2. 湖北省发展和改革委员会/华中师范大学 武汉城市圈研究院, 武汉 430079
2. Academy of Wuhan Metropolitan Area, Hubei Development and Reform Commission, Central China Normal University, Wuhan 430079, China
地理环境是影响犯罪活动的重要因素,犯罪空间分布是特定地理环境内多种犯罪行为发生因素的综合作用结果。在综合运用社会解组理论、理性选择理论、日常活动理论等犯罪地理学传统理论的基础上,新世纪以来的犯罪行为机制研究主要在客观环境和主体决策的两大理论框架下进行。然而,一方面,理性选择、日常活动等犯罪学理论分别着眼于犯罪倾向发展过程和与犯罪行为相关的情境因素[1, 2],缺少将二者联合起来的犯罪行为理论框架[3];另一方面,犯罪地理研究的生态学背景使其长久地着眼于城市尺度空间,但在犯罪数据的公布[4]、其他相关数据的易得性以及计算机技术等条件的支持下,当前的犯罪地理研究尺度逐渐向国家层面的宏观尺度和路段、城市设施等层面的微观尺度扩展。近年来的相关研究表明,一些小尺度空间犯罪数量的急剧变化将引起城市整体犯罪模式的变化,因而从微观尺度着眼来研究犯罪变化趋势有其现实意义[5, 6]。
邻里、社区的人口特征、社会联系、集体效能[7]等社会经济要素是犯罪地理学中长盛不衰的重要研究视角。物质空间环境如何为犯罪主体提供犯罪机会成为近年来犯罪机制研究的重点议题,城市街道和风险设施(risky facilities)等与犯罪的关系引起广泛关注。学者们认为交通线路[8]、街道等级和类型[9]、街道活跃程度[10]等均对犯罪主体的空间决策乃至犯罪分布有显著影响。物理和感知的步行条件影响社会互动、社区意识等社区社会环境[11],Bill Hillier通过定量分析城市街道网络形态及其对主体感知的影响来研究犯罪时空模式[12],认为街道空间的可达性、城市局部空间与整体空间的连接性等均对空间安全产生作用,这一方法和理论在实证研究中得到广泛验证[13]。风险设施也被作为城市犯罪热点的表现形式之一来运用于犯罪发生机制的研究[14-16],相关研究表明城市中的公园[17]、旅店[18]、娱乐场所[19, 20]、公交站[21]等容易吸引、促进犯罪。犯罪风险地形建模(risk terrain modeling,RTM)利用一系列与犯罪相关联的情境信息进行犯罪预测,与犯罪密度图相比,这一方法有助于警方更有效地识别潜在犯罪高发区并投入警务资源[22, 23]。总体来看,当前关于犯罪风险区位因子的分析涉及种类、范围较广,但在犯罪预测与仿真模拟的研究运用中却缺乏将之有效结合犯罪影响因子体系,使这一领域研究常失于片面。
基于此,本文尝试构建由犯罪背景空间、场所空间、联接空间和聚集空间及其区位因子组成的犯罪风险区位因子体系。以武汉市主城区为例,从与城市社会经济要素和物质空间环境均有重要关联的“两抢一盗”犯罪入手,测度城市犯罪分布与犯罪风险区位因子的相关性及其空间异质性,并据此构建城市犯罪风险地形。
2 犯罪风险区位因子体系构建社会地理、文化地理、犯罪学、环境心理学等多学科的理论和方法在犯罪地理学研究中被有机融合,推动了犯罪现象的格局和机理研究。构建城市犯罪风险区位因子体系,理当建立在犯罪生态学理论、日常活动理论、犯罪模式理论、理性选择理论等理论的分析及相关研究经验的基础之上。据此,本文从宏观与微观、客观与主观相结合的犯罪行为驱动机理探究犯罪行为环境,从犯罪背景空间、犯罪场所空间、犯罪联接空间和犯罪聚集空间四个层次构建一个城市社会经济要素与物质空间要素相结合的犯罪风险区位因子体系。
(1)犯罪背景空间区位因子
社会经济发展差异累积形成的社会矛盾是培育和滋生犯罪的“温床”。从城市宏观社会背景来看,人财的密集意味潜在犯罪目标的多寡,城市功能和活动人流双重聚集的空间节点易成为犯罪高风险区。选取写字楼大厦和ATM设施两个区位因子构建犯罪背景空间,两者的空间分布均能够在一定程度上映射城市内部经济空间结构特征[24, 25]。
(2)犯罪场所空间区位因子
犯罪行为的发生及其类型与犯罪场所情境具有密切联系。在城市日常活动节点中,具备某种社会经济职能且缺乏防护的场所常形成“犯罪吸引场”(crime attractors),犯罪主体易接近公众的场所则常形成“犯罪产生场”(crime generators)[26]。这些场所的外部空间常具备较高的可达性以满足内部高流动性的公众及活动,后两者结合进一步增强了对犯罪主体的“吸引力”。选取商业设施、公交站点、大型医院和网吧四个区位因子构建犯罪场所空间。
(3)犯罪联接空间区位因子
