城市新區(qū)犯罪數(shù)量與犯罪危害程度空間分異規(guī)律研究

李琛，吳映梅*，高彬嬪，鄭可君，2，武燕

（1.云南師范大學(xué)地理學(xué)部，云南 昆明 650500；2.云南省社會(huì)科學(xué)院，云南 昆明 650000）

平安是國(guó)家繁榮富強(qiáng)的基本前提，是人民幸福安康的基本要求。平安中國(guó)建設(shè)是實(shí)現(xiàn)中華民族偉大復(fù)興“中國(guó)夢(mèng)”的重要保障。近年來(lái)，我國(guó)正不斷提高平安中國(guó)建設(shè)的能力和水平，嚴(yán)重刑事案件、重大公共安全事故、重大群體性事件得到有效控制，犯罪活動(dòng)的減少成為其中一項(xiàng)重要內(nèi)容［1］。建設(shè)更高水平的平安中國(guó)，需要依法嚴(yán)厲打擊各類違法犯罪活動(dòng)，深入開(kāi)展掃黑除惡專項(xiàng)斗爭(zhēng)［2］。目前，我國(guó)正處于社會(huì)經(jīng)濟(jì)矛盾激化的轉(zhuǎn)型期，社會(huì)矛盾多發(fā)高發(fā)態(tài)勢(shì)短期內(nèi)難以改變［3］，如何防控犯罪活動(dòng)成為社會(huì)公共安全和平安中國(guó)建設(shè)亟待解決的問(wèn)題。

由犯罪活動(dòng)引起的社會(huì)公共安全問(wèn)題一直是社會(huì)關(guān)注的重點(diǎn)問(wèn)題［4］。地理環(huán)境是影響犯罪活動(dòng)的重要因素，犯罪地理學(xué)正是一門(mén)研究犯罪現(xiàn)象的空間分布、演變及其分異規(guī)律，并進(jìn)行防控的科學(xué)［5］。20 世紀(jì)20～30 年代，芝加哥學(xué)派最早提出了社會(huì)解組理論［6］，與1979 年COHEN［7］提出的日?；顒?dòng)理論成為對(duì)犯罪地理學(xué)研究影響深遠(yuǎn)的兩大理論。隨著遙感技術(shù)和空間分析方法在犯罪地理研究中的廣泛應(yīng)用，犯罪活動(dòng)的空間分析得到迅速發(fā)展，研究視角逐漸轉(zhuǎn)向不同尺度下建立模型，并分析犯罪數(shù)量的空間分異及其影響因素［8-9］，并將在城市環(huán)境、社會(huì)經(jīng)濟(jì)要素及城市公共設(shè)施、路燈燈光等要素下犯罪活動(dòng)空間分布的形成機(jī)制［10-12］、犯罪活動(dòng)空間預(yù)測(cè)［13］以及犯罪危害的空間分布［14］作為研究重點(diǎn)。

國(guó)內(nèi)犯罪地理學(xué)研究起步較晚，可分為3 個(gè)階段。20 世紀(jì)80 年代，處于理論探討階段，主要介紹了國(guó)外理論，總結(jié)和提出了犯罪地理學(xué)的概念，指出了犯罪活動(dòng)的地域性、綜合性、技術(shù)性［15-16］；90 年代，處于實(shí)證研究初探階段，由于犯罪數(shù)據(jù)獲取難度較大，對(duì)城市內(nèi)部犯罪事件的實(shí)證研究較少［17］，進(jìn)展緩慢；21 世紀(jì)后，隨著國(guó)家對(duì)社會(huì)公共安全領(lǐng)域與平安中國(guó)建設(shè)的關(guān)注，以及犯罪地理學(xué)在打擊和預(yù)防犯罪行為中發(fā)揮的重要作用，學(xué)者們開(kāi)始從多渠道獲取空間屬性的犯罪數(shù)據(jù)，且多以城市中心區(qū)域?yàn)檠芯繀^(qū)探究城市犯罪問(wèn)題。在犯罪活動(dòng)空間上，從時(shí)間尺度［18］、空間尺度［19］、犯罪類型［20］、犯罪場(chǎng)所［21］以及涉事主體［22-23］等方面開(kāi)展研究，取得了相當(dāng)?shù)难芯砍晒?。在?shù)據(jù)與方法上，選擇多源數(shù)據(jù)如調(diào)查問(wèn)卷、土地利用數(shù)據(jù)、POI 數(shù)據(jù)等，采用因子分析［24］、似不相關(guān)回歸［25］、負(fù)二項(xiàng)回歸［26］等方法探究犯罪活動(dòng)空間分布的影響因素，預(yù)測(cè)犯罪活動(dòng)空間分布［27］，并對(duì)犯罪危害程度空間分布［28］進(jìn)行了初步探索?？傮w上，已有研究主要存在2 點(diǎn)不足：一是主要關(guān)注發(fā)達(dá)城市中心區(qū)域犯罪空間靜態(tài)問(wèn)題，缺乏對(duì)快速發(fā)展下城市新區(qū)犯罪活動(dòng)空間演變的動(dòng)態(tài)分析；二是對(duì)犯罪危害程度空間分布的研究尚處于探索階段。鑒于此，研究犯罪數(shù)量和犯罪危害程度的空間分異格局在一定程度上對(duì)犯罪地理學(xué)的理論研究具有借鑒意義，同時(shí)也是防控犯罪和建設(shè)社會(huì)公共安全的迫切需求。

