盜竊犯罪多時(shí)空尺度分布格局及其影響因素分析

代愛華　黃雨菲　曾憲海

摘 要：針對(duì)明確犯罪時(shí)空特征及其影響因素對(duì)預(yù)防犯罪維護(hù)社會(huì)秩序具有重要作用，本研究以FZ市為研究對(duì)象，分析盜竊犯罪在多時(shí)空尺度的分布格局及其影響因素，以揭示盜竊犯罪的驅(qū)動(dòng)機(jī)制?；陲@著性檢驗(yàn)與核密度的分析表明，在“日”“周”“月”“季度”和“季節(jié)”等多個(gè)時(shí)間尺度下，盜竊犯罪存在明顯的差異性;在空間尺度上，盜竊犯罪空間異質(zhì)性明顯且成圈層結(jié)構(gòu)分布;盜竊犯罪的時(shí)空分布格局受環(huán)境因素、社會(huì)經(jīng)濟(jì)因素以及犯罪主體意識(shí)多重因素影響，各因素間交互耦合共同作用使得盜竊犯罪產(chǎn)生時(shí)空差異性。本研究可為維護(hù)治安與防控盜竊犯罪提供一定的參考和借鑒。

關(guān)鍵詞：盜竊犯罪;犯罪地理學(xué);時(shí)空分布格局;犯罪熱點(diǎn);多尺度

中圖分類號(hào)：D917? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2021）10-0030-05

1 引言

改革開放帶來了市場(chǎng)經(jīng)濟(jì)的繁榮和發(fā)展，然而，在不斷增加的各種犯罪誘因下，犯罪作為長(zhǎng)期存在的問題愈演愈烈，犯罪類型逐漸多樣化，犯罪手段隱蔽、智能化^[1]。雖然相關(guān)部門進(jìn)行了一系列宣傳教育，打擊力度有所加強(qiáng)，歷年來刑事案件數(shù)量呈減少趨勢(shì)，但是日益突出的犯罪問題不僅嚴(yán)重影響了社會(huì)治安秩序，還對(duì)人民群眾的生命財(cái)產(chǎn)安全等造成巨大的威脅^[2]。因此，犯罪治安防控作為社會(huì)公共安全的基礎(chǔ)工作，一直以來是公安部門的工作重點(diǎn)，亦是人們關(guān)注的熱點(diǎn)。