犯罪主体在日常活动节点间的往返中产生空间认知并形成认知地图,实现犯罪背景空间和犯罪场所空间的联接。已有研究证明,运用空间句法分析城市道路空间可达性是研究犯罪联接空间与犯罪空间分布两者关系的有效分析手段。同时,街道空间可达性还与城市土地利用方式、社会经济活动密度等相互作用,进而影响“两抢一盗”的时空模式。通过计算城市路网可达性作为犯罪联接空间区位因子。
(4)犯罪聚集空间区位因子
从理性经济人的角度来说,犯罪主体往往希望行为收益大于为之付出的成本[27],因此拥有较高经济活动、人类活动密度的高财富地区更容易成为犯罪热点区、集聚区。这些区域的低成本、高效益特征吸引犯罪主体重复作案,导致区域在较小时空间隔内多发犯罪,即犯罪近重复现象。由此,选取犯罪近重复发生现象的空间分布为犯罪聚集空间区位因子。
3 研究区域与数据来源 3.1 研究区域以武汉市主城区为研究案例区。武汉市主城区包括武昌区、洪山区、青山区、江岸区、江汉区、硚口区、汉阳区7个行政区(图 1)。作为湖北省乃至我国中部地区的中心城市,这一区域空间职能多样,人口、资本、技术、信息等发展要素高度集聚。区域内城中村星罗棋布,外来人口聚集,近年来城中村改造及后续的旧城改造建设如火如荼,经济社会结构和城市建设复杂,城市犯罪问题具有典型性。研究区域内大部分中小型街区的边长为100— 250 m,此即街道公共活动与临街区域产生相互影响的最小尺度。本文以200 m边长的方格为单元,利用ArcGIS的Fishnet工具生成24760个矢量要素格网,作为犯罪风险区位因子空间化处理后存储和表达的平台。
(1)犯罪点数据。采用武汉市主城区各区级人民法院网站和中国裁判文书网公布的刑事判决书资料,从中提取案发时间为2013年、案发地点位于武汉市主城区的1944个盗窃、抢劫、抢夺犯罪点信息,其中盗窃罪1727个,抢劫罪175个,抢夺罪42个。基于ArcMap中的ArcGIS Online地图绘制包含空间和时间属性的武汉主城区犯罪点分布图。
(2)POI数据。从武汉市“一张图系统”和百度地图提取写字楼大厦、ATM设施、公交车站和地铁站、大型医院、商业设施、网吧等兴趣点(point of interest,POI)数据。共获取815座写字楼大厦;ATM设施POI点2170个;公交站点POI包括1140个公交车站点和71个地铁站点;大型医院数据包括108个住院床位总数在100张以上的(二级)医院POI点,其中38个医院POI点的住院床位总数为500张以上。为每类POI数据分别建立图层并以网格为单元汇总数量并进行基于场所空间规模的缓冲区分析。
4 武汉主城区路网可达性与犯罪近重复分析 4.1 基于空间句法的路网可达性分析空间句法是当代重要的空间感知与空间形态理论,许多研究证明这一方法是研究空间形态对犯罪活动影响的有效工具[28-30]。空间句法轴线图与行为主体对空间环境认知的方式一致,因而与主体的空间移动有良好的关联[31],通过计算句法轴线图变量值可以量化分析城市形态特征及行为主体的空间认知。空间拓扑可达性一般通过集成度值这一基本变量来反映,集成度值在一定程度上反映了街道对人车流及社会功能的聚集能力,进而影响城市土地利用、社会功能的分布,因而在实证研究中常被用于模拟和预测城市道路的人车流量。空间可达性是城市空间组构内不同层级节点的重要属性之一,空间组构为节点及节点之间的社会交往活动提供通道,节点可达性越高,行为主体对这一空间的使用频率也就越高。进一步地,路网可达性衔接犯罪背景空间和场所空间两个宏微观空间,影响犯罪主体进出犯罪地点的成本大小乃至犯罪失败风险的高低。在整个研究区的尺度上,本文拟以全局集成度值作为测量街道空间拓扑可达性的变量值。
用尽可能少且长的代表行为主体可视范围的“轴线”覆盖研究区的所有街道,每一条轴线代表一个节点(空间),也代表运动主体的可视范围和可运动范围。将研究区轴线图导入Depthmap软件以测算各节点(空间)的全局集成度值(图 2)。
犯罪近重复(crime near repeat)指某空间位置发生犯罪行为后,其周边区域在较短的时间内发生同类型犯罪行为的风险显著提高的现象。已有研究表明入室盗窃、枪击等犯罪类型存在明显的犯罪近重复发生现象[32, 33]。根据犯罪案件特性及现有研究经验,以单元网格长度200 m为空间节点的取值,14天作为时间节点长度取值,选择更能代表城市中犯罪点真实距离的曼哈顿距离作为犯罪点间距离的测算方式;使用近重复计算器(near repeat calculator tool)[34, 35]挑选出空间—时间近重复发生关系的点对,探测在时间和空间上均存在近重复发生现象的犯罪点。为便于说明,将近重复发生的点对中发生时间较早的点称为“始犯罪点”,发生时间较晚的点称为“近重复犯罪点”。从表 1可以看出,研究区域内的“两抢一盗”犯罪具有明显的近重复发生现象,近重复发生风险机率最高的位于时间标度(0,14]天、空间标度(0,200]m,其次分别是时间标度(14,28]天、空间标度(0,200]m和时间标度(0,14]天、空间标度(200,400]m。对时间—空间标度为(0,28]天、(0,200]m的犯罪近重复发生现象进行分类,发现不存在近重复发生现象的犯罪点总个数为1432个,占研究区内“两抢一盗”犯罪点总量的74%;反之,存在近重复发生现象的犯罪点总个数为512个,占研究区内“两抢一盗”犯罪点总量的26%。进一步地,有84个犯罪点既是“始犯罪点”也是“近重复犯罪点”,这意味着这些犯罪点均处于连环犯罪中的一环,考虑时间—空间上的相近性,不排除这些犯罪点是同一人甚至团伙作案的可能性。