云南省昆明市呈貢區(qū)是我國(guó)城市新區(qū)中城鎮(zhèn)化速度最快的區(qū)域之一，兼具昆明市行政中心、教育中心、信息產(chǎn)業(yè)中心、花卉市場(chǎng)中心、物流中心等多種功能，以及城市功能復(fù)雜性、發(fā)展快速性等多重屬性。急速和復(fù)雜的城市變化極易引發(fā)社會(huì)公平缺失、犯罪活動(dòng)滋生、社會(huì)信任缺失等一系列社會(huì)公共安全問(wèn)題。本文以呈貢區(qū)為代表，基于2015、2017、2019 年3 期犯罪活動(dòng)空間數(shù)據(jù)，采用多種GIS 空間分析方法，分析犯罪數(shù)量與犯罪危害程度的空間分異特征，試圖揭示城市新區(qū)犯罪活動(dòng)的空間演變規(guī)律，明確犯罪數(shù)量與犯罪危害程度在空間格局演化中的差異，提出防控犯罪的空間優(yōu)化方案，以期為城市新區(qū)的犯罪防控與城市治理提供借鑒。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

呈貢區(qū)（24°42′01″N～24°59′36″N，102°45′13″E～102°59′58″E）隸屬于云南省昆明市（圖1），是昆明“兩核一極”城市格局中的一核和通往滇東、滇南的重要樞紐。2011 年，呈貢區(qū)作為建設(shè)“現(xiàn)代新昆明”的先行區(qū)和主戰(zhàn)場(chǎng)實(shí)現(xiàn)撤縣設(shè)區(qū)，成為昆明市人民政府所在地，下轄龍城、斗南、吳家營(yíng)、雨花、洛龍、烏龍、馬金鋪、大漁、洛羊和七甸10 個(gè)街道。2013 年，呈貢區(qū)先后被英國(guó)《金融時(shí)報(bào)》和美國(guó)《外交政策》稱為“鬼城”。2014 年，昆明市地鐵1 號(hào)、2 號(hào)全線貫通，將主城區(qū)與呈貢區(qū)串聯(lián)起來(lái)。2016 年12 月，云南省第1 個(gè)高鐵站——昆明南站（位于呈貢區(qū)）正式通車(chē)。云南大學(xué)等多所高校先后遷至呈貢區(qū)，基礎(chǔ)設(shè)施不斷完善，截至2019 年，呈貢區(qū)完成地區(qū)生產(chǎn)總值476.79 億元，同比增長(zhǎng)10.8%，增速位列全市第一。自此，呈貢區(qū)徹底擺脫“鬼城”稱號(hào)，成為中國(guó)城市化速度最快的城市之一。與此同時(shí)，呈貢區(qū)犯罪活動(dòng)頻發(fā)，給居民的財(cái)產(chǎn)和安全及呈貢區(qū)平安中國(guó)建設(shè)帶來(lái)了極大挑戰(zhàn)。

圖1 研究區(qū)區(qū)位示意Fig.1 Location map of the study area

1.2 數(shù)據(jù)來(lái)源

犯罪案例數(shù)據(jù)來(lái)源于中國(guó)裁判文書(shū)網(wǎng)（https：//wenshu.court.gov.cn）?；?014 年1 月—2020 年10 月公開(kāi)的3 894 份一審刑事判決書(shū)，通過(guò)剔除案情重復(fù)、案發(fā)地點(diǎn)不明、與地理空間無(wú)關(guān)的案件，整理篩選出2015、2017、2019 年的刑事案件共900 起，通過(guò)高德地圖、百度地圖地理編碼識(shí)別與人工識(shí)別結(jié)合，獲取案發(fā)地的經(jīng)緯度、作案時(shí)間、罪名、處罰結(jié)果等，并將地圖坐標(biāo)系校正為世界大地測(cè)量系統(tǒng)（WGS84 坐標(biāo)系）。