目前，國(guó)內(nèi)外專家學(xué)者取得了諸多關(guān)于犯罪地理研究的成果。國(guó)外學(xué)者在19世紀(jì)早期從地理學(xué)的角度系統(tǒng)繪制犯罪案件的空間分布，20世紀(jì)早期從城市規(guī)劃或建筑學(xué)的角度研究城市內(nèi)部空間結(jié)構(gòu)和罪犯居住地模式之間的關(guān)系，20世紀(jì)中期從計(jì)量統(tǒng)計(jì)分析的角度研究影響犯罪的多種變量，繼而聚焦于環(huán)境對(duì)犯罪案件分布的影響，20世紀(jì)末期逐漸發(fā)展出計(jì)算機(jī)與GIS（地理信息系統(tǒng)）技術(shù)相結(jié)合的犯罪空間分析，以及21世紀(jì)以來利用復(fù)雜性科學(xué)方法將犯罪理論應(yīng)用于虛擬犯罪模擬，逐漸形成一系列成熟的犯罪研究理論^[3]。Chressanthis和Grimes[4]研究了1960至1987年期間16至19歲青少年指數(shù)犯罪率與美國(guó)工業(yè)實(shí)際最低工資變化之間的關(guān)系。Karakas等^[5]利用GIS對(duì)Elazig市的家庭入室盜竊地區(qū)分布進(jìn)行制圖，并考慮月、日、時(shí)等參數(shù)以及與土地利用相關(guān)的犯罪分布情況。Seok等^[6]基于馬桑市犯罪數(shù)據(jù)，利用犯罪密度和犯罪熱點(diǎn)分析方法、探索了空間數(shù)據(jù)分析和空間自回歸模型，研究犯罪發(fā)生的空間關(guān)系和影響犯罪的因素。Yoo等[7]基于海云臺(tái)警察局5年的盜竊犯罪數(shù)據(jù)，利用普通最小二乘和地理加權(quán)回歸分析盜竊數(shù)量與社會(huì)因素、環(huán)境因素和防御因素的7個(gè)變量之間的關(guān)系。Chen等^[8]利用ST-DBSCAN時(shí)空聚類算法并提出一種新的熵指數(shù)來衡量時(shí)空犯罪熱點(diǎn)中罪犯和犯罪的相似性?，F(xiàn)代中國(guó)犯罪的研究主要是基于警務(wù)GIS設(shè)計(jì)應(yīng)用、區(qū)域犯罪特征、犯罪空間防控對(duì)策、國(guó)外研究和實(shí)踐經(jīng)驗(yàn)介紹等方面。隨著近年來中國(guó)數(shù)據(jù)開放程度的提高，全國(guó)范圍內(nèi)的研究學(xué)者結(jié)合理論定性和定量分析的方法對(duì)于實(shí)證性的犯罪研究取得了突破性進(jìn)展。陳征等^[9]基于武漢市1980至1987年刑事案件數(shù)據(jù)對(duì)城市犯罪的時(shí)空特征進(jìn)行分析。馮健等^[10]基于北京8個(gè)區(qū)財(cái)產(chǎn)類犯罪利用GIS建立時(shí)空機(jī)制模型并探討城市犯罪的時(shí)空特征。毛媛媛等^[11]對(duì)上海浦東新區(qū)搶劫、搶奪犯罪與城市空間環(huán)境的關(guān)系及其空間分布規(guī)律進(jìn)行了研究。徐嘉祥等^[12]基于北京市2013年主城區(qū)入室盜竊案件數(shù)據(jù)，利用核密度估計(jì)和時(shí)空熱點(diǎn)矩陣方法進(jìn)行時(shí)空熱點(diǎn)實(shí)證分析，探索案件熱點(diǎn)環(huán)境的時(shí)空要素，構(gòu)建犯罪時(shí)空分布機(jī)制。朱艷麗等^[13]基于2014年美國(guó)費(fèi)城的搶劫犯罪數(shù)據(jù)，利用時(shí)空立方體模型挖掘犯罪事件的時(shí)空特征及其熱點(diǎn)時(shí)空分布?？傮w而言，城市犯罪的時(shí)空特征已經(jīng)成為當(dāng)前國(guó)內(nèi)學(xué)者的研究熱點(diǎn)話題。

雖然已有對(duì)犯罪時(shí)空維度的研究，但中國(guó)的犯罪地理學(xué)仍處于起步階段，對(duì)于犯罪時(shí)空模式和影響因素的研究仍亟須加強(qiáng)。已有研究表明，犯罪行為在某一特定的時(shí)間和空間維度內(nèi)并非完全均勻分布，會(huì)存在明顯的時(shí)空聚集性^[14]。不同類型的犯罪在不同的時(shí)間維度上可能具有一定的規(guī)律性。犯罪行為除了時(shí)間特征明顯，空間分布上亦存在顯著的差異性。犯罪行為的發(fā)生與時(shí)空參數(shù)、研究區(qū)域人文環(huán)境等諸多因素有關(guān)。因此，對(duì)多時(shí)空尺度的犯罪分布格局并對(duì)其影響因素進(jìn)行研究，是當(dāng)前學(xué)術(shù)研究的重點(diǎn)。

在所有刑事案件中，盜竊犯罪的比率占50%左右，是刑事案件中最具代表性、占比最大的案件類型，嚴(yán)重侵犯了公民的財(cái)產(chǎn)權(quán)和隱私權(quán)，給人民帶來巨大的安全隱患和精神壓力^[15]。因此，對(duì)于盜竊犯罪的研究不僅具有理論研究意義，還能為實(shí)際犯罪防控提供指導(dǎo)依據(jù)。

鑒于以上，本研究以FZ市為研究對(duì)象對(duì)其盜竊犯罪進(jìn)行多時(shí)空尺度分布格局進(jìn)行研究，以期為公安部門在盜竊犯罪治安防控和預(yù)防方面提供建議和參考。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)與數(shù)據(jù)來源

