随着地理学的发展,从社会主体空间行为的角度分析和解释社会现象已经成为十分重要的研究方向,同时也为城市犯罪问题的深入研究提供了新的思路和方法。近年来,关于犯罪人空间出行行为方面的研究层出不穷,研究成果十分丰富^[1]。

针对当前犯罪人空间出行行为研究方向的国内外现状及其存在的问题,本文拟针对犯罪人不同主体特征下的空间出行行为开展实证性分析,围绕犯罪人空间出行行为模式这一基本目标,系统地研究不同个体特征下的犯罪人空间出行行为及其可能存在的差异性,并构建犯罪人主体出行理论模型对其进行分析解释,从深层次角度进一步揭示犯罪人空间行为的内在机制,为犯罪活动的有效防控提供理论和数据支撑。

随着国内公安机关对情报数据分析和信息挖掘的重视和加强,近年来,犯罪人信息收集受到了公安部门的高度重视,也为开展犯罪人主体特征及其相关行为的分析奠定了良好的基础。特别是近年来一些地区公安部门在侦办案件过程中开始主动获取犯罪人的居住地、作案地及其他个体特征信息用于案件的辅助侦查,希望能够通过数据分析获得不同类型犯罪人个体的行为特征分布,以提高案件的侦破效率和速度。对此,本文在参考和借鉴以往犯罪人空间出行行为研究的基础上,通过采集和收集有关犯罪人的生理、社会等不同类型的主体特征数据,进一步开展犯罪人空间出行行为的深入研究。具体研究目标及内容如下：

(1) 犯罪人主体不同特征下的犯罪出行距离分布。犯罪人的空间出行行为的一个重要表现是其出行距离的分布,尤其是出行频次和出行距离的函数对应关系,而不同生理和社会特征的犯罪人个体在空间行为上也会存在着一定的区别。对此,本文拟将犯罪人的空间出行距离作为描述其空间出行行为的一个变量,研究生理(如性别、年龄)、社会(如籍贯、文化程度、收入水平)等不同主体特征下犯罪人空间出行距离分布,分别计算其空间出行距离的均值、方差、最大值、最小值、缓冲半径等,构建其出行频次与出行距离的分布,并应用非参数检验方法对不同性别、不同年龄、不同籍贯以及不同犯罪经验的犯罪人出行距离分布进行差异性检验。

(2) 犯罪人不同主体特征差异下的空间出行行为差异性理论解释。犯罪人在空间环境下的行为模式及出行行为一般会受到环境风险感知、出行成本以及犯罪收益等多个因素的影响,因此不同主体特征下的犯罪人空间出行行为会受到多种因素的综合作用。因此,本文在对不同特征下的犯罪人出行距离统计分布的研究基础上,基于环境犯罪学基本理论从犯罪人的环境、风险、收益感知等多个方面构建行为模型,研究并解释不同主体特征下犯罪人的空间出行行为模式差异性的形成原因。

本文研究数据来自于北京市公安局执法办案平台数据库盗窃电动自行车的案件记录,选择该类案件的主要原因包括2个方面：首先,北京市年盗窃类案件发案量占侵财类案件发案总数的70%以上,其中盗窃电动自行车案件作为近年来出现的一种新型犯罪,占比较大且增长速度较快,对居民的日常生活和财产安全带来较大的威胁;其二,从研究方向上来讲,盗窃电动车类案件属于典型的“机会型”案件,即犯罪人在实施作案的过程中,其作案目标、地点的选择受犯罪人个体特征的影响较大。

本文研究数据的时间区间为2008—2014年,原始案件数据中包含有案件信息和犯罪人基本信息共3621条。其中,案件信息包含有案件编号、案发时间、案发地点等,案件关联的犯罪人信息则主要包含有犯罪人的姓名、身份等信息,其中身份信息包括犯罪人的性别、年龄、户籍地、累犯次数、被捕时的居住地等。因此,根据数据的实际情况,提取犯罪人的性别、年龄、籍贯、犯罪经验等作为犯罪人的主体特征开展分析。通过对数据进行预处理,删除重复及不完整的信息后,最终得到有效数据共1660条,涉及犯罪人共375人。

