地理学报ACTA GEOGRAPHICA SINICA 第72卷第2期
2017年2月V ol.72,No.2February,2017
宋广文1,2，肖露子1,2，周素红1,2，龙冬平1,2，周淑丽1,2，刘凯1,2
（1.中山大学地理科学与规划学院综合地理信息研究中心，广州510275；
2.广东省城市化与地理环境空间模拟重点实验室，广州510275）
摘要：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。
关键词：扒窃；日常活动理论；时间地理；活动类型；场所；时间差异
DOI:10.11821/dlxb201702014
1引言
随着城市化进程的不断推进，城市面临的管理问题日益复杂，其中犯罪现象不仅影响经济生产活动的有序进行，还影响到社会的稳定和可持续发展。当下，城市的各类设施日益完善，人与人、人与场所的交互越来越复杂，如何将人的活动、城市设施与犯罪现象关联，寻有效的犯罪防控方案，成为学界和业界共同关注的焦点。公共场所的随身财物被盗（简称“扒窃”）是国内较常见的犯罪类型，与市民的生活息息相关，因此，本文以扒窃为研究对象，围绕其与居民日常活动的关系进行分析。
收稿日期：2016-06-25；修订日期：2017-01-02
基金项目：国家自然科学基金重点项目(41531178)；广东省自然科学基金研究团队项目(2014A030312010)；国家自然
科学基金优秀青年科学基金项目(41522104)；国家自然科学基金项目(41171140)；广东省科技计划项目
(2015A020217003)[Foundation:Key Program of National Natural Science Foundation of China,No.41531178;
Research Team Program of Natural Science Foundation of Guangdong Province,China,No.2014A030312
010;Outstanding Youth Fund of the National Natural Science Foundation of China,No.41522104;Gener
al
Program of National Natural Science Foundation of China,No.41171140;Science and Technology Program
of Guangdong Province,China,No.2015A020217003]
作者简介：宋广文(1991-)，男，广东廉江人，博士生，主要从事城市犯罪和城市地理研究。E-mail:songgwen@126 通讯作者：周素红(1976-)，女，广东饶平人，博士，教授，中国地理学会会员(S110002640M)，主要研究方向为城市空间
结构、时空间行为、城市交通、城市犯罪等。E-mail:eeszsh@mail.sysu.edu
356-367页
2期宋广文等：居民日常活动对扒窃警情时空格局的影响
357扒窃是财产犯罪的一种，它与其他类型的财产犯罪研究存在一定的共性。目前犯罪地理此方面的研究主要围绕其时空特征及形成机理展开。犯罪的时空集聚性在国内外的研究中均得到了证明[1-6]。在犯罪格局形成的机理方面，社会解组理论和日常活动理论的应用较多，其中，社会解组理论侧重社会环境
对犯罪的影响，日常活动理论则强调犯罪是犯罪分子、潜在目标和监管力量在特定空间或场所互动的结果，且往往与特定的物理环境相关联[7-8]。在国内的研究中，社会环境主要指年轻人数量、外来人口比率、就业情况等，物理环境则指具体的设施或土地利用，如该区域是否是大型的商业中心、是否有火车站等。研究认为，年轻人数量和外来人口比率对犯罪有积极的影响；商业发达的区域或火车站周边人流量较大，容易给犯罪者提供机会[9-10]。
在国外，社会环境则主要考虑种族差异、单亲家庭、贫困等因素，物理环境相关的要素较广泛，包括学校、酒吧、便利店、公共交通站点、贩酒店、公园、不同的商店类型等[11-14]。这些场所作为人们户外日常活动的载体，其内部及周边区域集聚了较大量的人流[15]，给犯罪者提供了寻合适目标者的机会，增大了犯罪发生的风险。根据对犯罪影响的特点，场所被分成犯罪产生地（generators）和犯罪吸引地（attractors），前者是指该场所集聚了大量不同的人，既包括潜在的犯罪者（potential offender）也包括潜在的目标；而后者则是指场所吸引了有动机及能力的犯罪者（motivated offender）[12,16-19]。用场所代表居民活动，再进一步验证其与犯罪关系的文献较丰富。例如，Cohen等[20]在分析美国1947-1974年犯罪率变化时发现社会结构的变化会导致活动空间的差异，户外活动的增加会使犯罪机会增多，导致犯罪率的增加；Messner等[21]基于124个标准大都市统计区（SMSAs）的数据，实证了日常休闲活动和犯罪率的关系，他用电视普及率代表在室内的休闲活动，用周边的休闲娱乐设施代表外出的活动量，对入室盗窃、扒窃、抢劫、殴打他人等犯罪类型进行了分析，结果发现，在家内的休闲活动对以上四大犯罪类型均有抑制作用，而在外的休闲活动将导致犯罪的增加。宋小睿真实长相