2 研究方法

2.1 犯罪危害程度界定

不同的犯罪活動(dòng)其危害程度也不同，法院對(duì)每起案件的刑罰輕重可較客觀地反映其社會(huì)危害。然而，在裁判文書(shū)中，一起案件并不表示只在一地發(fā)生犯罪活動(dòng)，通常存在多地作案、團(tuán)伙作案、團(tuán)伙多地作案等情況。刑罰輕重是基于所有犯罪危害程度而判定的，存在偏差。為進(jìn)一步真實(shí)反映犯罪危害程度的空間分布情況，本文參照文獻(xiàn)［28-29］的研究成果，并進(jìn)行修正。以主刑刑期和附加刑罰金為依據(jù)，對(duì)二者加權(quán)、折算、求和，得到月數(shù)，將其作為衡量犯罪危害程度的單位。在主刑刑期中，管制的權(quán)重為0.3，拘役的權(quán)重為0.5，無(wú)期徒刑和死刑分別賦值400 和1 000 個(gè)月。在附加刑罰金中，按當(dāng)年呈貢區(qū)最低工資標(biāo)準(zhǔn)折合為月數(shù)，因罰金的刑罰輕于有期徒刑，將該值乘以0.5。對(duì)于多地作案，根據(jù)刑罰程度按地點(diǎn)做平均處理，一旦發(fā)生犯罪，無(wú)論大小都會(huì)產(chǎn)生危害，故將當(dāng)年同類型個(gè)案刑罰程度的最小值和平均值的和作為多地作案中某地的危害程度。對(duì)于團(tuán)伙作案，將刑罰程度相加，可能導(dǎo)致罪犯多而危害小的案件危害程度估值偏高，故以刑罰程度最高的罪犯的危害程度為基準(zhǔn)，每增加一人，危害程度增加10%。對(duì)于團(tuán)伙多地作案，基于團(tuán)伙作案危害程度，對(duì)多地作案情況進(jìn)行修正。

2.2 空間分異格局研究方法

核密度估計(jì)（kernel density estimation，KDE）法被廣泛用于點(diǎn)位數(shù)據(jù)的空間集聚分析，充分體現(xiàn)了地理現(xiàn)象中空間擴(kuò)散的距離衰減規(guī)律，是犯罪地理研究中最常用的方法之一［18］。采用ArcGIS10.8 軟件中空間分析模塊的KDE 法，將犯罪數(shù)量和基于犯罪危害程度加權(quán)的犯罪活動(dòng)點(diǎn)位空間分布信息以連續(xù)圖示表達(dá)，為方便對(duì)比，將核密度帶寬設(shè)為1 000 m，探究犯罪數(shù)量與犯罪危害程度在演變過(guò)程中的空間結(jié)構(gòu)變化特征。

犯罪集中度是基于WEISBURD［30］提出的犯罪集中定律（law of crime concentration，LCC）的衡量指標(biāo)，即大部分犯罪活動(dòng)集中在城市的特定小區(qū)域內(nèi)。通常，用城市累積25%和50%的犯罪數(shù)量所在的微觀地理單元的百分比（網(wǎng)絡(luò)比重）衡量，所占比重越小，犯罪越集中。統(tǒng)計(jì)累積25%和累積50%的犯罪數(shù)量與犯罪危害網(wǎng)格在總網(wǎng)格中的占比，用以判斷昆明市呈貢區(qū)犯罪數(shù)量和危害空間分布的集中程度。

空間自相關(guān)分析是對(duì)空間單元屬性值集聚程度的一種度量，旨在空間上測(cè)度某點(diǎn)屬性值是否與其鄰近點(diǎn)存在相關(guān)性［31］，其包括全局空間自相關(guān)（Moran'sI）和局部空間自相關(guān)（G*i）。將研究區(qū)劃分為1 978 個(gè)500 m×500 m 網(wǎng)格分析單元，采用Queen 鄰接空間權(quán)重矩陣，通過(guò)Geoda 軟件計(jì)算犯罪數(shù)量和犯罪危害程度的Moran'sI值，判斷其空間分布的集聚程度。計(jì)算二者的G*i值，判斷其熱點(diǎn)區(qū)域及分布差異。

標(biāo)準(zhǔn)差橢圓（standard deviation ellipse，SDE）法是研究空間點(diǎn)位數(shù)據(jù)分布方向和特征的重要方法，能夠精確揭示地理要素空間分布中心、離散和方向趨勢(shì)。采用ArcGIS10.8 軟件對(duì)犯罪數(shù)量和基于犯罪危害程度加權(quán)的犯罪活動(dòng)點(diǎn)位進(jìn)行SDE 分析，對(duì)比犯罪數(shù)量與犯罪危害程度的SDE 擴(kuò)散方向，分析其擴(kuò)散特征。

