):23-53.

[38]
Wheeler A P, Phillips S W . A quasi-experimental evaluation using roadblocks and automatic license plate readers to reduce crime in Buffalo, NY[J]. Security Journal, 2017,31(1):1-18.

[39]
Ariel B, Partridge H . Predictable policing: Measuring the crime control benefits of hotspots policing at bus stops[J]. Journal of Quantitative Criminology, 2017,33(4):809-833.

[40]
潘仲赢 . 基于机器学习算法的犯罪预警系统设计与实现[D]. 成都:电子科技大学, 2019.

[ Pan Z H . Design and implementation of crime early warning system based on machine learning algorithm[D]. Chengdu: University of Electronic Science and Technology of China, 2019.]

[41]
何巍 . 基于机器学习的犯罪预测综述[J]. 科学技术与工程, 2019,19(36):37-43.

[ He W . An overview on crime prediction through machine learning[J]. Science Technology and Engineering, 2019,19(36):37-43.]

[42]
柳林, 刘文娟, 廖薇薇 , 等. 基于随机森林和时空核密度方法的不同周期犯罪热点预测对比[J]. 地理科学进展, 2018,37(6):761-771.

[ Liu L, Liu W J, Liao W W , et al. Comparison of random forest algorithm and space-time kernel density mapping for crime hotspot prediction[J]. Progress in Geography, 2018,37(6):761-771.]

[43]
Smith J . Research on policing: Insights from the SPI[J]. Criminal Justice Review, 2016(3):358-368.

[44]
王斌君, 张培林 . 社区智慧警务体系研究[J]. 警察技术, 2019,24(6):22-25.

[ Wang B J, Zhang P L . Research on community intelligent policing system[J]. Police Technology, 2019,24(6):22-25.]

[45]
Braga A A . The effects of hot spots policing on crime[J]. The ANNALS of the american academy of political and social science, 2001,578(1):104-125.

DOI

[46]
Vollaard B, Hamed J . Why the police have an effect on violent crime after all: Evidence from the British crime survey[J]. The Journal of Law and Economics, 2012,55(4):901-924.

DOI

[47]
Caudill J W, Getty R, Smith R , et al. Discouraging window breakers: The lagged effects of police activity on crime[J]. Journal of Criminal Justice, 2013,41(1):18-23.

DOI

[48]
Telep C W, Weisburd D . What is known about the effectiveness of police practices in reducing crime and disorder?[J]. Police Quarterly, 2012,15(4):331-357.

DOI

[49]
Zhao J S, Schneider M, Thurman Q . The effect of police presence on public fear reduction and satisfaction: A review of the literature[J]. The Justice Professional, 2002,15(3):273-299.

DOI

[50]
公安部 . 中国公众安全感现状调查及分析[J]. 社会学研究, 1989,3(6):35-42.

[ Ministry of public security . Investigation and Analysis of Public Security in China[J]. Sociological Studies, 1989,3(6):35-42.]

[51]
夏德才 . 建立以公众安全感为核心的社会治安评估体系探析[J]. 公安研究, 2009,2000(12):16-20,63.

[ Xia D C . Exploring the set-up of the evaluating system about social order with the sense of safety an the core[J]. Policing Studies, 2009,2000(12):16-20,63.]

[52]
Weisburd D, Braga A A, Groff E R , et al. Can hot spots policing reduce crime in urban areas? An agent-based simulation[J]. Criminology, 2017,55(1):137-173.

DOI

[53]
Kennedy L, Caplan J, Piza E . A multi-jurisdictional test of risk terrain modeling and place-based evaluation of environmental risk-based patrol deployment strategies[R]. Newark, N J: Rutgers Center on Public Security, 2015.

[54]
Twisk J, Proper K . Evaluation of the results of a randomized controlled trial: How to define changes between baseline and follow-up[J]. Journal of Clinical Epidemiology, 2004,57(3):223-228.

DOI

[55]
Ratcliffe J H, Breen C . Crime diffusion and displacement: Measuring the side effects of police operations[J]. The Professional Geographer, 2011,63(2):230-243.

DOI

[56]
Bowers K J, Johnson S D . Measuring the geographical displacement and diffusion of benefit dffects of crime prevention activity[J]. Journal of Quantitative Criminology, 2003,19(3):275-301.