可见，人们的日常活动对犯罪有重要的影响，相比于社会解组理论，强调犯罪者和受害者在特定时空条件下互动的日常活动理论能更好地解释扒窃等街头犯罪[22-25]。犯罪者、受害者、场所的营业时间均具有明显的时间约束，不同人的互动需满足相应的时空间条件[26-29]，时间在犯罪机理的分析中有重要的作用。但已有的分析主要着眼于场所对犯罪的影响，重点研究了犯罪发生的空间条件，对时间的考虑较弱。
近些年，部分学者开始认识到时间在分析人们日常活动与犯罪关系中的重要性。Ratcliffe在2006年即借助时间地理学的概念，将Miller的时空棱柱等方法拓展至对犯罪者行为的分析，在理论上证明了时间约束和犯罪者的活动节点共同影响了财产犯罪的时空格局[30]；随后，其在2015年根据对美国人时间使用的调查，将一天划为4个时间段对费城街头抢劫进行研究，发现银行、小商店和非法市场在各个时间段均对犯罪有正向的影响，地铁站、学校、社区公园对犯罪的影响则存在时间波动性，其他设施则始终对犯罪没有影响[31]。此研究很好地揭示了时间在犯罪分析中的重要性，但并没有结合人们不同活动出行的特点进行分析，且仅讨论了场所对暴力犯罪的影响，缺乏对财产犯罪的探讨。
综上，现有国内外文献的主要论点和不足如下：①时间在各类犯罪分析中的重要性开始受到重视[31-34]，但是尚没有研究能考虑居民活动对扒窃影响的时间差异；②已有研究认为人们的日常活动对扒窃有影响，但缺乏对不同类型活动对犯罪影响差异的探讨。因此，本文基于日常活动理论，结合居民的活动日志调查数据与警务数据，以派出所为研究单元，探讨不同居民活动类型规律及其场所对扒窃影响的时
间差异。
地理学报72卷2数据与方法
2.1数据来源
本文的数据来源包括公安接警数据、居民出行调查数据、场所设施的地理数据及人口普查数据。接警数据由南方某大城市公安局提供，包括该城市城区2013年的扒窃警情数据及相应的派出所边界图层（183个城区派出所)。居民出行数据来自2013年4-6月对该市城区居民日常出行活动进行的入户问卷调查。该调查先通过对街道的六普数据进行因子分析，提取主成分并进行聚类，识别出四种典型类型街道；在此基础上，考虑调查社区的空间均衡性，选择城区内18个典型社区进行调查。问卷调查回收有效问卷1604份，调查内容主要包括居民的个人属性、家庭属性、工作日与周末的活动日志调查，记录了居民24小时的活动情况，包括出行目的、出发时间和交通方式等信息。
场所设施的地理数据来源于地图公司的2014年导航数据，包括不同商业类型设施、公交站、地铁站等。在该城市，派出所一般由2~5个社区组成，因此，通过图层叠加分析，将社区数据汇总到派出所，并以派出所为单位计算其包含的年轻人数目及外来人口比率，作为本文的控制变量。
2.2研究方法
扒窃警情是指发生在公共场所（不包括交通工具）的随身财物被盗，是典型的接触式犯罪，事主失窃后一般会迅速报警，因此，此类警情的时间和空间精度较高。本文先识别扒窃的时空格局，划分不同时段总结扒窃的特点，接着对扒窃与居民活动的时间相关性进行分析，在定性讨论的基础上，选择相应设施代表居民出行的目的场所，建立两者关系的空间滞后负二项回归模型，定量讨论居民活动场所对扒窃的影响。
2.2.1模型选取对因变量（派出所扒窃警情数量）进行分析发现，其最小值为6，最大值为1758，平均值为520.36，方差为153901.91，偏度为1.163，数据分布的偏态性明显，且方差远远大于平均值，具有过度离散的特征，显然不满足线性回归模型对因变量正态分布的要求。对于计数变量，泊松回归、负二项回归模型更为合理[35-36]。负二项模型比泊松模型更为常见，因为它允许存在过度离散性，即泊松回归要求因变量均值与方差的比值接近1，对过离散变量（方差远大于均值）的拟合效果不大理想，而负二项回归模型对于过离散变量具有更好的评价效果[37]。负二项分布是一个连续的混合泊松分布，y 的边际分布就是一个具有闭合形式的泊松—伽马混合分布，它们的概率密度函数是：
Pr(Y=y|μ,α)=Г(α-1+y)
Г(α-1)+Г(y+1)æ
è
ç
ö
ø
÷
α-1
α-1+μ
α-1
(
μ
μ+α-1
)y（1)
式中：Г是一个伽马积分，它设定了积分参数的阶乘；μ＝E（y)，α是伽马分布的方差参数，当α趋向于0时（没有过度离散)，负二项模型就变成了泊松模型。模型解释变量的边际效应称为发生率比IRR（Incidence Rate Ratio)，其表示当某解释变量增加一单位时，事件平均发生的次数将是原来的多少倍。
此外，经计算，本文因变量的Moran's I均在0.01的显著水平下大于0，存在显著的空间自相关，选取的模型应能消除空间自相关的干扰，若否，模型的残差将具有明显的空间相关，导致错误的参数估计[31,38]。空间滞后模型是解决空间自相关问题较常用的方法，它可通过考虑研究单元周边区域的情况降低空间自相关对模型拟合的影响，可选取一定范围内研究单元因变量的平均值代表空间滞后的影响。因此，本文用周边派出所警情的平均值代表某派出所的空间滞后变量，采用空间滞后负二项回归模型对居民日常活358