在衡量犯罪人主体出行距离方面,以案件信息中犯罪人的作案地点和居住地点之间的曼哈顿距离(Manhattan Distance)作为犯罪人空间出行距离的近似。在已有的研究结论中,曼哈顿距离和路径距离之比在1.02以内^[19],因此在实际犯罪人空间出行距离未知的情况下可将犯罪人居住地到作案地间的曼哈顿距离作为两地间的实际路径距离的近似值。

在分析方法上,由于本文主要分析不同主体特征下的犯罪人空间出行行为,即重点分析不同主体特征下的犯罪人空间出行行为差异,因此采用非参数检验方法。其中对双样本数据采用Kolmogorov-Smirnov检验法(K-S检验法),对多样本数据采用Kruskal-Wallis H检验法(K-W检验法）进行分析。

1.3.1 K-S检验原理

K-S检验是一种拟合优度检验方法,能够检验两样本总体分布是否存在显著差异。其原假设是：两组独立样本总体的分布无显著差异。该方法作为一种非参数检验的方法,适用范围广,检验时不依赖于均值是否一致,并且检验过程中对数据进行了全利用。原理如下：

假定2个样本的样本量分别为n和m,用S_n(x)和F_m(x)分别表示2个样本的累积经验分布函数,D表示样本函数累积分布曲线间的最大垂直差,则有：

检验统计量Z近似正态分布,表达式为：

计算检验统计量的概率P值,当P值小于显著性水平,拒绝零假设;当P值大于显著性水平,接受零假设。

1.3.2 K-W检验原理

K-W检验是一种针对多个样本的非参数检验方法,与K-S检验一样,对多个样本分布情况进行考察,检验多个样本分布是否存在显著差异。其原假设是：多组独立样本来自总体的分布无显著差异。同样,该检验方法不是单一的利用均值、中位数来判断样本数据,对研究数据的具体分布和参数等无依赖性。原理如下：

将大小为n₁, n₂ ,…, n_k的k个样本混合起来(容量为N),从小到大排序,求秩。

对每个样本的观测值的秩(R_i,i=1, 2, …, k)求和。

求每个样本的平均秩 Ri¯：

再求所有k个样本的总平均秩 R¯：

最后构造统计量H：

计算检验统计量的概率P值,当P值小于显著性水平,拒绝零假设;当P值大于显著性水平,接受零假设。

首先,对北京市盗窃电动车案件中的犯罪人居住地、作案地以及从居住地到作案地之间的空间态势关系进行制图分析。图1显示了375名犯罪人在实施犯罪活动期间的居住地、作案地的空间分布情况,以及居住地和作案地之间的出行方向。从图中可见,犯罪人的居住地、作案地在北京市的分布虽然覆盖范围较广,但仍表现出了一定的空间聚集性趋势。通过对犯罪人的居住地和作案地进行简单的空间平均中心计算,可以发现犯罪人的居住地与作案地的空间分布重心基本一致,反映了犯罪人在居住和作案地点的空间分布特征具有一定的相似性。从标准椭圆分布可以看出,居住地和作案地的分布均呈现东北—西南方向,居住地标准差椭圆的大小、短半轴和长半轴均比作案地更小,因此,居住地的分布较作案地更集中,作案地分布的方向性较居住地更强。而从犯罪人的出行方向来看,整体表现为从西南向东北的犯罪出行趋势。

