摘  要： 在研究、分析国内外有关研究成果的基础上，从关联分析、趋势分析、热点分析以及异常分析4个方面提出我国犯罪时空分析方法的分类体系框架，并综述每种类型不同时空分析方法的应用特点，以期能够为公安部门进行犯罪预防和警力部署提供一定的参考和帮助。

　　关键词： 时空分析；犯罪；犯罪分析

　　对犯罪现状的分析和犯罪趋势的预测可以促进公安部门加大执法力度，抑制犯罪率的增长，对维护社会稳定有很好的促进作用[1]。通过犯罪分析，可以系统地识别、分析犯罪的模式和趋势，提高警力部署的效力、制定犯罪预防策略和辅助案件侦破[2]。通过时空的角度来进行犯罪分析则更有利于直观地反映犯罪现象的分布特点及其未来的发展趋势[3]。19世纪早期，地图制图与空间信息就开始在犯罪分析领域得到应用，最早始于法国[4]。1833年，法国统计学家格雷通过犯罪统计得出结论：犯罪现象在时间和空间分布上是不均衡的，随着时间和空间的不同呈现出不同的特点[5]。1900年，纽约市警察局率先使用地图来进行犯罪分析。20世纪80年代初，国外开始将GIS技术应用于犯罪分析领域[5-6]。进入90年代后，由于计算机技术的高速发展，GIS的成本降到了合理的价格，极大地促进了GIS在犯罪分析方面的应用[5]。目前在美国，人数超过100人的警察局中约有70%，人数不到100人的警察局也有40%建立了犯罪分析系统[5]。我国也有不少学者开展相关研究：如金光[7]等人利用数据挖掘技术进行案件类型单维关联分析、不同案件的序列分析以及案件分类；丁世洁[8]运用数理统计的回归分析法等手段，预测刑事案件的发案规律并有效识别案件模式；颜峻[9-10]等人提出一种将动态优化窗宽算法与DENCLUDE算法相结合的优化聚类算法应用于入室盗窃犯罪热点分析；陆娟等人提出一种适用于不同尺度空间聚类的犯罪热点探测方法，主要用于探测犯罪高发地区。本文在研究、分析国内外有关研究成果的基础上，将犯罪时空分析方法分成关联分析、趋势分析、热点分析和异常分析等四种类型，并对其进行综述。其分类体系框架如图1所示。

　　1 犯罪时空关联分析

　　地理学第一定律指出，任何事物都与其周围事物存在联系，与其越相近的事物联系越紧密。因此，大多数学者在进行犯罪时空分析时充分利用了这个规律，寻找各个要素之间的关联。这里所指的关联要素主要包括犯罪类型、犯罪地点、犯罪时间（包括季节、日期、时段等）、犯罪客体以及犯罪密度[11-12]。

　　通常情况下，针对不同的案事件数据，其关联分析方法也有所不同，一般使用的方法有相关分析法、灰色关联法、数据碰撞法、串案轨迹分析法等[13]，其特点如表1所示。

　　2 犯罪时空趋势分析

　　趋势分析用来收集信息，并试图在信息中发现模式或趋势。它不仅可以用来评估过去不确定的事，还可以用于预测未来的事件。犯罪趋势预测分析可分为犯罪时间趋势预测和犯罪空间趋势预测[17-18]。

　　（1）犯罪时间趋势预测法主要是根据过去的犯罪变化规律来预测未来的犯罪趋势，它假设犯罪的发展变化具有时间上的连续性。因此，是一种在较为理想的假设下的预测方法，常用于短期的犯罪预测，不适合用于长期的趋势分析。它的主要分析方法有移动平均法、指数平滑法和加权平均法等，其特点如表2所示。

　　（2）犯罪空间趋势预测法主要是根据过去犯罪地点的犯罪密度规律来预测未来的犯罪发生地。它强调的是地点因素在预测中的作用。适合空间趋势分析的方法有标准差椭圆法和系列犯罪分析法等，其特点如表2所示。

　　3 犯罪时空热点分析

　　犯罪热点分析即通过案事件时空序列数据，分析犯罪高发地区、犯罪高发时间、犯罪高发类型和犯罪高发目标[3]。此处的犯罪高发地区又包括犯罪产生地、犯罪吸引地和犯罪促进地。犯罪高发时间又包括犯罪高发季节、犯罪高发日、犯罪高发时段。热点的程度主要取决于其超过平均水平的程度[24]。而通过不同的热点程度还可以进行分级热点分析。

　　主要的热点分析方法有中心平均法、标准差法（包括标准距离圆和标准差椭圆）、核密度估计法、等密度估计法、聚类法（此处主要介绍最邻近指数法及高聚类分析法）等[25]，其特点如表3所示。

　　4 犯罪时空异常分析

　　当犯罪热点区域中出现与犯罪数据的一般行为或模式不一致的离散点时，称这些数据对象为异常点、离群点或偏差点。有些离群数据比常规数据更有意义，由于离群数据本身含有重要信息，可以从犯罪离群数据中发现新的犯罪趋势。因此需要进一步对其进行异常分析，即离群检测。犯罪异常分析也可以理解为犯罪冷点分析。常用于异常分析的方法有系列犯罪分析法和低聚类分析法等，其特点如表4所示。