3 結(jié)果分析

3.1 犯罪數(shù)量與犯罪危害空間格局變化

從呈貢區(qū)犯罪數(shù)量的空間格局（圖2）看，2015年，犯罪數(shù)量空間分布首先形成了一個(gè)高密度集聚區(qū)，即石龍路與興呈路交會(huì)的龍城片區(qū)，該區(qū)位于呈貢老城區(qū)，商業(yè)活動(dòng)頻繁，服務(wù)類型多樣，初等教育學(xué)校集中，老舊居住區(qū)多，道路系統(tǒng)復(fù)雜，是集商業(yè)-居住-公共服務(wù)于一體的城市功能混合區(qū)，這些因素為犯罪分子實(shí)施犯罪和逃逸提供了條件，加之該區(qū)設(shè)施老舊，人口集中，有許多餐廳、網(wǎng)吧等監(jiān)管盲區(qū)，成為犯罪數(shù)量的高密度集聚區(qū)。此外，在高密度集聚區(qū)周?chē)屠ッ骼砉ご髮W(xué)呈貢校區(qū)-雨花毓秀小區(qū)-云南師范大學(xué)呈貢校區(qū)-沐春園小區(qū)圍合的片區(qū)形成2 個(gè)較高密度集聚區(qū)，在空間上形成“單核心”結(jié)構(gòu)。

圖2 2015—2019 年呈貢區(qū)犯罪數(shù)量核密度空間分布Fig.2 The spatial distribution of crimes and nuclear density in Chenggong，2015-2019

2017 年，伴隨著城市的迅速發(fā)展及流動(dòng)人口的日益增多，呈貢區(qū)犯罪數(shù)量有所上升，在空間上呈現(xiàn)不同程度擴(kuò)散態(tài)勢(shì)；雨花毓秀小區(qū)及周?chē)瑓^(qū)上升為高密度集聚區(qū)，與龍城片區(qū)在空間上共同形成了“雙核”結(jié)構(gòu)。此外，斗南片區(qū)、七彩云南第壹城片區(qū)及云南民族大學(xué)、昆明醫(yī)科大學(xué)附近的住宅片區(qū)均由中密度集聚區(qū)、較低密度集聚區(qū)上升為較高密度集聚區(qū)，整體呈現(xiàn)“圈層+軸帶”近域擴(kuò)張的發(fā)展態(tài)勢(shì)，反映了作案目標(biāo)的增加及有效防范的缺乏，進(jìn)一步加劇了犯罪。斗南片區(qū)擁有亞洲最大的鮮切花交易市場(chǎng)，經(jīng)濟(jì)頻繁，吸引了眾多外來(lái)務(wù)工人員和游客，由于正值建設(shè)高峰期，該片區(qū)存在較多建筑工地，流動(dòng)人口多，人員結(jié)構(gòu)復(fù)雜，加之管控措施較為薄弱，成為犯罪高發(fā)區(qū)。七彩云南第壹城片區(qū)是呈貢區(qū)的中央商務(wù)區(qū)（CBD），城市交通網(wǎng)絡(luò)和服務(wù)設(shè)施較發(fā)達(dá)。作為新興商業(yè)中心，其安保設(shè)施雖較為完善，但由于大學(xué)生安全防范意識(shí)相對(duì)欠缺，學(xué)校附近的商業(yè)街區(qū)餐飲、娛樂(lè)場(chǎng)所眾多，人員較混雜，易滋生犯罪，導(dǎo)致大學(xué)及其周邊片區(qū)犯罪案件頻發(fā)。

2018 年以來(lái)，昆明市按照中央和云南省委決策部署，全面掀起掃黑除惡專項(xiàng)斗爭(zhēng)，有力查處了一批黑惡案件，有效凈化了社會(huì)治安環(huán)境，至2019 年，除龍城片區(qū)高密度集聚區(qū)保持不變外，其他片區(qū)的高密度集聚區(qū)、較高密度集聚區(qū)均降為中密度集聚區(qū)，且集聚區(qū)空間范圍明顯收縮。