研究區(qū)域?yàn)橹袊?guó)的FZ市，該市位于中國(guó)東南沿海地區(qū)，地理區(qū)位優(yōu)越，交通發(fā)達(dá)，經(jīng)濟(jì)水平持續(xù)快速發(fā)展，人口數(shù)量日益增多。作為經(jīng)濟(jì)快速發(fā)展地區(qū)，該市人口流動(dòng)性大，結(jié)構(gòu)復(fù)雜，所從事社會(huì)經(jīng)濟(jì)活動(dòng)種類眾多。截至2020年，該市常住人口約8.29×106人，地區(qū)國(guó)內(nèi)生產(chǎn)總值達(dá)1.03×104億元，比上年增長(zhǎng)5.1%。全市陸地面積約1.20×104km2，下轄6個(gè)市轄區(qū)、1個(gè)縣級(jí)市和6個(gè)縣級(jí)行政單元。同時(shí)，該市公安警務(wù)信息化建設(shè)較為完善，數(shù)據(jù)信息記錄準(zhǔn)確詳實(shí)，可靠性高。

為研究FZ市盜竊犯罪的多尺度時(shí)空分布特征，使用警務(wù)信息系統(tǒng)收集了自2018-01-01至2020-12-31盜竊案件的報(bào)警數(shù)據(jù)，共收集15831個(gè)盜竊案件數(shù)據(jù)，數(shù)據(jù)內(nèi)容包含案發(fā)時(shí)間和地點(diǎn)。同時(shí)，為客觀分析盜竊犯罪時(shí)空分布格局的影響因素，本研究收集了研究區(qū)的人均經(jīng)濟(jì)收入、人口密度以及外來人口從業(yè)人數(shù)等數(shù)據(jù)。

2.2 描述統(tǒng)計(jì)分析與χ2檢驗(yàn)

為明確研究區(qū)盜竊犯罪的多時(shí)間尺度變化特征，研究利用描述統(tǒng)計(jì)方法以SPSS軟件為基本操作平臺(tái)對(duì)盜竊犯罪在“日”“周”“旬”“月”“季度”和“季節(jié)”等時(shí)間尺度上進(jìn)行分類匯總分析，并利用χ²檢驗(yàn)對(duì)分析結(jié)果進(jìn)行顯著性檢驗(yàn)。需說明的是，本研究中季節(jié)的劃分標(biāo)準(zhǔn)依據(jù)氣象劃分法進(jìn)行，即3-5月為春季，6-8月為夏季，9-11月為秋季，12至下年2月為冬季。

2.3 核密度估計(jì)

分析犯罪事件的空間特征對(duì)于明確犯罪行為的分布規(guī)律具有重要意義。本研究運(yùn)用ArcGIS 10.2軟件，采用核密度估計(jì)方法分析研究區(qū)盜竊犯罪的空間熱點(diǎn)分布。核密度估計(jì)法在以往的大量研究中已被證實(shí)是一種有效測(cè)度要素鄰域密度與分析空間熱點(diǎn)分布的方法。該方法以概率論為理論基礎(chǔ)，通過核函數(shù)度量空間事件間的相互影響，以此確定事件在空間上發(fā)生的密度或強(qiáng)度。其具體計(jì)算公式為^[16]：

式中，f（x）為盜竊犯罪在空間區(qū)域內(nèi)x處的分布概率密度，n為總盜竊犯罪案件數(shù)，k（ ）表示核函數(shù)，h為帶寬;x-x_i表示估計(jì)值到空間區(qū)域盜竊犯罪點(diǎn)xi處的距離。

3 盜竊犯罪時(shí)空分布格局

3.1 盜竊犯罪多時(shí)間尺度特征

根據(jù)多時(shí)間尺度，即“日”“周”“旬”“月”“季度”和“季節(jié)”等6種時(shí)間尺度，對(duì)研究區(qū)盜竊犯罪案件進(jìn)行分類匯總，進(jìn)而利用χ2檢驗(yàn)分析各多時(shí)間尺度盜竊犯罪是否存在顯著差異性，分析檢驗(yàn)結(jié)果如表1所示。