运用核密度分析方法,设置5 m的栅格半径和1500 m的搜索半径,对研究区内的所有犯罪点和上述得出的298起“始犯罪点”分别进行热点分析。与犯罪热点区(图 3)相比,研究区内的犯罪近重复发生现象分布(图 4)范围较小,且更明显地集中于江汉路商圈、武广商圈、汉正街商圈、汉口火车站、武昌老城区、光谷商圈等犯罪热点区域。这说明犯罪近重复的分布格局不仅与犯罪空间分布格局高度一致,且倾向于集中在犯罪发生密度最高的区域,换而言之,犯罪近重复发生现象与犯罪高密度区的形成有密切关系。
以犯罪核密度为模型因变量,写字楼大厦、ATM设施、路网可达性、商业设施、大型医院、公交站点、网吧、犯罪近重复发生现象等为解释变量,采用OLS模型检验武汉市主城区犯罪核密度与解释变量之间的相关性。运算结果如表 2所示,模型解释了研究区犯罪核密度变化的86%,拟合效果较好;区位因子与犯罪核密度的回归系数均为正,表明这几个区位因子与犯罪核密度之间存在显著的相关关系。
由于城市内部社会经济状况的空间差异性,使犯罪风险区位因子存在空间非平稳性,即它们与犯罪率的相关程度将随空间位置的变化而变化。地理加权回归模型将空间结构嵌入线性回归模型中,以此来探测空间关系的非平稳性,可以为研究不同地理位置上犯罪的空间影响因素提供有效工具。以实际中较常采用的高斯函数为加权函数;带宽b的选择采用Akaike信息量准则(Akaike Information Criterion,AIC)确定,根据不同带宽的AICc值进行模拟的结果,本文取带宽为200 m时的Gauss函数为加权函数。表 3为GWR模型估计结果。为解释不同犯罪风险区位因子对犯罪核密度影响程度的空间差异性,将区位因子在不同位置的回归系数生成栅格表面,评价四个犯罪空间层次区位因子对犯罪空间分布格局的影响程度。
(1)犯罪背景空间区位因子分析
犯罪背景空间区位因子GWR估计结果如图 5。写字楼大厦集中的区域是武汉市主城区内社会经济发展水平较高的所在,它对犯罪空间分布格局影响的空间分异表现为汉阳王家湾、武昌区司门口商圈、东湖新技术开发区光谷广场等地存在明显的高值区,而这些高值区也恰恰是主城区内犯罪高发的地区。众多大型商业综合体和与之相配套的交通、休闲娱乐、居住等设施及用地使这些区域成为汇集人流量和经济流量的洼地。相较之下,ATM设施在研究区内的分布范围非常广泛,其影响犯罪空间分布格局的空间差异性较不明显,说明ATM设施影响空间主体行为的空间异质性较小,它对犯罪等行为机制的解释有赖于与其他环境要素的结合。
(2)犯罪场所空间区位因子分析
犯罪场所空间区位因子GWR估计结果如图 6。商业设施影响犯罪空间分布格局的高值区主要位于各商圈,说明犯罪行为对商业设施空间影响有较高的敏感度。公交站点回归系数的高值区主要分布在汉口的沿江地区和光谷广场附近区域,内环区以外的区域为低值区,说明除了场所特性外,人流量的差异对犯罪空间分布也有较大影响。大型医院对犯罪空间分布格局的影响只存在协和医院、武汉市第三医院和湖北省人民医院几处高值区,这几个医院均为三级甲等医院,这几处医院位于城市各项活动最为集中的城市核心区内,且濒临城市干道,为犯罪行为制造了机会和环境。网吧区位因子的影响表现为位于城中村、城乡结合部等区域对犯罪空间格局的影响强度高于其他城市区域,这正说明网吧这种场所空间对其所处的社会经济环境较为敏感,它的犯罪场特性正是被处于这一环境下的行为主体所激发而产生犯罪行为。
(3)犯罪联接空间区位因子分析
图 7a表明路网可达性与犯罪空间分布格局具有显著的正相关关系,且空间分异特征明显,集成度值越高的空间对犯罪分布的影响越大。从犯罪地点选择成本的角度来看,相对于需要事先“踩点”的陌生环境,城市居民的日常活动空间汇聚点更易被犯罪主体所熟知,因而无需额外的成本付出;另一方面,这些空间具备的高可达性往往使之成为多个交通路线或交通工具的接驳点,提升了行为主体被“暴露”于犯罪危险的可能性,这也成为降低犯罪地点选择成本的因素之一。从犯罪风险的角度来看,高可达性有利于犯罪主体更为便捷、快速地进出犯罪地点,也意味着可以有效降低犯罪失败的可能性。综合来看,较低的犯罪成本和较高的犯罪成功几率,使犯罪联接空间更容易激发犯罪主体的犯罪动机。
(4)犯罪聚集空间区位因子分析
