北京市长安街沿线的扒窃案件高发区分析及防控对策

doi:10.18306/dlkxjz.2015.10.005

摘要/Abstract

摘要：

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。

关键词: 扒窃, 犯罪热点, 空间分析, 时空热点矩阵, 北京

Abstract:

Using spatial analysis methods, the geographic pattern of pickpocket incidents along the Chang'an Street in Beijing was examined in this study. First, the crime distribution along the street was identified. The results demonstrate that major crime clustering areas existed in the Xidan business area (A), Jianguomen area (B), and Dawanglu-Sihui Area (C). By comparing the spatial pattern of crimes with population density and point of interest (POI) density along the street, it was found that crimes tended to be clustered around locations having higher POI density. In the next step, spatiotemporal patterns of offences in the three areas were analyzed using kernel density estimation and space-time hotspot matrix. The results indicate that zone A maintained higher crime level between 10 a.m. and 6 p.m. and the peak time appeared at 12 a.m., and the offences concentrated in the major shopping malls. However, in zones B and C, the higher level of crimes occurred in the hours around 6 a.m. and 6 p.m., which are the periods of peak traffic flow in the morning and evening. Lastly, some detailed crime prevention and suppression suggestions and strategies are proposed on the basis of the spatial attributes and blind areas theory.

Key words: pickpocket, crime hotspot, spatial analysis, spatiotemporal hotspot matrix, Beijing

陈鹏, 李欣, 胡啸峰, 曾昭龙, 赵鹏凯. 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.

Peng CHEN, Xin LI, Xiaofeng HU, Zhaolong ZENG, Pengkai ZHAO. 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.