從呈貢區(qū)犯罪危害程度的空間格局（圖3）看，2015 年，犯罪危害程度的空間分布特征與犯罪數(shù)量相似，均呈以龍城片區(qū)為高密度集聚區(qū)的“單核心結(jié)構(gòu)”，但較高密度集聚區(qū)明顯不同，在沐春園小區(qū)-和諧家園小區(qū)-雨花毓秀小區(qū)圍合的片區(qū)、七甸工業(yè)園區(qū)、興呈路與三鋁線交會(huì)片區(qū)形成了3 個(gè)較高密度集聚區(qū)。興呈路與三鋁線交會(huì)片區(qū)是呈貢區(qū)城市中心與郊區(qū)的交會(huì)區(qū)域，內(nèi)有城中村下可樂(lè)村和許多物流倉(cāng)儲(chǔ)、批發(fā)市場(chǎng)，與七甸工業(yè)園區(qū)相似，該片區(qū)基礎(chǔ)設(shè)施不夠齊全，人員混雜、人口綜合素質(zhì)水平不高，盡管犯罪數(shù)量不多，但犯罪危害程度均較高。2017 年，高密度集聚區(qū)保持不變，隨著政府對(duì)工業(yè)園區(qū)和城中村改造的加強(qiáng)，興呈路與三鋁線交會(huì)片區(qū)、七甸工業(yè)園區(qū)降為較低密度集聚區(qū)。與犯罪數(shù)量的空間分布特征相比，犯罪危害程度的空間分布特征更分散，共形成9 個(gè)較高密度集聚區(qū)，主要集中于商業(yè)街區(qū)、遠(yuǎn)離呈貢中心區(qū)域的新興城鎮(zhèn)及散落的建設(shè)工地。2019 年，犯罪危害程度仍以龍城片區(qū)為“中心格局”，但高密度集聚區(qū)、較高密度集聚區(qū)及中密度集聚區(qū)的空間分布明顯收縮，較低密度集聚區(qū)的空間分布明顯擴(kuò)展，呈散點(diǎn)狀分布。

圖3 2015—2019 年呈貢區(qū)犯罪危害程度核密度空間分布Fig.3 Spatial distribution of nuclear density of crime harm in Chenggong，2015-2019

整體看，呈貢區(qū)犯罪數(shù)量高密度集聚區(qū)和較高密度集聚區(qū)大部分位于城市核心區(qū)域，空間格局仍以城市核心區(qū)集聚為主，犯罪危害程度高密度集聚區(qū)和較高密度集聚區(qū)除位于城市核心區(qū)外，還存在于城中村、郊區(qū)城鎮(zhèn)。犯罪數(shù)量空間分布經(jīng)歷了單核心—雙核心—單核心的演變，而犯罪危害程度并未打破“單核心”空間結(jié)構(gòu)，但較低密度集聚區(qū)逐漸呈散點(diǎn)狀分布。城市新區(qū)平安建設(shè)整體向好，掃黑除惡專項(xiàng)整治活動(dòng)必要且有效。

3.2 犯罪數(shù)量與犯罪危害程度空間分異特征

3.2.1 空間集中與集聚特征

2015—2019 年，呈貢區(qū)犯罪數(shù)量及犯罪危害程度網(wǎng)格的集中程度和Moran'sI值如表1 所示。從集中程度看，昆明市呈貢區(qū)的犯罪數(shù)量和犯罪危害程度均十分集中，25% 的犯罪數(shù)量主要集中于0.28%～0.35%的網(wǎng)格，50%的犯罪數(shù)量主要集中于1.31%～1.37% 的網(wǎng)格。2015、2017、2019 年犯罪危害程度的集中程度均高于犯罪數(shù)量的集中程度，呈貢區(qū)50% 的犯罪危害程度集中于1.11%～1.31%的網(wǎng)格。從犯罪集中程度變化看，呈貢區(qū)犯罪數(shù)量的集中程度呈先上升后下降的態(tài)勢(shì)，2017年犯罪數(shù)量的集中程度最高；呈貢區(qū)犯罪危害程度的集中程度明顯提高，并逐漸集中于少部分網(wǎng)格。犯罪危害程度和犯罪數(shù)量的集中程度逐漸拉大，反映了犯罪危害程度日趨集中的態(tài)勢(shì)比犯罪數(shù)量更強(qiáng)烈。

表1 呈貢區(qū)犯罪數(shù)量及犯罪危害程度網(wǎng)格的集中程度和Moran's I 值Table 1 The number of crimes in Chenggong and the concentration of crime harm grids and Moran's I

從Moran'sI值看，昆明市呈貢區(qū)犯罪數(shù)量及犯罪危害程度網(wǎng)格的Moran'sI值均大于0，且通過(guò)1%顯著性檢驗(yàn)，反映了犯罪數(shù)量和犯罪危害程度始終呈集聚分布。從Moran'sI值的變化看，犯罪數(shù)量和犯罪危害程度的Moran'sI值均先下降后上升，總體呈下降趨勢(shì)，表明犯罪數(shù)量與犯罪危害程度的空間自相關(guān)程度有所減弱，空間趨同性逐漸降低，作案地點(diǎn)隨城市發(fā)展逐漸擴(kuò)散，空間分布由集聚向分散過(guò)渡。其中，2015 年和2017 年，空間集聚程度犯罪數(shù)量高于犯罪危害程度，表明犯罪危害程度的空間區(qū)位更分散。2019 年，Moran'sI值犯罪危害程度高于犯罪數(shù)量，反映了犯罪危害程度的空間區(qū)位更集聚，且高于犯罪數(shù)量。這是由于2019 年呈貢區(qū)公安局以掃黑除惡專項(xiàng)斗爭(zhēng)為統(tǒng)領(lǐng)，開(kāi)展“嚴(yán)打犯罪主動(dòng)仗、社會(huì)防控整體仗、公共安全治理仗”行動(dòng)，并逐漸重視公安大數(shù)據(jù)應(yīng)用，加之城市基礎(chǔ)設(shè)施不斷完善，監(jiān)控死角進(jìn)一步減少，犯罪數(shù)量明顯下降，零散犯罪有效減少，空間聚集程度得以提高。