2.2.1 不同性别要素下犯罪人的出行距离分布

将犯罪人出行数据按照性别分为男性、女性2类,其中男性的作案数量为1475起,女性为185起。从表1统计结果上看出,男女性犯罪人在犯罪出行距离的分布上存在一定的差异。其中男性犯罪人的平均犯罪出行距离为15.43 km,高于女性犯罪人14.29 km的平均值,但在中位数统计上则表现出女性犯罪人的出行距离(11.23 km)大于男性犯罪人(9.81 km)。在出行距离的分布上,可以看出男女性犯罪人均呈现出了距离衰减效应,即犯罪频率随着出行距离的增加而减小,且都表现出了一定的空间缓冲效应(图2a),其中：男性犯罪人的缓冲区半径约为5 km左右,女性犯罪人的空间缓冲半径约为10 km左右。两者比较来看,女性犯罪人的空间缓冲半径要略高于男性犯罪人,反映出男性犯罪人更偏向于在距离其落脚点较近的区域从事犯罪活动。进一步应用K-S检验的方法对不同性别犯罪人的犯罪出行距离累积分布进行检验(图2b),得到D=0.201,Z=2.573,P=3.565E-06<0.001,表明2类主体之间在犯罪的出行距离分布上存在有明显的差异。

2.2.2 不同年龄要素下犯罪人的出行距离分布

将犯罪人出行数据按照年龄进行分类,将其分为25岁以下、25~44岁、45岁以上等3个不同年龄段^① (① 本文采用的数据样本中,大部分样本年龄在26~44岁区间,年龄低于25岁或高于45岁的样本分布均为20%左右。结合国际上将15~24岁年龄段的人口称为青年人口,新的年龄段划分标准将45岁作为划分节点,因此以25岁和45岁为年龄节点将犯罪人分为3个年龄段。),其中25岁以下犯罪人作案数量为311起,25~44岁犯罪人作案数量为1049起,45岁以上犯罪人作案数量为300起。通过对3组不同年龄段的犯罪人的出行距离进行简单统计,可以看出,25~44岁年龄段犯罪人的犯罪出行距离的平均值(16.32 km)和中位数(12.05 km)最高;其次为45岁以上年龄段,其犯罪出行距离的平均值和中位数分别为15.08 km和7.34 km;而25岁以下年龄段犯罪人出行距离的平均值(12.08 km)和中位数(5.06 km)最小。此外,从犯罪出行距离的分布特征上,不同年龄段的犯罪人出行行为均表现出了明显的距离衰减效应和空间缓冲效应(图3a),其中25岁以下和45岁以上年龄段犯罪人的空间缓冲半径均小于5 km,而25~44岁年龄段犯罪人的缓冲半径约为7 km。进一步地,为验证不同年龄段犯罪人的空间出行行为差异性,将犯罪人的空间出行距离进行累积并采用K-W检验对3组犯罪人的出行距离分布差异进行检验,得到R²=69.174,df=2,P<0.001(表2),可见,不同年龄段犯罪人之间的犯罪出行距离具有较高的显著性差异,并且在犯罪出行距离的分布上,25岁以下和45岁以上犯罪人的出行距离均小于25~44岁年龄段,犯罪人的年龄要素与犯罪出行距离之间呈现出一种倒“U”型关系^②(②倒“U”型相关关系指的是随着犯罪人年龄的增长,其犯罪出行距离先增大后减小。在不同年龄犯罪人的犯罪出行距离统计图上表现出一条倒“U”型的曲线),与现有的研究结论基本一致^[20]。