从图 7b来看,犯罪近重复区位因子对犯罪空间分布格局具有显著影响,尤其是汉口火车站、复兴村、武昌老城区解放路沿线、光谷广场等区域。这几个区域具有单位面积大且内部用地类型单一的共同特征,其中:汉口火车站是武汉市第二大火车站,客流量居湖北省内火车站前列;复兴村位于汉口火车站西南侧,是被核心城区包围的城中村,周边交通四通八达;解放路自南向北贯穿武昌老城区,是连接司门口商圈和积玉桥商圈的城市主干路,沿线区域商业发达;光谷广场为武汉几大商圈之一。在这些区域中,密集的人类活动具有显著的周期性和目的性,不利于形成有效的自然监视,大量的犯罪机会和较高的犯罪成功率容易多发连环作案。
5.3 武汉市主城区“两抢一盗”犯罪风险地形分析对8个解释变量的回归系数进行标准化处理,计算每个解释变量的相对权重作为进行犯罪风险地形建模的权重系数,结果如表 4。使用加权总和工具,赋予8个栅格图层相应的权重后进行叠加,得出犯罪风险地形图。
从图 8可以看出,武汉市犯罪风险地形的主要特征为“中间高、四周低”。由交通轴线网络中可达性最高的轴线集中覆盖的区域是武汉市主城区内经济和社会活动最活跃、财富最集中、功能最完备的地区,高密度的人口和财富容易助长犯罪滋生的温床和吸引犯罪的强磁场,这其中最为突出的是汉口与汉阳地区。汉口地区是武汉的金融、商业、交通运输中心,道路网密度和可达性较高,同时犯罪率也高,可见具有良好的交通可达性和密集道路网的区域使犯罪主体得以在短时间内通过步行或车行进出,有利于降低其犯罪风险。地处西南部的汉阳地区历史悠久、名胜众多,钟家村和王家湾两大商圈处于交通枢纽位置,商贸繁荣、人流密集,对犯罪主体具有较强的吸引力。依据多层次的犯罪风险区位因子体系及其对犯罪行为的影响机制,将武汉市主城区的犯罪高风险区域分为城市商业中心、火车站交通枢纽、城中村和城乡结合部等几大类型。
(1)城市商业中心
城市商业中心是城市内部商业活动最集中的地区,汇合购物、餐饮、休闲、娱乐、金融、商务等多种功能。该类型区是城市中分布范围最广、数量最多的犯罪高风险区。以汉口的江汉路商圈为例(图 9),这一犯罪高风险区位于武汉市内环线内,以商贸、居住、交通枢纽等功能为主,经济活动量大、社会承载力高,用地类型混杂多样。在犯罪背景空间方面,江汉路商圈及在西部与之相连的武广商圈形成了以经营商业为主的公共空间;在犯罪场所空间方面,犯罪主体掌握人口流动周期性和规律性,发现该空间不仅缺乏有效监管而且具有高密度的低防卫意识人口;在犯罪联接空间方面,城市快速路、主路及轨道交通1号线、2号线贯穿整区,沿线设有多个公交和地铁站点;在犯罪聚集空间方面,较低的作案成本与较高的作案成功率诱使犯罪主体做出越轨行为,并产生犯罪近重复发生现象。综上,循礼门、江汉路等人流量巨大的地铁站内在上下班高峰期多发行人财物失窃、午间人流量较小时多发电动车失窃等案件不足为奇。
(2)火车站交通枢纽
汉口火车站作为武汉市窗口地段及三大火车站之一,承担着集聚和疏散各地来往人口的重要作用,火车站及其附近区域成为人员混杂、秩序混乱之地。在犯罪场所空间方面,从该区域的轴线模型(图 10)来看,汉口火车站四周围绕着该区域集成度最高的主干道,说明这里是片区内可达性最高、人车流最密集的区域。从犯罪联接空间来看,汉口车站站前广场是完全开放的公共空间,直接与地铁二号线、发展大道、青年路等区域干道相接,形成道路向火车站的延伸地带及不同交通工具间进行人口交换的主要空间。在进行公共交通换乘的过程中,犯罪主体能够以周边密集的陌生人群充当犯罪行为的“掩体”而撤退,加之火车站内部人流以短暂停留的乘客为主,乘客自身防患意识不高,低成本而高成功率的诱惑使得此地容易发生犯罪近重复现象。
(3)城中村和城乡结合部
以汉口复兴村为例(图 11a),由于临近汉口火车站、长途汽车客运站等重要交通枢纽以及房租廉价等区位优势,这一区域成为大量外来人口尤其是无业人口的聚居地,这些人口大多数受教育程度较低、从事廉价劳动,文化、经济等方面的差异导致他们与本地居民间的社会认同程度较低;除此之外,由于文化水平的局限和经济条件的窘迫,外来人口对法律规范的较低认知导致受其约束程度有限,一旦满足生活的需求超过他们对社会各类规范的认知水平,就更容易形成犯罪动机待时而发。再者,城乡结合处内多拆迁、还建活动,道路杂乱而又四通八达,空间、人员的双重不稳定性不利于良好社会秩序的形成,内部治安管理也难以有效组织,环境的“破窗效应”使这里更容易激发潜在犯罪主体做出犯罪行为。
以洪山区与青山区交界的城乡结合部为例(图 11b),这一区域属于主城区的边缘地带,内部流动人口集聚,较低收入群体的相对剥夺感与社会管理漏洞在这一空间上产生重叠,容易引发各种犯罪现象。这一区域的犯罪场所空间较多,如网吧、餐馆等人流混杂的公共场所。区域内的新兴大型居住区和流动人口往来要道的重要节点武汉火车站又与城乡结合部联系,混杂的农村人口、流动人口与城市人口在经济条件的落差和弱化的社会治安管理下容易成为犯罪主体的发源地和犯罪行为的高发地;片内开发建设活动密集,新兴居住组团环境优越,在吸引市中心人口往此处迁移的同时,由于地缘接近的因素也容易成为犯罪主体的目标。