由表1可知，除在“旬”時(shí)間尺度上盜竊犯罪沒有顯著差異性外，其余時(shí)間尺度盜竊犯罪均具有顯著性差異。通過分析盜竊犯罪具有顯著性差異的時(shí)間尺度（圖1），可發(fā)現(xiàn)以下特征：

3.1.1 日分布

由盜竊犯罪的日分布情況可知（圖1a），每月中旬18日案件發(fā)生數(shù)量最多，月末26日和31日案件發(fā)生數(shù)量最少，且在一月內(nèi)多次出現(xiàn)較小程度的盜竊犯罪案發(fā)“高峰”現(xiàn)象;整體上，各日案件發(fā)生數(shù)量多在研究期平均水平的±7%范圍內(nèi)浮動(dòng)。由此，根據(jù)各日案發(fā)數(shù)量與平均水平的比值可將全月劃分為“高低交錯(cuò)，兩高兩低”四個(gè)階段：月初1日與月中（6-22日）的案發(fā)數(shù)量在平均水平以上，為月內(nèi)盜竊犯罪的“高發(fā)階段”;月初2-5日與月末（23-31日）的案發(fā)數(shù)量在平均水平以下，為月內(nèi)盜竊犯罪的“低發(fā)階段”。

3.1.2 周分布

由盜竊犯罪的周分布情況可知（圖1b），每周周一案件發(fā)生數(shù)量最多，周日案件發(fā)生數(shù)量最少。通過對(duì)比每周各日案發(fā)數(shù)量與周平均水平的比值可知，周一至周三的案發(fā)數(shù)量均在周平均水平以上，周四至周日的案發(fā)數(shù)量均在周平均水平以下。從周一至周日，整體呈逐步遞減的趨勢(shì)。由此，可將一星期劃分為“高低交錯(cuò)，一高一低”兩個(gè)階段，即周一至周三為周內(nèi)盜竊犯罪的“高發(fā)階段”，周四至周日為周內(nèi)盜竊犯罪的“低發(fā)階段”。

3.1.3 月分布

由盜竊犯罪的月分布情況可知（圖1c），10月案件發(fā)生數(shù)量最多，高于月平均水平的20%;相反，2月案件發(fā)生數(shù)量最少，低于月平均水平的55%。根據(jù)每月案發(fā)數(shù)量與月平均水平的比值可知，1月至4月案發(fā)數(shù)量均低于月平均水平;5-12月案發(fā)數(shù)量均高于月平均水平，且呈“先增（5-10月）后減（11-12月）”的趨勢(shì)。由此，可按月份將全年劃分為“高低交錯(cuò)，一高一低”兩個(gè)階段，即1月至4月為年內(nèi)盜竊犯罪的“低發(fā)階段”，5-12月為年內(nèi)盜竊犯罪的“高發(fā)階段”。

3.1.4 季度分布

由盜竊犯罪的季度分布情況可知（圖1d），第四季度案件發(fā)生數(shù)量最多，約高于季度平均水平的17%;相反，案件發(fā)生數(shù)量最少的季度為第一季度，約低于季度平均水平的28%。從第一季度至第四季度，案件發(fā)生數(shù)量呈現(xiàn)逐步遞增趨勢(shì)。通過對(duì)比各季度案發(fā)數(shù)量與季度平均水平，可將全年劃分為兩個(gè)階段，即第一和第二季度為盜竊犯罪“低發(fā)期”和第三和第四季度為盜竊犯罪“高發(fā)期”。