　　本文通过对我国犯罪时空分析方法的归纳总结，可以看出开展犯罪时空分析可以挖掘出犯罪的显性及隐形时空规律，从而为犯罪预测、犯罪预防和警力配置等科学决策提供支撑。2010年以来，由公安部统一组织研制的公安警用地理信息平台软件开始逐步在全国进行推广应用，这将为犯罪时空分析提供更好的基础软硬件平台和犯罪时空序列数据基础。可以预见，我国利用GIS技术进行犯罪时空分析将进入一个新的发展阶段。

　　参考文献

　　[1] 王晓雁.暴力犯罪史上最低，经济犯罪井喷式增长[N].法制日报，2013.

　　[2] SANTOS R B. Crime analysis and crime mapping[M]. US： Sage Publications， 2012.

　　[3] 王帅.犯罪案件时空热点分析研究——以江苏省某市为例[D].北京：首都师范大学，2012.

　　[4] 贺日兴.犯罪制图——地理信息技术应用新领域[J].测绘通报，2006（6）：46-50.

　　[5] 杨毅.地理信息系统在犯罪分析及辅助决策中的应用研究[D].成都：四川大学，2005.

　　[6] 耿莎莎，张旺锋，刘勇，等.基于GIS的城市犯罪行为空间分布特征及预警分析[J].地理科学进展，2011，30（10）：1240-1246.

　　[7] 金光，钱家麟，钱江波，等.基于数据挖掘决策树的犯罪风险预测模型[J].计算机工程，2003，6（9）：183-185.

　　[8] 丁世洁.刑事案件分析模型的研究与设计[J].武汉理工大学学报，2006，3（3）：138-140.

　　[9] 颜峻，袁宏永，疏学明.用于犯罪空间聚集态研究的优化聚类算法[J].清华大学学报，2009，49（2）：176-178.

　　[10] 颜峻，袁宏永，疏学明.社会安全事件空间分布研究[J].中国安全科学学报，2008，18（7）：39-42.

　　[11] 陆娟，汤国安，张宏，等.一种犯罪热点探测方法[J].测绘通报，2012（4）：30-32.

　　[12] 李小文，曹春香，常超一.地理学第一定律与时空邻近度的提出[J].自然杂志，2007，29（4）：69-71.

　　[13] 陆娟，汤国安，张宏，等.犯罪热点时空分布研究方法综述[J].地理科学进展，2012，31（4）：419-425.

　　[14] PHILLIPS P， LEE I. Criminal cross correlation mining and visualization[M]. Intelligence and Security Informatics. Springer Berlin Heidelberg， 2009： 2-13.

　　[15] 陈凯.基于灰色关联分析法的毒品犯罪群实证研究——以湘潭市湖区判决资料为样本[D].湘潭：湘潭大学，2010.

　　[16] 张培晶，谢晓专，宋蕾.PGIS在犯罪分析中的应用[J].中国人民公安大学学报，2012（4）：45-49.

　　[17] 史婷婷，郝弗非，谭宁生等.基于WebGIS的犯罪空间分析应用技术[J].计算机系统应用，2012，21（8）：160-165.

　　[18] Wikipedia： Trend analysis[EB/OL]. http：//en.wikipedia.org/wiki/Trend_analysi s， [2013-03-05].

　　[19] 刘笑兵，张姝.移动平均法在毒品情报分析中的应用[J].情报探索，2009（10）：55-32.

　　[20] 王欣.治安预测方法与技术比较研究[J].中国人民公安大学学报，2011（3）：29-35.

　　[21] GORR W， OLLIGSCHLAEGER A， THOMPSON Y. Short-term time series forecasting of crime[J]. The International Journal of Forecasting， Special Section on Crime Forecasting， 2003，19（4）：579-594.

　　[22] 汪兰香.福州城市犯罪制图及其空间分析[D].福州：福建师范大学，2012.

　　[23] 关兆.犯罪制图技术在犯罪情报分析中的应用[J].法制与社会，2011：252-231

　　[24] 刘战国，郜口.城中村犯罪热点研究：以深圳L村为例[J].公共安全，2010（3）：9-12.

　　[25] 汪兰香，陈友飞，李民强，等.犯罪热点研究的空间分析方法[J].福建警察学院学报，2012（1）：16-20.

　　[26] 陈鹏，李锦涛，马伟.犯罪热点的分析方法研究[J].中国人民公安大学学报，2012（3）：31-57.

　　[27] 薛安荣.基于犯罪数据的预测理论与技术的研究[D].镇江：江苏大学，2011.

　　[28] 程日能.数据挖掘技术在警务综合信息系统的应用研究[D].广州：广东工业大学，2011.

　　[29] 刘冬妮.案件信息时空分析系统的设计与实现[D].北京：北京邮电大学，2012.