6 结论基于宏观与微观、客观与主观相结合的犯罪行为驱动机理探究犯罪行为环境,本文从犯罪背景空间、犯罪场所空间、犯罪联接空间和犯罪聚集空间四个层次构建一个城市社会经济要素与物质空间要素相结合的犯罪风险区位因子体系,综合运用空间句法、犯罪近重复分析和地理加权回归模型方法进行犯罪风险地形建模实证研究。以武汉市主城区为研究区域,主要分析结果如下:
(1)不同空间类型的犯罪风险驱动机制有显著差异。从犯罪背景空间来看,写字楼大厦对犯罪空间分布格局影响在汉阳王家湾、武昌区司门口商圈、东湖新技术开发区光谷广场等地存在明显的高值区,而ATM设施对犯罪空间分布格局的空间差异性较不明显。从犯罪场所空间来看,犯罪行为对商业设施空间影响有较高的敏感程度;公交站点对犯罪行为影响较显著的区域主要分布于内环的汉口沿江地区和光谷广场附近区域;位于城市核心区内,且濒临城市干道的大型医院对犯罪空间分布格局的影响较大;位于城中村、城乡结合部等区域的网吧区位因子对犯罪空间分布格局影响强度高于其他城市区域。从犯罪联接空间来看,路网可达性与犯罪空间分布格局具有显著的正相关关系。从犯罪聚集空间来看,犯罪近重复区位因子对犯罪空间分布格局具有显著影响,尤其是汉口火车站、复兴村、武昌区解放路沿线、光谷广场等区域。
(2)研究区内犯罪风险较高的区域可分为城市商业中心、火车站交通枢纽、城中村和城乡结合部等几大类型。城市商业中心不仅吸引了大量的人车流量,陌生人之间的防御意识和自然监视作用均较低,道路空间的高可达性提高犯罪成功几率,是城市中分布范围最广、数量最多的犯罪高风险区。火车站等交通枢纽地区人员混杂、秩序混乱,范围广大的场所空间及其内部单一的用地类型和使用人群使之容易成为侵财类犯罪的目标而发生犯罪近重复现象。与前两类犯罪高风险区域不同,城中村、城乡结合部内复杂的人口结构和社会矛盾等问题较为突出,因而物质空间环境对这类区域犯罪风险的影响程度要弱于社会经济环境。
致谢: 感谢武汉市地理信息中心对部分数据提供的支持。感谢田苗、周洋、张程等同学在数据整理过程中提供的帮助。[1] | Cornish D, Clarke R V. The reasoning criminal:Rational choice perspectives on offending[J]. Criminology, 1986, 25(4): 933-948. |
[2] | Cohen L, Felson M. Social change and crime rate trends:A routine activities approach[J]. American Sociological Review, 1979, 44(4): 588-608. DOI:10.2307/2094589 |
[3] | Wikström P H, Sampson R J. Social mechanisms of community influences on crime and pathways in criminality[M]//Lahey B B, Moffitt T E, Caspi A. Causes of Conduct Disorder and Juvenile Delinquency. New York: Guilford Press, 2003: 118-148. |
[4] | Tompson L, Johnson S, Ashby M, et al. UK open source crime data:Accuracy and possibilities for research[J]. Cartography and Geographic Information Science, 2015, 42(2): 97-111. DOI:10.1080/15230406.2014.972456 |
[5] | Weisburd D, Bushway S, Lum C, et al. Trajectories of crime at places:A longitudinal study of street segments in the city of Seattle[J]. Criminology, 2004, 42(2): 283-321. DOI:10.1111/crim.2004.42.issue-2 |
[6] | Curman A S N, Andresen M A, Brantingham P J. Crime and place:A longitudinal examination of street segment patterns in Vancouver, BC[J]. Journal of Quantitative Criminology, 2015, 31(1): 127-147. DOI:10.1007/s10940-014-9228-3 |