2期宋广文等：居民日常活动对扒窃警情时空格局的影响动场所与扒窃的关系进行分析。
2.2.2自变量选取本文重点研究居民活动、相应场所与扒窃的关系，已有研究表明，扒窃的发生离不开所处的社会环境、交通便利程度[9-11]，因此，本文的解释变量中将社会环境及交通设施作为控制条件，即派出所内的年轻人数量、外来人口比率、公交站数、地铁站数作为控制变量。
居民活动场所方面，依据居民出行目的选择相应的场所设施。本次问卷调查了居民的出行目的，记录了
每一类活动的出发时间、交通方式、到达时间等，各类活动占比分别为上班（37%）、买菜（20%)、外出吃饭（19%）、娱乐（10%）、购物（9%）、其他（5%，探亲访友等）。由于上班的地点范围较广，较难用特定的场所衡量该行为，故主要考虑买菜、外出吃饭、娱乐、购物四大类活动的场所与扒窃的关系。选取综合市场（菜市场）代表买菜场所；选取纺织服装、日用百货类商店代表购物场所；娱乐场所则用影剧院、KTV 、酒吧、网吧代表；以餐馆代表外出吃饭的场所。
先对因变量与自变量进行相关系数矩阵、多元线性回归等探索性分析，对自变量进行共线性检验。处理过程发现，餐馆与娱乐设施、公交站的相关系数大于0.6，因此将各派出所餐饮设施的数量与1相加后再取对数。处理后，自变量的VIF 最大值为2.44，变量间的相关系数均小于0.6，说明各变量间没有明显的共线性，可同时用于模型分析。3扒窃警情的时空格局
3.1扒窃警情的时间变化
扒窃数量随时间变化明
显，结合数据情况及前人的研
究[31,39]，根据扒窃规律将一天划
分为4个时间段：凌晨低发期
（凌晨）23:00-6:59、早上快速
增加期（早上）7:00-9:59、白
天稳定期（白天）10:00-17:
59、晚上消散期（晚上）18:00-
22:59。可以看到，23:00-次日6:
59警情量相对较小；7:00点后扒窃量开始显著增加，到10:00点时达到第一个峰值；10:00-
17:59点警情量处于高位稳定；18:00-23:00点警情量开始逐步下降（图1）。
3.2日常活动场所与扒窃的空间关系
居民日常活动场所与不同时段派出所扒窃数量的空间关系如图2所示。从图2a 、2b 中可以看到，居民日常活动场所核密度与派出所扒窃总量的随机点分布格局较相似，两者存在较强的空间相关。日常活动设施、扒窃数量整体上呈以F2单元格为支点，沿南北向、东边延伸的格局，其中F2、F3、F4、G2、E3、B5等单元格的扒窃分布较密集。对比图2c~2f 扒窃的各个时段在空间分布的变化，在凌晨和早上时段，
扒窃与活动场所的分布相关性较弱，扒窃在空间的分布相对集中，全局Moran's I 值分别为0.193、0.092；白天和晚上时段，扒窃的分布相对离散（全局Moran's I 值分别为0.070、0.061)，但其与场
所的空间分布格局接近。
图1扒窃数量的时间变化Fig.1V olume of the theft from person for each hour 359
地理学报72卷
定性的分析表明居民的日常活动与扒窃存在较强的关联，场所作为居民活动与扒窃活动的空间载体、居民与犯罪者相遇的节点，对扒窃的时空格局有重要的影响。4扒窃警情与居民活动的时空关系
4.1扒窃与居民活动出发量的时间关系
各类居民活动的时间变化如图3所示。居民的日常活动亦存在较强的时间规律：买菜行为存在双峰现象，峰值分别出现在9:00点和17:00点；外出吃饭时间主要集中在中午，12点出发的样本数量最大，18:00点也是一个小高峰；娱乐的活动量相对较小，3个峰值分别出现在9:00点、14:00点和19:00点；购物出发时间的峰值在10:00点和14:00点，晚上出发购物的比例较低。
进一步计算各大居民活动出行量与扒窃的时间相关系数，发现居民户外活动的总出发量与扒窃的相关系数为0.610，两者关联度较大，此外，仅有上班、外出吃饭的出行量与扒窃不相关，娱乐、购物、买菜的出行量与扒窃均在0.05的显著水平下相关，相关系数分别为0.738、0.578、0.557，其中，娱乐活动与扒窃的相关系数最强。
4.2不同时段日常活动场所对扒窃影响的差异
不同的活动类型与扒窃的相关性存在较大的差异，它们的内在关系需进一步探讨。本文选取典型场所代表各大类型的日常活动，建立空间滞后负二项回归，进一步分析居
民活动与扒窃的关系。图2居民日常活动场所核密度及不同时段派出所扒窃数量的随机分布点(网格非研究单元边界)
Fig.2Kernel density of facilities and random point distribution of the thefts from person in the police stations
(The fishnet is not the boundary of study units)360
发布评论