呈貢區(qū)犯罪數(shù)量和犯罪危害程度均表現(xiàn)出明顯的集中分布現(xiàn)象和較強(qiáng)的空間集聚程度。研究期內(nèi)，犯罪危害程度的集中程度始終高于犯罪數(shù)量，集聚程度于2019 年后高于犯罪數(shù)量。這說(shuō)明，造成較大危害的犯罪案件逐漸集中于較少的網(wǎng)格中，且這些網(wǎng)格的空間區(qū)位呈集聚態(tài)勢(shì)。因此，在未來(lái)防控中不僅需要關(guān)注犯罪數(shù)量的熱點(diǎn)識(shí)別，更需要針對(duì)犯罪危害程度集中區(qū)，通過(guò)防控措施和打擊犯罪行動(dòng)的有效實(shí)施，保障平安中國(guó)、平安呈貢建設(shè)。

3.2.2 空間熱點(diǎn)分異

利用Geoda 軟件對(duì)2015、2017 和2019 年犯罪數(shù)量和犯罪危害程度網(wǎng)格進(jìn)行熱點(diǎn)分析，識(shí)別犯罪數(shù)量與犯罪危害程度的熱點(diǎn)區(qū)，通過(guò)疊加對(duì)比，最終將熱點(diǎn)區(qū)分為3 種類型：犯罪數(shù)量與犯罪危害程度熱點(diǎn)重合區(qū)、犯罪數(shù)量熱點(diǎn)區(qū)和犯罪危害程度熱點(diǎn)區(qū)，如圖4 所示。

由圖4 可知，2015—2019 年，盡管犯罪數(shù)量與犯罪危害程度熱點(diǎn)重合區(qū)有一定收縮，但總體結(jié)構(gòu)無(wú)顯著變化，重合范圍最大的區(qū)域位于呈貢區(qū)中部，分布于城市主干道（彩云路）和地鐵線路的兩側(cè)；中部偏北的重合區(qū)分布于主干道和地鐵線路的西側(cè)；中部偏南的重合區(qū)分布于主干道和地鐵線路的東側(cè)，該兩側(cè)均是呈貢區(qū)社會(huì)經(jīng)濟(jì)活動(dòng)的空間主體。犯罪數(shù)量熱點(diǎn)區(qū)由集中分布轉(zhuǎn)為破碎分布，2015 年和2017 年主要分布于各學(xué)校及醫(yī)院附近，2019 年，部分商業(yè)中心、酒店等區(qū)域由重合區(qū)及犯罪危害程度熱點(diǎn)區(qū)變?yōu)榉缸飻?shù)量熱點(diǎn)區(qū)，盡管犯罪數(shù)量較多，但犯罪危害較小。犯罪危害程度熱點(diǎn)區(qū)略有差異，但其地理環(huán)境較為相似，主要分布于城郊鄉(xiāng)鎮(zhèn)、城中村、工業(yè)園區(qū)、物流園區(qū)、施工工地等區(qū)域，且有明顯向昆明南站附近區(qū)域集中的態(tài)勢(shì)，這些區(qū)域盡管發(fā)生的犯罪數(shù)量不多，但造成的危害很大。

圖4 2015—2019 年呈貢區(qū)犯罪數(shù)量和犯罪危害程度熱點(diǎn)區(qū)空間分布Fig.4 Spatial distribution of the crime number and degree of harm in the hot spots in Chenggong，2015-2019

從整體看，隨城市發(fā)展各犯罪熱點(diǎn)區(qū)逐漸破碎化，且犯罪數(shù)量與犯罪危害程度熱點(diǎn)有明顯的不重合區(qū)，2015、2017 和2019 年犯罪數(shù)量熱點(diǎn)區(qū)和犯罪危害程度熱點(diǎn)區(qū)的和分別占總熱點(diǎn)區(qū)的48.33%，44.32%和38.76%，盡管占比呈下降趨勢(shì)，但仍達(dá)1/3 以上，表明犯罪數(shù)量與犯罪危害程度熱點(diǎn)區(qū)的空間分布存在明顯差異，在關(guān)注犯罪數(shù)量熱點(diǎn)區(qū)的同時(shí)，更需關(guān)注犯罪危害程度熱點(diǎn)區(qū)，特別是對(duì)犯罪數(shù)量較少而社會(huì)危害較大的熱點(diǎn)區(qū)。