[7] | Sampson R J, Raudenbush S W, Earls F. Neighborhoods and violent crime:A multilevel study of collective efficacy[J]. Science, 1997, 277(5328): 918-924. DOI:10.1126/science.277.5328.918 |
[8] | Liggett R, Loukaitou-Sideris A, Iseki H. Journeys to crime:Assessing the effects of a light rail line on crime in the neighborhoods[J]. Journal of Public Transportation, 2003, 6(3): 85-115. DOI:10.5038/2375-0901 |
[9] | Johnson S D, Bowers K J. Permeability and burglary risk:Are culdesacs safer?[J]. Journal of Quantitative Criminology, 2010, 26(1): 89-111. DOI:10.1007/s10940-009-9084-8 |
[10] | Browning C R, Jackson A L. The social ecology of public space:Active streets and violent crime in urban neighborhoods[J]. Criminology, 2013, 51(4): 1009-1043. DOI:10.1111/crim.2013.51.issue-4 |
[11] | Jun H, Hur M. The relationship between walkability and neighborhood social environment:The importance of physical and perceived walkability[J]. Applied Geography, 2015, 62: 115-124. DOI:10.1016/j.apgeog.2015.04.014 |
[12] | Hillier B. The Story of the Crime: Functional, Temporal and Spatial Tendencies in Street Robbery[C]. Istanbul: Proceedings of the 6th International Space Syntax Symposium, 2007. http://www.mendeley.com/research/story-crime-functional-temporal-spatial-tendencies-street-robbery/ |
[13] | Wu L, Liu X, Ye X, et al. Permeability, space syntax, and the patterning of residential burglaries in urban China[J]. Applied Geography, 2015, 60: 261-265. DOI:10.1016/j.apgeog.2014.12.001 |
[14] | Eck J E, Clarke R V, Guerette R T, et al. Risky facilities:Crime concentration in homogeneous sets of establishments and facilities[J]. Civil Aviation Economics & Technology, 2007, 21(70): 225-264. |
[15] | Groff E. Exploring 'near':Characterizing the spatial extent of drinking place influence on crime[J]. Australian & New Zealand Journal of Criminology, 2011, 44(2): 156-179. |
[16] | Bowers K. Risky facilities:Crime radiators or crime absorbers? A comparison of internal and external levels of theft[J]. Journal of Quantitative Criminology, 2014, 30(3): 389-414. DOI:10.1007/s10940-013-9208-z |