图/表 8

图1

图2

图3

图4

图5

图6

图7

表1

参考文献 29

1	陈鹏, 李锦涛, 马伟. 2012. 犯罪热点的分析方法研究[J]. 中国人民公安大学学报: 自然科学版, (3): 53-57.
	[Chen P, Li J T, Ma W.2012. Fanzui redian de fenxi fangfa yanjiu[J]. Journal of Chinese People's Public Security University: Science and Technology, (3): 53-57.]
2	程薇, 吴健平. 2013. 国外犯罪时空分布研究综述[J]. 世界地理研究, 22(2): 151-158.
	[Cheng W, Wu J P.2013. A research review on spatio-temporal distribution of crime[J]. World Regional Studies, 22(2): 151-158.]
3	姜超, 柳林. 2013. 中国犯罪地理与警务GIS研究进展[J]. 地球信息科学学报, 15(6): 801-808, 853.
	[Jiang C, Liu L.2013. Research progress of crime geography studies in China[J]. Journal of Geo-information Science, 15(6): 801-808, 853.]
4	姜超, 唐焕丽, 柳林. 2014. 中国犯罪地理研究述评[J]. 地理科学进展, 33(4): 561-573.
	[Jiang C, Tang H L, Liu L.2014. Review of crime geography in China[J]. Progress in Geography, 33(4): 561-573.]
5	李春雷, 姚巍. 2011. 城市化进程中我国城市住区犯罪防控空间探索: 基于CPTED理论视角下对我国城市住区的个案考察[J]. 中国人民公安大学学报: 社会科学版, (4): 93-105.
	[Li C L, Yao W.2011. Chengshihua jincheng zhong woguo chengshi zhuqu fanzui fangkong kongjian tansuo: jiyu CPTED lilun shijiao xia dui woguo chengshi zhuqu de gean kaocha[J]. Journal of Chinese People's Public Security University: Social Sciences Edition, (4): 93-105.]
6	李业锦, 朱红. 2013. 北京社会治安公共安全空间结构及其影响机制: 以城市110警情为例[J]. 地理研究, 32(5): 870-880.
	[Li Y J, Zhu H.2013. Spatial distribution and influencing mechanism of social and public security: an urban security spatial analysis based on from city crime alarm data[J]. Geographical Research, 32(5): 870-880.]
7	刘大千, 修春亮, 于嘉. 2012. 长春市财产犯罪的空间分析[J]. 地理科学, 32(4): 477-484.
	[Liu D Q, Xiu C L, Yu J.2012. Spatial analysis of property crimes in Changchun[J]. Scientia Geographica Sinica, 32(4): 477-484.]
8	陆娟, 汤国安, 张宏, 等. 2012. 犯罪热点时空分布研究方法综述[J]. 地理科学进展, 31(4): 419-425.
	[Lu J, Tang G A, Zhang H, et al.2012. A review of research methods for spatiotemporal distribution of the crime hot spots[J]. Progress in Geography, 31(4): 419-425.]
9	毛媛媛, 戴慎志. 2006. 犯罪空间分布与环境特征: 以上海市为例[J]. 城市规划学刊, (3): 85-93.
	[Mao Y Y, Dai S Z.2006. Research on spatial and environmental characters of crimes: case study of Shanghai[J]. Urban Planning Forum, (3): 85-93.]
10	毛媛媛, 丁家骏. 2014. 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, 29(1): 49-54.
	[Mao Y Y, Ding J J.2014. Study on spatial-temporal patterns of robbery and snatch: a case study of Pudong new area, Shanghai[J]. Human Geography, 29(1): 49-54.]
11	单勇, 阮重骏. 2013. 城市街面犯罪的聚集分布与空间防控: 基于地理信息系统的犯罪制图分析[J]. 法制与社会发展, (6): 88-100.
	[Shan Y, Ruan C J.2013. Chengshi jiemian fanzui de juji fenbu yu kongjian fangkong: jiyu dili xinxi xitong de fanzui zhitu fenxi[J]. Law and Social Development, (6): 88-100.]
12	王发曾. 2003. 城市犯罪中的公共空间盲区及其综合治理[J]. 人文地理, 18(3): 8-12.
	[Wang F Z.2003. The public spatial blind area in urban crime and its comprehensive treatment[J]. Human Geography, 18(3): 8-12.]
13	王发曾. 2006. 城市建筑空间设计的犯罪防控效应[J]. 地理研究, 25(4): 681-691.
	[Wang F Z.2006. The effect of anticrime in urban building-space designing[J]. Geographical Research, 25(4): 681-691.]
14	王发曾. 2007. 城市犯罪的移动空间盲区及其综合治理[J]. 河北法学, 25(11): 18-21.
	[Wang F Z.2007. The moving spatial blind area in urban crime and its comprehensive treatment[J]. Hebei Law Science, 25(11): 18-21.]
15	王发曾. 2010. 城市犯罪空间盲区的综合治理研究[J]. 地理研究, 20(1): 57-67.
	[Wang F Z.2010. Study on the comprehensive treatment of spatial blind areas in urban crime[J]. Geographical Research, 20(1): 57-67.]
16	徐冲, 柳林, 周素红, 等. 2013. DP半岛街头抢劫犯罪案件热点时空模式[J]. 地理学报, 68(12): 1714-1723.
	[Xu C, Liu L, Zhou S H, et al.2013. The spatio-temporal patterns of street robbery in DP peninsula[J]. Scientia Geographica Sinica, 68(12): 1714-1723.]
17	张雅卓, 于宏伟. 2014. 基于CPTED理论的城市规划及景观设计策略研究[J]. 中外建筑, (1): 100-101.
	[Zhang Y Z, Yu H W.2014. Research of city planning and landscape design strategy based on CPTED theory[J]. Chinese & Overseas Architecture, (1): 100-101.]
18	钟海东, 吴健平, 余柏蒗, 等. 2013. 基于GIS的上海市犯罪空间特征研究[J]. 华东师范大学学报: 自然科学版,(2): 30-37, 55.
	[Zhong H D, Wu J P, Yu B L, et al.2013. Study on the spatial pattern of Shanghai crime based upon GIS[J]. Journal of East China Normal University: Natural Sciences,(2): 30-37, 55.]
19	Brantingham P J, Brantingham P L.1995. Criminality of place: crime generators and crime attractors[J]. European Journal on Criminal Policy and Research, 3(3): 5-26.
20	Brantingham P L, Brantingham P J.1982. Mobility, notoriety, and crime: a study of crime patterns in urban nodal points[J]. Journal of Environmental Systems, 11(1): 89-99.
21	Brantingham P L, Brantingham P J.1993a. Environment, routine, and situation: toward a pattern theory of crime[J]. Advances in Criminological Theory, 5: 259-294.
22	Brantingham P L, Brantingham P J.1993b. Nodes, paths and edges: considerations on the complexity of crime and the physical environment[J]. Journal of Environmental Psychology, 13(1): 3-28.
23	Chen P, Yuan H Y, Li D S.2013. Space-time analysis of burglary in Beijing[J]. Security Journal, 26(1): 1-15.
24	Cohen L E, Felson M.1979. Social change and crime rate trends: a routine activity approach[J]. American Sociological Review, 44(4): 588-608.
25	Davies T P, Bishop S R.2013. Modelling patterns of burglary on street networks[J]. Crime Science, 2: 10.
26	Johnson S D, Bowers K J.2010. Permeability and burglary risk: are cul-de-sacs safer[J]. Journal of Quantitative Criminology, 26(1): 89-111.
27	Porta S, Crucitti P, Latora V.2006a. The network analysis of urban streets: a dual approach[J]. Physica A: Statistical Mechanics and its Applications, 369(2): 853-866.
28	Porta S, Crucitti P, Latora V.2006b. The network analysis of urban streets: a primal approach[J]. Environment and Planning B: Planning and Design, 33(5): 705-725.
29	Ratcliffe J H.2004. The hotspot matrix: a framework for the spatio-temporal targeting of crime reduction[J]. Police Practice and Research: an International Journal, 5(1): 5-23.