3.2.3 空間擴(kuò)散分異

從標(biāo)準(zhǔn)差橢圓的擴(kuò)散方向看（圖5），犯罪數(shù)量與犯罪危害程度始終沿城市“西南—東北”這一主軸方向擴(kuò)散，與呈貢區(qū)城市空間擴(kuò)展方向大體保持一致。2015年，犯罪數(shù)量標(biāo)準(zhǔn)差橢圓的擴(kuò)散角度為5.56°，而犯罪危害程度標(biāo)準(zhǔn)差橢圓的擴(kuò)散角度為23.74°，二者存在較大偏差；2017 年和2019 年，犯罪數(shù)量與犯罪危害程度擴(kuò)散方向逐漸趨近，其標(biāo)準(zhǔn)差橢圓的擴(kuò)散角度分別為8.61°，15.45°和9.77°，16.28°。

圖5 2015—2019 年呈貢區(qū)犯罪數(shù)量和犯罪危害程度的SDEFig.5 The SDE of the crime quantity and the degree of harm in Chenggong，2015-2019

從整體看，2015 年呈貢區(qū)犯罪數(shù)量和犯罪危害程度的空間擴(kuò)散方向存在“錯(cuò)位”現(xiàn)象，犯罪危害程度的擴(kuò)散更偏城市東北方向，這是由于2015 年是呈貢區(qū)實(shí)施“昆明呈貢新區(qū)突破崛起三年行動(dòng)計(jì)劃”的收官之年，呈貢區(qū)各街道處于快速轉(zhuǎn)型期，位于呈貢區(qū)東北方向的洛羊街道、七甸街道以及西南方向的大魚(yú)街道和馬金鋪街道大部分基礎(chǔ)設(shè)施仍在建設(shè)中，監(jiān)管盲區(qū)較多；盡管犯罪數(shù)量較中心城區(qū)少，但主要以故意傷害、搶劫等對(duì)社會(huì)造成較大危害的案件為主，犯罪危害程度在空間上的擴(kuò)散更偏東北方向。2017 年后，隨著大學(xué)城、斗南花卉市場(chǎng)的建成和使用，城市周邊街道快速發(fā)展且城市擴(kuò)展日趨成熟，犯罪主要集中于高密度道路網(wǎng)和頻繁的街道活動(dòng)中心城區(qū)及周邊發(fā)展較快的街道，使得標(biāo)準(zhǔn)差橢圓的擴(kuò)散角度減小，且犯罪數(shù)量和犯罪危害程度基本一致?？梢钥闯?，犯罪數(shù)量和犯罪危害程度的擴(kuò)散方向與城市空間擴(kuò)展方向密切相關(guān)，其中犯罪危害程度的擴(kuò)散更明顯，更易隨城市空間結(jié)構(gòu)的變化而改變。

4 結(jié)論與討論

4.1 結(jié) 論

以昆明市呈貢區(qū)為例，綜合運(yùn)用多種GIS 計(jì)量模型，以犯罪數(shù)量和犯罪危害程度為研究對(duì)象，討論了二者的空間演變及分布差異特征，主要得到以下結(jié)論：

（1）呈貢區(qū)犯罪數(shù)量以城市核心區(qū)集聚為主，空間分布經(jīng)歷了單核心—雙核心—單核心的演變過(guò)程，高密度集聚區(qū)和較高密度集聚區(qū)主要分布于交通便捷、經(jīng)濟(jì)活動(dòng)頻繁、人員密集的老城區(qū)、商業(yè)中心和大學(xué)城及其周?chē)幼^(qū)。犯罪危害程度在空間上形成龍城片區(qū)“單核心”的格局并未被打破，且其高密度集聚區(qū)與犯罪數(shù)量的高密度集聚區(qū)相似，較高密度集聚區(qū)相對(duì)分散，較低密度集聚區(qū)呈“散點(diǎn)狀”分布。

（2）呈貢區(qū)犯罪數(shù)量和犯罪危害程度在空間上均表現(xiàn)出顯著的集中和集聚特征。二者空間集中差異逐漸增大，犯罪危害程度的集中程度始終高于犯罪數(shù)量，且犯罪危害程度日趨集中的態(tài)勢(shì)比犯罪數(shù)量更強(qiáng)烈；二者空間集聚差異變化明顯，至2019 年，犯罪危害程度的集中程度高于犯罪數(shù)量，造成較大危害的犯罪案件逐漸集中于較少的網(wǎng)格，且這些網(wǎng)格的空間區(qū)位呈集聚態(tài)勢(shì)。