2.2.3 不同籍贯要素下犯罪人的出行距离分布

将犯罪人的地域籍贯进行分类统计,发现北京市盗窃电动车案件涉及的犯罪人共来自25个省级行政区域,而其中来自北京、河北、河南、湖北4个地区犯罪人的涉案量占整体发案的比例超过了75%(表1),因此,在地域特征方面着重对来自这4个省级行政区域的犯罪人的空间出行特征进行分析。首先,从犯罪出行距离的统计结果来看,来自4个地区犯罪人的出行距离分布情况并不相同,其中来自河南省的犯罪人出行距离的平均值和中位数最大,分别达到了22.34 km和22.15 km,不仅高于来自于其他省份的犯罪人,也大大高于整体的平均值(15.3 km)。其次为湖北省的犯罪人,其犯罪出行距离的平均值和中位数分别达到了17.58 km和14.24 km。相比之下,北京市和河北省犯罪人的平均出行距离和中位数较小,分别小于12 km和8 km(表1),均小于总体平均值。其次,从犯罪出行距离的分布特征上看,来自北京市、河南省、湖北省3个省市的犯罪人出行距离均呈现出明显的距离衰减和缓冲区效应(图4a),而河北省的犯罪人的缓冲区效应相对不明显。而相比之下,来自北京市的犯罪人出行空间缓冲半径较小,仅有约5 km,但来自河南省和湖北省地区犯罪人出行空间缓冲半径较大,达到了15~20 km。最后,应用K-W检验对来自4个地区的犯罪人的出行距离分布的差异性进行分析,结果如表2所示,R²=232.305,df=3,P<0.001,可见,来自不同省份的犯罪人的犯罪出行距离分布存在有强显著性差异,但在具体的两两比较上,北京市和河北省、河南省和湖北省之间的差异性不明显(P>0.05),而北京市与河南省、北京市与湖北省、河北省与河南省、河北省与湖北省之间则存在显著性差异(P<0.001)。

2.2.4 不同经验要素下犯罪人的出行距离分布

除了性别、年龄和籍贯等个体特征以外,犯罪人的犯罪经验也是潜在的影响犯罪人空间出行行为的重要因素之一。对此,以案件数量的四分位数为分类标准将数据按照作案次数分为四组,即第一组为仅作案1次,第二组为作案2~8次,第三组为作案9~22次,第四组为作案22次以上,不同的犯罪次数反映了犯罪人的犯罪经验程度。从表1的统计结果可以看出,作案次数最多的第四组犯罪人出行距离的平均值和中位数最大,分别达到了20.67 km和17.81 km,远远高于其他各组;但在最大出行距离上,具有较少犯罪经验的犯罪人其最大出行距离反而较高,如第一组和第二组犯罪人的最大出行距离均超过了100 km,而第三组和第四组犯罪人的最大出行距离均只有70~80 km。其次,在出行距离的分布上,4组犯罪人的犯罪出行均具有明显的距离衰减和空间缓冲区效应(图5a),其中第一至第三组犯罪人的空间缓冲半径在5 km内,而第四组犯罪人的空间缓冲半径达到了10 km左右。最后,利用K-W检验对4组犯罪人出行距离之间的差异性进行分析,结果显示R²=8.505,df=3,P=0.037(表2),表明4组犯罪人犯罪出行距离之间的差异具有弱显著性。此外,从两两对比来看,作案经验最为丰富的第四组与作案次数较少的第一组(P<0.001)和第二组(P=0.05)具有显著性差异,与第三组之间没有表现出明显的差异性(P>0.05),但就犯罪出行距离分布情况来看,基本表现为犯罪人的犯罪次数越多其出行距离越远的趋势^[16]。

从以上关于盗窃电动车案件不同主体特征的犯罪人出行距离分布的分析结果来看,主要呈现出2个基本特点：其一,犯罪人出行行为均表现为犯罪出行频率随出行距离递减的效应,即距离衰减效应;其二,均呈现出了不同程度的出行距离和空间缓冲效应。对于前者,其行为模式基本符合最小努力原则,即“行为主体为了达到一个既定的目标,总是会倾向于采取那些路径最短、能量消耗最少的方法”^[21],而在犯罪活动中则表现为犯罪人总是希望以最小的代价获得最大的犯罪收益。在犯罪人的空间出行行为中,出行的成本是其主要的代价之一,其对犯罪人的直接影响表现为犯罪人会倾向于在距离居住地更近的地方实施犯罪活动,因此在出行距离的分布上呈现出随着犯罪人的出行距离增加犯罪频率逐渐减少的衰减效应。而对于不同类型犯罪人出行距离的分布以及空间缓冲效应所出现的差别,其原因不仅在于受到了出行成本的影响,同时还受到了包括邻里监护等外在风险的控制以及通过犯罪获取更多收益的吸引。其中犯罪收益对犯罪人的出行意愿起到的是正向的强化作用,而出行的成本和外在的风险则对犯罪人的出行意愿产生了负向的强化作用。