案件高发区域	区域位置及特征	时空模式	犯罪时空态势描述
A	西单商业街,有多个大型购物商场	b-C	该地段人流量密集,交通便利,发案主要集中于沿街大型购物场所内,作案时间与商场营业时间基本一致,案件高发时间为中午12时。
B	建国门路段,毗邻北京火车站	b-B	该路段毗邻北京火车站,客流量较大,且公共交通发达,案件主要集中在北京站北街及大羊毛胡同的附近,案件高发时间为上午6时与下午18时前后,与交通客流早晚高峰时间基本一致。
C	大望路、四惠公交枢纽,多个公交、地铁站点在此换乘	b-B	该地段为长安街东段重要的公交-地铁换乘站,人流量较大,发案集中在地铁大望路站附近与地铁四惠站附近,案件高发时间为上午6时至8时和下午18时前后,与交通早晚高峰时段基本一致。

[1]	陈卓, 梁宜, 金凤君. 基于陆路综合交通系统的中国城市网络通达性模拟及其对区域发展格局的影响[J]. 地理科学进展, 2021, 40(2): 183-193.
[2]	朱冠宇, 陈鹏. 基于共同犯罪的犯罪人地域关系网络的空间演化及其影响因素——以北京市诈骗案件为例[J]. 地理科学进展, 2020, 39(5): 792-803.
[3]	郭雅琦, 陈鹏. 基于时空临近重复效应的犯罪热点特征及成因分析——以北京市抢劫案件为例[J]. 地理科学进展, 2020, 39(5): 804-814.
[4]	卢明华, 周悦颜, 刘汉初, 许欣. 北京企业对河北直接投资的时空动态特征及影响因素[J]. 地理科学进展, 2020, 39(3): 389-401.
[5]	李晓丽, 宋伟轩, 吴威, 马雨竹. 基于跟踪调查的北京城市空间感知研究——以中国科学院大学硕士研究生为例[J]. 地理科学进展, 2020, 39(2): 276-285.
[6]	王蓓, 王良, 刘艳华, 杨波, 黄晓春, 杨明. 基于手机信令数据的北京市职住空间分布格局及匹配特征[J]. 地理科学进展, 2020, 39(12): 2028-2042.
[7]	李春江, 马静, 柴彦威, 关美宝. 居住区环境与噪音污染对居民心理健康的影响——以北京为例[J]. 地理科学进展, 2019, 38(7): 1103-1110.
[8]	刘炳春, 齐鑫, 王庆山. 北京城市代谢预测研究——基于长短期记忆神经网络模型[J]. 地理科学进展, 2019, 38(6): 851-860.
[9]	申犁帆, 张纯, 李赫, 王烨, 王子甲. 城市轨道交通通勤与职住平衡状况的关系研究——基于大数据方法的北京实证分析[J]. 地理科学进展, 2019, 38(6): 791-806.
[10]	黄幸, 刘玉亭. 消费端视角的中国大城市新建绅士化现象——以北京宣武门ZS小区为例[J]. 地理科学进展, 2019, 38(4): 577-587.
[11]	杨振山, 吴笛, 杨定. 迁居意愿、地方依赖和社区认同——北京中关村地区居住选择调查分析[J]. 地理科学进展, 2019, 38(3): 417-427.
[12]	张延吉, 朱春武, 秦波. 犯罪数量与危害的空间分布及建成环境影响——基于北京市刑事案件的纵向研究[J]. 地理科学进展, 2019, 38(12): 1876-1889.
[13]	丁凯熙, 张利平, 宋晓猛, 佘敦先, 夏军. 北京地区汛期降雨时空演变特征及城市化影响研究[J]. 地理科学进展, 2019, 38(12): 1917-1932.
[14]	杜超, 王姣娥, 刘斌全, 黄鼎曦. 城市道路与公共交通网络中心性对住宅租赁价格的影响研究——以北京市为例[J]. 地理科学进展, 2019, 38(12): 1831-1842.
[15]	文嫮, 张强国, 杜恒, 罗芬. 北京电影产业空间集聚与网络权力分布特征研究[J]. 地理科学进展, 2019, 38(11): 1747-1758.