3.1.5 季節(jié)分布

由盜竊犯罪的季節(jié)分布情況可知（圖1e），冬季案件發(fā)生數(shù)量最低，約低于季節(jié)平均水平的18%;相反，夏秋季節(jié)案發(fā)數(shù)量最多，高于季節(jié)平均水平的10%。通過對(duì)比各季節(jié)案發(fā)數(shù)量與季節(jié)平均水平的比值可知，春季和冬季的案發(fā)數(shù)量均在季節(jié)平均水平以下，夏季和秋季的案發(fā)數(shù)量均在季節(jié)平均水平以上。由此，可按季節(jié)將全年劃分為“高低交錯(cuò)，一高兩低”三個(gè)階段，即春季為年內(nèi)盜竊犯罪的“低發(fā)階段”，夏季與秋季為年內(nèi)盜竊犯罪的“高發(fā)階段”，冬季為年內(nèi)盜竊犯罪的“低發(fā)階段”。

3.2 盜竊犯罪空間分布特征

由2018-2020年FZ市盜竊犯罪案件核密度的空間分布（圖2）可知，盜竊案件發(fā)生在空間上存在明顯的集聚特征。主要分布于該市中部地區(qū)的核心地帶，且呈圈層結(jié)構(gòu)分布;該市東南地區(qū)為盜竊案件發(fā)生的次中心區(qū)。整體上，東部盜竊犯罪案發(fā)密度高于西部地區(qū)，這基本與研究區(qū)人口密度和外來人口從業(yè)人數(shù)分布情況一致。

3.3 多時(shí)間尺度下盜竊犯罪空間分布特征

在“日”“周”“月”“季度”和“季節(jié)”等不同時(shí)間尺度盜竊犯罪案件空間特征分析的基礎(chǔ)上，選取各時(shí)間尺度典型時(shí)間段，對(duì)盜竊犯罪的核密度進(jìn)行空間分析。由不同時(shí)間尺度盜竊犯罪案件核密度空間分布（圖3至圖7）可知，盜竊犯罪具有明顯的時(shí)空差異性。

3.3.1 “日”尺度下盜竊犯罪時(shí)空分布格局特征

根據(jù)“日”時(shí)間尺度下盜竊犯罪在一月范圍內(nèi)呈現(xiàn)“高低交錯(cuò)，兩高兩低”的特征，在案件“高發(fā)階段”和“低發(fā)階段”各選擇兩個(gè)具有代表性的日期進(jìn)行空間核密度對(duì)比。由圖3可知，在日尺度上，盜竊案件核密度整體呈現(xiàn)“多點(diǎn)齊發(fā)，中部獨(dú)大”的特點(diǎn)，在案件“高發(fā)階段”的6日（圖3a）和18日（圖3b），研究區(qū)中部為案件發(fā)生“主熱點(diǎn)”，同時(shí)多個(gè)“次熱點(diǎn)”在西北—東南向分布;相比而言，在案件“低發(fā)階段”的26日（圖3c）和28日（圖3d），盡管中部仍為案件發(fā)生“主熱點(diǎn)”，但周邊區(qū)域熱點(diǎn)效應(yīng)并不明顯，28日該特征尤為突出。

3.3.2 “周”尺度下盜竊犯罪時(shí)空分布格局特征

考慮到盜竊犯罪在周尺度上整體呈現(xiàn)從周一至周日逐步遞減的趨勢(shì)，由此分別選擇星期一和星期日作為周時(shí)間尺度盜竊犯罪“高發(fā)期”和“低發(fā)期”的典型時(shí)間點(diǎn)，對(duì)此進(jìn)行盜竊犯罪空間核密度分析。由圖4可知，星期一與星期日盡管在空間分布特征中呈現(xiàn)相似特征，但核密度程度差異明顯，星期一盜竊犯罪案件的空間核密度明顯高于星期日。根據(jù)我國(guó)的節(jié)假日規(guī)定，周末為假期，居民多在家中活動(dòng)，犯罪人員實(shí)施犯罪被發(fā)現(xiàn)的概率高;而周一居民多外出務(wù)業(yè)，犯罪人員實(shí)施犯罪被發(fā)現(xiàn)的概率明顯降低。由此，在犯罪動(dòng)機(jī)驅(qū)動(dòng)下，盜竊犯罪更易發(fā)生在不易被及時(shí)發(fā)現(xiàn)的工作日。