[17] | Groff E, McCord E S. The role of neighborhood parks as crime generators[J]. Security Journal, 2012, 25(1): 1-24. DOI:10.1057/sj.2011.1 |
[18] | Smith W R, Frazee S G, Davison E L. Furthering the integration of routine activity theory and social disorganization theories:Small units of analysis and the study of street robbery as a diffusion process[J]. Criminology, 2000, 38(2): 489-524. DOI:10.1111/crim.2000.38.issue-2 |
[19] | Phipps A G. Crime and disorder, and house sales and prices around the casino sites in Windsor, Ontario, Canada[J]. Canadian Geographer, 2004, 48(4): 403-432. DOI:10.1111/cag.2004.48.issue-4 |
[20] | Grubesic T H, Pridemore W A. Alcohol outlets and clusters of violence[J]. International Journal of Health Geographics, 2011, 10(10): 1157-1178. |
[21] | McCord E S, Ratcliffe J H. Intensity value analysis and the criminogenic effects of land use features on local crime patterns[J]. Crime Patterns and Analysis, 2009, 2(1): 17-30. |
[22] | Caplan J M, Kennedy L W, Miller J. Risk terrain modeling:Brokering criminological theory and GIS methods for crime forecasting[J]. Justice Quarterly, 2011, 28(2): 360-381. DOI:10.1080/07418825.2010.486037 |
[23] | Kennedy L W, Caplan J M, Piza E. Risk clusters, hotspots, and spatial intelligence:Risk terrain modeling as an algorithm for police resource allocation strategies[J]. Journal of Quantitative Criminology, 2011, 27(3): 339-362. DOI:10.1007/s10940-010-9126-2 |
[24] | 张景秋, 陈叶龙, 孙颖. 基于租金的北京城市办公活动经济空间结构解析[J]. 地理科学, 2010, 30(6): 833-838. [Zhang Jingqiu, Chen Yelong, Sun Ying. Spatial analysis on urban internal economic spatial structure based on rent of office buildings in Beijing city[J]. Scientia Geographica Sinica, 2010, 30(6): 833-838. ] |
[25] | 程林, 王法辉, 修春亮. 城市银行网点及其与人口-经济活动关系的空间分析——以长春市中心城区为例[J]. 人文地理, 2015, 30(4): 72-78. [Cheng Lin, Wang Fahui, Xiu Chunliang. Spatial analysis of bank branches and its relationship to popu-economic activities:A case study in Changchun central urban area[J]. Human Geography, 2015, 30(4): 72-78. ] |