对于犯罪人出行过程中表现出的空间缓冲效应,则可以应用环境犯罪学中的理性抉择理论进行解释。该理论认为：“犯罪行为的发生是犯罪人的理性选择过程,犯罪人如何进行行为的选择不仅取决于行为人的个性,也取决于周围的环境,行为人选择犯罪行为总是要结合环境考虑行为的风险和收益”^[22]。根据这一原理,若假设犯罪人于空间各处获取的潜在犯罪收益均等(或广义上理解为犯罪机会均等),则犯罪人空间出行所面临的风险、成本、收益等变量之间的关系可以表示如图6a所示。首先,在面临的风险上,犯罪人主要面临来自于居住地周边的邻里监护以及熟人社会所带来的监 护风险,因此距离其居住地越近,犯罪人面临的邻里监护程度越高,风险越大,但随着犯罪出行距离的增加,邻里监护的程度会逐渐减弱,犯罪风险将逐渐降低^[12];其次,在犯罪成本方面,若不考虑空间环境因素对犯罪人决策造成的影响,犯罪人的出行成本与出行距离之间可理解为近似的单调递增关系^[12,14,23]。因此,综合上述几个因素,根据理性选择理论的基本原理,可对犯罪人的空间出行行为构建一个相应的解释模型^[19]。设d、r、c、i、p分别为犯罪人的空间出行距离、风险、成本、收益和作案可能性,r_d、c_d、i_d分别代表在犯罪出行距离为d时犯罪人的犯罪出行风险、成本和收益,则犯罪人的犯罪可能性可表示为：

在不同的犯罪出行距离d下,犯罪人作案的可能性p受r_d、c_d、i_d三个要素的影响而变化。其中,犯罪收益与作案概率之间存在着犯罪人犯罪收益i_d越大作案可能性p越大的正向影响关系,而成本和风险与作案概率之间则存在着犯罪人作案可能性p随犯罪出行成本c_d和风险r_d的增加而减小的负向影响关系。若令r_m、c_m分别为犯罪人在犯罪过程中所能接受的最大风险和最大出行成本。当d较小时(d < d_min),虽然犯罪人面临的出行成本(c_d)很小,但由于潜在风险(主要为邻里守望风险)r_d>r_m使犯罪人无法承受较高的代价,因此会使其主动放弃实施犯罪;当d较大时(d>d_max),尽管离居住地较远使犯罪人的犯罪风险降低(r_d),但一旦c_d>c_m时犯罪人将承受较高的出行成本而损害潜在的犯罪收益。因此,只有当犯罪风险和出行成本达到一个相对适合的平衡点,即在一定合适的距离范围内(d_min <d<d_max)犯罪风险和出行成本均处于可接受的程度且不会对犯罪收益形成太大的损害时,犯罪人的犯罪意愿最为强烈(图6a),这个距离范围区间就是犯罪人在犯罪出行过程中所产生的空间缓冲区间,并且随着犯罪人对风险感知和出行成本接受程度的不同,其空间缓冲半径的分布也会发生相应的变化(图6b)。