DOI

[57]
Braga A A, Turchan B, Papachristos A V , et al. Hot spots policing of small geographic areas effects on crime[J]. Campbell Systematic Reviews, 2019,15(3):e1046.

[58]
Braga A A . Hot spots policing and crime prevention: A systematic review of randomized controlled trials[J]. Journal of Experimental Criminology, 2005,1(3):317-342.

DOI

[59]
Guerette R T, Bowers K J . Assessing the extent of crime displacement and diffusion of benefits: A review of situational crime prevention evaluations[J]. Criminology, 2009,47(4):1331-1368.

DOI

[60]
Telep C W, Weisburd D, Gill C E , et al. Displacement of crime and diffusion of crime control benefits in large-scale geographic areas: A systematic review[J]. Journal of Experimental Criminology, 2014,10(4):515-548.

DOI

[61]
Barr R, Pease K . Crime placement, displacement, and deflection[J]. Crime and Justice, 1990,12:277-318.

DOI

[62]
Guerette R T, Bowers K J . Assessing the extent of crime displacement and diffusion of benefits: A review of situational crime prevention evaluations[J]. Criminology, 2010,47(4):1331-1368.

DOI

[63]
Ratcliffe J, Makkai T, Makkai T . Diffusion of benefits: Evaluating a policing operation[J]. Trends & Issues in Crime & Criminal Justice, 2004,39(1):21-28.

[64]
刘思思 . 国外街区警务相关研究以及对我国的启示[J]. 科教导刊(中旬刊), 2019,10(5):153-154.

[ Liu S S . Research on block police in foreign countries and its enlightenment to China[J]. The Guide of Science & Education, 2019,10(5):153-154.]

[65]
Bowers K J, Johnson S D . Measuring the geographical displacement and diffusion of benefit effects of crime prevention activity[J]. Journal of Quantitative Criminology, 2003,19(3):275-301.

DOI

[66]
Hall D, Liu L . Cops and robbers in Cincinnati: A spatial modeling approach for examining the effects of aggressive policing[J]. Annals of GIS, 2009,15(1):61-71.

DOI

[67]
柳林, 姜超, 李璐 . 警用视频监控的犯罪防控效果及空间差异——以苏州市姑苏区为例[J]. 地理科学, 2019,39(1):61-69.

DOI

[ Liu L, Jiang C, Li L . The effects of police CCTV camera on crime: A case study from Gusu District in Suzhou, China[J]. Scientia Geographica Sinica, 2019,39(1):61-69.]

[68]
Ragan D T . Role of selection effects in the drugcrime relationship: A propensity score matching approach[D]. Tallahassee:Florida State University, 2009.

[69]
Orley, Ashenfelter, David, et al. Using the longitudinal structure of earnings to estimate the effect of training programs[R]. National Bureau of Economic Research, 1985.

[70]
Hill R C, Griffiths W E, Lim G C . Principles of econometrics[M]. New York: John Wiley & Sons, 2018.

[71]
Evans E, Li L, Urada D , et al. Comparative effectiveness of california's proposition 36 and drug court programs before and after propensity score matching[J]. Crime Delinq, 2014,60(6):909-938.

DOI PMID

[72]
Braga A A, Schnell C . Evaluating place-based policing strategies: Lessons learned from the smart policing initiative in boston[J]. Police Quarterly, 2013,16(3):339-357.

DOI

[73]
Heckman J J, Ichimura H, Todd P E . Matching as an econometric estimator: Evidence from evaluating a job training program[J]. Review of Economic Studies, 1997,64(4):487-36.

DOI

[74]
李璐 . 警用治安视频监控的犯罪防控效果研究——以苏州市姑苏区为例[D]. 广州:中山大学, 2018.

[ Liu L . The effects of police CCTV camera on crime: A case study from Gusu district in Suzhou[D]. Guangzhou: Sun Yat-sen University, 2018.]

[75]
Yue Z, Brown D E . Police patrol districting method and simulation evaluation using agent-based model & GIS[J]. Security Informatics, 2013,2(1):1-13.

DOI

Options
Outlines

/

〈 〉