3.3.3 “月”尺度下盜竊犯罪時(shí)空分布格局特征

鑒于盜竊犯罪在“月”時(shí)間尺度下呈現(xiàn)“高低交錯(cuò)，一高一低”的特征，結(jié)合各月案發(fā)數(shù)量與月平均水平的比值，選擇盜竊犯罪“低發(fā)階段”的2月和“高發(fā)階段”的10月進(jìn)行案件核密度計(jì)算。由圖5可知，盜竊犯罪高發(fā)月份10月（圖5b）的“主熱點(diǎn)”范圍明顯高于盜竊犯罪低發(fā)月份2月（圖5a），前者約是后者的2倍。分析其原因：根據(jù)FZ市的自然氣候條件，10月份氣溫適宜利于犯罪的實(shí)施;而2月份該市氣溫較低，犯罪實(shí)施困難性增加，同時(shí)2018-2020年2月份正值我國(guó)春節(jié)假日，居民在家活動(dòng)頻繁，盜竊者作案的期望值降低且風(fēng)險(xiǎn)性增高。

3.3.4 “季度”尺度下盜竊犯罪時(shí)空分布格局特征

根據(jù)季度時(shí)間尺度，盜竊犯罪數(shù)量隨著時(shí)間的遞增逐步增多，故選擇盜竊犯罪數(shù)量高于季度平均水平的第四季度代表季度盜竊犯罪“高發(fā)期”時(shí)間點(diǎn)，選擇盜竊犯罪數(shù)量低于季度平均水平的第一季度代表季度盜竊犯罪“低發(fā)期”時(shí)間點(diǎn)。對(duì)比第一季度（圖6a）與第四季度（圖6b）案件核密度空間分布可知，二者分布特征基本一致，但第四季度核密度強(qiáng)度遠(yuǎn)高于第一季度。推測(cè)其原因：根據(jù)居民收入的一般規(guī)律，越臨近年末居民儲(chǔ)蓄越多，在犯罪動(dòng)機(jī)驅(qū)動(dòng)下，犯罪者第四季度實(shí)施犯罪預(yù)期收益高于第一季度;同時(shí)，我國(guó)傳統(tǒng)節(jié)日春節(jié)和元宵節(jié)均在第一季度時(shí)間范圍內(nèi)，該時(shí)間段居民多在家活動(dòng)，外出務(wù)工人員亦多返回原籍參加節(jié)日慶祝等活動(dòng)，犯罪者實(shí)施犯罪難度加大成功率降低，故第一季度盜竊犯罪數(shù)量較少。

3.3.5 “季節(jié)”尺度下盜竊犯罪時(shí)空分布格局特征

季節(jié)尺度下，盜竊犯罪呈現(xiàn)“高低交錯(cuò)，一高兩低”的特征，故選擇“高發(fā)階段”秋季和“低發(fā)階段”冬季作為代表分析季節(jié)尺度下盜竊犯罪的空間分布特征。該市秋季氣候溫暖適宜易于犯罪的實(shí)施，冬季氣溫較低且受傳統(tǒng)節(jié)日假期影響，故在犯罪案件核密度空間分布上呈現(xiàn)秋季強(qiáng)度遠(yuǎn)高于冬季的特征。

4 結(jié)論與討論

鑒于分析犯罪時(shí)空特征對(duì)預(yù)防犯罪維護(hù)社會(huì)秩序的重要性以及先前研究的不足，本研究選取FZ市盜竊犯罪為研究對(duì)象，分析其多時(shí)間尺度特征與空間特征，以剖析盜竊犯罪的驅(qū)動(dòng)機(jī)理。研究發(fā)現(xiàn)：

（1）盜竊犯罪的案發(fā)數(shù)量在“日”“周”“旬”“月”“季度”和“季節(jié)”等不同時(shí)間尺度下均具有明顯的差異性，存在案件“高發(fā)期”和“低發(fā)期”交錯(cuò)分布的特征。

（2）盜竊犯罪存在明顯的空間集聚效應(yīng)，案件發(fā)生“主熱點(diǎn)”和“次熱點(diǎn)”區(qū)域均呈顯著的圈層式結(jié)構(gòu)。