（3）犯罪數(shù)量熱點(diǎn)區(qū)和犯罪危害程度熱點(diǎn)區(qū)存在明顯的空間分布差異，隨城市發(fā)展逐漸破碎化。犯罪數(shù)量與犯罪危害程度熱點(diǎn)重合區(qū)主要分布于呈貢區(qū)中部，沿城市主干道（彩云路）和地鐵線路分布；犯罪數(shù)量熱點(diǎn)區(qū)主要分布于學(xué)校、醫(yī)院及商業(yè)中心附近；犯罪危害程度熱點(diǎn)區(qū)主要分布于城郊鄉(xiāng)鎮(zhèn)、城中村、工業(yè)園區(qū)、物流園區(qū)、施工工地等區(qū)域。

（4）犯罪數(shù)量和犯罪危害程度的擴(kuò)散方向均與城市空間擴(kuò)展方向較為一致。2015 年，犯罪數(shù)量擴(kuò)散方向和犯罪危害程度擴(kuò)散方向出現(xiàn)明顯“錯(cuò)位”現(xiàn)象，隨著城市的快速發(fā)展，犯罪數(shù)量與犯罪危害程度的擴(kuò)散方向逐漸趨近，其中，犯罪危害程度擴(kuò)散更明顯，更易隨城市空間結(jié)構(gòu)變化而改變。

4.2 討 論

整體而言，昆明市呈貢區(qū)犯罪數(shù)量與犯罪危害程度的空間分布存在明顯差異，基于犯罪數(shù)量的空間分析，并不能有效地防控犯罪。保障社會(huì)公共安全和建設(shè)平安中國(guó)需在有效降低犯罪數(shù)量的同時(shí)，重視犯罪危害程度的防控和治理?？赏ㄟ^(guò)多種手段和措施，尋找更有效的犯罪防控策略，進(jìn)一步完善社會(huì)治安防控體系建設(shè)，加強(qiáng)公安大數(shù)據(jù)建設(shè)，打造平安城市犯罪分析平臺(tái)，通過(guò)識(shí)別犯罪數(shù)量和犯罪危害程度兩者空間分布差異中的盲區(qū)，合理分配警力資源。針對(duì)呈貢區(qū)犯罪活動(dòng)呈集聚態(tài)勢(shì)、犯罪活動(dòng)擴(kuò)散方向與城市空間擴(kuò)展方向密切相關(guān)，應(yīng)基于犯罪活動(dòng)的集聚趨勢(shì)和城市擴(kuò)展分析，及時(shí)調(diào)整警力布局，提高動(dòng)態(tài)環(huán)境下社會(huì)治安的主動(dòng)防控力。對(duì)于基礎(chǔ)設(shè)施落后的老舊城區(qū)、城中村以及工業(yè)園區(qū)、物流園區(qū)、大型施工區(qū)域，需加強(qiáng)基層安保單位與公安部門(mén)的配合，建立健全跨邊界的合作治理機(jī)制。對(duì)于犯罪危害程度和犯罪數(shù)量日趨增長(zhǎng)的馬金鋪街道、七甸街道等城郊鄉(xiāng)鎮(zhèn)，亟須做好城鎮(zhèn)規(guī)劃，加強(qiáng)監(jiān)控、路燈等基礎(chǔ)設(shè)施建設(shè)，同時(shí)加強(qiáng)社會(huì)普法教育，降低和防御犯罪發(fā)生。

以呈貢區(qū)為例，基于2015、2017 和2019 年3 期犯罪活動(dòng)空間數(shù)據(jù)，采用多種GIS 空間分析方法，探索城市新區(qū)犯罪活動(dòng)的空間分布與演變規(guī)律，同時(shí)明確犯罪數(shù)量與犯罪危害程度兩者空間分布格局中存在的差異，試圖揭示轉(zhuǎn)型時(shí)期城市新區(qū)犯罪活動(dòng)的空間演變規(guī)律及存在的問(wèn)題；但限于資料的不充分，并未對(duì)犯罪活動(dòng)產(chǎn)生的機(jī)理和地理環(huán)境要素做進(jìn)一步探討。此外，研究對(duì)象為所有犯罪案件，未進(jìn)一步深入分析不同類型犯罪活動(dòng)在數(shù)量和危害程度上的差異。犯罪活動(dòng)是個(gè)人在特定的時(shí)間和空間因素綜合作用下產(chǎn)生的，其產(chǎn)生原因涉及心理、社會(huì)、地理、主觀性等諸多因素，是社會(huì)生活中消極現(xiàn)象的集中反映，也是社會(huì)結(jié)構(gòu)失衡的表現(xiàn)，考慮多種因素對(duì)不同類型犯罪活動(dòng)的綜合影響將成為未來(lái)研究的重要方向。