对于不同类型犯罪人在空间出行过程中所表现出的差异性,可以利用该模型进行解释和分析。即对于具有不同主体特征的犯罪人,其犯罪出行模式的差异主要表现为不同类型的主体特征对犯罪出行中的出行成本和风险产生了不同的影响(图7)。首先,从性别特征来看,不同性别和年龄段的群体对出行成本和风险有着不同的接受度和感知度,其中男性相对于女性来说,对出行成本的接受度更高一些,如有统计显示,男性的日平均出行距离约为6.5 km,而女性的平均出行距离约为4.7 km^[24,25],但由于女性犯罪人对邻里监护风险的感知程度也较高,综合作用下女性犯罪人反而更偏好于在居住地附近但有一定距离的区域内作案^[3,26]。其次,从年龄特征来看,不同年龄段的犯罪人群体在出行成本的接受度方面也存在着明显区别,例如,根据调查显示,老年人和青少年群体的日平均出行距离约在3 km左右,而中青年人群的日平均出行距离可以达到6~7 km^[24]。从风险角度来讲,中青年年龄段的犯罪人累积了更多的空间意识和经验,其对邻里监护风险的感知程度更高^[3];而青少年和老年群体受日常活动理论等的影响^[27],在居住地附近的风险感知程度较低,且受限于出行的成本使其往往更会选择在较近的距离内作案^[3,8,13,28]。第三,从籍贯特征来看,本地籍人群和外来人群在出行成本与风险认知方面也存在着差距。相对来说,由于外来人群更容易被标签化,因此对邻里监护的风险感知较本地人群更强^{[11,13,15,29]}。而在出行成本方面,外来人群在城市环境中一般会有与本地人群不同的职住选择,例如外来人群受生活成本的限制一般会集中在城市的边缘区域等^[30],导致其对出行成本的接受度较本地人群相对更高。因此,在犯罪出行上外地人群会表现出更大的出行距离和空间缓冲距离。第四,从经验特征来看,作案次数更多的犯罪人往往有着更为丰富的风险认知经验,但是也意味着其将面临着更大的邻里监护风险,因此在犯罪的空间出行上往往会选择更远的区域来保证其有足够的“安全性”^[16],最终表现出犯罪距离和空间缓冲距离较大的特征。

本文利用北京市盗窃电动自行车案件犯罪人的居住地和作案地等相关数据,对具有不同主体特征的犯罪人的空间出行行为进行了实证分析,结果表明,犯罪人的出行距离和空间缓冲区会随着犯罪人的性别、年龄、籍贯、犯罪次数等发生变化,即不同类型的犯罪人主体在空间出行行为上存在显著的差异性,其中男性犯罪人比女性犯罪人具有更大的犯罪出行距离,但其空间缓冲半径则相对女性较小;中年犯罪人群体较青少年和老年犯罪人群体的出行距离和缓冲距离更大;外来犯罪人群体较本地犯罪人群体的犯罪出行距离和和缓冲距离更大;多次作案的犯罪人在出行距离和空间缓冲半径的分布上要显著大于作案次数较少的犯罪人。从理论层面上,犯罪人的出行行为一方面总体上会受最小努力原则的影响,犯罪人的出行频次将呈现出随出行距离增加而减少的趋势,表现为距离衰减效应;另一方面,犯罪人的空间出行也会受到自身特征的影响,在出行成本、环境风险感知和犯罪收益上由于存在着不同的接受度和认知性,导致其犯罪出行模式呈现出截然不同的特点。总体上来看,生理特征更强(男性和中年犯罪人群体)、具有外来标签(如河南和湖北省份的犯罪人群体)和作案经验相对丰富的犯罪人对犯罪出行成本的接受度较高,对居住地附近的风险感知度较强,因而在实施犯罪活动的过程中会更容易产生更大的犯罪出行距离和空间缓冲区。

本文针对不同主体特征的犯罪人空间出行距离分布的统计分析及其差异性的理论分析解释有助于理解犯罪人在犯罪出行中的决策过程,进而为公安部门制定有效的打击和防控策略提供参考,例如可以加大对一些潜在犯罪人群体可能集中居住的重点区域的巡控力度,提升犯罪人对犯罪风险的感知,降低重点区域周边的案件发生率,或利用不同个体特征的犯罪人出行距离分布建立精准的数学模型对其可能的居住范围进行预测,以快速发现犯罪人的居住锚点,提升案件的侦查效率等。但由于研究数据和方法的限制,本文尚存在一定的不足,例如原始数据中不同性别的犯罪人案件数量相差较大,对研究结果可能造成一定影响,且研究中只对空间距离进行了分析,尚未加入时间因素的讨论。此外,本文所讨论的犯罪人空间出行行为仅对犯罪人的空间出行距离和缓冲半径的分布进行了研究,尚未对犯罪人的空间出行偏角等其他同样具有代表性的空间出行行为展开分析,等等,这些不足将在今后研究中不断完善。