[26] | 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 |
[27] | 李希慧, 廖梅. 当代西方理性选择犯罪学思想介评[J]. 浙江警察学院学报, 2004(4): 42-45. [Li Xihui, Liao Mei. Review of contemporary western rational choice theory in criminology[J]. Journal of Zhejiang Police College, 2004(4): 42-45. DOI:10.3969/j.issn.1674-3040.2004.04.010] |
[28] | 希利尔. 空间是机器——建筑组构理论(原著第三版)[M]. 杨滔, 张佶, 王晓京, 译. 北京: 中国建筑工业出版社, 2008: 109-137. [Hillier B. Space is the Machine: A Configurational Theory of Architecture[M]. Yang Tao, Zhang Ji, Wang Xiaojing, trans. Beijing: China Architecture & Building Press, 2008: 109-137.] |
[29] | 王发曾. 城市犯罪空间盲区的综合治理研究[J]. 地理研究, 2010, 29(1): 57-67. [Wang Fazeng. Study on the comprehensive treatment of spatial blind areas in urban crime[J]. Geographical Research, 2010, 29(1): 57-67. DOI:10.3969/j.issn.1004-9479.2010.01.009] |
[30] | 郑文升, 卓蓉蓉, 罗静, 等. 基于空间句法的武汉城区"两抢一盗"犯罪分布环境[J]. 地理学报, 2016, 71(10): 1710-1720. [Zheng Wensheng, Zhuo Rongrong, Luo Jing, et al. The distribution environment of robbery, snatch and theft crime based on space syntax:A case study of the central area of Wuhan[J]. Acta Geographica Sinica, 2016, 71(10): 1710-1720. ] |
[31] | 茹斯·康罗伊·戴尔顿, 窦强. 空间句法与空间认知[J]. 世界建筑, 2005(11): 41-45. [Dalton R C, Dou Qiang. Space syntax and spatial cognition[J]. World Architecture, 2005(11): 41-45. ] |
[32] | Johnson D. The space/time behaviour of dwelling burglars:Finding near repeat patterns in serial offender data[J]. Applied Geography, 2013, 41: 139-146. DOI:10.1016/j.apgeog.2013.04.001 |
[33] | Ratcliffe J H, Rengert G F. Near-repeat patterns in Philadelphia shootings[J]. Security Journal, 2008, 21(1/2): 58-76. |
[34] | Ratcliffe J H. Near Repeat Calculator: Version 1. 3[Z]. Philadelphia, PA and Washington, D C: Temple University and National Institute of Justice, 2009. |
[35] | 徐冲, 柳林, 周素红. DP半岛街头抢劫案件的临近重复发生模式[J]. 地理研究, 2015, 34(2): 384-394. [Xu Chong, Liu Lin, Zhou Suhong. Patterns of near-repeat street robbery in DP peninsula[J]. Geographical Research, 2015, 34(2): 384-394. ] |