（3）盜竊犯罪的時(shí)空分布格局是環(huán)境因素、社會(huì)經(jīng)濟(jì)因素和犯罪主體共同作用的結(jié)果，時(shí)間活動(dòng)規(guī)律、環(huán)境屬性以及經(jīng)濟(jì)收入條件在空間上的異質(zhì)性可不同程度地影響犯罪人員的作案動(dòng)機(jī)，從而促使盜竊犯罪在不同時(shí)空尺度上呈現(xiàn)空間差異性。

盡管本研究在分析盜竊犯罪時(shí)空分布特征方面取得了較好的研究結(jié)果，但在分析盜竊犯罪驅(qū)動(dòng)力機(jī)制方面僅進(jìn)行了定性分析缺乏定量探究，在今后的實(shí)踐中需針對(duì)該問題繼續(xù)深入探究。

參考文獻(xiàn)：

〔1〕山川，孫靜.我國(guó)新型犯罪的變動(dòng)趨勢(shì)、產(chǎn)生原因及防控對(duì)策[J].公安教育，2017，30（08）：47-51.

〔2〕劉宏斌，高雨潮.當(dāng)前我國(guó)盜竊犯罪研究[J].中國(guó)人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，34（02）：58-66.

〔3〕柳林，姜超，周素紅，劉凱，徐沖，曹晶晶.城市入室盜竊犯罪的多尺度時(shí)空格局分析——基于中國(guó)H市DP半島的案例研究[J].地理研究，2017，36（12）：2451-2464.

〔4〕Chressanthis G A， Grimes P W. Criminal behaviour and youth in the labour market： the case of the pernicious minimum wage [J]. Applied Economics， 1990， 22（11）： 1495-1508.

〔5〕Karakas E， Karadogan S， Arslan H. Crime maps and computer technology [J]. Pamukkale University Journal of Engineering Sciences， 2004， 10（04）： 37-42.

〔6〕Seok J K， Heon M T， Hee J J， et al. Analysis of Spatio-temporal pattern of urban crime and its influencing factors [J]. Journal of the Korean Association of Geographic Information Studies， 2009， 12（01）： 12-25.

〔7〕YooY， Baek T， Kim J， et al. Exploring spatial patterns of theft crimes using geographically weighted regression [J]. Journal of the Korean Society of Surveying， Geodesy， Photogrammetry and Cartography， 2017， 35（01）： 31-39.

〔8〕Chen T， Bowers K， Cheng T， et al. Exploring the homogeneity of theft offenders in spatio-temporal crime hotspots [J]. Crime Science， 2020， 9（01）： 1-13.

〔9〕陳征，于翔，祝曉光.城市犯罪時(shí)空特征分析[J].城市問題，1991，10（01）：18-24.

〔10〕馮健，黃琳珊，董穎，等.城市犯罪時(shí)空特征與機(jī)制——以北京城八區(qū)財(cái)產(chǎn)類犯罪為例[J].地理學(xué)報(bào)，2012，67（12）：1645-1656.

〔11〕毛媛媛，丁家駿.搶劫與搶奪犯罪行為時(shí)空分布特征研究——以上海市浦東新區(qū)為例[J].人文地理，2014，29（01）：49-54.

〔12〕徐嘉祥，陳鵬，陳建國(guó).基于環(huán)境犯罪學(xué)理論的入室盜竊時(shí)空分布研究——以北京市主城區(qū)案件的分析為例[J].人文地理，2018，33（01）：43-50.

〔13〕朱艷麗，靖常峰，伏家云，等.時(shí)空立方體的搶劫案件時(shí)空特征挖掘與分析[J].測(cè)繪科學(xué)，2019，44（09）：132-138+145.

〔14〕陳鵬，瞿珂，胡嘯峰.犯罪情報(bào)分析中的數(shù)據(jù)挖掘應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（02）：249-253.

〔15〕孫峰華，魏曉.中國(guó)犯罪地理研究[J].遼寧師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，29（04）：493-495.

〔16〕孫暢，翟一鳴，丁寧，等.入室盜竊犯罪時(shí)空分布與預(yù)測(cè)研究——以B市為例[J].綏化學(xué)院學(xué)報(bào)，2021，41（03）：19-22.